賴澤文

(浙江財經(jīng)大學(xué) 浙江杭州 310018)

作為商品流通的終端環(huán)節(jié)，零售業(yè)是國民經(jīng)濟(jì)的先導(dǎo)產(chǎn)業(yè)和基礎(chǔ)產(chǎn)業(yè)，是消費拉動經(jīng)濟(jì)增長的著力點，也是吸納就業(yè)的蓄水池。其中的百貨零售業(yè)消費已成為中國經(jīng)濟(jì)的重要支撐，成為穩(wěn)定器、壓艙石。而2019年末2020年初新冠疫情的爆發(fā)對各類零售商而言是一個嚴(yán)峻的挑戰(zhàn)，對于以線下實體銷售為主的百貨零售商而言損失更大。

因此，研究新冠疫情對百貨零售業(yè)頭部公司所面臨風(fēng)險造成的影響對于我國經(jīng)濟(jì)的風(fēng)險管理具有極為重要的意義。

本文嘗試對比研究百貨零售業(yè)部分頭部公司以及其所處市場的多維度風(fēng)險隨著新冠疫情嚴(yán)重程度變化而發(fā)生對應(yīng)的變化情況。首先，本文使用事件分析法來選擇數(shù)據(jù)樣本，即圍繞新冠疫情最初爆發(fā)時間節(jié)點和后疫情時間段選擇數(shù)據(jù)；其次，計算相關(guān)市場股票指數(shù)和公司的股票日收益率的月波動率、因子載荷、特質(zhì)性波動率、在險價值和預(yù)期虧空分別來量化其總體風(fēng)險、系統(tǒng)性風(fēng)險、非系統(tǒng)性風(fēng)險和左尾風(fēng)險。在量化系統(tǒng)性風(fēng)險和非系統(tǒng)性風(fēng)險時，通過CAPM風(fēng)險模型提取出百貨零售業(yè)龍頭股的因子載荷和特質(zhì)性波動率；最后，利用數(shù)據(jù)制作折線圖分析研究百貨零售業(yè)頭部公司的風(fēng)險變化情況。

本研究的目的是實證分析出新冠疫情爆發(fā)時期和后疫情時期百貨零售業(yè)頭部公司風(fēng)險變化的特性。

本文從綜述文獻(xiàn)、所給模型與理論基礎(chǔ)及相關(guān)數(shù)據(jù)進(jìn)行實證結(jié)果分析，最后得出結(jié)論。

1 文獻(xiàn)綜述

從現(xiàn)有研究來看，目前對新冠疫情時期及后疫情時期中國零售業(yè)的研究主要集中在如何應(yīng)對由于疫情所帶來的風(fēng)險，以及定性地描述零售業(yè)面臨的困境和挑戰(zhàn)。

在商業(yè)模式上，有學(xué)者認(rèn)為要圍繞商業(yè)模式核心要素人、貨、場進(jìn)行重構(gòu)，并提出五種數(shù)字經(jīng)濟(jì)下零售商業(yè)模式創(chuàng)新的路徑選擇；縮短消費者購物距離，開展全渠道營銷,尤其是線上及直播渠道等。在發(fā)展數(shù)字化新零售上，從更新營銷理念、健全產(chǎn)業(yè)標(biāo)準(zhǔn)、加強(qiáng)供應(yīng)管理、嚴(yán)控產(chǎn)品質(zhì)量、實施人才戰(zhàn)略五個方面推動新零售轉(zhuǎn)型；構(gòu)建實體零售全渠道數(shù)據(jù)平臺,打造縱向一體化戰(zhàn)略下的數(shù)字化供應(yīng)鏈體系。此外，在大規(guī)模的外生經(jīng)營沖擊背景下，擁有響應(yīng)能力較強(qiáng)的主營業(yè)務(wù)對零售企業(yè)取得較高的業(yè)績起著決定性作用。

實體零售業(yè)所面臨的困境和挑戰(zhàn)可分為供給側(cè)和需求側(cè)。在供給側(cè)方面，由于2020年新冠疫情在全球蔓延，且零售業(yè)的產(chǎn)出對價格影響較為敏感，國內(nèi)供應(yīng)鏈中斷風(fēng)險加大，這其中包括運輸端和制造端斷裂風(fēng)險；在需求側(cè)，新冠疫情最初爆發(fā)時間節(jié)點恰逢中國春節(jié)，這通常是消費者消費的高峰期，疫情導(dǎo)致客流量大幅下降，購買訂單大幅減少，企業(yè)的庫存商品無法銷售變現(xiàn)；后疫情時代消費者的消費習(xí)慣發(fā)生改變，環(huán)境變化和挑戰(zhàn)、個人心理變化、溝通渠道變化和資源不可用激發(fā)了消費者的數(shù)字參與積極性，傳統(tǒng)企業(yè)場景應(yīng)用不匹配。資金周轉(zhuǎn)緊張及庫存積壓、供應(yīng)鏈斷裂加大了財務(wù)風(fēng)險和經(jīng)營風(fēng)險。此外，在新冠疫情發(fā)展的三個階段，零售業(yè)商業(yè)模式創(chuàng)新本身也有風(fēng)險，并且相關(guān)風(fēng)險等級隨著創(chuàng)新的普及和深入逐步上升，其中疫情最嚴(yán)重階段零售企業(yè)發(fā)展模式轉(zhuǎn)變明顯，風(fēng)險最大。

在一般零售企業(yè)風(fēng)險的定量研究方面，有學(xué)者采用Z分?jǐn)?shù)模型對實體零售企業(yè)面臨的財務(wù)風(fēng)險進(jìn)行評估，發(fā)現(xiàn)新冠疫情給整個行業(yè)帶來巨大的沖擊，其中對百貨子行業(yè)的沖擊最大，百貨和多業(yè)態(tài)零售子行業(yè)財務(wù)風(fēng)險加劇。但是，對一般零售企業(yè)面臨風(fēng)險的定量研究比較少見，對實體百貨零售業(yè)面臨的多維風(fēng)險如系統(tǒng)性風(fēng)險、特質(zhì)性風(fēng)險、左尾風(fēng)險等的定量研究更是少之又少。故本文在新冠疫情爆發(fā)時期及后疫情時期從量化的角度多維度分析研究百貨零售業(yè)頭部公司，以及所處市場所面臨的風(fēng)險及其變化特征。

2 模型、方法與數(shù)據(jù)

2.1 模型與理論基礎(chǔ)

本文采取CAPM風(fēng)險模型作為理論模型，通過相關(guān)風(fēng)險指標(biāo)量化對應(yīng)風(fēng)險，從而對新冠疫情時期和后疫情時期百貨零售業(yè)頭部公司和相關(guān)市場風(fēng)險的變化進(jìn)行分析。

CAPM風(fēng)險模型數(shù)學(xué)表達(dá)式：

式(1)中rp,t和MKTt分別是所選取百貨零售業(yè)個股(p)和指數(shù)(上證A股指數(shù)和上證可選消費指數(shù))在t時期內(nèi)的日收益率，本文將以βp來衡量系統(tǒng)性風(fēng)險，即市場風(fēng)險，以ε p,t(不能被市場或行業(yè)解釋的部分)的標(biāo)準(zhǔn)差即特質(zhì)性波動率來衡量非系統(tǒng)性風(fēng)險。

2.2 實證方法

2.2.1 分析方法

本文采用事件分析法(借助金融市場數(shù)據(jù)分析某一特定事件對于某個經(jīng)濟(jì)對象造成的影響)，其中中國新冠疫情的爆發(fā)被選取為特定事件。本文選取疫情最初爆發(fā)的時間節(jié)點為2019年末到2020年初，被選擇樣本的時間跨度約為3年零8個月，具體時間范圍是2019年10月8日到2023年5月19日；分析對象是上海股票市場的百貨零售業(yè)部分頭部公司和對應(yīng)的市場，所選取個股分別為杭州解百股份有限公司(600814)、王府井(600859)、翠微股份(603123)、重慶百貨(600729)，對照組股票指數(shù)分別為上證A股指數(shù)(000002)和上證可選消費指數(shù)(000035)。

2.2.2 指標(biāo)的計算方法、意義或表現(xiàn)形式

(1) 總體風(fēng)險指標(biāo)——月波動率計算公式：

式(2)中：X為個股或市場股票指數(shù)日收益率所選取樣本的觀測值，為各個樣本組(每個月的日度收益率為一個樣本組)日收益率的均值，n為某個樣本組中包含的觀測點數(shù)量。

(2)左尾風(fēng)險指標(biāo)：①在險價值(Value at Risk/VaR)，將個股或指數(shù)在所選擇時間段內(nèi)的日收益率由大到小依次排列，公式如下：

式(3)中：L、i、fx分別為Px所在組段的下限、組距和頻數(shù)；∑fL為小于L所在組段的累計頻數(shù))分別計算出1.10%、0.90%、0.80%、0.60%、0.40%、0.30%、0.10%的百分位數(shù)。②預(yù)期虧空(Expected Shortfall/ES)，基于計算得出的在險價值，計算在損失超出第1.1百分位數(shù)條件下?lián)p失的等權(quán)重均值。

(3)系統(tǒng)性風(fēng)險指標(biāo)——因子載荷(Beta/β)：在本文中表現(xiàn)形式為當(dāng)市場(上證A股指數(shù)或上證可選消費指數(shù))變動1單位時，個股向上或向下變動的幅度。

(4)非系統(tǒng)性風(fēng)險指標(biāo)——特質(zhì)性波動率：在本文中用來衡量剔除系統(tǒng)性風(fēng)險后，當(dāng)個股代表的公司特質(zhì)性因素發(fā)生變動時，個股(杭州解百股票)所受到的影響。

(5)疫情嚴(yán)重程度指標(biāo)——月度新增確診病例數(shù)：月度新增確診病例數(shù)越高在一定程度上表明疫情越嚴(yán)重，當(dāng)疫情嚴(yán)重時會對市場和百貨零售業(yè)龍頭公司產(chǎn)生負(fù)面影響。

2.2.3 數(shù)據(jù)來源

由于無法在單個數(shù)據(jù)庫中獲取全部所需原始數(shù)據(jù)，本文所使用的原始數(shù)據(jù)中2019年10月到2023年4月的個股數(shù)據(jù)均來自CCER經(jīng)濟(jì)金融研究數(shù)據(jù)庫，2023年5月份的個股數(shù)據(jù)則來自同花順；股票指數(shù)的原始數(shù)據(jù)均來自國泰安數(shù)據(jù)庫；新增確診病例原始數(shù)據(jù)均來自Wind數(shù)據(jù)庫。CCER經(jīng)濟(jì)金融研究數(shù)據(jù)庫、國泰安數(shù)據(jù)庫和Wind數(shù)據(jù)庫皆是具有高質(zhì)量數(shù)據(jù)的權(quán)威性數(shù)據(jù)庫，同花順是一款股票行情交易軟件，記載了實時和歷史交易數(shù)據(jù)。

在疫情嚴(yán)重程度指標(biāo)的獲取上，本文選擇了2020年1月至2022年12月的全國新冠肺炎當(dāng)日新增確診病例數(shù)的月合計數(shù)。因為中國新冠疫情爆發(fā)的時間點在2020年初，所以從2020年1月開始計算新增確診病例數(shù)；而且，在2022年12月13日中國疫情全面放開，往后新冠肺炎新增確診數(shù)與新冠肺炎實際感染人數(shù)之間必然存在較大差距，所以計算月度新增確診病例數(shù)的時間終點為2022年12月。

在收益率指標(biāo)的獲取上，對于個股，本文通過CCER經(jīng)濟(jì)金融研究數(shù)據(jù)庫——標(biāo)準(zhǔn)數(shù)據(jù)——A股市場——交易數(shù)據(jù)——股票價格收益——日度價格、收益及風(fēng)險信息，從而得到收盤價的數(shù)據(jù)，然后使用收盤價通過簡單收益率計算方式計算出個股日回報率；對于指數(shù)，本文選取國泰安數(shù)據(jù)庫——股票市場系列——市場指數(shù)——國內(nèi)指數(shù)交易數(shù)據(jù)——國內(nèi)指數(shù)日行情文件，從而得到股票指數(shù)日回報率數(shù)據(jù)。

在時間樣本的選擇上，由于本文研究的重點是新冠疫情爆發(fā)時期及后疫情時期百貨零售業(yè)頭部公司的風(fēng)險變化，因此選擇的時間樣本分別為圍繞新冠疫情最初開始的時間節(jié)點(2019年12月)前后的8個月即2019年10月到2020年5月，以及后疫情時期開始后的3年即2020年6月到2023年5月。該樣本的選擇符合使用事件分析法的條件。

在股票指數(shù)樣本的選擇上，本文選取的是上證A股指數(shù)，因為在上海證券交易所上市的公司相對在北京交易所、深圳交易所上市的公司而言運營更加成熟、體量更大、發(fā)展也更穩(wěn)定，而且上海證券交易所已經(jīng)成為全球第三大證券交易所和全球最活躍的證券交易所之一，因此上證A股指數(shù)具有較強(qiáng)的代表性，在很大程度上可以反映中國市場的變化情況。此外，本文的研究對象是百貨零售業(yè)頭部公司，而百貨零售類商品大部分屬于可選消費品，所以股票指數(shù)中還選取了上證可選指數(shù)。

在個股樣本的選擇上，本文選取百貨零售行業(yè)中的頭部公司股票，并從相關(guān)公司影響力的地域范圍角度自大至小選取個股，即王府井(王府井是全國規(guī)模最大、業(yè)態(tài)最全的商業(yè)零售集團(tuán)之一，公司銷售網(wǎng)絡(luò)覆蓋中國七大經(jīng)濟(jì)區(qū)域，能夠較為全面地反映疫情對其的影響)、重慶百貨(中國西部地區(qū)百貨零售龍頭企業(yè))、杭州解百(浙江百貨零售頭部公司)、翠微股份(旗下翠微百貨是北京市海淀區(qū)區(qū)屬商業(yè)龍頭企業(yè))。通過量化基于地域劃分的百貨零售業(yè)頭部公司股票所面臨風(fēng)險的表現(xiàn)情況，本文重點分析新冠疫情對百貨零售業(yè)頭部公司所面臨風(fēng)險所造成的影響。

此外，在為什么選擇這些個股的角度上，本文還有一個考量維度。新冠疫情的爆發(fā)對于百貨零售業(yè)具有負(fù)面影響，但也具有正面影響——“零售新模式”快速發(fā)展，這對于百貨零售業(yè)的風(fēng)險變化直觀上具有顯著影響，所以該因素有必要納入個股樣本選擇的考慮中。

新冠疫情期間，杭州解百股份有限公司旗下的杭州大廈進(jìn)行了許多新零售方面的嘗試，如建設(shè)線上社群、大力推動小程序、線上商城、直播等線上玩法等；轉(zhuǎn)變對百貨零售商形式上的觀念：把自己從渠道商轉(zhuǎn)為能夠滿足多元化消費需求的服務(wù)運營商；同時，杭州大廈始終不忘初心——堅持定位于高端百貨，做差異化產(chǎn)品，而不是盲從線上銷售等形式的新零售趨勢。

杭州解百在新零售趨勢中的敏感性、適應(yīng)性及靈活性從中可見一斑。因此，本文計算特質(zhì)性波動率和因子載荷時選取杭州解百股票的日回報率作為計算對象。

計算指標(biāo)的樣本選擇與獲取。

月波動率：以個股和股票指數(shù)自2019年10月至2023年5月這個時間段內(nèi)每個月的日回報率為一個小樣本單位來計算樣本標(biāo)準(zhǔn)差，計算對象是所選取的四只股票和兩只股票指數(shù)的日收益率。

在險價值：時間段樣本為2019年10月至2023年5月，選取的顯著性水平分別為1.10%、0.90%、0.80%、0.60%、0.40%、0.30%、0.10%，計算對象是所選取的四只股票和兩只股票指數(shù)。計算方式為利用Excel軟件數(shù)據(jù)分析庫中的排位與百分比排位功能對樣本數(shù)據(jù)進(jìn)行處理，從而得到相應(yīng)顯著性水平下的在險價值。

預(yù)期虧空：時間段為2019年10月8日至2023年5月19日，顯著性水平為1.10%，計算對象是所選取的四只股票和兩只股票指數(shù)。

因子載荷：在2019年10月8日至2020年5月29日時間段內(nèi)(新冠疫情爆發(fā)時間段樣本)，每兩個月為1個樣本單位；在2020年6月1日至2023年5月19日時間段內(nèi)(后疫情時期時間樣本)，每兩個月為1個樣本單位。計算方法為利用軟件Excel數(shù)據(jù)分析庫中的回歸功能對樣本數(shù)據(jù)進(jìn)行回歸得到的Coefficients of X Variable即為因子載荷，被解釋變量y為杭州解百股票的日收益率，解釋變量x為上證A股指數(shù)或上證可選消費指數(shù)的日收益率。

特質(zhì)性波動率：在2019年10月8日至2020年5月29日時間段內(nèi)，每兩個月為1個樣本單位；在2020年6月1日至2023年5月19日時間段內(nèi)，每兩個月為1個樣本單位。計算方法為利用軟件Excel數(shù)據(jù)分析庫中的回歸功能對樣本數(shù)據(jù)進(jìn)行回歸，得到模型回歸殘差，再計算出每組樣本殘差的標(biāo)準(zhǔn)差即為特質(zhì)性波動率，被解釋變量y為杭州解百股票的日收益率，解釋變量x為上證A股指數(shù)或上證可選消費指數(shù)的日收益率。

3 實證結(jié)果分析和結(jié)論

3.1 實證結(jié)果

3.1.1 月波動率

由圖1可知，在本文所選取的新冠疫情爆發(fā)后的1年當(dāng)中，市場大盤(上證A股指數(shù)和上證可選消費指數(shù))的總體風(fēng)險(月波動率)在2020年的2月份和7月份達(dá)到峰值。而2020年年初到2020年3月底我國處于疫情沖擊階段，尤其是在2020年2月份，我國疫情進(jìn)入疫情爆發(fā)以來最為嚴(yán)重的時期，圖1中表現(xiàn)為月度新冠肺炎新增確診病例數(shù)驟增達(dá)到峰值，大盤指數(shù)在短期內(nèi)暴跌，當(dāng)月波動率驟增。

圖1 2019年10月至2023年5月個股、股指波動率和新冠肺炎新增確診病例數(shù)月度折線圖

為了應(yīng)對疫情，在2020年1月份國家衛(wèi)生健康委發(fā)布《新型冠狀病毒感染的肺炎防控方案》《新型冠狀病毒感染的肺炎診療方案》和《新型冠狀病毒感染的肺炎重癥患者集中救治方案》，前兩者的版本根據(jù)后續(xù)實際情況不斷更新；2020年2月份國務(wù)院聯(lián)防聯(lián)控機(jī)制印發(fā)《關(guān)于進(jìn)一步強(qiáng)化責(zé)任落實做好防治工作的通知》《關(guān)于科學(xué)防治精準(zhǔn)施策分區(qū)分級做好新冠肺炎疫情防控工作的指導(dǎo)意見》《企事業(yè)單位復(fù)工復(fù)產(chǎn)疫情防控措施指南》《關(guān)于進(jìn)一步落實分區(qū)分級差異化防控策略的通知》；2020年3月份國務(wù)院辦公廳印發(fā)《關(guān)于應(yīng)對新冠肺炎疫情影響強(qiáng)化穩(wěn)就業(yè)舉措的實施意見》。

在2020年3月份中國疫情爆發(fā)的猛烈勢頭逐漸平穩(wěn)，中國渡過了首輪新冠疫情流行高峰，在圖1中表現(xiàn)為月度新冠肺炎新增確診病例數(shù)大幅下降，與之對應(yīng)的是圖1中2020年3月份大盤指數(shù)的月波動率有所下降。

2020年4月份，國務(wù)院聯(lián)防聯(lián)控機(jī)制印發(fā)《關(guān)于進(jìn)一步做好重點場所重點單位重點人群新冠肺炎疫情防控相關(guān)工作的通知》和《新冠病毒無癥狀感染者管理規(guī)范》，中央應(yīng)對疫情工作領(lǐng)導(dǎo)小組印發(fā)《關(guān)于在有效防控疫情的同時積極有序推進(jìn)復(fù)工復(fù)產(chǎn)的指導(dǎo)意見》，國務(wù)院聯(lián)防聯(lián)控機(jī)制印發(fā)《全國不同風(fēng)險地區(qū)企事業(yè)單位復(fù)工復(fù)產(chǎn)疫情防控措施指南》；2020年5月份，國務(wù)院聯(lián)防聯(lián)控機(jī)制印發(fā)《關(guān)于做好新冠肺炎疫情常態(tài)化防控工作的指導(dǎo)意見》。中國新冠肺炎新增確診病例數(shù)在4、5月份逐步動態(tài)清零，在4月末全國疫情防控進(jìn)入常態(tài)化，與之對應(yīng)的是圖1中大盤指數(shù)4、5月份的波動率較平穩(wěn)。

2020年4、5月份疫情的好轉(zhuǎn)使得宏觀經(jīng)濟(jì)開始上行，各項宏觀經(jīng)濟(jì)指標(biāo)如PMI、10年期國債收益率等逐漸增長，而股市大盤具有親周期性，宏觀經(jīng)濟(jì)的好轉(zhuǎn)推動了股市在7月份大漲，從而使得大盤指數(shù)7月份的波動率驟增。這與圖1中大盤指數(shù)月波動率大幅提高的趨勢相吻合。

2021年，中國堅持“動態(tài)清零”總方針,用一個潛伏期(14天)就控制住德爾塔變異株帶來的疫情。這1年中國疫情對市場大盤造成的直接影響較弱，其中具體間接影響無法從圖中推斷得出。

2022年3月和4月中國新冠疫情反彈，尤其是上海市在此期間幾乎停擺，表現(xiàn)為圖1中的月度新冠肺炎新增確診病例數(shù)大幅增加，4月份是這次疫情沖擊的主要時間節(jié)點，宏觀經(jīng)濟(jì)下行壓力增大，而圖1中大盤指數(shù)波動率也在2022年3月提高并在4月達(dá)到峰值。

2022年11月、12月圖1中月度新冠肺炎新增確診病例數(shù)激增，大盤指數(shù)的波動率則在11月達(dá)到峰值。2022年12月7日，由于相關(guān)病毒致病力不斷減弱且傳播速度快，我國疫苗接種的普及以及防控經(jīng)驗的積累，國務(wù)院聯(lián)防聯(lián)控機(jī)制綜合組公布優(yōu)化落實疫情防控的“新十條”，這意味著全面放開疫情，也正是上述三個緣由，全面放開疫情對我國經(jīng)濟(jì)并沒有造成較大的沖擊，與之相應(yīng)的是圖1中2022年12月后的大盤指數(shù)波動率相對較為平緩。

2022年12月26日，國務(wù)院聯(lián)防聯(lián)控機(jī)制綜合組印發(fā)《關(guān)于對新型冠狀病毒感染實施“乙類乙管”的總體方案》；2023年5月5日，世界衛(wèi)生組織宣布，新冠疫情不再構(gòu)成“國際關(guān)注的突發(fā)公共衛(wèi)生事件”。在這5個月當(dāng)中，新冠疫情的影響趨于緩和，宏觀經(jīng)濟(jì)正在緩慢復(fù)蘇，圖1中大盤指數(shù)月波動率的變化較為和緩，符合這一特征。

顯然，市場總體風(fēng)險表現(xiàn)為“親疫情趨勢”，其變化與疫情嚴(yán)重程度的變化有較強(qiáng)的關(guān)聯(lián)性。

而百貨零售板塊各個不同大小地域?qū)?yīng)龍頭股的總體風(fēng)險則表現(xiàn)穩(wěn)定、絕對數(shù)值低且平緩，受到所處市場行情波動的影響很小。對于總體風(fēng)險而言，百貨零售業(yè)的龍頭股呈現(xiàn)出較強(qiáng)的對疫情、對市場風(fēng)險變化的抵御能力。

3.1.2 因子載荷和特質(zhì)性波動率

特質(zhì)性波動率：由圖2可知，杭州解百股票日收益率對上證A股指數(shù)和上證可選消費指數(shù)日收益率的特質(zhì)性波動率變化的絕對數(shù)值和總體或局部趨勢均相似，甚至相同，這在一定程度上說明杭州解百股票的非系統(tǒng)性風(fēng)險，無論是在剔除了上海股票市場風(fēng)險還是在剔除了細(xì)分市場——上?？蛇x消費市場風(fēng)險的條件下，對市場類型變化是穩(wěn)健的，不隨市場范圍變化而變化，呈現(xiàn)出一種抵御能力。

圖2 2019年10月到2023年5月杭州解百股票日收益率對上證A股指數(shù)和上證可選消費指數(shù)日收益率的因子載荷和特質(zhì)性波動率以及新增確診病例月度折線圖

同時，這種相似性可能也側(cè)面反映了當(dāng)新冠疫情這種導(dǎo)致宏觀環(huán)境眾多因素波動劇烈的外生沖擊發(fā)生時，風(fēng)險因子在各個市場間的流動性會大大加強(qiáng)。

此外，杭州解百股票日收益率的特質(zhì)性波動率在2020年的2月和7月、2022年的3月和4月、2023年的12月這4個疫情程度嚴(yán)重的時間節(jié)點達(dá)到峰值，而因子載荷波動不大，可見其非系統(tǒng)性風(fēng)險相對系統(tǒng)性風(fēng)險而言呈現(xiàn)出更明顯的“親疫情趨勢”。

因子載荷：由圖2可知，杭州解百股票日收益率對上證A股指數(shù)和上證可選消費指數(shù)日收益率的因子載荷變化較小且穩(wěn)定，反映了該股票對市場風(fēng)險具有較強(qiáng)的抵御能力，這一點與其總體風(fēng)險的表現(xiàn)相似。

在后疫情時代杭州解百股票的非系統(tǒng)性風(fēng)險和系統(tǒng)性風(fēng)險與疫情爆發(fā)時期類似。

3.1.3 在險價值和預(yù)期虧空

由圖3和圖4可知，在2019年10月到2023年5月期間，股票指數(shù)日收益率在不同顯著性水平下的VaR值及顯著性水平為1.10%時的預(yù)期虧空絕對值均明顯大于百貨零售業(yè)龍頭股日收益率，可見百貨龍頭股面臨的左尾風(fēng)險在疫情時遠(yuǎn)小于所在市場。

此外，不論是日收益率的在險價值還是預(yù)期虧空，上證A股指數(shù)均小于上證可選消費指數(shù)，這體現(xiàn)了資產(chǎn)分散降低風(fēng)險的優(yōu)勢。

3.2 結(jié)論

百貨零售業(yè)頭部公司股票具有較強(qiáng)的應(yīng)對疫情沖擊和應(yīng)對市場波動的抵御能力，這也與其作為消費類股票所具有的穩(wěn)健性是對應(yīng)的。不論是在新冠疫情爆發(fā)時期還是后疫情時期，其總體風(fēng)險、系統(tǒng)性風(fēng)險、非系統(tǒng)性風(fēng)險、左尾風(fēng)險均表現(xiàn)為穩(wěn)定平緩。同時，其非系統(tǒng)性風(fēng)險相對系統(tǒng)性風(fēng)險而言表現(xiàn)出更強(qiáng)的“親疫情趨勢”，但該性質(zhì)不如市場指數(shù)的“親疫情趨勢”明顯。