使用直方图梯度提升自回归方法评估干旱对行业股票收益的非线性滞后效应

《Climate》：Assessment of Non-Linear Lag Effects of Drought on Sectoral Stock Returns Using a Histogram Gradient Boosting Autoregressive Approach Abhiram S. P. Pamula, Negin Zamani, Isael E. Gonzalez, Kalyani Reddy Mallepally, Sevda Akbari and Mohammad Hadi Bazrkar

　　

干旱是一种缓慢发生的灾害，其经济影响可能以多年延迟的方式跨行业传播。本研究开发了一个带有外生干旱输入的非线性自回归模型（ARX），以评估美国干旱严重度（由干旱严重度与覆盖指数（DSCI）衡量）是否包含月度股票收益的增量预测信息。研究人员使用2013年至2023年的每周DSCI和股票价格数据，构建了四种行业代表性公司的月度复合收益和跨越1–5年的多年干旱滞后：一家水务公司（American Water Works, AWK）、两家食品服务公司（Chipotle Mexican Grill, CMG；Starbucks, SBUX）和一家工业制造商（Tesla, TSLA）。研究人员将正则化线性ARX基线（弹性网络、岭回归）与非线性直方图梯度提升回归器（HGB）ARX模型进行了比较，并使用排列重要性来诊断与干旱相关的滞后区间。结果显示，水务公司存在清晰的、延迟的干旱信号，主导滞后约为48个月，与通过运营、监管和投资周期的多年传播一致。相比之下，对于食品服务公司，干旱滞后增加了有限或不稳定的信息，而对TSLA则几乎无信息，其动态主要由非干旱驱动因素主导。总体而言，研究结果表明，干旱与收益之间的关系是行业特异性的，并且可能在多年滞后时出现，而非线性ARX模型（Histogram Gradient Boosting Regressor, HGB）为检测这些延迟的气候风险信号提供了灵活的工具。

**论文解读：干旱对行业股票收益的非线性滞后效应——基于直方图梯度提升自回归方法的评估**

**研究背景与问题**
干旱作为一种缓慢发生的气候灾害，其经济影响往往以多年延迟的方式通过生产、供应链、监管和投资周期逐步传导。尽管极端天气事件（如飓风、洪水）对金融市场的影响已有广泛研究，但干旱与股票收益之间的关联，尤其是考虑到滞后效应和行业异质性，仍未被充分探索。现有文献对干旱风险的定价存在分歧，部分研究认为资本市场上已反映干旱风险，而另一些则强调结果高度依赖于行业、区域和干旱度量指标。此外，干旱对财务表现的影响往往通过收入、成本和投资者预期的累积效应显现，需要采用能够捕捉非线性滞后关系的建模框架。本研究旨在填补这一空白：通过整合美国干旱严重度与覆盖指数（DSCI）作为外生输入，构建非线性自回归（ARX）模型，评估干旱对水务、食品服务和工业制造等行业代表性公司月度股票收益的滞后预测信息。

**研究内容与结论**
研究人员选取了四家美国上市公司作为行业代表：水务公司American Water Works（AWK，受国内水资源依赖度高）、食品服务公司Chipotle Mexican Grill（CMG，依赖美国本土农业投入）和Starbucks（SBUX，全球多样化采购）、工业制造商Tesla（TSLA，供应链复杂且受非气候因素主导）。利用2013–2023年每周DSCI和股票价格数据，计算月度复合收益，并构建1–5年（12–60个月）的干旱滞后特征。比较了三种模型：弹性网络（Elastic Net）ARX、岭回归（Ridge）ARX和非线性直方图梯度提升回归（HGB）ARX。通过排列重要性（Permutation Importance）诊断关键干旱滞后区间。主要结论：AWK在约48个月滞后处显示清晰且稳健的干旱信号，方向准确率达83.3%；CMG的54个月滞后信号具有中等重要性，但模型整体预测能力较弱；SBUX和TSLA的干旱滞后贡献极小或为负，其收益主要由自身波动率和非气候因素驱动。研究证实，干旱与股票收益的关系具有强行业和公司特异性，且非线性ARX模型能有效检测延迟的气候风险信号。该论文发表在《Climate》期刊。

**关键技术与方法（≤250字）**
主要技术方法包括：（1）数据源：美国干旱监测（USDM）衍生的DSCI指数（全国周度，衡量干旱严重度与覆盖度）；（2）样本：四家上市公司（AWK, CMG, SBUX, TSLA），股票价格来自纳斯达克，时间跨度为2013–2023年；（3）数据处理：周度数据聚合并月度复合收益，构造多个多年干旱滞后（12–60个月）及衍生特征（DSCI动量、移动平均、标准差异常、收益波动率代理）；（4）模型框架：自回归外生输入（ARX）模型，包含3个自回归滞后（TSLA为2个），分别拟合线性正则化（弹性网络、岭回归）与非线性HGB回归器；（5）评估与诊断：12月留出测试集，采用均方根误差（RMSE）和方向准确率（DA）评估，排列重要性用于识别关键干旱滞后月份。

**研究结果**
*4.1 样本外模型性能*
通过比较弹性网络、岭回归和HGB在12月测试集上的RMSE和DA，发现：AWK的HGB略优于线性模型，DA达83.33%，表明非线性结构捕捉了水务行业干旱滞后与收益的关系。CMG和SBUX的HGB在RMSE和DA（50%）上均不及线性基线，表明所选特征配置下预测结构有限，干旱效应被其他因素掩盖。TSLA的HGB显著改善RMSE，DA达75%，但后续分析显示其驱动因素并非干旱滞后。

*4.2 COVID-19对股票表现的作用*
极端收益分析显示，AWK、SBUX和TSLA的最大周度负收益均发生在2020年COVID-19崩盘期间，而CMG的极端收益出现在2018年。剔除2020年3–4月训练数据后重新估计，HGB在2022–2023年测试窗口的预测结果基本不变，表明中期滞后干旱关系并非由COVID-19驱动。

*4.3 干旱滞后与收益动态的相对作用*
排列重要性显示：AWK的48个月DSCI滞后重要性最高（约0.178），24个月滞后次要（约0.009），36个月接近零；CMG的54个月滞后重要性中等（约0.095），30和60个月为零；SBUX的各滞后重要性均为负或近零；TSLA的12和36个月滞后重要性为零。这表明多年度干旱严重度仅对受监管水务公司（AWK）具有实质预测信息，对其他公司基本无效。

**讨论与结论**
讨论部分指出：水务公司AWK的强滞后信号（约4年）符合行业特征——干旱增加运营成本和资本支出，监管审批延迟财务体现。食品服务公司CMG的54个月滞后可能与其对国内易受干旱影响的农产品投入依赖有关，但样本量小、整体预测能力弱，需谨慎解释。SBUX的全球多元化采购与对冲策略削弱了美国干旱影响。TSLA的股价主要受增长叙事、政策竞争等非气候因素驱动。方法上，研究展示了非线性ARX框架在整合气候指数与金融时间序列中的优势，同时承认局限性：样本量小（每公司60–80个月观测值）、DSCI为全国聚合指标未考虑公司地理足迹、省略宏观金融控制变量（如利率、通胀）、仅考虑单一干旱灾害。未来可纳入复合指数（如HADI）并扩展至更大面板。结论部分强调：干旱效应具有强行业和公司特异性，且仅当存在时才会在多年滞后出现。AWK在4年滞后处显示清晰干旱敏感性，HGB模型提供高方向准确率；食品服务业异质性显著，工业制造（TSLA）几乎无干旱贡献。研究表明，非线性ARX方法能够有效分离干旱指标对水务等行业的延迟经济影响，为气候意识投资和政策设计提供了量化工具。