（南京大學(xué)商學(xué)院，南京 210093）

引 言

2019年12月，新冠肺炎疫情自武漢開始爆發(fā)，并逐漸向全國快速擴(kuò)散。從歷史統(tǒng)計(jì)資料來看，歷次重大疫情均對人類社會各個(gè)層面產(chǎn)生巨大影響，本次疫情亦不例外，人類健康、經(jīng)濟(jì)發(fā)展面臨著極大挑戰(zhàn)。尤其在現(xiàn)代化發(fā)展的今天，交通便利、信息發(fā)達(dá)、社會經(jīng)濟(jì)一體化使得勞動力、資本等要素可以實(shí)現(xiàn)跨地區(qū)甚至跨國界的自由流動，加之春節(jié)期間春運(yùn)大潮產(chǎn)生的春節(jié)效應(yīng)，無疑進(jìn)一步助推了疫情的傳播，在加劇各地人員傳染的同時(shí)，也極大的限制了企業(yè)和經(jīng)濟(jì)的發(fā)展。

疫情下，除了人群感染和生產(chǎn)停擺等現(xiàn)實(shí)影響之外，反應(yīng)最為劇烈的則是股票市場。股票市場是經(jīng)濟(jì)發(fā)展的晴雨表，股價(jià)變動不僅能夠反映經(jīng)濟(jì)表現(xiàn)，同時(shí)也一定程度上預(yù)示著未來經(jīng)濟(jì)發(fā)展的形勢，因此關(guān)注新冠肺炎疫情對我國股票市場的影響，具有重要的現(xiàn)實(shí)意義。疫情的爆發(fā)和在全球的不斷擴(kuò)散，直接對我國投資者的情緒產(chǎn)生極大沖擊，情緒恐慌和交叉感染導(dǎo)致投資預(yù)期發(fā)生改變，進(jìn)而影響交易決策和行為（Barberis等，1998；王美今和孫建軍，2004；張宗新和王海亮，2013）［1-3］。 更重要的是，此次全球范圍內(nèi)的“黑天鵝事件”具有一定的持續(xù)性，中國作為世界第二大經(jīng)濟(jì)體、第一貿(mào)易大國，在全球生產(chǎn)價(jià)值鏈?zhǔn)芟?、全球貿(mào)易活動受挫的背景下，中國企業(yè)難以獨(dú)善其身。具體來看，美股自1997年第一次觸發(fā)熔斷機(jī)制以來，在2020年3月連續(xù)4次觸發(fā)熔斷機(jī)制，世界其他國家股市也大部分觸發(fā)了熔斷或遭遇了暴跌。相比之下，雖然A股表現(xiàn)出相對頑強(qiáng)的韌性，但也呈現(xiàn)出劇烈震蕩的態(tài)勢，反映了經(jīng)濟(jì)形勢的不穩(wěn)定性。從全球股市及A股各大股指的走勢可以看出，此次外部沖擊的影響是全局性、整體性的。盡管如此，鑒于企業(yè)面對系統(tǒng)性外部沖擊的抗壓能力以及災(zāi)后復(fù)產(chǎn)的進(jìn)度不盡相同，尤其是在我國現(xiàn)階段的發(fā)展制度和背景下，中小微企業(yè)占據(jù)絕大比例，本次疫情對很多小微企業(yè)可能會造成致命性的打擊。此外，海外疫情持續(xù)擴(kuò)散，進(jìn)出口貿(mào)易面臨停滯，我國作為第一貿(mào)易大國，從中長期看外貿(mào)企業(yè)的發(fā)展將遭遇嚴(yán)重困難。因此，需要根據(jù)企業(yè)規(guī)模、性質(zhì)、類型等進(jìn)行分類，分析疫情對不同企業(yè)的異質(zhì)性影響，進(jìn)而針對性地提出關(guān)于不同類型企業(yè)的幫扶政策和應(yīng)對策略，更加高效地助推企業(yè)渡過后疫情階段，以求恢復(fù)經(jīng)濟(jì)發(fā)展正常秩序。

縱觀有關(guān)此次疫情的相關(guān)文獻(xiàn)，多數(shù)學(xué)者均從疫情的宏觀經(jīng)濟(jì)影響層面展開研究，且多數(shù)研究僅為定性分析。具體來看，F(xiàn)ang等（2020）［4］研究了武漢“封城”策略的具體效應(yīng)，采用DID方法有效排除了恐慌效應(yīng)、春節(jié)效應(yīng)等混淆因素，識別出“封城”對限制人員流動進(jìn)而減少病毒傳播的影響；何誠穎等（2020）［5］利用比較靜態(tài)分析、路徑分析等方法測度并分析了新冠肺炎疫情的發(fā)生對中國宏觀經(jīng)濟(jì)和產(chǎn)業(yè)發(fā)展的負(fù)面影響；吳婷婷和朱昂昂（2020）［6］通過類比非典疫情，分析了新冠肺炎疫情對我國供給側(cè)、需求側(cè)、產(chǎn)業(yè)鏈、供應(yīng)鏈、逆全球化的影響；蘆千文等（2020）［7］以調(diào)查數(shù)據(jù)為依據(jù)，研究了新冠肺炎疫情對農(nóng)村居民收入的影響，進(jìn)而判斷農(nóng)村居民增收的不穩(wěn)定性及原因機(jī)制；于敏等（2020）［8］以重疫區(qū)湖北省的中小上市企業(yè)為樣本，研究發(fā)現(xiàn)新冠肺炎疫情對大多數(shù)中小企業(yè)發(fā)展都形成了較大沖擊；汪陽潔等（2020）［9］則從正面視角研究了此次疫情對數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)的影響，從產(chǎn)業(yè)轉(zhuǎn)型升級的視角系統(tǒng)闡釋了疫情下我國數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展的機(jī)遇。關(guān)于疫情影響金融市場的研究，目前國內(nèi)學(xué)者涉及較少，最具代表性的是楊子暉等（2020）［10］利用因子增廣向量自回歸模型考察了疫情作為突發(fā)公共衛(wèi)生事件對我國宏觀經(jīng)濟(jì)和金融市場16個(gè)部門174個(gè)變量的沖擊影響，并進(jìn)一步采用前沿的風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)方法研究了疫情下金融市場各行業(yè)間風(fēng)險(xiǎn)傳導(dǎo)關(guān)系的動態(tài)演變。對于中國股票市場的直接分析，目前尚無可查文獻(xiàn)，僅有少數(shù)國外學(xué)者以美股為研究對象進(jìn)行了初步分析，如Baker等（2020）［11］利用基于文本的方法研究歷次重大流行性傳染病對股票市場的影響，具體利用了每次疫情爆發(fā)時(shí)新聞報(bào)道的數(shù)量進(jìn)行了量化分析，發(fā)現(xiàn)與歷次疫情相比，新冠肺炎疫情的相關(guān)新聞報(bào)導(dǎo)占據(jù)了壓倒性的地位，成為股市波動的強(qiáng)大推動力；Alfaro等（2020）［12］研究發(fā)現(xiàn)疫情期間感染人數(shù)的非預(yù)期變化能夠預(yù)測股票市場的總體回報(bào)，前一日預(yù)測新增感染人數(shù)的增加與下一交易日的股市回報(bào)率下降有關(guān)；Giglio等（2020）［13］利用散戶投資者的調(diào)查數(shù)據(jù)，研究了疫情最嚴(yán)重時(shí)期美股崩盤以及隨后復(fù)蘇時(shí)期投資者對股市和經(jīng)濟(jì)增長的預(yù)期變化，發(fā)現(xiàn)股市崩盤后普通投資者對短期經(jīng)濟(jì)和股市表現(xiàn)變得更加悲觀。

本文在新冠肺炎疫情持續(xù)發(fā)展、投資者情緒波動、實(shí)體企業(yè)受損的現(xiàn)實(shí)基礎(chǔ)上，研究疫情對股票市場的實(shí)際沖擊效應(yīng)，首次從股價(jià)波動的視角研究新冠肺炎疫情對我國經(jīng)濟(jì)發(fā)展的沖擊。具體來說：（1）利用統(tǒng)計(jì)數(shù)據(jù)呈現(xiàn)疫情對我國經(jīng)濟(jì)形勢和股票市場的具體沖擊表現(xiàn)，并分析原因；（2）借鑒并拓展 Schularick 和 Taylor（2012）［14］、郭峰和石慶玲（2017）［15］采用的事件分析法進(jìn)行實(shí)證檢驗(yàn)，驗(yàn)證疫情期間股市整體收益率和波動率的變動情況；（3）利用企業(yè)財(cái)務(wù)指標(biāo)、類型指標(biāo)、地域指標(biāo)3類指標(biāo)進(jìn)行異質(zhì)性分析，檢驗(yàn)具有不同內(nèi)部特征或處于不同外部環(huán)境的企業(yè)在疫情期間抵御外部風(fēng)險(xiǎn)的差異性。

1 新冠肺炎疫情的經(jīng)濟(jì)影響和股市表現(xiàn)

從宏觀角度來看新冠肺炎疫情的影響，主要可以概括為兩方面。（1）新冠肺炎疫情嚴(yán)重?fù)p害了人類健康。截至2020年7月1日24時(shí)，中國大陸累計(jì)確診人數(shù)達(dá)到83537例，累計(jì)死亡人數(shù)達(dá)到4634例，無論從廣度（疫情范圍）還是從深度（疫情影響）來看，這無疑都是中國新世紀(jì)以來疫情最嚴(yán)重的一次；（2）新冠肺炎疫情限制了企業(yè)生產(chǎn)和經(jīng)濟(jì)發(fā)展。在疫情發(fā)展之初，眾多企業(yè)面臨停產(chǎn)停工，社會投資與居民消費(fèi)等急劇下降，經(jīng)濟(jì)增長遭遇重創(chuàng)，2020年第一季度GDP同比下降6.8%，這是自1992年有季度統(tǒng)計(jì)數(shù)據(jù)以來首次出現(xiàn)負(fù)增長。圖1（a）展示了自2020年初疫情開始以來疫情的具體發(fā)展趨勢?？梢钥闯鲎?月中旬疫情開始，直到2月下旬疫情才逐漸趨于穩(wěn)定，在1個(gè)多月的爆發(fā)時(shí)間內(nèi)確診人數(shù)呈現(xiàn)指數(shù)型增長。圖1（b）展示了近一年來供給側(cè)和需求側(cè)兩個(gè)端口相關(guān)指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)走勢。從供給側(cè)來看，工業(yè)增加值累計(jì)增長和服務(wù)業(yè)生產(chǎn)指數(shù)累計(jì)同比增速均在年初出現(xiàn)了急劇下跌①，可見停工停產(chǎn)對供給側(cè)的嚴(yán)重影響；同樣地，從需求側(cè)來看，“三駕馬車”消費(fèi)、投資、出口也均出現(xiàn)了巨幅下跌。因此，無論是從供給側(cè)還是需求側(cè)來說，經(jīng)濟(jì)下滑都是必然趨勢，雖然后續(xù)開始逐漸恢復(fù)，但短期內(nèi)還無法達(dá)到正常區(qū)間。這種宏觀影響的背后至少蘊(yùn)含著兩層微觀含義：（1）確診和死亡人數(shù)的增長以及經(jīng)濟(jì)生產(chǎn)停擺影響著人民群眾的心理預(yù)期和情緒，這將造成個(gè)體投資消費(fèi)等行為的變化；（2）微觀企業(yè)表現(xiàn)堪憂，從投入生產(chǎn)到產(chǎn)品銷售的整條生產(chǎn)線停滯，導(dǎo)致企業(yè)損失嚴(yán)重。

圖1 新冠肺炎疫情對中國的宏觀影響②

宏觀經(jīng)濟(jì)形勢下行的背景下，股市行情的變化恰好可以實(shí)時(shí)反映投資者的情緒變化以及實(shí)體企業(yè)的經(jīng)濟(jì)表現(xiàn)，因此可以從股票市場的視角來分析新冠肺炎疫情的微觀影響。眾所周知，A股市場在疫情爆發(fā)后震蕩劇烈，反映出疫情導(dǎo)致的投資者情緒恐慌以及實(shí)體經(jīng)濟(jì)表現(xiàn)堪憂。然而，影響股市表現(xiàn)的因素眾多且復(fù)雜，很難單純的提取出疫情對股市的負(fù)面效應(yīng)。為此，選取一個(gè)較短的時(shí)間區(qū)間進(jìn)行分析，以盡量降低股市噪音，可以較好地識別疫情效應(yīng)。具體地，以2020年1月11號衛(wèi)健委開始正式通報(bào)新冠肺炎疫情情況作為疫情發(fā)展起始點(diǎn)，選取疫情開始前后相應(yīng)時(shí)間區(qū)間作為事件分析窗口。從圖2上證綜指的日度收益率和波動率走勢圖可以直觀地看出，在進(jìn)入疫情期后，上證綜指的日度收益率和波動率均發(fā)生了較為顯著的變化，日度收益率振蕩幅度更加劇烈的同時(shí)，日度波動率數(shù)值也出現(xiàn)了高頻率的上升，表明疫情給股市帶來了強(qiáng)烈的沖擊效應(yīng)。

圖2 疫情期間股市整體表現(xiàn)情況

值得注意的是，在進(jìn)入疫情期后，股市行情并非一成不變表現(xiàn)為下行趨勢或劇烈振蕩態(tài)勢。單從股市累計(jì)收益率③的走勢來看（見圖3），疫情期可以劃分為4個(gè)階段：第一階段（2020年1月11日至2020年2月3日）為國內(nèi)疫情初始爆發(fā)階段。自2020年1月11日衛(wèi)健委正式通告新冠肺炎疫情確診及死亡人數(shù)開始，直到2020年2月3日春節(jié)后第1個(gè)交易日，本階段是國內(nèi)疫情初始階段，突然爆發(fā)的疫情和迅速增加的感染人數(shù)引起了媒體和群眾的廣泛關(guān)注，加之適逢春節(jié)期間人員流動規(guī)模較大，武漢“封城”措施側(cè)面反映疫情的嚴(yán)重性，恐慌效應(yīng)開始顯現(xiàn)，投資者的恐慌情緒和悲觀預(yù)期立即反映在股市表現(xiàn)之中，市場收益率急劇下跌；第二階段（2020年2月4日至2020年2月23日）為國內(nèi)疫情持續(xù)發(fā)展階段。雖然國內(nèi)疫情繼續(xù)發(fā)酵，感染人數(shù)持續(xù)暴增，但人們開始出現(xiàn)適應(yīng)性預(yù)期調(diào)整，并且由于投資者存在有限注意和投機(jī)心理，加之春節(jié)假期和疫情限制的錯配使得個(gè)體線下消費(fèi)能力向線上投資能力轉(zhuǎn)化，從而助推了本階段市場行情開始上行，甚至在創(chuàng)業(yè)板出現(xiàn)了短暫的結(jié)構(gòu)性牛市現(xiàn)象，直到海外疫情開始全面爆發(fā)，股市行情再次崩塌；第三階段（2020年2月24日至2020年3月24日）為海外疫情全面爆發(fā)階段。海外疫情開始全面爆發(fā)的標(biāo)志是2月23日韓國宣布正式進(jìn)入最高防疫級別以及意大利北部部分城市開始實(shí)行“封城”措施。疫情開始向全球擴(kuò)散意味著事態(tài)嚴(yán)重性升級，全局性的事件沖擊導(dǎo)致更深程度的全民恐慌，全球股市持續(xù)暴跌，美股更是先后4次熔斷，在全球一體化的經(jīng)濟(jì)時(shí)代，中國A股也不能獨(dú)善其身，在前一階段大幅上漲的基礎(chǔ)上，本階段出現(xiàn)猛烈回調(diào)現(xiàn)象；第四階段（2020年3月24日以后）是海外疫情發(fā)展、國內(nèi)疫情穩(wěn)定階段。本階段股市呈現(xiàn)穩(wěn)健回升現(xiàn)象，除了如同第二階段的適應(yīng)性預(yù)期調(diào)整、有限注意及投機(jī)心理等原因外，本階段國內(nèi)疫情得到有效控制，并且疫情最嚴(yán)重的武漢也在3月24日正式公布了解封日期，國內(nèi)逐漸緩解的疫情局勢和一系列利好消息增加了國民信心，復(fù)工復(fù)產(chǎn)復(fù)學(xué)逐步開展，加之前期的財(cái)政貨幣政策效果逐漸顯現(xiàn)，市場形勢開始上行。然而由于國內(nèi)和海外連續(xù)兩次疫情爆發(fā)沖擊余力未散，并且眾多企業(yè)前期停工停產(chǎn)所受影響暫未恢復(fù)，此階段的行情恢復(fù)較為穩(wěn)健。

圖3 疫情期間股市累計(jì)收益率走勢

總體上，從短期來看，當(dāng)有外部沖擊影響股票市場時(shí)，受投資者情緒波動影響，沖擊效應(yīng)會立即反映在股價(jià)波動中，但在股市投機(jī)以及政策引導(dǎo)下，這種情緒導(dǎo)致的股價(jià)下跌會隨即反彈回升，即發(fā)生均值回歸現(xiàn)象。從長期來看，股價(jià)圍繞其自身價(jià)值上下波動，因此這種長期相對價(jià)格的降低是由于整體經(jīng)濟(jì)形勢和企業(yè)自身表現(xiàn)所決定，企業(yè)價(jià)值改變，股票價(jià)格隨之改變。第四階段的股市行情穩(wěn)健恢復(fù)，但整體價(jià)值仍然偏低，是由于在前期經(jīng)歷過兩次疫情外部沖擊后，即使市場情緒平復(fù)，經(jīng)濟(jì)環(huán)境和實(shí)體企業(yè)卻受到了實(shí)質(zhì)性的創(chuàng)傷，因此表現(xiàn)出相對價(jià)格偏低?；诖?，本文在后疫情時(shí)期對股票市場進(jìn)行研究并進(jìn)一步進(jìn)行異質(zhì)性分析，對識別疫情實(shí)質(zhì)性影響并有針對性地發(fā)現(xiàn)和解決問題，進(jìn)而盡快恢復(fù)經(jīng)濟(jì)發(fā)展常態(tài)水平具有重要的現(xiàn)實(shí)指導(dǎo)意義。

2 實(shí)證檢驗(yàn)

為了檢驗(yàn)新冠肺炎疫情對中國股票市場的沖擊效應(yīng)，本文采用面板結(jié)構(gòu)數(shù)據(jù)，借鑒并拓展Schul?arick 和 Taylor（2012）［14］、郭峰和石慶玲（2017）［15］采用的事件分析法進(jìn)行實(shí)證檢驗(yàn)。具體來說，本文選擇A股市場所有上市公司④作為研究對象，為保證事件研究法的適用性和準(zhǔn)確性，選擇了一個(gè)較短的時(shí)間窗口，自2019年6月3日至2020年5月31日為期一年的股市交易區(qū)間。在驗(yàn)證整體疫情期間股市振蕩表現(xiàn)的基礎(chǔ)上，還進(jìn)一步考察了進(jìn)入疫情之后股市表現(xiàn)的動態(tài)變化過程。

2.1 基準(zhǔn)分析

根據(jù)前文分析，外部沖擊會通過影響投資者情緒進(jìn)而改變其交易決策和行為，從而對股票市場形成短期沖擊；另外，疫情發(fā)展又同時(shí)限制了消費(fèi)、投資、出口等需求面和阻礙了企業(yè)生產(chǎn)、服務(wù)等供給面，改變了企業(yè)微觀基本面情況，對經(jīng)濟(jì)形勢造成長期影響。按照這一邏輯，疫情期間股票市場的整體收益率應(yīng)該顯著下降，而波動率會顯著上升。因此，本文借鑒事件分析法的思想，檢驗(yàn)新冠肺炎疫情對股票市場的具體沖擊效應(yīng)。具體而言，計(jì)量模型設(shè)置如下：

其中，下標(biāo)i代表個(gè)體（上市公司）、t代表日期（交易日）；INDit代表個(gè)體i在t交易日的表現(xiàn)指標(biāo)，具體包括個(gè)股收益率和個(gè)股波動率⑤；PANDEMICit為疫情區(qū)間時(shí)間窗口的虛擬變量，考慮到疫情的持續(xù)性以及后疫情時(shí)期實(shí)質(zhì)影響的延續(xù)性，本文設(shè)置疫情區(qū)間時(shí)間窗口為衛(wèi)生部正式通報(bào)新冠肺炎疫情確診病例開始日（2020年1月11日）之后，體現(xiàn)在股市交易區(qū)間即為2020年1月13日至2020年5月29日，PANDEMICit在疫情區(qū)間取值為1，其他時(shí)段取值為0。Xit代表模型的控制變量，本文根據(jù) Fama和 French（1992）［17］的三因子模型，控制住了決定不同股票回報(bào)率差異的相應(yīng)因素⑥。此外，本文同時(shí)控制了股票層面和時(shí)間層面的固定效應(yīng)。既控制了個(gè)體固定效應(yīng)，以捕捉隨個(gè)體變化但不隨時(shí)間變化的影響因素；同時(shí)控制了時(shí)間固定效應(yīng)，以捕捉不隨個(gè)體變化但隨時(shí)間區(qū)間變化的影響因素。需要說明的是，時(shí)間固定效應(yīng)僅控制了季度固定效應(yīng)，原因如下：（1）本文所選樣本時(shí)間區(qū)間為1年（242個(gè)交易日），時(shí)期相對較短，并且樣本期內(nèi)沒有其他明顯外部沖擊，較短的樣本期可以更好地排除市場噪音；（2）新冠肺炎疫情是一次系統(tǒng)性、全局性的外部沖擊，為股票市場帶來的是整體影響，如果控制更小層面的月度或日度效應(yīng)，可能會把這種系統(tǒng)外部沖擊人為排除掉，不符合本文研究目的。且本文研究的是新冠疫情對股票市場的區(qū)間影響而非具體日度效應(yīng)，故也不需要控制周內(nèi)效應(yīng)；（3）本文控制了季度固定效應(yīng)，可以控制一年中股票市場的季節(jié)性變化趨勢。在式（1）中，主要關(guān)注的系數(shù)為β1，它捕捉了整體股票市場表現(xiàn)在整個(gè)新冠肺炎疫情期間相對于正常時(shí)期發(fā)生的變動。

表1 基準(zhǔn)回歸結(jié)果

利用式（1）進(jìn)行回歸⑦，基準(zhǔn)回歸結(jié)果見表1?？梢钥闯?，無論是采用混合效應(yīng)模型，還是單向或雙向固定效應(yīng)模型，新冠肺炎疫情對股票市場的整體影響都是顯著的，而且均在1%的顯著性水平下顯著。具體而言，相對于正常區(qū)間來說，新冠肺炎疫情期間的股票收益率整體下降，同時(shí)股票波動率大幅提高?；貧w結(jié)果表明，新冠肺炎疫情對股票市場的沖擊是系統(tǒng)性、全局性和持續(xù)性的，整個(gè)股票市場在疫情發(fā)生期間表現(xiàn)出異于正常區(qū)間的低收益率和高波動率，這與前文分析一致，股票市場受投資者情緒和經(jīng)濟(jì)形勢影響，表現(xiàn)顯著異常。

2.2 動態(tài)分析

前文驗(yàn)證了新冠肺炎疫情對股票市場的總體影響，然而卻不能很好地刻畫疫情期間股票市場的動態(tài)變化過程，從疫情期間股票市場4個(gè)階段的劃分也可以看出，股票市場的變化并非一成不變的，因此需要進(jìn)一步對股票市場進(jìn)行動態(tài)分析。基于此，在式（1）的基礎(chǔ)上，借鑒郭峰和石慶玲（2017）［15］的動態(tài)分析方法，對疫情期間進(jìn)行階段劃分，具體而言，以2020年1月11日作為事件起始點(diǎn)，采用每10個(gè)交易日為一個(gè)階段設(shè)置虛擬變量，包括起始點(diǎn)前的3個(gè)階段以及起始點(diǎn)后的9個(gè)階段共12個(gè)虛擬變量，將這些虛擬變量同時(shí)納入回歸模型，具體模型如下：

其中，λ表示疫情階段，其他變量含義與式（1）相同。式（2）主要關(guān)注的系數(shù)是βλ，它能夠表征疫情期間股票市場的動態(tài)變化趨勢。

利用式（2）進(jìn)行回歸，并作出相應(yīng)的系數(shù)βλ變化圖，如圖4所示。具體來看，對于股票收益率來說，疫情正式開始通報(bào)之前，系數(shù)連續(xù)三階段表現(xiàn)平穩(wěn)，但疫情正式開始通報(bào)之后，第一階段系數(shù)就顯著為負(fù)，意味著收益率立即出現(xiàn)巨幅下跌，但隨后第二階段系數(shù)反彈為正，表示收益率明顯回調(diào)，之后幾個(gè)階段的系數(shù)表現(xiàn)出震蕩向前，但震蕩幅度逐漸減小。這種趨勢變化符合前文階段劃分的分析結(jié)果，受市場情緒的推動，股票收益率遵循均值回歸理論，表現(xiàn)出彈性回升現(xiàn)象，但整體而言，仍然是下降幅度大于上漲幅度，股票收益率總體受損，與基準(zhǔn)分析結(jié)果一致；對于股票波動率來說，疫情正式開始通報(bào)前，系數(shù)顯著為負(fù)且接近于0，但疫情正式開始通報(bào)之后，自第二階段開始，系數(shù)顯著為正且連續(xù)多階段處于高位，表明疫情顯著提高了股票市場的波動率，給股票市場帶來了極大的不確定性，并且這種不確定性在疫情前期是系統(tǒng)性和持續(xù)性的，直到疫情發(fā)展到第六階段之后，系數(shù)才開始向0收斂，市場異動逐漸消失。而第六階段已經(jīng)是在武漢解封之后，即對應(yīng)前文的國內(nèi)疫情穩(wěn)定階段，后疫情時(shí)期的股票市場開始緩慢恢復(fù)。

2.3 穩(wěn)健性分析

本部分采取3種方式進(jìn)行穩(wěn)健性檢驗(yàn)：（1）反事實(shí)事件檢驗(yàn)。即人為的選擇沒有發(fā)生疫情的其他正常時(shí)間區(qū)間作為事件區(qū)間，檢驗(yàn)是否出現(xiàn)和基準(zhǔn)回歸相同的回歸分析結(jié)果。為避免真實(shí)的疫情區(qū)間影響檢驗(yàn)結(jié)果，首先將疫情正式開始通報(bào)后的觀測樣本區(qū)間刪掉，然后隨機(jī)在剩余觀測樣本區(qū)間內(nèi)選擇事件窗口，事件窗口長度分別選擇1個(gè)月、2個(gè)月、3個(gè)月，回歸結(jié)果表明所有反事實(shí)檢驗(yàn)均沒有出現(xiàn)和基準(zhǔn)分析相同的收益率顯著下降、波動率顯著上升現(xiàn)象；（2）改變基準(zhǔn)分析中疫情區(qū)間事件窗口。為避免疫情時(shí)間區(qū)間選取過長，影響研究結(jié)果的準(zhǔn)確性，本文采取縮短疫情事件窗口的方式進(jìn)行檢驗(yàn)，具體縮短為疫情正式開始通報(bào)（2020年1月11日）至武漢宣布解除“封城”（2020年3月24日）⑧，檢驗(yàn)結(jié)果表明回歸系數(shù)符號和顯著性水平均沒有變化；（3）改變動態(tài)分析中疫情階段的區(qū)間劃分，將原來每階段10個(gè)交易日的時(shí)間區(qū)間分別改為7個(gè)交易日和15個(gè)交易日進(jìn)行回歸分析，結(jié)果表明系數(shù)的絕對值大小發(fā)生細(xì)微變動，但整體的動態(tài)變化趨勢與前文一致。

圖4 疫情期間股票市場動態(tài)變化過程

3 異質(zhì)性分析

3.1 財(cái)務(wù)指標(biāo)：資產(chǎn)規(guī)模、舉債經(jīng)營與償債能力

一般來說，當(dāng)企業(yè)規(guī)模越大時(shí)，資金實(shí)力越為雄厚，其組織結(jié)構(gòu)、人員配備等硬實(shí)力以及運(yùn)營管理、社會信譽(yù)等軟文化均相對成熟完善，因此抵御外部風(fēng)險(xiǎn)沖擊的能力相對較強(qiáng)。同時(shí)，如果一個(gè)企業(yè)的杠桿率較高，且運(yùn)營過程中的資金變現(xiàn)能力較弱，就會導(dǎo)致其償債能力受限，在遇到外部風(fēng)險(xiǎn)沖擊時(shí)，公司自身將面臨更大的不確定性。體現(xiàn)在股票價(jià)格中，即為在面臨相同的外部沖擊時(shí)，資產(chǎn)規(guī)模越大的上市公司其股票價(jià)格所受影響應(yīng)該相對越小，而負(fù)債率越高且償債能力越弱的上市公司其股票價(jià)格所受影響應(yīng)該相對越大，即股票價(jià)格變動與公司資產(chǎn)規(guī)模呈正相關(guān)關(guān)系，而與公司負(fù)債規(guī)模呈現(xiàn)負(fù)相關(guān)關(guān)系（Barth等，2011）［18］。為了驗(yàn)證在新冠肺炎疫情的沖擊下，不同資產(chǎn)結(jié)構(gòu)的企業(yè)所受沖擊是否呈現(xiàn)出顯著的異質(zhì)性，以在后疫情時(shí)期采取針對性對策，本文選擇3個(gè)財(cái)務(wù)指標(biāo)進(jìn)行檢驗(yàn)，具體選擇了反映企業(yè)規(guī)模大小的資產(chǎn)規(guī)模（LASSET，取對數(shù)處理）、反映企業(yè)資產(chǎn)結(jié)構(gòu)的資產(chǎn)負(fù)債率（DEBT）和反映企業(yè)償債能力的流動比率（CR）3個(gè)指標(biāo)（搜集數(shù)據(jù)時(shí)剔除了存在數(shù)據(jù)缺失的樣本）。在式（1）的基礎(chǔ)上，分別引入3個(gè)財(cái)務(wù)指標(biāo)與疫情虛擬變量的交乘項(xiàng)，再進(jìn)行回歸分析。

表2報(bào)告了不同財(cái)務(wù)指標(biāo)（資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、流動比率）下，新冠肺炎疫情對上市公司股價(jià)沖擊的異質(zhì)性影響。從單個(gè)指標(biāo)來看：（1）對于資產(chǎn)規(guī)模指標(biāo)，在對股票收益率進(jìn)行回歸時(shí)，疫情虛擬變量與資產(chǎn)規(guī)模的交乘項(xiàng)系數(shù)顯著為正，說明資產(chǎn)規(guī)模小的企業(yè)相對于資產(chǎn)規(guī)模大的企業(yè)其股票收益率在疫情沖擊下降低幅度更大，表明資產(chǎn)規(guī)模大的企業(yè)抵御風(fēng)險(xiǎn)能力相對較強(qiáng)，與預(yù)期相符。在對股票波動率進(jìn)行回歸時(shí)，交乘項(xiàng)系數(shù)符號為負(fù)但不顯著，說明疫情沖擊下資產(chǎn)規(guī)模大小對股票波動率沒有表現(xiàn)出顯著的差異性；（2）對于資產(chǎn)負(fù)債率指標(biāo)，在對股票收益率和波動率進(jìn)行回歸時(shí)，疫情虛擬變量與資產(chǎn)負(fù)債率的交乘項(xiàng)系數(shù)均顯著為正，說明杠桿率較高的企業(yè)相對于杠桿率較低的企業(yè)其股票收益率下降幅度更低，同時(shí)其股票波動率上升幅度更大。杠桿率更高的企業(yè)在疫情沖擊下收益率損失程度更小、波動率更大，這與預(yù)期相悖，本文認(rèn)為可能有如下原因：①疫情期間，為助力宏觀經(jīng)濟(jì)和微觀企業(yè)順利渡過艱難期，政府部門采取了積極有效的財(cái)政貨幣政策，如減租減稅、增加流動性等，短期內(nèi)緩解了高負(fù)債企業(yè)的還款壓力；②資產(chǎn)負(fù)債率表征了企業(yè)的舉債經(jīng)營能力，雖然資產(chǎn)負(fù)債率較高的企業(yè)還款壓力較大，但一定程度上較高的資產(chǎn)負(fù)債率也反映了企業(yè)較強(qiáng)的融資能力，表明社會信譽(yù)較高，能夠更好地利用杠桿效應(yīng)舉債經(jīng)營，資金利用效率更高，使得企業(yè)收益率損失相對較??；③雖然收益率損失更低，但高資產(chǎn)負(fù)債率企業(yè)本質(zhì)上還是承擔(dān)了更高的財(cái)務(wù)風(fēng)險(xiǎn)，并且疫情具有一定的持續(xù)性，相比之下高負(fù)債企業(yè)面臨著更高的不確定性，因此股票波動率更大；（3）對于流動比率指標(biāo)，在對股票收益率進(jìn)行回歸時(shí)，疫情虛擬變量與流動比率的交乘項(xiàng)系數(shù)不顯著，表明股票收益率大小在疫情期間不受償債能力約束。但對股票波動率進(jìn)行回歸時(shí)卻發(fā)現(xiàn)交乘項(xiàng)系數(shù)顯著為負(fù)，表明相對來說償債能力越強(qiáng)的企業(yè)其股票波動率越低。這個(gè)結(jié)果進(jìn)一步印證了上述原因分析，由于政策扶持，疫情期間企業(yè)債務(wù)水平以及還款壓力短期內(nèi)不是影響企業(yè)收益率的主要原因，而自身的綜合實(shí)力和經(jīng)營效率差異會在沖擊來臨時(shí)體現(xiàn)在收益率差異上。但償債能力較強(qiáng)的企業(yè)確實(shí)會在持續(xù)的外部風(fēng)險(xiǎn)中承擔(dān)更低的財(cái)務(wù)風(fēng)險(xiǎn)，面臨較小的不確定性，因此股票波動率更小。

從總體來看，對于收益率的回歸，3個(gè)指標(biāo)下的PANDEMIC系數(shù)均顯著為負(fù)，且PANDEMIC系數(shù)和交乘項(xiàng)系數(shù)之和均小于0，說明不管在哪種指標(biāo)分類下，無論企業(yè)的資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率和流動比率是大是小，企業(yè)的股票收益率均是顯著下降的，表明此次疫情對企業(yè)收益的系統(tǒng)性沖擊。同時(shí)，對于波動率的回歸，3個(gè)指標(biāo)下的PANDEMIC系數(shù)均顯著為正，且PANDEMIC系數(shù)和交乘項(xiàng)系數(shù)之和均大于0，說明不管在哪種指標(biāo)分類下，無論企業(yè)的資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率和流動比率是大是小，企業(yè)的股票波動率均是顯著上升的，表明此次疫情整體增大了所有企業(yè)的不確定性。

3.2 類型指標(biāo)：公司屬性、產(chǎn)權(quán)性質(zhì)與企業(yè)類別

除了財(cái)務(wù)指標(biāo)上的差異可能對股價(jià)變動造成異質(zhì)性的影響外，公司的屬性和類別不同也可能導(dǎo)致企業(yè)面臨系統(tǒng)性風(fēng)險(xiǎn)時(shí)的差異化表現(xiàn)。具體來說，由于企業(yè)的屬性不同，所獲得的發(fā)展資源和支持力度也不盡相同，如外資企業(yè)相對于內(nèi)資企業(yè)可以享受一定的稅收優(yōu)惠，國有制企業(yè)相對于非國有制企業(yè)具有企業(yè)規(guī)模較大、社會信譽(yù)更高、融資約束更小等優(yōu)勢。因此，在面臨相同的外部沖擊時(shí)，具有不同企業(yè)屬性或產(chǎn)權(quán)性質(zhì)的企業(yè)可能表現(xiàn)不同，外資企業(yè)和國有制企業(yè)由于自身優(yōu)勢可能股價(jià)變動幅度更小。此外，不同類別的企業(yè)所受疫情影響程度也存在不同，尤其是外貿(mào)類企業(yè)，早期在國內(nèi)爆發(fā)的新冠肺炎疫情直接限制了外貿(mào)企業(yè)的產(chǎn)品生產(chǎn)和外貿(mào)交易，緊接著全球疫情的爆發(fā)進(jìn)一步損害了外貿(mào)類企業(yè)的利益，相比之下，外貿(mào)類上市公司的股價(jià)變動幅度應(yīng)該更加劇烈?；诖?，本部分選擇3個(gè)相應(yīng)的企業(yè)類型指標(biāo)進(jìn)行異質(zhì)性檢驗(yàn)，具體指標(biāo)定義為3個(gè)虛擬變量：是否為外資企業(yè)（FIE，外資企業(yè)取值為1）、是否為國有制企業(yè)（SOE，國有制企業(yè)取值為1）、是否為外貿(mào)企業(yè)（FTE，外貿(mào)企業(yè)取值為1）⑨。在式（1）的基礎(chǔ)上，分別引入3個(gè)類型指標(biāo)虛擬變量與疫情虛擬變量的交乘項(xiàng)，再進(jìn)行回歸分析。

表2 不同財(cái)務(wù)指標(biāo)下新冠疫情對股價(jià)沖擊的異質(zhì)性影響

表3報(bào)告了不同類型指標(biāo)（是否為外資企業(yè)、是否為國有制企業(yè)、是否為外貿(mào)企業(yè)）下，新冠肺炎疫情對上市公司股價(jià)沖擊的異質(zhì)性影響。從表征公司屬性、產(chǎn)權(quán)性質(zhì)的兩個(gè)指標(biāo)（是否為外資企業(yè)、是否為國有制企業(yè)）來看，是否為外資企業(yè)對上市公司的股票收益率和波動率均不存在顯著的異質(zhì)性影響，是否為國有企業(yè)對上市公司的股票波動率也不存在顯著的差異，僅是否為國有企業(yè)與疫情虛擬變量交乘項(xiàng)系數(shù)在對收益率進(jìn)行回歸時(shí)在1%的顯著性水平下顯著為正，表明國有企業(yè)相對于非國有企業(yè)的股票收益率所受影響更小。分析原因，本文認(rèn)為當(dāng)系統(tǒng)沖擊來臨時(shí)，不同性質(zhì)的企業(yè)所面臨的不確定性是同質(zhì)的，且投資者情緒也不會因?yàn)楣緦傩院彤a(chǎn)權(quán)性質(zhì)差異而出現(xiàn)不一致，因此股票波動率沒有因?yàn)槠髽I(yè)性質(zhì)不同表現(xiàn)出顯著差異。然而，國有制企業(yè)確實(shí)在企業(yè)規(guī)模、社會信譽(yù)以及政府扶持等方面相對私有制企業(yè)具備絕對的優(yōu)勢，抵御風(fēng)險(xiǎn)沖擊的能力相對較高，因此其在疫情沖擊下表現(xiàn)出受損程度更小的結(jié)果，收益率降低幅度更小。反之，比較外資企業(yè)和內(nèi)資企業(yè)，兩者雖然在稅收優(yōu)惠等方面存在細(xì)微差距，但總體來說在疫情沖擊下沒有一方占據(jù)了絕對優(yōu)勢，可以表現(xiàn)出更強(qiáng)的風(fēng)險(xiǎn)抵御能力，因此兩種企業(yè)的股票收益率下降幅度沒有顯著差異。另外，對于前兩個(gè)指標(biāo)對收益率的回歸，PANDEMIC系數(shù)、PANDEMIC系數(shù)和交乘項(xiàng)系數(shù)之和均小于0，對波動率的回歸，PANDEMIC系數(shù)、PANDEMIC系數(shù)和交乘項(xiàng)系數(shù)之和均大于0，與前文財(cái)務(wù)指標(biāo)部分的分析結(jié)果與解釋一致。

從是否為外貿(mào)企業(yè)指標(biāo)來看，對股票收益率進(jìn)行回歸時(shí)，交乘項(xiàng)系數(shù)在1%的顯著性水平下顯著為負(fù)，且交乘項(xiàng)系數(shù)絕對值比PANDEMIC系數(shù)絕對值高出兩倍多，表明外貿(mào)企業(yè)在疫情的沖擊下所受到的損失要遠(yuǎn)大于非外貿(mào)企業(yè)，這與預(yù)期相符，外貿(mào)企業(yè)由于疫情限制導(dǎo)致生產(chǎn)和交易都受到了更為嚴(yán)重的持續(xù)性影響，因此股票收益率表現(xiàn)出更大幅度的下跌。然而，對股票波動率進(jìn)行回歸時(shí)，顯示交乘項(xiàng)系數(shù)在1%的顯著性水平下顯著為負(fù)，說明外貿(mào)企業(yè)的股票波動率在疫情的沖擊下相對于非外貿(mào)企業(yè)所受波動更小，這不符合預(yù)期。事實(shí)上，該回歸中PANDEMIC系數(shù)為正，但PANDEMIC系數(shù)和交乘項(xiàng)系數(shù)之和卻小于0，表明非外貿(mào)企業(yè)在疫情期的股票波動率是上升的，而外貿(mào)企業(yè)在疫情期間的股票波動率反而更低。分析原因，本文認(rèn)為由于新冠肺炎疫情率先在中國爆發(fā)，繼而又在全球范圍內(nèi)持續(xù)擴(kuò)散，相比其他如內(nèi)銷類的非外貿(mào)企業(yè)來說，外貿(mào)類企業(yè)恢復(fù)過程更加艱難和緩慢，中短期內(nèi)外貿(mào)行業(yè)發(fā)展受限已成定局，投資者對此也具有同質(zhì)性信念，分歧程度更低導(dǎo)致外貿(mào)企業(yè)的股票波動率相對下降。

表3 不同類型指標(biāo)下新冠疫情對股價(jià)沖擊的異質(zhì)性影響

3.3 地域指標(biāo)：辦公地點(diǎn)與企業(yè)名稱

湖北武漢作為全國的疫情中心，無疑使得湖北省成為全國疫情最嚴(yán)重的省份，不僅是感染人數(shù)遙遙領(lǐng)先，一系列的封鎖及停工措施也更加嚴(yán)格，這進(jìn)一步限制了在湖北地區(qū)尤其是武漢市內(nèi)辦公企業(yè)的運(yùn)轉(zhuǎn)和發(fā)展，企業(yè)損失更大，不確定性更高，從而導(dǎo)致上市公司的股票收益率更低、波動率更高。此外，當(dāng)系統(tǒng)性外部風(fēng)險(xiǎn)來臨時(shí)，市場情緒復(fù)雜，噪音較高，根據(jù)有限注意力理論（Kehaman，1973）［19］，投資者的注意力是分散且有限的，可能在關(guān)注股市行情時(shí)，很容易對與疫情相關(guān)的字眼過度敏感，如當(dāng)看到股票名稱帶有“武漢”及湖北省其他地名時(shí)，更易產(chǎn)生負(fù)面情緒從而影響對此類股票的交易決策和行為，壓低其股票收益率的同時(shí)提高股票波動率。因此，為驗(yàn)證疫情對上市公司在地域?qū)用嫔系漠愘|(zhì)性影響，選擇是否湖北辦公（HUBEI，在湖北辦公取值為1）、是否武漢辦公（WUHAN，在武漢辦公取值為1）、是否含有地名（NAME，含有地名取值為1）3個(gè)虛擬變量指標(biāo)⑩進(jìn)行檢驗(yàn)，具體仍然是在式（1）的基礎(chǔ)上，分別引入3個(gè)地域指標(biāo)虛擬變量與疫情虛擬變量的交乘項(xiàng)，再進(jìn)行回歸分析。

表4報(bào)告了不同地域指標(biāo)（是否湖北辦公、是否武漢辦公、是否含有地名）下，新冠肺炎疫情對上市公司股價(jià)沖擊的異質(zhì)性影響。從表征辦公地點(diǎn)的兩個(gè)指標(biāo)（是否湖北辦公、是否武漢辦公）來看，當(dāng)對股票收益率進(jìn)行回歸時(shí)，是否湖北辦公與疫情虛擬變量的交乘項(xiàng)系數(shù)符號為正但不顯著，當(dāng)把地域范圍進(jìn)一步縮小至武漢時(shí)，是否武漢辦公與疫情虛擬變量的交乘項(xiàng)系數(shù)在10%的顯著性水平下顯著為正，表明疫情期間處于重疫情區(qū)的企業(yè)股票收益率反而比其他地區(qū)更高，這與預(yù)期相悖。這可能與本文所選擇的疫情區(qū)間較長有關(guān)，疫情區(qū)間包含了武漢解封后的較長區(qū)間，由于后期國內(nèi)疫情基本得到穩(wěn)定控制，復(fù)工復(fù)產(chǎn)有序進(jìn)行，疫情前期由于封鎖更加嚴(yán)格、受損更加嚴(yán)重的重疫情區(qū)在后疫情時(shí)期對復(fù)建工作更加重視且具有針對性，同時(shí)中央及各地政府、慈善組織、人民群眾等給予的扶助資源也更加充足，因此重疫情區(qū)的企業(yè)恢復(fù)更加迅速，使得整體表現(xiàn)較優(yōu)。當(dāng)對股票波動率進(jìn)行回歸時(shí)，兩個(gè)不同層次地域指標(biāo)下的交乘項(xiàng)系數(shù)均在5%的顯著性水平下顯著為正，表明處于重疫情區(qū)的企業(yè)股票波動率上升幅度更大，與預(yù)期相符。

從是否含有地名指標(biāo)來看，在對股票收益率和波動率進(jìn)行回歸時(shí)，交乘項(xiàng)系數(shù)分別為負(fù)和正，與預(yù)期相符，但卻均不顯著，表明由于投資者的有限關(guān)注力，重疫情區(qū)含有地名的企業(yè)與不含地名的企業(yè)相比，具有更低收益率和更高波動率的傾向。本文認(rèn)為不顯著的原因，可能是由于本身含有地名的樣本相對較少（僅有7家），代表性不夠。同時(shí)由于后疫情時(shí)期的有效控制，投資者情緒逐漸平復(fù)并且注意力分散，使得差異趨于收斂。

表4 不同地域指標(biāo)下新冠疫情對股價(jià)沖擊的異質(zhì)性影響

4 結(jié)論和政策啟示

不同于其他宏觀經(jīng)濟(jì)影響研究，本文從微觀股價(jià)波動的視角，驗(yàn)證了新冠肺炎疫情作為系統(tǒng)性的外部風(fēng)險(xiǎn)對我國經(jīng)濟(jì)的沖擊效應(yīng)，并檢驗(yàn)了不同企業(yè)在面臨相同沖擊時(shí)的異質(zhì)性表現(xiàn)。（1）基于統(tǒng)計(jì)數(shù)據(jù)分析，本文認(rèn)為此次股票市場的波動同時(shí)來源于疫情傳播導(dǎo)致的投資者情緒恐慌以及物理限制產(chǎn)生的實(shí)體經(jīng)濟(jì)發(fā)展損失，這種交叉影響導(dǎo)致了股票市場震蕩劇烈。并且由于疫情的傳染性和持續(xù)性，本輪股票市場的異動表現(xiàn)也相對持久，本文對疫情期間的股票市場進(jìn)行了階段劃分，發(fā)現(xiàn)股票市場在疫情期間總體呈現(xiàn)階段性變化；（2）利用事件分析法進(jìn)行回歸分析，發(fā)現(xiàn)疫情期間股票市場整體收益率顯著下降，同時(shí)波動率顯著上升。動態(tài)分析結(jié)果表明股票收益率在疫情期間呈現(xiàn)震蕩式波動，但整體仍然是下降幅度更大，而股票波動率在疫情期間呈現(xiàn)出持續(xù)式上升。進(jìn)一步異質(zhì)性分析發(fā)現(xiàn)，不同企業(yè)在面臨相同沖擊時(shí)確實(shí)存在顯著性的差異：從財(cái)務(wù)指標(biāo)來看，資產(chǎn)規(guī)模更大的企業(yè)和舉債經(jīng)營能力更強(qiáng)的企業(yè)抵御外部風(fēng)險(xiǎn)沖擊能力更大，其股票收益率下降幅度顯著更低。但如果負(fù)債程度更高或自身償債能力更弱，企業(yè)面臨的不確定性相應(yīng)更大，其股票波動率則會更高；從類型指標(biāo)來看，企業(yè)性質(zhì)是否為外資企業(yè)、是否為國有制企業(yè)在疫情期間對股票波動率不存在顯著的差異化影響，但國有制企業(yè)的股票收益率卻存在下降幅度更低的現(xiàn)象。另外，由于受限時(shí)間持久，外貿(mào)企業(yè)相對于非外貿(mào)企業(yè)來說，損失更加嚴(yán)重，企業(yè)的股票收益率下降幅度更為猛烈。從地域指標(biāo)來看，重疫情區(qū)武漢的企業(yè)相比其他地區(qū)企業(yè)來說，其股票波動率上升幅度更高，表明企業(yè)面臨的不確定性更大，但同時(shí)其股票收益率也相對升高，表明災(zāi)后復(fù)建工作的進(jìn)行比較有效。

本文的研究結(jié)論具有一定的現(xiàn)實(shí)意義和政策啟示作用：整體疫情區(qū)間的股票收益率下降，表明我國經(jīng)濟(jì)確實(shí)遭遇了實(shí)質(zhì)性創(chuàng)傷，且具有一定的持續(xù)性。在后疫情時(shí)期，為了加快恢復(fù)經(jīng)濟(jì)建設(shè)，需要更加針對性的采取相應(yīng)措施扶持相關(guān)企業(yè)：（1）對風(fēng)險(xiǎn)抵御能力較弱的中小微企業(yè)要加大政策扶持力度，對資產(chǎn)負(fù)債率較高和償債能力較弱的企業(yè)可以延期稅負(fù)或者進(jìn)行生產(chǎn)補(bǔ)貼；（2）民營企業(yè)相對于國有企業(yè)存在融資難、規(guī)模小等劣勢，后疫情時(shí)期銀行等金融部門可以設(shè)立專門窗口實(shí)施特殊時(shí)期普惠金融服務(wù)；同時(shí)，外貿(mào)企業(yè)受災(zāi)更為嚴(yán)重，需要探索積極的“穩(wěn)外貿(mào)”措施，如發(fā)展創(chuàng)新性外貿(mào)新模式、多渠道開辟新市場、外銷部分轉(zhuǎn)為內(nèi)銷等，幫助外貿(mào)企業(yè)順利過渡；（3）對于重疫區(qū)湖北省武漢市的企業(yè)實(shí)施后續(xù)跟蹤服務(wù)，保證盡快恢復(fù)正常生產(chǎn)。

注釋：

①從供給側(cè)來看，由于農(nóng)業(yè)占比較小且較為穩(wěn)定，故只重點(diǎn)關(guān)注了工業(yè)和服務(wù)業(yè)兩大板塊。

②出口數(shù)據(jù)來自海關(guān)統(tǒng)計(jì)數(shù)據(jù)庫；其他數(shù)據(jù)均來自中國統(tǒng)計(jì)局網(wǎng)站。

③為便于觀察和分析，將2020年第1個(gè)交易日即2020年1月2日的收盤價(jià)定為基準(zhǔn)價(jià)格。

④剔除所有ST公司和數(shù)據(jù)缺失樣本。

⑤收益率（yeildit）采用對數(shù)收益率，波動率（volit）借鑒Parkon?son（1980）和姜富偉等（2019）［16］的方法，計(jì)算公式如下（后文同）：

⑥具體表征變量選擇了公司市值（SCA）表征市值因子，市凈率（PB）表征賬面市值比因子。需要說明的是，本文并未控制市場組合因子，因?yàn)樾鹿诜窝滓咔閷善笔袌龅臎_擊是系統(tǒng)性的，市場的整體波動正是個(gè)股波動的一個(gè)影響途徑和集中體現(xiàn)，因此市場收益率在此處為一個(gè)“Bad Control”，沒有加以控制。

⑦本文采用的所有回歸數(shù)據(jù)（上市公司股市交易數(shù)據(jù)、基本面信息數(shù)據(jù)等）均來自WIND數(shù)據(jù)庫。

⑧武漢宣布解除“封城”意味著國內(nèi)疫情已經(jīng)得到有效控制，統(tǒng)計(jì)數(shù)據(jù)也顯示后期新增確診人數(shù)趨于穩(wěn)定。因此選擇解封之前的時(shí)間區(qū)間能夠很好的表征疫情區(qū)間。

⑨WIND數(shù)據(jù)庫中對于是否為外資企業(yè)有明確的分類，但對于是否為國有制企業(yè)和是否為外貿(mào)企業(yè)沒有直接的分類。作者人工進(jìn)行分類：（1）將中央國有企業(yè)、地方國有企業(yè)、集體企業(yè)、公眾企業(yè)4類企業(yè)劃分為國有制企業(yè)，將民營企業(yè)、外資企業(yè)以及其他企業(yè)劃分為非國有制企業(yè)；（2）在所有上市公司中，將概念股分類中的出口型板塊股票和行業(yè)分類的貿(mào)易類股票的企業(yè)統(tǒng)一歸為外貿(mào)企業(yè)，其他為非外貿(mào)企業(yè)。

⑩需要說明的是，對于前兩個(gè)地域指標(biāo)的構(gòu)建，僅保留了上市公司注冊地與辦公地一致的企業(yè)，剔除僅注冊地在湖北或武漢的樣本，保證公司的辦公實(shí)體是在湖北或武漢地區(qū)內(nèi)；另外，對于第3個(gè)地域指標(biāo)的構(gòu)建，將樣本范圍縮小至在湖北辦公的企業(yè)，以保證湖北地區(qū)含有地名股票和不含有地名股票之間的可比性。