2005年7月21日，中国人民银行开启人民币汇率制度市场化改革序幕，从此，人民币汇率步入有管理的浮动汇率制度时代。随后人民币汇率在经历“二次汇改”、“811汇改”后，汇率形成机制更加市场化，人民币兑美元汇率日波幅从0.3%扩大到2%。随着美国单边主义政策日趋强化，中美在经贸领域摩擦不断，2018年4月初至2019年10月末，人民币汇率由6.28贬至7.16，创下汇率并轨以来最长连续跌势。在此背景下，中国实体经济与企业受汇率变动的影响不容小觑。

自2009年以来，中国连续10年位居世界第二大进口国，进口总额超14万亿元，已同230多个国家和地区建立经贸往来。同时，中国对外投资也在稳步增加，2018年中国外贸依存度已高达33.9%，对外累计投资达18,871.2亿人民币。由此不难推测，伴随着人民币汇率变动加大，这会对中国对外贸易和投资形成不利冲击，导致相关经济部门面临显著的外汇风险暴露（Foreign Exchange Exposure）。因此，深入考察中国企业外汇风险暴露问题具有一定的现实意义。

京津冀位于环渤海地区的中心位置，是国家经济增长的重要引擎和参与国际竞争合作的重要门户。2019年北京外商投资发展报告显示：截至2018年，京津冀地区外商投资企业已超过4.3万家，累计利用外商投资金额总计达到7.59万亿美元，成为吸引外资的“强磁场”。2018年京津冀地区实际利用外资222亿美元，同比增长28.72%，高于全国增幅。随着京津冀协同发展国家战略的提出，京津冀地区内部产业整合、对外贸易投资也面临前所未有的机遇。在人民币汇率市场化进程不断加速的背景下，汇率变动对京津冀地区企业对外贸易投资乃至公司和行业价值影响是一个需要亟待解决的问题。

在产业结构上，2018年京津冀地区三种产业结构比率分别为3.86%、32.94%和63.20%；长三角地区三种产业结构比率分别为2.74%、39.29%、57.97%；珠三角地区三种产业结构比率分别为5.31%、44.97%和49.72%。综合来看，京津冀地区与长三角地区产业结构具有一定的相似性。如果以第三产业占比为评价标准，京津冀和长三角的产业结构更符合未来发展的方向。因此以京津冀地区上市公司、行业为对象，分析企业转型升级过程中面对的汇率风险，同样对其他地区企业具有一定的参考价值。另外，在科创板和注册制改革推动下，我国公司上市数目增长速度快速增加，截至2020年9月，A股上市公司逾4,000家，同时各地也存在大量非上市公司。在研究对象上，即便以全部上市公司为样本仍可能存在选择偏差。本文以京津冀地区为样本，分析京津冀协同国家发展战略背景下区域企业、行业所面临的外汇风险暴露情况，并以此作为其他地域企业、行业发展过程中的参考。

从个体角度来说，企业在内部产业整合、对外贸易投资的过程中，会受到汇率变动的不确定性影响。在这一过程中，企业能否准确识别、精准测度汇率风险，并采取行之有效的风险防范措施，将对企业的长期经营与发展起到重要作用。基于此，本文对“汇改”后人民币汇率变动对企业价值的影响进行实证分析， 考察京津冀域内上市公司整体及不同行业、不同分位点上的企业汇率风险暴露情况，进一步探究汇率风险暴露的非对称性及形成机制。这在微观层面上有助于企业识别、测度、管理汇率风险，中观层面上有助于受汇率风险冲击较大的行业升级的选择，宏观层面上为汇率改革步调、汇率波动幅度设计提供了一定的参考。

本文的主要创新之处在于：（1）研究对象上，区别于原有以整体上市公司为研究对象，利用实际有效汇率对京津冀特定区域内沪深两市422家公司的外汇风险暴露系数进行衡量，从而使企业对汇率变动的敏感程度的测度更加精准；（2）研究方法上，使用面板分位数回归分析，以揭示不同收益率分位点上企业对于汇率变动敏感性的具体细节特征；（3）研究内容上，将非对称性思想引入传统的Jorion两阶段模型，从而使企业汇率风险暴露系数研究更加立体、全面。

本文余下部分安排如下：第二部分为文献综述与研究假设；第三部分为模型设定和数据说明；第四部分为实证检验；第五部分给出结论与相关政策建议。

在全球一体化的背景下，无论企业是否直接参加国际贸易，其收入、利润和市场价值都一定程度上受到汇率变动的影响。Adler和Dumas（1984）在已有研究基础上，将汇率变动视为外生变量，首次把企业价值与汇率变动之间的敏感程度定义为外汇风险暴露（Foreign Exchange Exposure），旨在度量汇率变动对于企业价值的影响。外汇风险暴露的概念一经提出，便受到了学术界的重视。

汇率变动对企业价值的影响，实证研究结果并不一致，因此形成“外汇风险暴露之谜”。部分学者认为，企业价值对汇率变动不敏感，因此汇率风险暴露程度很小。如Jorion（1990）利用资本市场法，计算得出美国287家上市公司外汇风险暴露系数仅为−5.23%，且名义汇率变动对部分上市公司的影响不显著。而Bodnar和Gentry（1993）在Jorion方法的基础上，研究了美、加、日三国行业层面的外汇风险暴露，发现部分行业存在外汇风险暴露且非对称性明显。更有部分学者认为企业层面对汇率变动的敏感性较强。如Doidge等（2006）在对欧洲地区不涉及国际贸易的公司的实证研究中，得到外汇风险暴露系数大于−8%。Muller和Verschoor（2006）在对美国935家以国际贸易为主的企业研究中，得到汇率风险暴露系数为−13.95%。

2018年京津冀区域货物进出口额与地区生产总值之比为45.8%，同时京津地区上市公司存在普遍的外向型、出口型的发展特征。根据马歇尔−勒纳条件，通常汇率贬值有助于一国出口，升值则有利于一国进口。因此，升值将使京津冀地区企业价值降低，贬值将使京津冀地区企业价值升高。据此提出假说1：

假说1：汇率变动对企业价值变动具有显著影响。对于出口企业，人民币升值会对企业价值产生负向影响。

国外研究中，Ito等（2016）计算了日本各行业的外汇风险暴露系数，发现分行业回归能够更细致地刻画不同行业受到的汇率变动的冲击，其中运输装备行业的风险暴露最为严重。在Chung和Zhou（2012）的研究中，进一步测算了1973−2007年美国不同行业的外汇风险暴露系数，发现分行业外汇风险暴露系数能够更加准确地反映汇率变化对不同行业股票收益率的影响。

自人民币汇率制度放开以来，汇率变动幅度增大，国内一些学者对公司和行业层面的外汇风险暴露问题进行了实证研究（倪庆东和倪克勤，2010；陈晓莉等，2012；江春和万鹏博，2018），发现中国上市公司和行业层面外汇风险暴露的比例较高，比如徐晨鹏和王相宁（2013）采用资本市场法，利用GARCH模型测度了2005年至2011年间国内13个行业的外汇风险暴露情况，发现6个行业风险暴露显著，受人民币升值冲击的行业多于受贬值冲击的行业。邹宏元和罗然（2017）利用SVAR模型分析了中国10个行业层面外汇风险暴露的时变特征，发现7个行业存在显著的外汇风险暴露，且在人民币贬值冲击下所有行业指数均呈现出先下跌后上涨的J型曲线形态。京津冀地区产业梯度明显，北京立足发展技术密集型的高精尖产业，天津着力发展高端装备制造业，而河北则注重劳动密集型的加工制造业。由于行业特质导致的定价权差异会使汇率变动时不同产业的汇率传递、价格调整、成本转嫁存在显著不同，最终导致不同行业的汇率风险暴露情况不一。据此提出假说2：

假说2：汇率变动对不同行业价值的影响存在显著差异，汇率升值对进口导向型的行业具有正向影响，对出口导向型的行业具有负向影响。

理论上，汇率变动对企业价值的影响存在明显差异，这种差异一方面表现在汇率升贬值方向上，通常企业受升值带来的冲击更大，因为根据依市定价（PTM）原则，在升值冲击下，出口企业为了维持国外市场占有率，一般不会提高出口品价格，而是自身消化升值带来的损失。相反，在贬值冲击下，企业从中获得的收益由诸多国内同行共同享有，因而受益有限。据此可知，企业受升值的冲击更大。另一方面，在企业面临或升或贬的汇率压力中，大幅和小幅汇率变动的影响也不相同。通常企业在面临小幅升贬值压力时，常常忽视其影响，最终使得小幅升贬值的积累影响更大。而面临大幅升贬值时，企业往往会选择避险工具或多元化予以规避，此时面临的损失反而会减少。

在实证研究方面，基于汇率变动幅度视角来探讨汇率传递非对称性的研究成果较少。Brooks 等（2010）对澳大利亚476家上市企业2000年1月至2015年12月的外汇风险暴露情况进行实证考察后发现，大多数企业汇率风险暴露为正，即企业从汇率升值中受益，同时他们也发现部分行业的汇率风险暴露存在时变性与非对称性特征；Varga（2013）研究了1990−2010年中国台湾地区企业股票收益率，发现1997年亚洲金融危机后企业汇率风险暴露降低，而2007年之后的全球金融危机后企业汇率风险暴露反而上升。他认为导致这种差异的原因在于汇率变动（一阶矩，first-moment）和波动（二阶矩，second-moment）存在非对称性。Krapl（2017）研究发现外汇风险暴露的非对称性普遍存在于美国跨国企业中，非对称模型对识别企业外汇风险暴露具有重要意义。国内研究也发现外汇风险暴露具有非对称性（罗航和江春，2007；倪庆东和倪克勤，2010）。谷任和朱琳慧（2016）考察了我国14个行业1,786家上市公司2005年8月至2014年7月间所面临的外汇风险暴露，采用线性和非线性两种方式分别进行考察后发现，所有行业的线性外汇风险暴露显著，但伴随着“汇改”深入，进出口企业和纯本土企业受到的非线性汇率风险暴露比例呈下降趋势。尽管上述研究注意到汇率变动对企业价值的非对称影响，即汇率风险暴露存在汇率变化方向上的非对称性，但忽略了不同汇率变动幅度下企业面临的外汇风险暴露的非对称性，进而无法准确地测度企业实际面临的外汇风险暴露水平。由于汇率大幅波动可能诱致企业采取更多的防范举措来抵消汇率冲击，反而导致企业容易忽视汇率小幅波动带来的冲击，汇率不同幅度变动也会对企业价值产生非对称性影响。因此，本文在前人研究的基础上，从汇率变动方向和幅度两个视角，考察我国制造业上市企业面临的非对称性外汇风险暴露情况。鉴于前文的理论研究和实证分析，提出京津冀地区上市公司外汇风险暴露的假说3：

假说3：汇率变动对企业价值存在非对称影响。在方向上，汇率升值对企业价值的影响大于汇率贬值对企业的影响；在幅度上，汇率小幅波动对企业价值的影响高于大幅波动的影响。

以上三个假说是本文验证的核心。假说1是基于马歇尔−勒纳条件而提出，在产业结构、产品质量不断提升的背景下，我国进出口商品的汇率弹性存在时变性特征，因此有必要验证汇率变动对企业价值的影响。行业是同类型企业的汇集，因此假说2进一步讨论汇率变动对不同行业价值产生的影响。假说3则是在假说1的基础上进一步讨论汇率变动对企业影响在方向上、幅度上的非对称性。这样三个假说实际是从广度（企业−行业）和深度（总体−分位数−非对称性）两个维度上，为研究企业外汇风险暴露的特征提供一个新的思路与研究方法。

由于上市公司现金流数据不公开披露，数据难以获得，本文采用常用的资本市场法对企业的外汇风险暴露系数进行测度。在Fischer（2001）、Ye 等（2014）前人模型的基础上，建立如下面板回归模型，衡量人民币汇率变动对京津冀地区企业价值的影响：

其中，被解释变量选取i公司t时刻股票收益率Y_it作为企业价值的代理变量；解释变量X_it为实际有效汇率的变化率；R_mt代表t时刻的市场平均收益率；Controls_it为控制变量。系数β₀为截距项，β₁为汇率风险暴露系数，β₂为企业资产收益率受资本市场回报率的影响程度，γ为控制变量系数；不随时间变化的行业效应记为 ${a_j}$ ，其中j为i公司所属行业，时间固定效应记为 ${b_t}$ ， ${\varepsilon _{it}}$ 为随机误差项。

利用模型（1）进行回归，我们可以得到外汇风险暴露系数β₁。但该模型无法衡量汇率风险暴露的非对称性，为进一步分析人民币汇率变动对企业价值的非对称性影响，首先设置虚拟变量A_t、D_t表示人民币实际有效汇率升值和贬值。

随后，将上述虚拟变量引入模型（1），即将β_A（A_tX_it）+β_D（D_tX_it）替代β₁X_it，得到模型（2），以此考察在不同升贬值背景下，汇率风险暴露影响的异质性。

虽然可通过模型（2）考察升值和贬值条件下汇率风险暴露的非对称性，但无法测度不同升值和贬值幅度下的非对称性。为此，在模型（2）基础之上引入汇率大小幅度变动的虚拟变量L_t、S_t，进一步考察不同升值幅度下汇率变动对企业价值的异质性影响。其中，通过分段回归的方法确定大小幅变动的临界值N。具体虚拟变量设置如下所示：

将虚拟变量LA_t、SA_t、LD_t、SD_t代入模型（2）中可得（3）式，得到不同升贬值幅度条件下，汇率变动对企业股票收益率的影响，最后得到模型（3）如下：

式中，β_LA、β_LD、β_SA、β_SD表示在不同汇率变动幅度下的外汇风险暴露系数，借此可以衡量不同幅度的升值或贬值条件下汇率变动对企业价值影响的非对称性。

自2005年人民币汇率制度改革之后，人民币才开始有管理的浮动，为了更好地分析人民币汇率变化对于企业价值的影响，本文选取2006年1月至2018年12月的时段数据。研究对象上，聚焦京津冀地区上市公司，剔除上市期不满2年的公司，最终选取京津冀地区上市的422家公司为研究对象，数据频率为季度数据。

在指标选取上，本文基于资本市场法，采用上市企业股票收益率Return作为企业价值的代理变量。股票收益率采用CSMAR中考虑现金红利的股票月度收益率，将月度股票收盘价经算术平均后得到季度收盘价，最后计算股票的季度收益率。在解释变量人民币汇率变动指标的选择上，选用BIS编制的实际有效汇率的变动率REER为代理变量。控制变量包括：

（1）市场收益率（Rm ）。通常企业个股收益会受到市场整体收益（行情）的影响，因此在考察汇率变动对企业股票收益的影响时，应该剔除市场收益的因素。本文选取沪深300指数收益率代表市场收益率。

（2）宏观层面控制变量。为了剔除宏观层面因素的影响，控制以下变量：通货膨胀率使用居民消费价格指数（CPI）代表。具体计算时，首先选取月度同比的CPI指数，然后采用几何平均法将其转化为季度同比CPI指数；金融深度指标（M2/GDP）采用常见的广义货币供应量M2与GDP之比表达。

（3）企业规模（Size） 。通常企业规模的大小会对企业的股票收益率造成异质性影响，因此本文将样本企业的规模作为企业的控制变量，在具体指标的选取上，本文选取受经济周期变化程度影响较小的总资产的自然对数作为企业规模的变量。

（4）流动性水平（Liquidity ） 。流动性水平越高的企业有更多的流动资产，可以利用套期保值工具应对汇率风险。相反，企业的流动性水平越低，应对手段缺乏，因此受到外汇风险冲击的可能性也就越大。本文使用流动性比率作为流动性指标。

（5）财务杠杆（Leverage） 。企业的财务杠杆会在一定程度上影响企业的经营活动。企业利用财务杠杆可以降低资本成本，提高自有资金利润率，但同时财务风险加大，从而影响到企业的经营状况，进一步影响企业价值。本文在此选用企业资产负债率作为财务杠杆的衡量指标。

（6）市盈率（ PE ）。企业市盈率是评估股票价值的重要指标之一，通常高市盈率的股票意味着投资者对公司发展前景看好，愿意支付相对较高的价格，所以高市盈率股票会被投资者追捧。正因如此，须控制市盈率因素对股票价值的影响。

（7）流通市值（Market_value）。Hong 等 （2006）通过对流通市值与股价变动影响的研究，发现投资者更倾向于持有高流通市值的股票，这意味着高流通市值的公司投资者来源更多样化，进而导致交易行为更活跃，即高流通市值的企业股价波动更剧烈。因此流通市值对于企业股价来讲是重要的控制变量。

（8）托宾Q值（ TobinQ）。托宾Q值是公司市场价值对其资产重置成本的比率，通常可以用来衡量一项资产的市场价值是否被高估或低估。当Q<1时，即企业市价小于企业重置成本，经营者将倾向于通过收购来实现企业扩张，反之则弃旧置新，增加投资支出，追加资本存量。由于托宾Q值与企业股价之间存在密切关系，因此同样需要控制企业的托宾Q值。

（9）账面市值比（BM）。账面市值比等于资产负债表普通股权益价值除以股票总市值。张峥和刘力（2006）根据投机性泡沫理论，证实股价变动与账面市值比存在正相关关系，而账面市值比通常用来反映股价高估程度与投资者对公司未来价值的看好程度，账面市值比越高，企业价值越高。

（10）机构投资者比例（Shrz）。机构投资者比例即机构投资者持股比例占总流通股本数量的比例。Gervais等 （2001）发现职业生涯早期缺乏经验的个人投资者容易过度自信，倾向于频繁交易，对股价变动影响比较大。因此，机构投资者比例是影响股价变动的一个重要的控制变量。

（11）海外收入占比（lnExport）。通常海外收入占比越高，说明企业的国际化水平、经营风险分散能力越突出，这一因素也会影响企业股票价格。

（12）衍生品虚拟变量（ Derivative）。对于外汇衍生品的使用情况，参考李梦和陈奉先（2017）的做法，检索企业季报、半年报、年报是否包括外汇期权、无交割远期、 NDF 、期货、套期保值等关键词，将年报中存在关键词的企业该季度外汇衍生品虚拟变量赋值1，否则为0。研究表明：在使用外汇衍生品的情况下，企业价值更不容易受到冲击。

综上，本文采用以下指标体系（见表1），对企业外汇风险进行测度。

为了观察各个变量数据的分布情况，列出描述性统计，见表2。

由表2可知，股票季度收益率均值为0.023，标准差为0.345，最大值为17.572，最小值为−0.845。说明整体收益率变动范围较大，正向变动幅度明显大于负向变动幅度。实际汇率变化均值为0.006，标准差为0.022，最大值为0.076，最小值为−0.036。说明我国总体实际汇率指数较稳定，存在升值和贬值两种情况，偏度为3.657，说明汇率变动整体呈现右偏的情况，即升值幅度高于贬值幅度。企业规模均值为22.528，标准差为2.085，说明企业规模存在较大差异。账面市值比均值为1.419，标准差为2.694，说明公司未来前景普遍被看好，但被看好程度差别较大。机构投资者比例均值为23.4%，标准差为14.2%，最大值为67.1%，最小值为0。说明股东持股情况不尽相同，存在大股东集中持股的情况，同时也存在公司股权较为分散的情况。从GDP、通货膨胀率和金融深化程度这些指标的描述性统计来看，说明这段时间区间的经济基本面情况整体向好。金融衍生工具虚拟变量均值为0.042，低于李梦和陈奉先（2017）研究中的全国范围企业金融衍生工具使用情况，说明京津冀地区企业金融衍生工具运用仍比较少。

面板数据既包含时间序列又包含横截面数据的三维性，对模型进行过度识别检验，结果表明模型不存在过度识别情况。同时Hausman检验结果显示拒绝原假设，因此，本文采用面板固定效应模型进行回归，回归结果见表3。

表3报告了实际汇率指数变动率与股价季度收益率的OLS回归结果。回归（1）（2）（3）中的系数分别为−1.398、−3.986和−4.010，显著性水平都达到了1%。这说明无论是否固定行业效应和时间效应，上市公司皆存在显著的外汇风险暴露。

回归中REER系数的符号为负，说明整体上存在负向外汇风险暴露，人民币实际汇率升值1%，企业的平均股价收益率下降4.01%。可见，汇率变动对企业价值的影响很大，企业将受损于人民币的升值，这也从侧面验证了京津冀地区企业大部分为出口导向的经营模式。

微观层面变量，如资产负债率的系数符号为负，说明资产负债率降低将提升企业价值；市盈率PE、市值Market_value与上市公司收益率正相关，账面市值比BM与公司收益负相关。另外，在固定行业、时间之后，上市企业规模、流动性、机构投资者比例、海外收入占比以及衍生品使用对企业价值的影响并不显著。宏观层面变量如金融深化程度M2/GDP、通胀率CPI对股票价格的收益率也存在显著影响，同样说明我国宏观经济形势与政策也与企业价值变动密切相关。市场层面变量如市场回报率Rm对企业收益率存在正向影响，说明公司个体收益与市场状态密不可分。

从已有外汇风险暴露的实证结果（Bartram和Bodnar, 2012；Ye 等2014）可以看出，京津冀整体上的外汇风险暴露程度较大。尽管目前人民币汇率波动幅度逐渐扩大，但由于逆周期因子引入，分化了市场预期，进而使汇率保持相对稳定，这也间接降低了京津冀地区上市公司的汇率风险防范意识，导致运用套期保值工具动力不足，最终使上市公司普遍暴露于外汇风险之中。

京津冀地区上市公司整体上有显著的外汇风险暴露，是否收益率高低不同的公司面临相同的外汇风险暴露？为解决这个问题，须进一步对企业进行面板分位数回归。分位数回归方法最早由Koenker和Bassett（1978）提出。与传统的线性模型相比，分位数回归方法能使我们进一步考察自变量与因变量之间的关系是否随因变量的分布差异而有所不同，其参数估计的核心在于使加权绝对残差最小。将面板数据与分位数回归结合能够测度企业价值与汇率变动特定分位点上的回归关系（Bitler等 , 2006）。面板分位数方法兼具面板回归和分位数的共同优势，既能有效控制个体差异，也能分析在不同企业价值分位点上变量间的关系，无需随机误差项的分布假设，并且对异常值敏感度较低，因此面板分位数方法具有比较好的估计性质。一般形式为：

其中， ${X'_{it}}$ 为 $\left({k \times 1} \right)$ 个由常数组成的回归量向量， ${\beta _{i\theta }}$ 为 $\left({k \times 1} \right)$ 个待估计参数向量， ${\varepsilon _{j\theta t}}$ 为误差项。设 $\theta \left({0 < \theta < 1} \right)$ 为具体分位数水平的权重，当 $\theta $ 在 $\left({0,1} \right)$ 内取值时，求解加权绝对残差最小化即可得到各分位点下的参数估计值。具体参数 $\beta \left(\theta \right)$ 可使用下式求解：

式（2）中， $\;{\rho _{\tau k}}$ 是每个分位数对应的权重。设定企业价值的面板分位数模型形式为：

在研究中，我们估计了9个水平的分位数。与OLS估计量仅代表平均风险暴露系数不同，分位数回归的估计结果可以让我们探究不同企业价值条件下的汇率风险。高分位数和低分位数的估计值描述了价值高低不同的企业受到外汇风险冲击时股票价格收益率的表现，而中值估计值（0.5分位数）则说明了中等企业价值的收益受到外汇冲击的状况。基于此，可以分析汇率变动对不同收益率企业价值的异质性影响。

通过表4可知，对于实际汇率对股票季度收益率变动的影响，除0.9分位点外，其他分位点上的结果都在1%的水平上显著，且其系数显示为负，表明汇率升值不论对收益率高的企业还是对收益率低的企业都存在不利的影响。在0.1−0.9分位点上，实际汇率升值1%时分别导致公司股票收益降幅呈现先扩大再缩小的趋势。不难看出，位于0.3分位点下的企业，其外汇风险暴露最为突出。

将不同的风险暴露系数及置信区间绘制在图1中。可以看出不同分位点下，企业的外汇风险暴露系数均显著为负，这意味着伴随着实际汇率的升值，企业的股票收益下降，与总体回归中汇率升值对企业价值有负向冲击的结果相一致。不过随着企业收益率的提高，其汇率风险暴露系数在0.1−0.8分位数区间内先下降后上升，呈现J型曲线特征，当处于0.3分位点时降至最低点，各分位点回归系数在−2.361−−0.281区间浮动。当大于0.8分位时，回归系数逐渐由负值增长到接近正值的区间，并变得不再显著。

图  1  各主要变量系数随分位数变动图

就不同条件的分位数水平而言，以0.3分位数为分界点，在0.1−0.3的条件区间内，随着企业收益率分位数的提升，汇率升值对股价收益的负向冲击越大；在0.3−0.8的条件区间范围内，随着企业收益率分位数的提升，汇率升值对股价收益的负向冲击逐渐减弱。汇率风险暴露系数整体上呈现以0.3分位数为转折点的J型曲线特征。为何汇率风险暴露系数会呈现如此的变化呢？

这其实并不难理解，由于处于收益率分位数较低的企业本身体量较小，因此受到的外汇冲击自然也就较小，而处于分位数较高位置的企业体量较大，公司制度较为成熟，使用金融衍生工具的经验更为丰富，因此受到外汇变动的影响同样较小。而处于中低分位点的公司，由于企业体量不够大，对外汇风险的重视程度不足，外汇风险对冲经验缺失，更重要的是缺少衍生金融工具的投入。因此，一旦发生大幅外汇变动时，这类企业最容易受到冲击。

中国证监会所有上市公司行业分类分为18个大类，本文按证监会行业分类，考察各行业外汇风险暴露情况。考虑到个别行业内上市公司样本量过少，无法得到稳定可信的实证结果，故将企业样本量小于8的行业剔除，得出12个行业^①。利用模型（1），考察余下行业的汇率风险暴露情况，回归结果如表5所示。在不同分位数下，分行业回归的外汇风险暴露系数走势如图2所示：

图  2  不同行业解释变量随分位数趋势变动图

在12个行业中，有8个行业^②存在显著的外汇风险暴露。建筑业行业受到正向冲击可能是由于需要大量进口原材料，在我国现代化发展的进程中，城镇化率不断提高，基础设施建设中的大量高质量建材都需要进口，因此受人民币升值的影响，进口建材成本下跌，企业利润升高、收益率升高，因此企业价值受到外汇升值的正向冲击。此外，交通运输、仓储和邮政业在对外贸易中也占有重要位置。根据最新投入产出表测算，交通运输、仓储和邮政行业的出口依赖度为6.7%，在整体中处于中位水平。中美贸易摩擦加剧升级，一定程度对交通运输行业产生影响。

在12个行业中，有6个行业^③受到显著的负向冲击，其中农、林、牧、渔业和制造业都属于出口导向型的行业。之所以受到负向冲击，可能原因有二：其一，农、林、牧、渔业往往处于产业链下游、产品附加值小，且这类企业产品往往以出口为导向，产品成本主要源自国内生产要素，因此导致这些企业无法利用汇率升值降低进口原材料成本，使得企业很难通过内部的对冲方式对冲汇率风险。根据海关总署的统计数据，2014−2019年间，中国农、林、牧、渔行业出口年均4,200亿，仅占出口总值的2.82%；其二， 由于这类产品价格弹性较低，在汇率升值冲击下，企业为了继续占据国外市场，只能选择降价，导致企业海外营收下降、企业价值受到负面冲击。而中国制造业企业往往大而不强，由于处在产业链下游，存在技术含量低、产品附加值小、定价能力较弱等问题，因此，人民币升值导致企业的利润空间收窄，进而该企业所处行业受人民币汇率升值的负向影响。然而，租赁和商务服务业、科学研究和技术服务业、文化体育和娱乐业的股价却受汇率升值的正向影响。

上述结果表明，汇率波动对不同行业影响存在差异。建筑业等原材料依赖进口或外债比例较高的行业受益于汇率升值，表现为外汇风险暴露系数为正，而其他行业由于产品以出口为主或者外币资产比例较大等原因，汇率升值导致出现亏损，表现为外汇风险暴露系数为负。由于避险意识的缺乏和避险工具种类的限制，面对人民币汇率的升值变动，较少企业采取相应的避险措施。

早期的汇率风险暴露研究假定公司收益率对于汇率的升值和贬值的反应是对称的，而后续的实证研究发现汇率升贬值对于股价收益的影响往往是非对称的。Koutmos和Martin（2003）研究表明，产生非对称外汇风险暴露的原因有以下三种：依市定价行为（PTM Behavior）、滞后行为（Hysteric Behavior）和非对称套期保值行为（Asymmetric Hedging Behavior），因此采用非对称模型对于外汇风险暴露的测度更加准确。根据模型设立的虚拟变量，将人民币汇率变动分为升值和贬值两种情形，分别记为虚拟变量A、D，将其与汇率相乘即可得到升贬值下的汇率水平A×REER、D×REER。最后将二者带入模型（2）中回归，结果如表6所示。

从表6可以看出，在不控制行业和时间固定效应时，汇率风险暴露系数显著为负值，与江春等（2018）研究结果相同；在控制了行业和时间后，从汇率风险暴露系数的方向来看，人民币升值时，对企业股票收益率具有正向影响；人民币贬值时，对企业股票收益率具有负向影响，更符合非对称理论的预期。从汇率风险系数的数值大小看，人民币升值1%，样本企业平均股价收益率将下降9.335%；人民币贬值1%，样本企业的平均股价收益率将上升4.886%。由此，相同幅度的升贬值对企业股价收益的影响存在明显的差异，汇率升值对企业价值的影响更大。无论是时间固定效应模型还是双固定效应模型，均表明企业价值受汇率升值的影响显著高于贬值的影响。

这一结果可以用企业的依市定价与滞后行为来解释。根据依市定价理论，企业出于维持或扩大市场份额的原则，不会在汇率升值时提高出口价格，此时汇率升值带来的损失完全由企业自行承担，因此企业的利润率降低、经营业绩下降、价值受损，加剧了对企业的负面影响。根据滞后行为理论，尽管人民币贬值有助于企业出口，但随着市场中企业数量的增加，整个出口行业的利润率下降，汇率贬值带来的促进作用会逐渐减弱。另外，在汇率贬值时，由于国内价格调整与进出口商品数量调整的节奏不一致，在“货币合同”阶段，贬值只会恶化企业收支，在经历随后的“价格调整”阶段后，贬值对企业的积极作用才能在马歇尔−勒纳条件成立的前提下，最终释放出来。

模型（3）旨在考察不同幅度的汇率变动对股票收益率的差异化影响，即外汇风险暴露是否存在波幅上的非对称性。实证结果显示，人民币小幅升值对股票收益率的负向影响大于人民币大幅升值的情况，这一点与曹伟和倪克勤（2010）的结论一致。与前文研究非对称性效应相同的是，分幅度检验时仍只有升值的影响通过了显著性检验。回归结果如表7所示。

为什么波幅大的汇率变动对股票收益率存在显著性影响，而波幅小的汇率变动对股票收益率的影响不显著呢？首先，由于汇率升值幅度本身较小，不容易引起企业的重视，企业在不知不觉中受到外汇风险的冲击；其次，由于汇率升值幅度较小，一些缺乏衍生工具交易经验的中小企业，难以购买到相应的风险对冲外汇衍生产品，导致小幅变动的汇率冲击在风险防范上变得更加困难；最后，由于“因市定价”行为的存在，当汇率大幅升值时，企业可以及时调整商品价格，避免造成利润上的大幅损失，但当汇率变动幅度较小时，企业考虑到价格调整的“菜单成本”存在，只有当价格调整带来的预期利润超过调整前的预期利润与菜单成本之和，企业才会进行价格调整。此外，过于频繁的价格调整也会引起合作方的反感。因此，在汇率变动幅度较小时，企业往往不会选择调整价格，而是自行承担汇率波动带来的风险，因而导致企业面临的外汇风险更高。

通过理论和实证分析发现， 第一，汇率升值对京津冀地区上市公司企业价值变动具有显著负向影响。 第二，京津冀地区不同行业外汇风险暴露的特征不同。在不同企业价值的分位点下，外汇风险暴露系数存在差异。 第三，单独考察外汇风险暴露系数的非对称性时，汇率升值对企业价值的影响显著大于汇率贬值时的情况，加入汇率变动幅度来考察外汇风险暴露的非对称性，结果表现为汇率小幅变动对企业价值的影响大于大幅变动对企业价值的影响。

基于上述理论发现，本文的政策启示如下：

第一，在企业层面上，国内公司普遍存在显著的外汇风险暴露。因此，企业应建立外汇风险防范机制，提高运用外汇衍生工具对冲外汇风险能力。企业应关注人民币汇率小幅升值带来的风险。当大幅汇率变动时，企业可选择工商银行开发的外汇约定利率区间产品，将汇率风险控制在一定范围，但对于小幅汇率变动风险，针对性产品仍较为稀少，监管部门应进一步完善外汇衍生品市场结构，鼓励金融机构根据我国企业外汇风险暴露的非对称性特征，开发与推广更多短期结构化的避险产品。

第二，在行业层面上，我国大部分地区行业都存在显著的外汇风险暴露。在12个行业中，6个行业存在正向显著的外汇风险暴露，其中，农、林、牧、渔业和制造业最为显著，2个行业存在负向显著的外汇风险暴露。从行业特征来看，农、林、牧、渔业及制造业存在行业集中度高、技术壁垒低、议价能力弱等特点，更容易受到汇率变动的冲击。建议行业主管部门利用“稳增长、调结构”这一政策导向，在宽松的货币政策与财政政策环境下，积极调整产业结构，提高行业的核心竞争力，增强我国行业企业在国际市场中的议价能力。

第三，在国家层面上，我国行业、企业外汇风险暴露呈现J型曲线特征和非对称性特征，央行的外汇干预在短期作用有限。央行应逐步退出常态式外汇干预（王爱俭和邓黎桥，2016；江春等，2018；芦东等，2019），扩大人民币汇率波动区间、提高人民币国际化水平（马宇和安晓庆，2018）， 只在人民币汇率长期偏离均衡水平而影响资源配置时才进行外汇干预。这样既有利于微观主体通过多元化经营、外汇衍生品投入等方式提高抵御外汇风险能力，也有助于人民币汇率市场化定价机制形成，减少定价扭曲带来的资源错配和效率损失。此外，国家层面应通过贴息、加大出口退税等方式鼓励银行向技术含量较高、受汇率冲击较大的企业提供信贷支持，缓解其融资约束。