新冠肺炎疫情对我国股票市场的波动性影响研究①

1 引言

新冠疫情的爆发引起巨大经济和社会影响，且对经济的影响要大于SARS期间，但疫情对经济的影响具有短暂性，长期不会对经济造成持续影响(于静等，2020)。股票市场历来被经济学家视作国民经济的“晴雨表”，反映着国民经济的运行情况。同时，沪深300指数切合我国金融市场需要，对我国股票市场中的股票价格及其变化机制进行监测和反馈。1986年Bollerslev假定方差为滞后残差平方的函数，提出了GARCH模型，其能够对金融时间序列的条件异方差性和波动聚集性进行更加简洁的解释。

故本文以2020年爆发的新冠疫情为主要研究对象，探究其对中国股票市场短期以及相对长时期波动性的影响。2020年3月16日中国新冠疫情基本得到控制，直到2020年12月25日申请新冠疫苗上市可理性假设为市场受到新冠疫情的影响趋于零。故将沪深300指数，在2019年1月2日至2020年3月16日期间的交易日对数收益率作为时间序列，研究在新冠疫情爆发前至爆发期，新冠疫情对中国股市短期波动性的影响，将2019年1月2日至2020年12月25日交易日对数收益率作为时间序列，研究在新冠疫情爆发前至后疫情时期的相对长时期内，分析新冠疫情事件对我国股市波动性的影响。拟使用虚拟变量来引入新冠疫情爆发事件的GARCH模型进行研究。

2 文献综述

纵观国内研究，现有关于新冠疫情对股票市场波动性影响的相关研究参考文献较少。陈林等(2020)利用面板数据固定效应模型研究得出疫情对不同行业、不同类型股票市场的影响存在差异。段又源(2020)以申万医药生物指数为样本，基于事件分析法得出，此次疫情对我国医药上市公司股票收益率产生了短期显著影响。陈奉功(2020)利用事件分析法进行回归分析，发现疫情期间股票市场整体收益率显著下降，同时波动率显著上升。动态分析结果表明股票收益率在疫情期间呈现震荡式波动，但整体仍然呈现下降趋势，而股票波动率在疫情期间则呈现出持续式上升趋势。

目前其他关于市场因素对股票市场波动性的研究，研究的深度与广度都达到了相当高的水平，而在研究过程中以使用GARCH模型居多。张孝岩等(2011)研究股指期货的推出对中国股票市场波动性的影响，随着我国沪深300指数的推出，短期内加剧了股票市场的波动性，但是随着时间的推移，这种影响在逐渐减小。李妍宜(2012)运用GARCH(1，1)模型，比较了开放式基金进入股市前后的股市波动性特征，结果显示开放式基金的加入，增强了对股市收益率条件方差的冲击。股市波动持续时间增加，平稳性降低。董月(2017)在研究上证50与中证500股指期货对股票市场的影响中，在GARCH模型中引入虚拟变量，分析股指期货引入之后对股票现货市场波动性的影响，结果表明：上证50和中证500两种股指期货的引入均降低了相应标的指数现货市场的波动性，不过降低幅度非常小。

基于以上对现有研究的分析，本项目将采用董月(2017)在研究上证50与中证500股指期货对股票市场的影响中所使用的方法。拟使用虚拟变量来引入新冠疫情爆发事件的GARCH模型，对在2019年至2020年这个时间段内的沪深300指数日对数收益率序列进行研究，分析新冠疫情事件对我国股市波动性的影响。

3 样本数据描述

3.1 数据的选取

本文以突发公共性卫生传染事件新冠疫情为主要研究对象，选取2019年1月2日至2020年3月16日沪深300指数每个交易日的收盘价，共计291个研究样本构成指数序列以分析中国股市的短期波动性。选取2019年1月2日至2020年12月25日沪深300指数每个交易日的收盘价，共计483个研究样本构成指数序列以分析中国股市在新冠疫情爆发前至后疫情时期的相对长时期内的波动性。把新冠疫情事件爆发之日，2020年1月11日作为分界点，将样本数据分为新冠疫情爆发之前与之后两个部分，以上数据均来源于Tushare平台。

3.2 数据的处理

本文选用对数收益率的形式来衡量股票市场的波动性。原因如下：首先，在股票持有期限内，连续复利收益率更容易通过对数收益率方式进行体现；其次，对数收益率的准确性不会由于价格高低或者价格变化幅度等问题而受到影响；最后，对数收益率分布与正态分布较为相似，而涨跌幅百分比形式的收益率在通常情况下偏度都大于零。

4 实证分析

4.1 描述性统计分析

对沪深300指数日对数收益序列进行基本统计分析，可知两个日对数收益率序列分布都明显左偏，呈左偏态分布，说明对数收益率分布具较长的右尾。峰度(Kurtosis)都大于3，说明了两个序列都具有显著的尖峰厚尾的特征，并且其具有较大的波动性，Jarque-Bera统计量来检验序列是否服从正态分布，Jarque-Ber检验结果分别为458.5302、557.236，p值接近于0，有接近百分之百的把握拒绝零假设，故得出结论，两个日对数收益率序列都不服从正态分布。

4.2 ADF检验、自相关检验、ARCH效应检验

首先对两个数收益率序列进行ADF平稳性检验，从结果可以看出两个对数收益率序列都是平稳的，接下来我们可以进行自相关检验。根据研究发现长期和短期的沪深300指数对数收益率序列都不存在自相关，故序列是随机序列。根据异方差的检验结果显示，两个序列在显著性水平为0.05的条件下都存在异方差，即指数对数收益率都存在ARCH效应，接下来便可对两个序列建立相应的GARCH模型。

4.3 加入虚拟变量的GARCH模型估计以及ARCH效应检验

根据建模结果得出条件方差方程。

从表1、表2可以看出，C(2)>0，方程中ARCH项和GARCH项的系数都大于0，且两项系数之和都小于1，两个模型都满足参数约束条件，模型平稳，说明沪深300指数对数收益率时间序列较好地拟合了方程。在短期阶段的模型中虚拟变量的系数为正且通过了显著性检验，说明此次新冠疫情的爆发增大了我国股票市场的波动性，然而其系数较小，说明此次新冠疫情的爆发对中国股市的波动性影响较小。系数之和接近于1，表明我国沪深300指数收益率对抗新冠疫情此类突发事件速度较慢，该次冲击在之后较短时期内会对股价有影响，表明沪深300股指对数收益率具有较强的波动聚集性且在样本时期内持续。而在相对长时期的模型中虚拟变量的系数并未通过显著性检验，说明在相对长时期内，新冠疫情对中国股市的影响是减弱的。在ARCH效应检验的结果中，两个模型都无法拒绝原假设，因此不存在 ARCH效应，从而两个模型都消除了沪深300指数对数收益率的条件异方差。

表1 加入虚拟变量的GARCH模型估计结果(短期)

表2 加入虚拟变量的GARCH模型估计结果(相对长时期)

5 结论与建议

5.1 结论

通过引入虚拟变量对我国股市波动性的实证研究可以得到两点结论：第一，在新冠疫情爆发前至爆发期，新冠疫情在短期内确实增大了中国股市的波动性，但是其对股市的波动性影响比较小；第二，在新冠疫情爆发前至后疫情时期的相对长时期内，其对中国股市的波动性影响甚微，是显著减弱的。这与中国的国情有着密切的关系，中国的资本市场对新冠肺炎疫情的反应较为温和，这源于中国及时有效的疫情防控、充分的流动性供给和较小的恐慌情绪，反映出我国资本市场更具韧性(宋清华等，2020)。

5.2 建议

经过实证分析，新冠疫情的爆发会增大中国股票市场的波动性，中国股票市场受到其冲击以后，恢复到正常水平需要几个月甚至更长的时间。因为突发公共事件无法避免，所以我们只能通过采取相应措施对股票市场进行事中及事后调节，尽可能将其对股票市场产生的负面影响降至最低，保障我国股票市场的稳定运行，规避和防范市场波动风险，促进我国金融市场长期持续健康发展。

以下从宏观角度提出的几点政策性建议。

首先，根据新冠疫情爆发对我国股票市场造成的波动特征，探究出突发公共事件下股票市场波动性预测模型，为金融监管部门制定和执行政策干预措施提供参考，为金融市场参与者采取适当措施止损提供建设性建议，不让其负面影响持续扩散。其次，研究表明，从新冠疫情的爆发初期到造成股票市场剧烈下跌，中间间隔有一定时间，可抓紧这一风险缓冲时间，采用一定金融防范和协调机制，减缓其未来带来的负面影响。最后，新冠疫情的爆发大概率是先对供给链和需求链进行直接影响，进而传导至股票市场。可尽快采取发放消费劵、调整物价等宏观措施影响需求链，实施发放突发公共事件债券、扶持中小企业等政策影响供给链，进而尽可能保障中国经济合理运行，从而将其对股票市场的负面影响降低。