J'Accuse！——当反犹主义涨落时，股市替我们记下了人心

1 一桩冤案，为什么会留在股价里

先抛一个看似古怪的问题：一个人是不是清白，按理说该由法庭来裁断；可如果连法庭都错了，社会的「集体良心」要花多久才肯纠正？又有谁，会在这场漫长的纠错里替我们记账？

历史学家会告诉你，答案藏在卷宗、报纸、街头集会里。但这篇论文给出的答案出人意料——藏在巴黎证券交易所的股价里。

1894 年，法国犹太裔军官阿尔弗雷德·德雷福斯（Alfred Dreyfus）被诬以叛国罪，在万众围观下被「军事降级」，流放魔鬼岛。四年后的 1898 年 1 月 13 日，作家左拉（Émile Zola）在《震旦报》（L'Aurore）头版发表那封后来人人传诵的公开信《我控诉！》（J'Accuse...!），把这桩冤案的来龙去脉公之于众，掀起了要求平反的舆论运动。这是欧洲史上的一座里程碑——它恰好也发生在现代金融市场的婴儿期。

于是作者问了一个金融学家才会问的问题：当整个社会的反犹情绪先涨后落，那些「沾了犹太关系」的公司股票，会不会也跟着先跌后涨？ 如果会，那这条价格曲线，就等于给「偏见」这件看不见、摸不着的东西，标了一个真金白银的价钱。

这正是全文反复要讲透的那「一个核心」：反犹主义不是一种恒定不变的「存量」，它会在某些事件的刺激下被瞬间「激活」或「消退」；而金融市场，是捕捉这种短期涨落、并量化其经济后果的理想实验室。

2 数据：把一座 19 世纪的交易所重新拼起来

要回答这个问题，第一道关卡是数据——而 1890 年代的法国并没有 CRSP、没有 Compustat。

作者的办法是「手工考古」。他们从档案中手工收集了 1891–1899 年间巴黎上市公司的股票回报与董事会构成。接着，最关键的一步：怎么界定一家公司「有没有犹太关系」？这里他们借用了历史学家 Grange (2016) 那部关于巴黎犹太大资产阶级家族的家谱学（genealogy）巨著，按董事姓名比对家谱，识别出董事会里的犹太裔成员。一家公司只要董事会里坐着至少一位犹太裔董事，就被标记为「犹太关联公司」（Jewish-connected firm），进入处理组（treatment）；其余进入对照组（control）。

接着，作者把九年的时间轴按「事件」切成几段。1892 年底的巴拿马丑闻（Panama scandal）是德雷福斯事件的前奏；1895 年 1 月的降级仪式、1898 年 1 月的《我控诉！》、1899 年 6 月瓦尔德克–卢梭（Waldeck-Rousseau）组阁、1899 年 9 月的总统特赦，则是事件本身的几个节点。这些日期，后面就成了识别的「楔子」。

3 识别策略：事件研究 + 双重差分，再加两道保险

怎么从这堆股价里「读」出反犹情绪的因果效应？作者用的是一套层层加固的组合拳。

首先，是标准的事件研究（event study）。围绕每一个反犹「冲击事件」，他们计算犹太关联公司的累积异常回报（cumulative abnormal returns, CAR）。结果是：在巴拿马丑闻首次爆料之后、以及德雷福斯被降级之后，犹太关联公司都经历了负的 CAR。耐人寻味的是，《我控诉！》本身在短期内的效应是负的、但估计得不精确（imprecisely measured）——这一点稍后会变成全篇的「反转」伏笔。而在瓦尔德克–卢梭组阁（公开释放了德雷福斯即将平反的信号）前后，犹太关联公司出现了正的 CAR。

接着，一个自然的问题是：事件窗口太短，会不会只是噪声？于是作者把镜头拉长，改用双重差分（difference-in-differences, DiD），比较犹太关联公司与其他公司在事件不同阶段的回报差异。他们的首选设定（preferred specification）把时间分成三段：

• 参照期：1891 年 1 月 – 1894 年 10 月（事件爆发前）；
• 第一阶段（高反犹情绪期）：1894 年 11 月 – 1898 年 1 月（从德雷福斯案公开到《我控诉！》前夕）；
• 第二阶段（反犹退潮期）：1898 年 1 月之后（《我控诉！》之后的平反运动期）。

DiD 的好处在于，它把「犹太关联公司本来就和别的公司不一样」这种时间不变的差异给差掉了，从而保证结果不是由犹太关系的某个固定相关因素驱动的。

然后，结果浮出水面：犹太关联公司在第一阶段经历了相对的、但估计不精确的回报下滑；而在平反的第二阶段，则出现了更明显的回报增长。前者「不精确」，作者解读为——当事件爆发时，法国社会的反犹情绪本就处在高位（一大批历史文献，从 Lazare (1894) 到 Arendt (1951)，都支持这一点），所以「再坏一点」的边际冲击有限；而后者的大幅上涨，才是真正的新信息。

但真正关键的一步在于，作者并不满足于 DiD 的「平行趋势」假设能不能站住。他们额外上了两道保险：

• 一是合成双重差分（synthetic difference-in-differences, SDID），即 Arkhangelsky et al. (2021) 的估计量。它会自动给对照组的事前观测找一组最优权重，把处理组和对照组的事前趋势「对齐」，再用对齐后的趋势差识别事后效应——专门用来对付平行趋势可能被违反的担忧。
• 二是粗化精确匹配（Coarsened Exact Matching, CEM），即 Iacus et al. (2012) 的方法。当一些事前可观测变量在两组间不平衡时，CEM 通过在「层」（strata）内精确匹配来压低协变量失衡，降低它们污染处理效应的风险。

两道保险之下，核心结论都没有翻车。

4 反转：偏见的退潮，能被「买」下来

现在，把镜头对准全文最重要的那个数字。

作者计算了《我控诉！》之后两年里，持有犹太关联股票的投资者相对全市场赚到的「租金」（rents）：相当于犹太关联公司总市值的 14.1%，相当于整个市场市值的 7.9%。

这是一个不小的量级。更重要的是它的方向——反转出现了。一桩冤案最黑暗的时刻（降级、流放）压低了这些股票；而正义开始回归的时刻（《我控诉！》掀起平反），却把它们抬了起来。换句话说，谁要是在 1898 年初赌一把「法国社会的良心终将苏醒」、重仓买入犹太关联股，谁就能在随后两年里跑赢大盘。

那么，这究竟是不是因为投资者真的相信「平反会让这些公司更赚钱」？这是必须排除的头号竞争性解释。作者给了三条干净的证据：

1. 盈利没变。用股息（dividends）衡量的实际盈利能力，整个时期内相对其他公司没有变化——故事不是基本面的故事。
2. 海外经营的公司也涨了。那些主要在国外开展业务、因而较少受法国公众或国家「秋后算账」威胁的犹太关联公司，在平反阶段同样经历了更高的回报。如果驱动力是「国内政治风险下降」，这批公司本不该有反应。
3. 董事会没换人。公司并没有为了应对事件而改组董事会；董事会构成主要由公司的所有权结构决定，不会随事件的潮起潮落而调整——所以处理组的「身份」是外生于事件的。

三条证据合起来，把「基本面预期变化」这条路堵掉了一大半。剩下的解释，指向一个更微妙的机制：是投资者的「信念」本身在变。

（关于「歧视如何渗进金融决策的细枝末节」，本博客另有一篇相关的讨论，见《讨好你的人，凭什么先被欠款？——藏在付款顺序里的歧视》。）

5 模型：把「三种偏见」装进噪声交易者的定价公式

为了把这套「信念驱动价格」的逻辑讲清楚，作者搭了一个理论框架——它建立在 De Long, Shleifer, Summers & Waldmann (1990)（业内常简称 DSSW）那个经典的噪声交易者（noise trader）模型之上。

设定。市场上有两类风险厌恶（risk-averse）的投资者：

• 中性投资者（neutral investors），持有无偏的信念；
• 反犹投资者（antisemitic investors），对犹太股票持有不确定的、负向偏误的信念，对非犹太股票则持有正向偏误的信念。

关键的洞见是：因为投资者风险厌恶、而且持有被歧视股票的数量不受「零」的下界约束（这点和劳动力市场里「干脆不雇佣少数族裔」的隔离逻辑截然不同），所以每个人都会同时持有一些犹太与非犹太股票。于是，一旦偏见的分布发生变化，所有投资者都要重新优化自己的组合，从而撬动均衡价格。

在这个框架里，犹太股票的价格受到三个来源的压制：

• (i) 信念中的基础性反犹偏误（fundamental biases）——它持久地压低股价；
• (ii) 作用在这些偏误上的特异性冲击（idiosyncratic shocks）——它的效应短暂；
• (iii) 围绕反犹投资者信念的不确定性（uncertainty）——它进一步压低了对犹太股票的需求。

这三者，恰好可以「挂」到 DSSW 那个著名的定价公式上。DSSW 给出的风险资产价格（在他们的符号下）为：

$$ p_t = 1 + \frac{\mu(\rho_t - \rho^{*})}{1+r} + \frac{\mu\rho^{*}}{r} - \frac{(2\gamma)\,\mu^{2}\sigma_{\rho}^{2}}{r(1+r)^{2}} $$

其中 \(\rho_t\) 是噪声交易者当期的误判，\(\rho^{*}\) 是误判的均值，\(\mu\) 是噪声交易者占比，\(\gamma\) 是风险厌恶系数，\(\sigma_{\rho}^{2}\) 是误判的方差，\(r\) 是无风险利率。下面把最核心的三项拆开看：

这套映射的妙处在于：它把「反转」讲圆了。 《我控诉！》一发表，短期内反而加剧了社会信念的两极分化，抬高了 \(\sigma_{\rho}^{2}\)（对反犹偏误的不确定性），所以犹太股票短期内被进一步压低——这正对上了事件研究里「《我控诉！》短期效应为负」的发现。但与此同时，《我控诉！》点燃的平反运动，长期里降低了 \(\rho^{*}\)（基础偏误的均值）、也降低了 \(\sigma_{\rho}^{2}\)（不确定性）。两条都指向同一个方向：犹太股票在长期里持续升值。

6 文献脉络：从「歧视有没有成本」到「偏见能不能被定价」

把这篇论文放回它所在的那条研究长河里，会看得更清楚。

最早的源头，是 Becker (1957) 的《歧视经济学》。他第一个把「品味型歧视」写成模型，指出歧视者要为自己的偏好付出代价，而市场会奖励那些不带偏见的人——这埋下了「歧视创造租金」的种子。半个多世纪后，Wolfers (2006) 用 CEO 性别与股票回报，直接检验了「不带偏见的投资者能否靠『反向押注歧视者』跑赢市场」这一长期假说。本文，正是这条线在族裔偏见与历史金融市场上的延伸。

另一条并行的支流，是「族裔/民族偏好如何扭曲投资与企业价值」。Fisman et al. (2014) 发现中日关系恶化拖累了卷入双边贸易的公司股价；Kumar et al. (2015) 发现 9·11 后流向「中东味姓名」基金经理的资金下降；Hjort et al. (2019) 则在肯尼亚发现族裔歧视压低了上市公司的价值创造。这些工作大多聚焦歧视的效率后果，却较少触及「歧视如何为另一些投资者创造盈利机会」。本文恰好补上了这一块。

还有一条更厚重的暗线，是「反犹主义的经济根源与后果」。Voigtländer & Voth (2012) 证明了反犹暴力可以跨越六个世纪持续；Ferguson & Voth (2008) 给纳粹德国的政治关联标了价；Doerr et al. (2019) 发现一家犹太主席掌舵的银行倒闭后、当地纳粹得票上升；Huber et al. (2021) 则研究了纳粹德国大规模驱逐犹太经理人的后果。但这些研究里的反犹，往往伴随着结构性的制度变迁与政府歧视的现实威胁。本文的独特位置在于：德雷福斯事件里的犹太关联公司，既没有经历结构性变化，也不面临政府歧视的现实前景（第三共和国从未真正推行反犹政策）——这让作者得以「干净」地分离出情绪本身的涨与落，而且既能研究反犹的负向冲击，也能研究它的正向消退。

7 评论与延伸（Q&A + 研究方向）

(a) 几个可能的疑问

Q：这跟「政治关联价值」的研究（比如 Ferguson & Voth）到底有什么不同？

政治关联研究问的是「认识对的人值多少钱」，处理的是企业与权力的实质纽带；本文问的是「社会对一个族裔的偏见涨落，如何反映在与该族裔有关联的企业股价上」，处理的是投资者的信念。前者的价值会随政权更替而实打实地兑现或蒸发，后者则可以在基本面（股息、董事会）完全不动的情况下，仅凭情绪潮汐起落——这也正是本文要努力证明的。

Q：用「姓名比对家谱」来识别犹太关系，会不会有大量误判？

这确实是识别的软肋。但作者借的是 Grange (2016) 那部专门研究巴黎犹太大资产阶级家族的家谱学权威著作，比单纯「听起来像犹太姓」要严谨得多。更重要的是，董事会构成在整个事件期间基本不变，所以即便存在分类噪声，它也是时间不变的，会被 DiD 差掉，主要影响是稀释（attenuate）估计、而非制造虚假的「先跌后涨」。

Q：《我控诉！》短期效应为负，长期为正——这不自相矛盾吗？

恰恰相反，这正是模型的精华。《我控诉！》在短期内激化了信念分歧、抬高了对反犹偏误的不确定性 \(\sigma_{\rho}^{2}\)，于是犹太股票短期被进一步压低；但它点燃的平反运动在长期里同时拉低了偏误均值 \(\rho^{*}\) 和不确定性 \(\sigma_{\rho}^{2}\)，于是长期升值。一个事件、两种时间尺度、两种相反的价格效应——这不是矛盾，是机制。

Q：14.1% 的「租金」是不是事后挑出来的幸运儿？

这是任何「跑赢大盘」叙事都要面对的质疑。作者的防线有三层：DiD 把固定差异差掉、SDID 处理平行趋势、CEM 处理事前失衡，三种方法下核心结论一致。再加上「风险调整后回报也上升」「海外经营公司同样上涨」「股息不变」三条横向证据，把「这只是补偿了更高风险」或「这只是基本面好转」的替代解释逐一削弱。当然，样本是单一国家、单一历史事件，外部有效性仍需谨慎。

Q：为什么价格没有在事件结束后立刻收敛到基本面？

因为套利「赌偏见退潮」本身是有风险的——你不知道未来 \(\sigma_{\rho}^{2}\) 会怎么走，偏见可能反扑（事实上 1930 年代它确实卷土重来）。在 DSSW 框架里，正是这种噪声交易者风险让理性套利者不敢满仓、价格因而缓慢收敛。这也是对「有效市场会瞬间纠错」这一直觉的一个历史注脚。

Q：这对「歧视者终将被市场淘汰」的乐观假说意味着什么？

它给了一个有条件的支持。市场确实奖励了「反向押注歧视者」的人（呼应 Wolfers, 2006），但奖励的兑现既缓慢又冒险。换言之，市场会惩罚偏见，但惩罚是滞后的、打过折扣的——偏见不会因为「不划算」就立刻消失。

(b) 几个可能的研究问题与提案

1. 把镜头从股票挪到「债」上：反犹情绪与公司债利差

【经济故事】股票价格混合了现金流与折现率两条信息，而公司债利差（credit spread）更直接地映射违约风险与风险溢价。如果偏见真的通过「需求/不确定性」渠道压低资产价格，那么犹太关联公司的借贷成本是否也在反犹高潮期被抬高、在平反期回落？这能把本文的「信念定价」推进到信用市场，并分离出「违约预期」与「风险溢价」两条腿。

【可行性】中。难点在 19 世纪法国公司债的二级市场报价稀疏；但巴黎交易所的债券挂牌与票息档案部分可考，可与本文同源的手工数据对接。识别仍可沿用事件研究 + DiD。

2. 外资持有人视角：海外投资者是不是「无偏」的边际买家？

【经济故事】本文已发现「海外经营」的犹太关联公司同样上涨。一个自然的延伸是：在反犹高潮期，外国投资者（不分担法国本土的反犹品味）是否系统性地增持了被本土投资者抛售的犹太关联股？若能观测到持有人国籍的变化，就能把 DSSW 模型里「中性投资者 vs. 偏见投资者」的两类人实证地区分开，而不只是停留在理论假设。

【可行性】低到中。19 世纪持有人层面的国籍数据极难获取，多半只能借助零星的股东名册或跨市场（伦敦/法兰克福同时挂牌）的价差间接推断。识别思路诚实地说很挑战，但「跨市场价差」是一条可行的近似。

3. 媒体语调的高频测量：把「亲德雷福斯 vs. 反德雷福斯」量成一个日度因子

【经济故事】作者已手工收集了五大报纸的报道，并指出回报由「亲德雷福斯报道」驱动、「反德雷福斯报道」反向。下一步可以把报纸语调用文本方法做成一个日度的情绪指数，检验它能否领先犹太关联股的回报，从而把「媒体放大偏见」这条因果链拧得更紧。

【可行性】高。报纸已数字化的部分不少，文本情绪打分是成熟技术；难点是历史法语 OCR 与语调词典的构建，但属工程问题，doable。

4. 偏见的「半衰期」：跨多次反犹事件估计冲击的衰减速度

【经济故事】本文给了「先跌后涨」的总体画像，但偏见冲击到底衰减多快？把巴拿马丑闻、降级、《我控诉！》、组阁、特赦等多个节点串成一个事件序列，估计每次冲击在 CAR 上的衰减曲线，就能直接量出模型里「特异性冲击」（来源 ii）相对「基础偏误」（来源 i）的相对时长。

【可行性】中。数据本文已具备，挑战在于多事件窗口相互重叠、需要小心处理污染窗口；可用局部投影（local projection）类方法缓解。

8 我的判断

这篇论文最让人佩服的，是它把一个看似无法量化的对象——社会偏见的短期涨落——硬生生地从 19 世纪的股价里「读」了出来，而且读得相当干净。「股息不变、海外公司同涨、董事会不动」这三条横向证据，几乎是逐一拆掉了「基本面预期变化」这个最难缠的竞争解释；而把 DSSW 噪声交易者模型的三项分别对应到「持久偏误 / 特异冲击 / 偏见不确定性」，则让「《我控诉！》短期为负、长期为正」这个乍看矛盾的事实变得自洽。这是把实证与理论扣得很紧的一篇范本。

对识别，我仍有两点保留。其一，处理组的认定终究依赖单一家谱来源的姓名比对，分类误差虽多半只会稀释估计、但若误差与某些行业或规模系统相关，DiD 未必能完全吸收。其二，「租金 14.1%」是单一国家、单一历史事件下的估计，事件期内市场极薄、流动性差，异常回报的统计精度（注意《我控诉！》的短期效应作者自己也承认「估计不精确」）使得点估计的外部有效性需要谨慎对待——这更像是一个存在性证明：偏见会被定价、偏见的退潮可以被买下来，而非一个可外推的精确弹性。

后续我最想看到的，是把这套逻辑搬到有持有人国籍/类型微观数据的现代样本上——比如某次针对特定族裔或国别的舆论冲击前后，究竟是哪一类投资者在买、哪一类在卖。本文在理论上区分了「中性」与「偏见」两类投资者，但在历史数据里只能间接推断；谁能把这两类人实证地抓出来，谁就能给「偏见定价」这件事，钉上最后一颗钉子。

参考文献

• Arendt, H. (1951). The Origins of Totalitarianism. Meridian Books.
• Arkhangelsky, D., Athey, S., Hirshberg, D. A., Imbens, G. W., & Wager, S. (2021). Synthetic Difference-in-Differences. American Economic Review 111(12), 4088–4118.
• Becker, G. (1957). The Economics of Discrimination. University of Chicago Press.
• De Long, J. B., Shleifer, A., Summers, L. H., & Waldmann, R. J. (1990). Noise Trader Risk in Financial Markets. Journal of Political Economy 98(4), 703–738.
• Do, Q.-A., Galbiati, R., Marx, B., & Ortiz Serrano, M. A. (2024). J'Accuse! Antisemitism and Financial Markets in the Time of the Dreyfus Affair. Journal of Financial Economics 154, 103809.
• Doerr, S., Gissler, S., Peydró, J.-L., & Voth, H.-J. (2019). From Finance to Fascism: The Real Effect of Germany's 1931 Banking Crisis. CEPR Discussion Paper DP12806.
• Ferguson, T., & Voth, H.-J. (2008). Betting on Hitler—The Value of Political Connections in Nazi Germany. Quarterly Journal of Economics 123(1), 101–137.
• Fisman, R., Hamao, Y., & Wang, Y. (2014). Nationalism and Economic Exchange: Evidence from Shocks to Sino-Japanese Relations. Review of Financial Studies 27(9), 2626–2660.
• Grange, C. (2016). Une élite parisienne: les familles de la grande bourgeoisie juive (1870–1939). CNRS Édition.
• Hjort, J., et al. (2019). Ethnic Discrimination and Value Creation. （见正文引用）
• Huber, K., et al. (2021). Mass Dismissals of Jewish Managers in Nazi Germany. （见正文引用）
• Iacus, S. M., King, G., & Porro, G. (2012). Causal Inference without Balance Checking: Coarsened Exact Matching. Political Analysis 20(1), 1–24.
• Kumar, A., Niessen-Ruenzi, A., & Spalt, O. G. (2015). What's in a Name? Mutual Fund Flows When Managers Have Foreign-Sounding Names. Review of Financial Studies 28(8), 2281–2321.
• Lazare, B. (1894). L'antisémitisme: son histoire et ses causes. Paris: Chailley.
• Voigtländer, N., & Voth, H.-J. (2012). Persecution Perpetuated: The Medieval Origins of Anti-Semitic Violence in Nazi Germany. Quarterly Journal of Economics 127(3), 1339–1392.
• Wilson, S. (2007). Ideology and Experience: Anti-Semitism in France at the Time of the Dreyfus Affair. Liverpool University Press.
• Wolfers, J. (2006). Diagnosing Discrimination: Stock Returns and CEO Gender. Journal of the European Economic Association 4(2–3), 531–541.