2019年底新冠疫情爆发后,对于我国经济造成巨大冲击,劳动力市场的不确定性也将负面情绪传导到了股票市场,两者之间的内在联系再次引起广泛关注。从金融监管的角度来看,研究劳动力市场冲击与股票市场之间的关系有助于政策制定,维护金融市场稳定,更好地降低由系统性风险带来的冲击;从投资者的角度来说,有助于认知市场资产的定价逻辑,加强对证券资产组合的风险管理。通过文献梳理,发现国内外学者都认为劳动力市场指标非预期冲击与股票价格之间有着紧密联系,但其具体传导逻辑尚无定论,主要是因为:（1）大部分研究都将视野聚焦于整体宏观经济环境,劳动力市场只是作为其组成部分之一,缺乏对于劳动力市场的单独研究。（2）劳动力市场指标纷繁复杂,指标选取的不同会导致结果的差异分化。因此,本文分别从整体及行业这两个视角探究了劳动力市场指标与股票市场表现的关系,运用城镇新增就业人数（NNE）、城镇居民人均工资性收入（PCI）这两个代表性指标进行研究,回答了下述三个核心问题:（1）以城镇新增就业人数（NNE）、城镇居民人均工资性收入（PCI）为代表的劳动力市场指标能否解释股票价格波动?（2）通过买入对劳动力指标预期差敏感度较高的股票、卖出敏感度较低的股票,构建对冲投资组合,检验其是否可以获得超额收益?是否能更好解释股票收益率变化?（3）劳动力市场指标对于不同行业的影响有什么区别?并尝试将实证结果运用到未来的市场分析和交易策略中去。基于以上问题,我们提出了一种新的方法来分析劳动力市场指标在预期股票收益横截面中的作用。该方法的核心是将劳动力市场指标预期差与股票收益率相结合,分析收益率变化对超预期冲击因子敏感程度大小,记为。我们将资产按照大小进行排序,通过买入高,卖出低资产,形成对冲投资组合,检验其是否可以获得超额收益。使用Fama-Macbeth截面回归,看设计的对冲投资模型是否能更好解释股票收益率变化,并在此基础上进一步研究了劳动力市场指标对于不同行业的影响。得到主要结论有:（1）以城镇新增就业人数（NNE）、城镇居民人均工资性收入（PCI）为代表的劳动力市场指标是股票收益横截面中的定价因素之一。（2）对冲投资模型与经典资产定价模型相比具有相似或更好的解释力。（3）利用大小排序构建的对冲投资组合,能产生显著的超额收益,每年可获得约9.88%的正收益。（4）不同行业的受到劳动力指标的影响有区别,这是由于行业所属于产业链的上下游位置以及行业自身属性不同导致。