陳冠州

（五邑大學 經(jīng)濟管理學院，廣東 江門 529020）

2019 年12 月30 日，武漢市衛(wèi)健委發(fā)布緊急通知，部分醫(yī)療機構陸續(xù)出現(xiàn)不明原因肺炎病人；31 日，武漢發(fā)現(xiàn)27 例病例，其中7 例病情嚴重.至2020 年1 月8 日，國家衛(wèi)健委初步確認新型冠狀病毒為此次疫情的病源，當天上證指數(shù)下跌1.22%，然而接下來的幾天市場繼續(xù)嘗試探高，至1月14 日到達高點，之后市場開始感受到疫情的嚴重性逐漸回落.1 月20 日，鐘南山表示新型冠狀病毒感染肺炎存在人傳人現(xiàn)象，次日武漢開始實施進出人員管控，22 日多省市確診首例新型肺炎病毒病例.春節(jié)前最后三個交易日，股票市場釋放出避險情緒.隨后全國多省市啟動重大公共突發(fā)衛(wèi)生事件一級響應，直至2 月2 日，全國確診病例已經(jīng)超過1.7 萬人.節(jié)后開市第一天，即2 月3 日，投資者對急劇發(fā)展的疫情產(chǎn)生恐慌情緒，上證指數(shù)暴跌7.72%.

至撰稿時，全國新型冠狀病毒肺炎確診人數(shù)已突破8 萬人次，疫情已出現(xiàn)在全球多個國家，尤其是伊朗、韓國、意大利、日本比較嚴重.各國政黨、經(jīng)濟學家、投資者都在努力估算疫情可能造成的經(jīng)濟影響，并從金融科技[1,2]、財政政策[3]、復工復產(chǎn)[4,5]等方面提出有建設性的意見.股票市場是國民經(jīng)濟的晴雨表，本文采用金融市場分析中常用的事件研究法[6]，以全體A 股上市公司為對象，通過分析新型冠狀病毒疫情爆發(fā)后的兩個月，投資者投資行為的變化所引發(fā)的上市公司股票收益變化情況，分析事件對股票市場的影響，以期為后續(xù)的研究提供參考.

1 數(shù)據(jù)與方法

本研究使用的數(shù)據(jù)來自于Wind 金融數(shù)據(jù)庫，共收集了3 797 家A 股上市公司的月收盤價和對應的大盤指數(shù)數(shù)據(jù).由于此次新型冠狀病毒疫情具有突發(fā)性，涉及面廣而且時間跨度長，和一般金融市場中某一指定日發(fā)生的“事件”概念有所不同，因此本研究把事件發(fā)生時點稱為事件月.由于官方對疫情的首次發(fā)聲時間在12 月末，可以設想12 月大部分的交易日并沒有受到此疫情消息的沖擊，因此本研究把2020 年1 月定義為疫情事件月.另一方面，由于關于公共突發(fā)衛(wèi)生事件不適合考慮消息提前泄露導致的“內部交易”情況，因此沒有必要對事件月之前的事件窗口進行分析，重點關注的研究期間為2020 年1 月和2 月.

股票收益率采用普通收益率計算方式，設i公司第t期的收盤價為Pi,t，則該公司的普通收益率可表達為

采用2015 年1 月至2019 年12 月共5 年60 個月的所有個股以及對應市場指數(shù)的月普通收益率進行回歸分析得出每支個股的模型參數(shù)和，對于上市日期在2015 年1 月之后的公司，則采用上市月至2019 年12 月的股價數(shù)據(jù)計算其模型參數(shù).所謂對應市場指數(shù)是指若該公司在上海證券交易所上市，則對應的指數(shù)為上證指數(shù)；在深交所上市的公司所對應的市場指數(shù)則采用深證綜指.因此異常收益率的表達式為

i公司從事件月至Γ 期的累積異常收益率（cumulated abnormal return，CAR）則可表達為

最后，計算同一屬性下的上市公司組的異常收益率平均值，用t檢驗分析其顯著性.

2 結果與分析

在采樣的3 797 家A 股上市公司中，剔除其中數(shù)據(jù)不全以及異常值之后，有效樣本數(shù)量為3 449家，同時收集樣本的行業(yè)屬性、上市板以及所屬行政區(qū)劃以多角度分析新型冠狀病毒疫情的影響.

2.1 行業(yè)影響

對A 股上市公司按Wind 一級行業(yè)進行分類，共11 類.統(tǒng)計各行業(yè)CAR 的平均值以及t值，按2020 年2 月的累積異常收益從大到小排序，列于表1.由表1 可知，在疫情的影響下，11 個一級行業(yè)中有8 個行業(yè)的異常收益率的平均值為負值，僅電信服務、信息技術以及醫(yī)療保健行業(yè)異常收益率的平均值為正，即在疫情的影響下，這三類行業(yè)在防控期間所發(fā)揮的作用在一定程度上得到了投資者的認可.

比較2020 年1 月和2 月各行業(yè)平均累積異常收益的數(shù)據(jù)，能看出上述三個行業(yè)的累積異常收益有明顯增加，其中2020 年1 月的行業(yè)平均異常收益率最高為醫(yī)療保健行業(yè).反映出疫情期間市場對醫(yī)療保健相關物資的需求有明顯提高.而2 月份電信服務行業(yè)和信息技術行業(yè)的CAR 超過醫(yī)療保健，反映在疫情防控持續(xù)的情況下，信息技術行業(yè)，如在線辦公、在線教育、在線醫(yī)療等需求增加，同時作為支撐的電信服務也受到正面影響，從平均值來看，電信服務行業(yè)平均異常收益高達56%，但由于樣本數(shù)太少，并不具備統(tǒng)計顯著性.

表1 2020 年1-2 月，A 股不同行業(yè)的平均累積異常收益

2.2 上市板影響

A 股2020 年1 月份和2 月份不同上市板的平均累積異常收益如表2 所示.在疫情期間，科創(chuàng)板的異常收益最高，其次為創(chuàng)業(yè)板、主板，中小企業(yè)板905 家公司的平均異常收益為負值.然而需要注意科創(chuàng)板公司上市時間較短（由國家主席習近平于2018 年11 月5 日在首屆中國國際進口博覽會開幕式上宣布成立），所以計算出來的模型參數(shù)α和β并不一定具有穩(wěn)定性，從而影響異常收益計算的準確性.盡管如此，我們能從創(chuàng)業(yè)板具有顯著正累積異常收益中看出，該板塊的上市公司雖然成立時間較短、規(guī)模較小，但大多從事高科技業(yè)務，具有較高的成長性，享受著相應的政策支持，從而在此次疫情防控期間依然保持向上的趨勢.而主板并沒有顯著的異常收益率，主板上市公司占了所有A 股上市公司的大部分，疫情包括相應政策的影響基本上被主板吸收而反映在市場整體的變動上，所以主板異常收益率不顯著也符合預期.相對于其他上市板，中小企業(yè)板受到了顯著的負面影響，可見市場投資者對中小企業(yè)在疫情期間遭受的打擊持有一定程度的悲觀和擔憂情緒.

表2 2020 年1-2 月，A 股不同上市板的平均累積異常收益

2.3 所屬行政區(qū)劃的影響

A 股2020 年1 月份和2 月份各地域上市公司的平均累積異常收益如表3 所示.從上市公司所屬行政區(qū)劃來看，預期受災比較嚴重的地域，如湖北、廣東、河南、浙江的異常收益會有顯著的負值.通過分析能發(fā)現(xiàn)，實際的數(shù)據(jù)并不符合預期.分析結果顯示，北京與長三角的上海、江蘇、浙江的異常收益率顯著為正.以上地區(qū)均為大型科技平臺和金融科技企業(yè)集聚地，它們在抗擊疫情的過程中，借助自身平臺、技術優(yōu)勢，快速調配其自身特有的物流、信息流和資金流，創(chuàng)新產(chǎn)品與服務，成為穩(wěn)經(jīng)濟、穩(wěn)信心的重要支持力量.結果還顯示其他大部分省份都受到負面的沖擊，而具有統(tǒng)計顯著性的省份不多，要進一步解釋各地域上市公司所受影響，有必要在今后的研究里結合產(chǎn)業(yè)鏈、物流、政策等因素進行綜合分析.

表3 2020 年1-2 月，A 股各地域上市公司的平均累積異常收益

（續(xù)表3）

3 討論

事件研究法主要是針對事件曝光前后的異常收益率的研究，即分析上市公司在特定時間內的證券價格受到事件發(fā)生的影響.這種方法在財務管理、會計、金融、經(jīng)濟和法律等領域都有比較廣泛的應用.然而本研究使用事件研究法進行設計和分析的過程中仍然有以下幾個方面值得討論：1）事件時點以月為單位，雖然疫情從2019 年12 月底爆發(fā)以來確實成為我國經(jīng)濟與社會最關注的熱點問題，然而也無法充分保證在此期間沒有發(fā)生其他對個別公司或行業(yè)造成影響的事件.2）科創(chuàng)板的公司由于上市時間很短，因此計算出來的市場模型參數(shù)并不一定穩(wěn)定，導致計算出來的異常收益率不一定準確；而且科創(chuàng)板正是熱點關注板塊，異常收益的變化也很可能是因為科創(chuàng)板自身的獨立因素，異常收益的情況不一定僅僅反映疫情的影響.要準確判斷疫情對科創(chuàng)板的影響，有必要進一步引入其他控制變量.3）疫情防控期間，在有力政策的支持下，截止撰文時的3 月初，A 股整體來看經(jīng)歷了大風浪后恢復到疫情前的水平，但中小企業(yè)板的負異常收益顯示投資者對小規(guī)模公司的擔憂情緒，這取決于中小企業(yè)能否盡快且安全地復工復產(chǎn)，能否保證財務上的安全.因此一系列維穩(wěn)的政策是否能盡快有效地落地需要持續(xù)關注.