彭愛群 王媛

(安徽工商職業(yè)學院經(jīng)濟貿(mào)易學院 安徽合肥 231100)

1 文獻綜述

龔征旗、孔慶愷（2020）分析了新冠疫情對第一二三產(chǎn)業(yè)的影響，在此基礎上針對上述產(chǎn)業(yè)的發(fā)展提出應對政策，并從產(chǎn)業(yè)轉(zhuǎn)型、國際合作等方面提出相應的政策建議。唐寧琪（2021）從出口受阻、檢疫嚴格、物流困難、復工復產(chǎn)不足及流動資金不足等方面分析了新冠疫情對外貿(mào)企業(yè)的影響，并從政府層面、金融機構層面及外貿(mào)企業(yè)自身層面提出解決對策。劉英（2020）分析了新冠疫情對世界經(jīng)濟及我國產(chǎn)業(yè)的影響，主要分析了對交通運輸業(yè)、物流快遞業(yè)及制造業(yè)的影響，據(jù)此從逆經(jīng)濟周期政策、鼓勵數(shù)字經(jīng)濟發(fā)展、深化供給側(cè)結(jié)構性改革等方面提出解決對策。高語欣等（2021）以743家主板上市公司作為研究對象，基于2019年及2020年財務指標進行分析和聚類分析，把743家上市公司分成4類，分析新冠疫情對不同上市公司財務指標產(chǎn)生的影響。

2 數(shù)據(jù)來源及指標選取

2.1 指標選取

為了說明證券市場對疫情的反應，本文以滬深300指數(shù)對數(shù)收益率反映股票市場受到的沖擊，記為LNRHS。以國債指數(shù)對數(shù)收益率反映債券市場受到的沖擊，記為LNRGZ。對數(shù)收益率的計算公式為：

其中，tr代表的是t日的收益率；pt代表的是t日的收盤價。

國家衛(wèi)健委從2020年1月11日開始公布疫情的相關數(shù)據(jù)，包括新增確診病例、累計確診 病例、新增治愈出院病例、新增死亡病例等相關指標。由于證券市場的反映指標選取的是對數(shù)收益率，基于實證分析的可靠性，本文對疫情相關指標進行相應的處理，以新增確診增長速度衡量我國疫情情況，記為EXR，計算公式為：

其中，EXRt代表t日的確診增長率；新增確診t代表t日的新增確診量；累計確診t-1代表t-1日的累計確診量。

2.2 數(shù)據(jù)來源

本文選取2020年1月11日—2020年5月22日為研究區(qū)間，數(shù)據(jù)的描述性統(tǒng)計如表1所示。

表1 相關指標的描述性統(tǒng)計

3 股票市場與國債市場互動效應的實證分析

3.1 數(shù)據(jù)的平穩(wěn)性檢驗

本文數(shù)據(jù)為時間序列數(shù)據(jù)，因此先對所有數(shù)據(jù)進行單位根檢驗，檢驗方法為ADF法，檢驗結(jié)果如表2所示。

表2 相關指標的ADF檢驗

由檢驗結(jié)果可知，在5%的顯著性水平上，所有變量的原序列為平穩(wěn)序列。

3.2 變量間的協(xié)整檢驗

為了檢測上述變量間是否存在長期穩(wěn)定的協(xié)整關系，本文進行變量間的協(xié)整檢驗，選取Johansen檢驗法，檢驗結(jié)果如表3所示。

表3 協(xié)整檢驗

由檢驗結(jié)果可知，在5%的顯著性水平上，上述變量間至少存在3個協(xié)整關系。

3.3 VAR模型的最優(yōu)滯后階數(shù)確定

根據(jù)LLC法則，確定該VAR模型的最優(yōu)滯后階數(shù)，檢測結(jié)果如表4所示。

表4 VAR模型最優(yōu)滯后階數(shù)選擇

根據(jù)檢測結(jié)果，本文選取1為VAR模型的最優(yōu)滯后階數(shù)。

基于確定的最優(yōu)滯后階數(shù)，對VAR(1)模型進行特征根檢驗，檢驗結(jié)果如圖1所示。

圖1 VAR（1）的AR圖

根據(jù)圖1，VAR（1）模型的3個特征根倒數(shù)的模都位于單位圓內(nèi)，說明該模型是穩(wěn)定的。

3.4 脈沖響應函數(shù)分析

3.4.1 滬深股市對疫情沖擊的反應

在給確診增長率EXR一個正沖擊后，滬深300指數(shù)收益率在前10期均受到反向沖擊，在第2期受到的反向沖擊最大，達到-0.002812，第8期之后影響逐漸平穩(wěn)。這表明，疫情對股票市場產(chǎn)生負面影響。

3.4.2 國債市場對疫情沖擊的反應

在給確診增長率EXR一個正沖擊后，國債指數(shù)收益率在第2期之后受到正向沖擊，在第3期受到的正向沖擊最大，達到7.6E-05，第9期之后影響逐漸平穩(wěn)。這表明，疫情對國債市場產(chǎn)生正面影響。

3.4.3 滬深股市對國債沖擊的反應

在給國債對數(shù)收益率一個正沖擊后，滬深300指數(shù)收益率從第2期開始受到正向沖擊，說明國債市場的變動對股票市場產(chǎn)生正向影響。

3.5 方差分解分析

為了進一步解釋各個變量對滬深300指數(shù)收益率的解釋程度，本文對LNRHS進行方差分解，分解結(jié)果如表5所示。

表5 LNRHS的方差分解

由表5的實證結(jié)果可知，滬深300指數(shù)的波動主要通過自身的變化來解釋，在解釋變量中，影響最大的是確診增長率，貢獻度在5%左右。具體來看，滬深300指數(shù)對自身波動的解釋力度在第1期達到98.87%，之后影響逐漸下降，第4期之后影響逐漸穩(wěn)定在91%左右。確診增長率對滬深300指數(shù)波動的解釋程度逐漸增加，從第4期之后，影響逐漸穩(wěn)定在5%。國債指數(shù)對滬深300指數(shù)波動的貢獻率隨著時間的增加也在逐漸上升，從第2期之后逐漸穩(wěn)定在3%左右。

4 政策建議

4.1 投資者應合理配置資產(chǎn)以應對公共衛(wèi)生事件帶來的風險

由上文實證研究可知，在發(fā)生類似于新冠疫情這類公共衛(wèi)生事件時，由于投資者情緒受到較大的影響，可能導致股票市場發(fā)生波動?；谏衔难芯浚顿Y者在進行資產(chǎn)配置時，應在股票市場和債券市場合理分配，當發(fā)生公共衛(wèi)生事件時，投資者應注意防范風險，及時調(diào)整資產(chǎn)配置，從而最大限度地降低自身的損失。

4.2 充分發(fā)揮經(jīng)濟政策對證券市場的刺激作用

從2019年底確診第一例新冠肺炎病例至今，新冠疫情已持續(xù)兩年多時間，新冠疫情對我國實體經(jīng)濟和證券市場都產(chǎn)生了較大的影響。為保證經(jīng)濟持續(xù)穩(wěn)定發(fā)展，我國貨幣當局應與金融機構聯(lián)動，研究針對類似新冠疫情的長效機制，振奮市場信心，有效規(guī)避此類事件引發(fā)的金融風險。

4.3 投資者應基于經(jīng)濟政策調(diào)整投資行為

依據(jù)政府工作報告，2020年政府安排的財政赤字率為3.6%，2021年底，中央銀行進一步下調(diào)法定存款準備金率及再貸款利率，促進經(jīng)濟的平穩(wěn)發(fā)展。經(jīng)濟政策對于股票市場及國債市場均產(chǎn)生積極的影響，投資者在進行投資操作時，應順應經(jīng)濟形勢，及時調(diào)整投資組合。