王 箐 王鐘黎 李士雪 薛付忠

(山東大學公共衛(wèi)生學院，山東濟南 250012)

一、引言

我國經(jīng)濟已由高速增長轉(zhuǎn)向高質(zhì)量發(fā)展階段。2019年，中國經(jīng)濟抵抗住了外來沖擊的影響，保持總體平穩(wěn)、穩(wěn)中有進的態(tài)勢，向外界展現(xiàn)了巨大的韌性與潛力。但進入2020年，“新冠肺炎”(COVID-19)疫情暴發(fā)，成為中國經(jīng)濟高質(zhì)量發(fā)展的首要不穩(wěn)定和不確定因素。2019年12月，中國向世界衛(wèi)生組織報告湖北武漢發(fā)生不明原因肺炎病例(Sohrabi等，2020)[1]。世界衛(wèi)生組織在1月30日宣布將“新冠肺炎”疫情列為國際關(guān)注的突發(fā)公共衛(wèi)生事件(伊赫亞等，2020)[2]。截至2020年6月5日，全國累計84634例確診病例，4645例死亡病例①新型冠狀病毒肺炎疫情實時大數(shù)據(jù)報告[EB/OL].https://voice.baidu.com/act/newpneumonia/newpneumonia/?from＝osari＿pc＿3，2020-6-5.。疫情期間，中國采取了嚴格隔離的防控措施，包括封閉城市、邊境、限制交通工具等，以遏制“新冠肺炎”疫情的傳播(Yang等，2020)[3]。盡管上述措施有效控制了疫情的惡化，但是疫情及相應(yīng)的防控措施使得中國投資、消費和出口均受到重大影響，短期失業(yè)率上升，物價上升，疫情的經(jīng)濟危害已初見端倪(何誠穎等，2020)[4]。

股票市場是經(jīng)濟的晴雨表。股價不僅隨經(jīng)濟周期的變化而變化，同時也預(yù)示著經(jīng)濟發(fā)展形勢，其波動可能導致實體經(jīng)濟衰退。疫情暴發(fā)后，滬深兩市開市的第一天，兩市3188只個股跌停，滬深300指數(shù)2月3日收跌7.88%，創(chuàng)下自2015年以來最大跌幅。為了定量評價本次疫情對股票市場波動的影響，觀察中國股市在外來沖擊下的穩(wěn)定性，本研究利用深滬綜指所有公司在2020年1月10日至3月20日期間的數(shù)據(jù)，定量分析“新冠肺炎”疫情對中國上市公司股票價格波動的短期影響。

21世紀以來，世界衛(wèi)生組織將級別定在“全球關(guān)注的突發(fā)性公共衛(wèi)生事件”及以上的流行性傳染病類災(zāi)難事件已有五次，如SARS(2003)、H1N1(2009)、EBOV(2014)等，流行性傳染病蘊含著經(jīng)濟社會的重大潛在威脅(Sohrabi等，2020[1]；劉玉珍、王陳豪，2020[5])。已有研究主要從宏觀層面分析流行傳染病的經(jīng)濟影響(劉玉珍、王陳豪，2020)[5]。關(guān)于本次“新冠肺炎”疫情對金融市場的影響，現(xiàn)有文獻主要使用事件分析法，討論了“新冠肺炎”疫情發(fā)展過程中重大事件對跨國股指的影響，少有文獻探討疫情與微觀個體行為之間的關(guān)系及其經(jīng)濟影響(Smith，2006[6]；Al-Awadhi等，2020[7]；Liu 等，2020[8]；Sansa，2020[9]；Liu 等，2020[10])。 微觀證據(jù)不僅是宏觀研究的基礎(chǔ)，也有助于為政策干預(yù)提供切入點，為干預(yù)力度提供證據(jù)支持(He等，2020)[11]。因此，本研究基于上市公司微觀數(shù)據(jù)，綜合使用面板向量自回歸模型和動態(tài)面板模型，分析“新冠肺炎”疫情對上市公司股價波動的影響，并借助行為金融學來解釋可能的影響機制，以期填補已有研究的不足?，F(xiàn)有文獻僅有一篇使用面板數(shù)據(jù)分析每日新增確診病例對上市公司日均收益率的影響，但該研究沒有考慮“新冠肺炎”疫情對上市公司收益率影響的滯后性和非線性(Al-Awadhi等，2020)[7]。本研究在已有研究的基礎(chǔ)上，引進每日新增確診病例的二次項，首次考慮“新冠肺炎”疫情的非線性影響，討論疫情影響股指的微觀基礎(chǔ)；并進一步構(gòu)建動態(tài)面板模型和面板向量自回歸模型，估計疫情影響的滯后性，以期更全面和系統(tǒng)地反映“新冠肺炎”疫情對上市公司股價波動的影響。本研究有助于為構(gòu)建應(yīng)對重大突發(fā)公共衛(wèi)生事件、穩(wěn)定股市的經(jīng)濟對策，保障中國經(jīng)濟高質(zhì)量發(fā)展提供證據(jù)支持，具有重要的政策價值。

二、文獻綜述和機制分析

基于前期文獻，本部分首先從理論上討論“新冠肺炎”疫情通過影響實體經(jīng)濟和投資者情緒引致股市價格波動的路徑，然后結(jié)合已有的實證研究結(jié)果，提出本文的研究假設(shè)。

(一)重大突發(fā)公共衛(wèi)生事件對經(jīng)濟的影響

前期研究已經(jīng)驗證了重大突發(fā)公共衛(wèi)生事件對宏觀經(jīng)濟發(fā)展的嚴重危害(楊光志，2008)[12]。20世紀90年代，英國因為瘋牛病產(chǎn)生了62.5億美元的經(jīng)濟損失。始發(fā)于比利時，蔓延到歐洲的二噁英污染也使歐洲國家蒙受了巨大經(jīng)濟損失，僅比利時一國，直接損失3.55億歐元，間接損失高達10億歐元(Liu等，2020)[10]。亞洲開發(fā)銀行統(tǒng)計，2003年暴發(fā)的SARS導致中國經(jīng)濟損失為179億美元，占當年GDP的1.3%(World Bank，2010)[13]。此次COVID-19疫情，大規(guī)模隔離雖然有效控制住疾病蔓延，但也導致訂單取消(以酒店、餐飲、旅游行業(yè)訂單取消最為嚴重)、企業(yè)原材料采購成本增加、員工無法正常到崗、企業(yè)難以如期復工、企業(yè)經(jīng)營壓力增大、中小企業(yè)出現(xiàn)生存危機(何誠穎等，2020)[4]。一方面，應(yīng)對疫情采取的要素重置可能會背離生產(chǎn)要素由低生產(chǎn)率部門/地區(qū)向高生產(chǎn)率部門/地區(qū)轉(zhuǎn)移的趨勢，偏離最優(yōu)生產(chǎn)組合。要素配置效率低的情形下，企業(yè)實際產(chǎn)出就會距離生產(chǎn)可能性邊界較遠，損害企業(yè)盈利情況，經(jīng)濟發(fā)展?jié)摿Σ荒芡耆尫?Aldeán等，2014)[14]。另一方面，本次疫情導致的人力資本損失可能會延緩企業(yè)技術(shù)進步，損害企業(yè)長期盈利能力，并拖后經(jīng)濟發(fā)展步伐(Lee和Warner，2008)[15]。重大公共衛(wèi)生事件對上述實體經(jīng)濟的危害可能需要一定的時間才能顯現(xiàn)出來。短期內(nèi)，更直接的影響是，上述危害可能會發(fā)生的預(yù)期會迅速導致投資者的情緒和行為的變化，從而誘發(fā)股市的波動(Yang等，2020)[3]。

(二)重大公共衛(wèi)生事件對股市的影響及其情緒反應(yīng)機制

研究發(fā)現(xiàn)，疫情最直接的影響來自疫情的心理效應(yīng)，即通過公眾情緒波動產(chǎn)生社會經(jīng)濟影響(劉玉珍、王陳豪，2020[5]；Aldeán等，2014[14])。 2009-2010年H1N1 病毒暴發(fā)期間，2003年SARS期間和本次疫情期間發(fā)生的某些搶購風潮均是恐慌情緒誘發(fā)的表現(xiàn)(何誠穎等，2020[4]；劉玉珍、王陳豪，2020[5]；He等，2020[11])。SARS事件中，美國和加拿大僅有數(shù)百名確診病例和38名死亡病例，但民眾的擔心情緒使民眾高估了病毒感染概率，恐慌情緒共造成加拿大10億加元損失(Blendon等，2004)[16]。

鑒于投資者情緒和股價的關(guān)聯(lián)，越來越多的研究開始關(guān)注重大突發(fā)公共衛(wèi)生事件通過情緒變化產(chǎn)生的股市影響(Smith，2006[6]；Al-Awadhi等，2020[7]；Liu 等，2020[8]；Sansa，2020[9]；Liu 等，2020[10]；Chen 等，2007[17]；Ichev 和 Marincˇ等，2018[18]；Hood 等，2013[19])。 SARS(Chen等，2007)[17]和埃博拉病毒暴發(fā)期間(Ichev和Marincˇ，2018)[18]，均發(fā)現(xiàn)上述事件引致了個體情緒和心理的變化，產(chǎn)生股價波動。上述機制與其他重大負面事件，如自然災(zāi)害，地震(Kamesaka，2013)[20]、颶風(Siddikee 等，2017)[21]、重大事故(Kawashima 和 Takeda，2012)[22]、鉀鹽礦災(zāi)害(Kowalewski和Spiewanowski，2020)[23]，恐怖襲擊(Brounen 和 Derwall，2010)[24]等，通過投資者情緒變化產(chǎn)生股價波動的機制如出一轍。Smith(2006)[6]總結(jié)了易引致公眾情緒波動的疾病流行特征，如疾病的新發(fā)性、傳染性和病死率較高、傳染機制不確定性和治療手段有限，“新冠肺炎”疫情滿足以上全部特征，符合引致公眾情緒波動的條件。一項精神健康流行調(diào)查表明，疫情暴發(fā)下對“新冠肺炎”信息的過度關(guān)注和對傳播風險的感知會增加焦慮風險(陳蘇虹等，2020)[25]。行為金融學指出，投資者是非完全理性的，投資者的行為會受到情緒、心理等因素的影響。當個體處于消極情緒的時候，相比積極或中性情緒狀態(tài)的時候，個體風險偏好明顯趨于保守，持有股票的意愿較低，傾向于賣出股票。當出現(xiàn)大量賣出的時候，股價隨后下跌(Yuen 和 Lee，2003)[26]。

更為嚴重的是，投資者在面臨復雜的投資決策時，往往通過簡化信息、設(shè)置心理賬戶、忽略非關(guān)鍵信息等非理性方式降低決策的難度(Aldeán等，2014[14]；Yuen和Lee，2003[26])。結(jié)果就是我國股票市場上存在著明顯的“追漲殺跌”現(xiàn)象，即股票價格上漲時，投資者購買股票；而當經(jīng)濟環(huán)境發(fā)生變化，股票價格下降時，投資者變得恐慌，紛紛拋售股票(Fischhoff，2009)[27]。疫情暴發(fā)期間，同樣可能出現(xiàn)“追漲殺跌”的現(xiàn)象。風險既包含事件概率的可測量要素，也包含個人和社會如何看待該概率事件的社會構(gòu)建要素(He等，2020[11]；Tan等，2008[28])。然而，在疫情暴發(fā)期間，由于信息的不確定性、傳遞的不及時甚至虛假信息的傳播，公眾的看法并非基于客觀真實的情況，而是基于意見、猜測和初步結(jié)果做出決策，摻雜了各種情緒化的非理性判斷(Fischhoff，2009)[27]，容易形成偏離現(xiàn)實的風險預(yù)期，導致投資者做出不合理的決定(Li，2015)[29]。這可能會加劇情緒的波動和傳染，形成偏離現(xiàn)實的風險預(yù)期和非理性投資行為，導致追漲殺跌，引發(fā)股價的新一輪波動。綜上所述，本研究認為，“新冠肺炎”疫情存在通過影響投資者情緒，引致股價波動的可能性。

(三)本文研究假設(shè)

鑒于重大公共衛(wèi)生事件可能通過實體經(jīng)濟和投資者情緒影響股市價格波動，本研究認為“新冠肺炎”疫情與股市價格波動存在關(guān)聯(lián)。本研究擬采用每日的疫情數(shù)據(jù)，合并上市公司日均股價波動，分析“新冠肺炎”疫情對股價波動的短期影響?，F(xiàn)有五篇實證研究探討了疫情對股市的短期影響(Smith，2006[6]；Al-Awadhi等，2020[7]；Liu 等，2020[8]；Sansa，2020[9]；Liu 等，2020[10])，其中三篇基于事件分析法，分析了疫情期間跨國股指的變化情況(Liu等，2020[8]；Sansa，2020[9]；Liu等，2020[10])，從宏觀經(jīng)濟層面確定了疫情會對股票市場收益率產(chǎn)生負面影響。進一步，Al-Awadhi等(2020)基于疫情期間上市公司面板數(shù)據(jù)分析，為上述宏觀研究提供了微觀證據(jù)，即每日新增確診病例與上市公司當天股票收益率負相關(guān)[7]。Liu等(2020)分析了疫情在短期沖擊股票市場的機制，發(fā)現(xiàn)投資者預(yù)期和情緒波動是“新冠肺炎”疫情在短時間內(nèi)引致股價變化的原因[8]?；谏鲜龇治?，提出假設(shè)1。

假設(shè)1:“新冠肺炎”疫情短時間內(nèi)會影響上市公司股價波動。

我們綜合使用面板向量自回歸模型和動態(tài)面板模型進行定量研究。盡管已有研究和報告強調(diào)疫情與股市波動的負相關(guān)關(guān)系，但Sansa(2020)對中美2020年3月1日-25日股指的分析結(jié)果顯示，“新冠肺炎”疫情與股指正相關(guān)[9]。這可能是因為疫情與股價存在非線性關(guān)系，這是本文的第二個假設(shè)。

假設(shè)2:“新冠肺炎”疫情與股價呈非線性關(guān)系。

為了驗證假設(shè)2我們引進“新冠肺炎”每日新增確診病例的二次項，定量分析上述假設(shè)。

湖北省是中國疫情暴發(fā)最嚴重、措施最嚴格的地區(qū)。Ichev和Marinc(2018)[18]觀察到，雖然埃博拉疫情事件效應(yīng)影響所有相關(guān)地區(qū)(西非國家和美國)，但埃博拉疫情附近的金融市場更容易受到影響。由此，我們得出第三個假設(shè)。

假設(shè)3:“新冠肺炎”疫情對注冊地為湖北的上市公司股價波動的影響更為顯著。

三、數(shù)據(jù)來源與研究設(shè)計

(一)數(shù)據(jù)來源和變量設(shè)定

本研究的對象是深滬兩市所有A股公司(共計3550家)。上市公司的數(shù)據(jù)及銀行隔夜拆借利率信息來自同花順，共搜集了2020年1月10日至3月20日期間上述公司126281個觀察值，搜集內(nèi)容包括上市公司的注冊地址、股價、換手率，以及當日銀行隔夜拆借利率。本文使用上市公司日均股價對數(shù)的差值衡量疫情期間股市價格的波動幅度，作為研究的因變量。

換手率和銀行間隔夜拆借利率作為股價影響因素，納入固定效應(yīng)模型和動態(tài)面板模型分析。換手率是指單位時間內(nèi)，某一證券累計成交量與可交易量之間的比率，用來衡量股票流通程度。換手率高一般意味著股票流通性好，進出市場比較容易，不會出現(xiàn)想買買不到、想賣賣不出的現(xiàn)象，具有較強的變現(xiàn)能力。然而值得注意的是，換手率較高的股票，往往也是短線資金追逐的對象，投機性較強，股價起伏較大，風險也相對較大。為了對沖“新冠肺炎”疫情對股市和經(jīng)濟的沖擊，保證金融市場的平穩(wěn)運行，銀行間同業(yè)隔夜拆借利率由2019年12月1.98%下降到2020年1月1.88%，進一步在2020年2月下降到1.63%。兩市指數(shù)在波動性調(diào)整后，終于在2020年2月20日重回3000點。銀行間隔夜拆借利率是各銀行間進行短期的相互借貸所適用的利率，是我國市場化程度最高的市場利率之一，能夠影響投資者的融資成本和交易成本，進而影響對股票的需求。利率上升，意味著融資成本和交易成本上升，從而可能引起股票價格下跌(Kowalewski和Spiewanowski，2020[23]；Brounen 和 Derwall，2010[24])。

我們通過上市公司注冊地所在城市匹配當?shù)氐囊咔樾畔?。上市公司注冊地的疫情?shù)據(jù)來自中國疾病預(yù)防控制中心獲得的同期每日的新增確診病例。盡管死亡人數(shù)是衡量疫情嚴重程度的重要指標，但本文沒有納入每日新增死亡病例。原因是城市層面，除了武漢之外，其他城市每日新增死亡人數(shù)最大值為2，90%以上樣本取值為0，變化程度較小，因此沒有用來評價疫情。

(二)面板向量自回歸模型分析

本研究首先構(gòu)建面板向量自回歸模型分析每日新增確診病例對上市股價波動的影響。面板向量自回歸模型將研究系統(tǒng)中研究變量都當作內(nèi)生變量，可以通過計算正交化脈沖響應(yīng)函數(shù)，分析一個內(nèi)生變量的沖擊會給其他內(nèi)生變量帶來的影響，同時該方法也具有面板數(shù)據(jù)分析的優(yōu)點，通過考慮個體效應(yīng)和時間效應(yīng)涵蓋差異性個體和截面的共同沖擊。模型設(shè)定為:

其中，Yijt是包含兩個變量的向量為第j市第i公司股票價格在t天的股價波動幅度，ejt為每日新增確認病例數(shù)(單位:百人)，P為滯后階數(shù)，引入ai和at表示個體效應(yīng)和時間效應(yīng)，εijt是隨機擾動項。本文構(gòu)建該模型的步驟為:(1)我們先對各變量進行平穩(wěn)性檢驗；(2)模型滯后階數(shù)的選擇，利用AIC、BIC和HQIC統(tǒng)計量選取最優(yōu)滯后階數(shù)；(3)利用面板廣義矩估計(GMM)對模型進行估計，說明內(nèi)生變量之間的回歸關(guān)系；(4)計算脈沖響應(yīng)函數(shù)，使用蒙特卡洛模擬200次獲得正交脈沖響應(yīng)函數(shù)圖及其相應(yīng)的95%置信區(qū)間，通過動態(tài)脈沖響應(yīng)圖反映內(nèi)生變量的沖擊對自身及其他內(nèi)生變量的影響。

(三)固定效應(yīng)模型和動態(tài)面板模型分析

由于面板向量自回歸模型只能分析疫情影響的方向，為了精準制定疫情應(yīng)對政策，我們進一步定量估計每日新增確診人數(shù)對股價波動的邊際效應(yīng)。

首先，我們在對各變量進行平穩(wěn)性檢驗的基礎(chǔ)上，構(gòu)建雙向固定效應(yīng)模型，估計疫情對上市公司股價的靜態(tài)效應(yīng)。

Dijt衡量的是j市i公司在t時候股票價格波動幅度，為對數(shù)化i公司股票價格的差(單位:%)，ejt為每日新增確認病例數(shù)(單位:百人)，εijt為誤差項，ui、vt分別為個體和時間的固定效應(yīng)。個體固定效應(yīng)可以控制研究期間不隨時間變化的公司和行業(yè)層面的影響因素，如上市公司的行業(yè)性質(zhì)、公司或者宏觀制度安排等；時間固定效應(yīng)則能夠反映突發(fā)性事件或者宏觀經(jīng)濟基本面對股市價格的影響。在此基礎(chǔ)上，我們還控制了股票換手率wijt和銀行間同業(yè)隔夜拆借利率。鑒于銀行間同業(yè)隔夜拆借利率為非平穩(wěn)數(shù)據(jù)，我們引進了銀行間同業(yè)隔夜拆借利率的變動幅度rjt。集束標準誤差(cluster standard error)糾正樣本的非獨立的問題。

其次，引進每日新增確診人數(shù)二次項，并估計集束標準誤差，反映疫情與股市價格波動幅度的非線性關(guān)系。具體模型如下:

為考慮疫情對股市沖擊的差異性影響，我們引進并估計了疫情和上市公司注冊地在湖北的虛擬變量(hj)的交互項。如果上市公司注冊地在湖北，該虛擬變量賦值為1。

最后，為了反映疫情對上市公司股價波動幅度的滯后效應(yīng)，我們建立了一個動態(tài)面板模型，進行穩(wěn)健性檢驗。

L.Dijt為第j市第i公司股票價格在t天波動幅度的滯后項。L.ejt為每日新增確認病例數(shù)的滯后項。動態(tài)面板模型設(shè)定中將被解釋變量的滯后項作為解釋變量引入到回歸模型中，使得模型具有動態(tài)解釋能力，但存在內(nèi)生性問題，因此采用“系統(tǒng)GMM方法”進行估計，以解釋變量的滯后期作為工具變量對一階差分模型的參數(shù)進行IV估計，得到參數(shù)的一致估計量。為了確保矩條件不被過度約束，進行了一階序列相關(guān)和二階序列相關(guān)的Arellano-Bond檢驗；其后采用Hansen檢驗進行過度識別約束檢驗，確定動態(tài)面板模型。我們剔除極端值，對結(jié)果進行了檢驗，研究結(jié)果不變。本研究使用STATA 15進行估計，Python3.0用于繪圖。

四、分析與結(jié)果

(一)COVID-19與滬深交易所綜合指數(shù)

表1是相關(guān)變量的統(tǒng)計描述。2020年1月10日至3月20日期間，城市層面每日新增確診病例的最大值為13436例，出現(xiàn)在2月13日湖北省武漢市。當天，臨床確診病例被納入確診病例的統(tǒng)計，確診病例迅速增長，遠遠超過該期間每日新增確診病例的平均數(shù)(10.9)。同時期，股市價格波動明顯，全國上市公司的最大跌幅達到27%，在湖北，上市公司最大跌幅21%。同時，股價也有較大反彈，在全國上市公司中，最大漲幅為586%。

表1 變量描述性統(tǒng)計

圖1顯示了每日新增確診與同時期上海和深圳證券交易所綜合指數(shù)。每日新增確診病例增加的時候，上海和深圳股指處于下降階段。上海和深圳證券交易所綜合指數(shù)最大跌幅(7.78%)出現(xiàn)在2020年2月3日，正是疫情迅速蔓延時期。在1月31日至2月5日期間，每日約有3000例新增病例，50例死亡病例。但在2月13日，每日新增確診病例達到頂峰時，股價并沒有出現(xiàn)很大波動，原因可能是該增長主要來自臨床確診病例被納入確診病例。

圖1 COVID-19每日新增確診病例與上證、深證綜合指數(shù)

(二)面板向量自回歸模型分析結(jié)果

在構(gòu)建面板向量自回歸模型之前，首先進行的三個檢驗的結(jié)果如下:第一，ADF單位根檢驗證實了各變量的平穩(wěn)性。每日新增確認病例數(shù)和股票波動幅度ADF統(tǒng)計量分別為80.18(P<0.001)和209.75(P<0.001)，均在1%統(tǒng)計顯著性水平上，故而拒絕單位根，可以使用面板向量自回歸模型估計。第二，根據(jù)AIC、BIC和HQIC統(tǒng)計量最小值判斷最優(yōu)自回歸滯后階數(shù)。面板向量自回歸模型滯后階數(shù)選取為1。第三，穩(wěn)定性檢驗表明(圖2)，該模型具有穩(wěn)定性。

由于面板向量自回歸模型的參數(shù)并沒有實際經(jīng)濟意義，一般只關(guān)注其引出的脈沖響應(yīng)函數(shù)。因此，沒有列示該模型估計參數(shù)，而是在圖3列示了脈沖響應(yīng)函數(shù)，分析每日新增確診病例對股價波動幅度的動態(tài)影響。給予每日新增確診病例的一個正交化信息沖擊，股價產(chǎn)生負面波動，該沖擊先增大，然后快速減小，最終收斂于一個很小的負面影響。這表明面對新增病例增加的沖擊，股價立即加快下跌，但沖擊影響僅持續(xù)一個較短時間。

圖2 面板向量自回歸模型穩(wěn)定性檢驗

(三)固定效應(yīng)模型和動態(tài)面板模型分析結(jié)果

表2顯示了固定效應(yīng)模型和動態(tài)面板模型分析結(jié)果。模型1靜態(tài)面板雙向固定效應(yīng)模型發(fā)現(xiàn)每日新增確診病例和股價波動幅度顯著負相關(guān)。換手率和上市公司的漲跌幅顯著正相關(guān)，換手率越高的上市公司，其股價波動幅度越高；銀行間同業(yè)拆借利率的下調(diào)有助于促使股價顯著回升。引進每日新增病例二次項的靜態(tài)面板固定效應(yīng)模型(模型2)的回歸結(jié)果表明，每日新增確診病例的一次項和二次項均與股票價格波動幅度變化顯著相關(guān)，這表明該影響是非線性的:每日新增確診病例與股票漲跌幅呈U型關(guān)系。隨著每日新增確診病例增加，股票價格下降的速度先變大，當每日新增確診病例達到55時，出現(xiàn)轉(zhuǎn)折點，隨著每日新增確診病例數(shù)進一步增加，股價下跌速度開始縮小。但在目前的每日新增確診病例最大值范圍內(nèi)，隨著每日新增確診病例的增加，股票價格仍然持續(xù)下降。

模型3分析相比其他地區(qū)，疫情沖擊對湖北的差異化影響。湖北虛擬變量與每日新增確診病例一次項和二次項的交互項均具有統(tǒng)計顯著性，說明疫情在湖北和其他地區(qū)對股價波動的影響具有異質(zhì)性。湖北地區(qū)二次項系數(shù)變?yōu)?，一次項系數(shù)為負，說明每日新增確診病例和股價波動幅度總是顯著負相關(guān)，隨著每日新增確診病例增加，股價持續(xù)下跌。非湖北地區(qū)，仍然是二次項系數(shù)為正，一次項系數(shù)為負，隨著每日新增確診病例增加，股票價格下跌的速度先變大，隨后減小。

圖3 新增確診病例對股價波動的脈沖反應(yīng)圖

模型4展示了動態(tài)面板模型分析的每日新增確診病例對股價波動幅度的滯后影響?！靶鹿诜窝住币咔榇嬖跍笮?yīng)。然而，滯后效應(yīng)僅持續(xù)1天，每日新增確診病例滯后2期的變量系數(shù)不再具有統(tǒng)計顯著性。在我國股票市場，存在股價自動回復股價基本面的趨勢，這與面板向量自回歸模型結(jié)果相呼應(yīng)。疫情對股票價格波動的機制主要是通過短時間的情緒變化引致。當情緒隨著時間恢復平穩(wěn)，疫情對股價波動的影響也相應(yīng)地消失。其次，從回歸系數(shù)來看，每日新增確診病例一次項和二次項均具有統(tǒng)計顯著性，一次項系數(shù)為負，二次項為正。這與靜態(tài)面板固定效應(yīng)模型的估計結(jié)果一致。最后，對比靜態(tài)面板模型和動態(tài)面板模型的回歸結(jié)果發(fā)現(xiàn)，在動態(tài)面板模型估計中，控制了股價滯后項后，當日新增確診病例對同時期上市公司股價波動的邊際效應(yīng)較大。同時，我們觀察到股價滯后一期的系數(shù)為負，這說明疫情對股價波動的影響可以通過股價波動產(chǎn)生累積效應(yīng)，股價下行波動具有慣性。當控制了股價波動的趨勢后，疫情對上市公司股價波動的負面影響增加。

表2 每日新增確診和死亡病例對上市公司股價漲跌幅的影響

五、結(jié)論與建議

利用2020年1月10日至3月20日滬深兩市A股上市公司數(shù)據(jù)，我們綜合使用面板向量自回歸模型、靜態(tài)雙向固定效應(yīng)模型和動態(tài)面板模型，估計了上市公司注冊地“新冠肺炎”疫情對上市公司股價短時期波動的影響。研究表明，每日新增確診病例的增加會導致當天股市價格下跌，且隨著疫情嚴重程度增加，下跌速度加快?？赡艿慕忉屖且咔榧觿×送顿Y者恐懼和焦慮等情緒，導致股價在基本面尚未出現(xiàn)變化，股市價格因為投資者情緒波動、風險偏好趨于保守而出現(xiàn)下行調(diào)整。這與我們觀察到疫情滯后效應(yīng)僅持續(xù)1天，其后價格波動消退的結(jié)果相一致，“新冠肺炎”疫情對股票短期價格波動的影響機制主要是通過短時間的情緒變化引致，這與前期對SARS和埃博拉對股市沖擊的分析結(jié)論一致(Ichev和Marincˇ，2018[18]；Hood等，2013[19])。

我們也觀察到疫情達到一定程度，股市下跌趨勢有減緩的趨勢，這可能與疫情治療和控制方面的好消息相關(guān)；也可能是投資者對疫情的消息情緒沖動平復后，理性行為占上風，投資者的行為趨于穩(wěn)定。但是，在風險相對較大、疫情較為嚴重的湖北地區(qū)，疫情對注冊地為湖北的上市公司股價的影響持續(xù)加快，而沒有變緩的趨勢。

本研究關(guān)于疫情對股市影響的實證分析有助于當局和投資者了解疫情期間金融市場的波動，提前做出應(yīng)對，減輕疫情潛在的經(jīng)濟危害，特別是在疫情嚴重的地區(qū)?？紤]到情緒是疫情影響股價的潛在機制，流行病暴發(fā)期間心理監(jiān)測或情緒管理干預(yù)不僅有助于識別心理健康問題，而且有助于人們控制情緒，避免不合理的投資行為。

我們應(yīng)該優(yōu)化疫情信息發(fā)布的方式方法，達到穩(wěn)定輿情和公眾情緒的作用。相關(guān)政府部門或者權(quán)威科研機構(gòu)應(yīng)該及時、準確發(fā)布疫情實際風險、可靠的科學研究結(jié)果、有效的防護措施以及可行的治療或診斷方案，同時，相關(guān)部門應(yīng)該及時控制謠言散播，通過多種渠道了解輿情，有的放矢的做出應(yīng)對，避免虛假消息擴散，以穩(wěn)定公眾情緒。優(yōu)化疫情消息的傳播渠道和方式不僅有助于增強公眾對疫情風險的認識，服務(wù)疫情控制方案的實施；也有助于公眾保持冷靜，根據(jù)客觀信息和實際風險做出投資決策。

此外，要重視救市政策的使用。研究發(fā)現(xiàn)，銀行隔夜拆借利率有助于緩沖股票價格下跌。但是，合理發(fā)揮貨幣政策的作用，緩解疫情的經(jīng)濟危害需要抓好時間窗口期。疫情通過情緒引致的股價波動是短時間的沖擊，并且其影響程度具有非線性特點，處于變化中；而政策從制定到實施，再到最終發(fā)揮作用，往往需要一段時間，如何根據(jù)疫情變化匹配救市政策的時點和強度，有待進一步研究。

需要說明的是，本研究估計的不是因果效應(yīng)，也沒有量化影響途徑，這為干預(yù)措施的設(shè)計和實施增加了不確定性。但我們的研究是基于大量數(shù)據(jù)的分析結(jié)果，且與前期研究互為支撐，能夠反映一定的真實情況。本研究沒有評估疫情過程中積極信號或者消息的影響，未來可能要綜合考慮各種信息以及輿情，拓展疫情對股市波動的影響分析。本研究主要分析了短時間內(nèi)，疫情通過情緒變化產(chǎn)生股價波動的影響，不足以涵蓋疫情對上市公司盈利能力產(chǎn)生沖擊，并影響上市公司股價波動，而后者是對股價基本面的影響，其對股市波動的影響更為深遠。該部分的影響有待于持續(xù)研究。