新冠肺炎疫情對我國企業的異質性影響
——基于股價波動視角的實證研究

（南京大學商學院，南京 210093）

引 言

2019年12月，新冠肺炎疫情自武漢開始爆發，并逐漸向全國快速擴散。從歷史統計資料來看，歷次重大疫情均對人類社會各個層面產生巨大影響，本次疫情亦不例外，人類健康、經濟發展面臨著極大挑戰。尤其在現代化發展的今天，交通便利、信息發達、社會經濟一體化使得勞動力、資本等要素可以實現跨地區甚至跨國界的自由流動，加之春節期間春運大潮產生的春節效應，無疑進一步助推了疫情的傳播，在加劇各地人員傳染的同時，也極大的限制了企業和經濟的發展。

疫情下，除了人群感染和生產停擺等現實影響之外，反應最為劇烈的則是股票市場。股票市場是經濟發展的晴雨表，股價變動不僅能夠反映經濟表現，同時也一定程度上預示著未來經濟發展的形勢，因此關注新冠肺炎疫情對我國股票市場的影響，具有重要的現實意義。疫情的爆發和在全球的不斷擴散，直接對我國投資者的情緒產生極大沖擊，情緒恐慌和交叉感染導致投資預期發生改變，進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，此次全球范圍內的“黑天鵝事件”具有一定的持續性，中國作為世界第二大經濟體、第一貿易大國，在全球生產價值鏈受限、全球貿易活動受挫的背景下，中國企業難以獨善其身。具體來看，美股自1997年第一次觸發熔斷機制以來，在2020年3月連續4次觸發熔斷機制，世界其他國家股市也大部分觸發了熔斷或遭遇了暴跌。相比之下，雖然A股表現出相對頑強的韌性，但也呈現出劇烈震蕩的態勢，反映了經濟形勢的不穩定性。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，鑒于企業面對系統性外部沖擊的抗壓能力以及災后復產的進度不盡相同，尤其是在我國現階段的發展制度和背景下，中小微企業占據絕大比例，本次疫情對很多小微企業可能會造成致命性的打擊。此外，海外疫情持續擴散，進出口貿易面臨停滯，我國作為第一貿易大國，從中長期看外貿企業的發展將遭遇嚴重困難。因此，需要根據企業規模、性質、類型等進行分類，分析疫情對不同企業的異質性影響，進而針對性地提出關于不同類型企業的幫扶政策和應對策略，更加高效地助推企業渡過后疫情階段，以求恢復經濟發展正常秩序。

縱觀有關此次疫情的相關文獻，多數學者均從疫情的宏觀經濟影響層面展開研究，且多數研究僅為定性分析。具體來看，Fang等（2020）［4］研究了武漢“封城”策略的具體效應，采用DID方法有效排除了恐慌效應、春節效應等混淆因素，識別出“封城”對限制人員流動進而減少病毒傳播的影響；何誠穎等（2020）［5］利用比較靜態分析、路徑分析等方法測度并分析了新冠肺炎疫情的發生對中國宏觀經濟和產業發展的負面影響；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、需求側、產業鏈、供應鏈、逆全球化的影響；蘆千文等（2020）［7］以調查數據為依據，研究了新冠肺炎疫情對農村居民收入的影響，進而判斷農村居民增收的不穩定性及原因機制；于敏等（2020）［8］以重疫區湖北省的中小上市企業為樣本，研究發現新冠肺炎疫情對大多數中小企業發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字經濟產業的影響，從產業轉型升級的視角系統闡釋了疫情下我國數字經濟產業發展的機遇。關于疫情影響金融市場的研究，目前國內學者涉及較少，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公共衛生事件對我國宏觀經濟和金融市場16個部門174個變量的沖擊影響，并進一步采用前沿的風險溢出網絡方法研究了疫情下金融市場各行業間風險傳導關系的動態演變。對于中國股票市場的直接分析，目前尚無可查文獻，僅有少數國外學者以美股為研究對象進行了初步分析，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時新聞報道的數量進行了量化分析，發現與歷次疫情相比，新冠肺炎疫情的相關新聞報導占據了壓倒性的地位，成為股市波動的強大推動力；Alfaro等（2020）［12］研究發現疫情期間感染人數的非預期變化能夠預測股票市場的總體回報，前一日預測新增感染人數的增加與下一交易日的股市回報率下降有關；Giglio等（2020）［13］利用散戶投資者的調查數據，研究了疫情最嚴重時期美股崩盤以及隨后復蘇時期投資者對股市和經濟增長的預期變化，發現股市崩盤后普通投資者對短期經濟和股市表現變得更加悲觀。

本文在新冠肺炎疫情持續發展、投資者情緒波動、實體企業受損的現實基礎上，研究疫情對股票市場的實際沖擊效應，首次從股價波動的視角研究新冠肺炎疫情對我國經濟發展的沖擊。具體來說：（1）利用統計數據呈現疫情對我國經濟形勢和股票市場的具體沖擊表現，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行實證檢驗，驗證疫情期間股市整體收益率和波動率的變動情況；（3）利用企業財務指標、類型指標、地域指標3類指標進行異質性分析，檢驗具有不同內部特征或處于不同外部環境的企業在疫情期間抵御外部風險的差異性。

1 新冠肺炎疫情的經濟影響和股市表現

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）新冠肺炎疫情嚴重損害了人類健康。截至2020年7月1日24時，中國大陸累計確診人數達到83537例，累計死亡人數達到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以來疫情最嚴重的一次；（2）新冠肺炎疫情限制了企業生產和經濟發展。在疫情發展之初，眾多企業面臨停產停工，社會投資與居民消費等急劇下降，經濟增長遭遇重創，2020年第一季度GDP同比下降6.8%，這是自1992年有季度統計數據以來首次出現負增長。圖1（a）展示了自2020年初疫情開始以來疫情的具體發展趨勢。可以看出自1月中旬疫情開始，直到2月下旬疫情才逐漸趨于穩定，在1個多月的爆發時間內確診人數呈現指數型增長。圖1（b）展示了近一年來供給側和需求側兩個端口相關指標的統計數據走勢。從供給側來看，工業增加值累計增長和服務業生產指數累計同比增速均在年初出現了急劇下跌①，可見停工停產對供給側的嚴重影響；同樣地，從需求側來看，“三駕馬車”消費、投資、出口也均出現了巨幅下跌。因此，無論是從供給側還是需求側來說，經濟下滑都是必然趨勢，雖然后續開始逐漸恢復，但短期內還無法達到正常區間。這種宏觀影響的背后至少蘊含著兩層微觀含義：（1）確診和死亡人數的增長以及經濟生產停擺影響著人民群眾的心理預期和情緒，這將造成個體投資消費等行為的變化；（2）微觀企業表現堪憂，從投入生產到產品銷售的整條生產線停滯，導致企業損失嚴重。

圖1 新冠肺炎疫情對中國的宏觀影響②

宏觀經濟形勢下行的背景下，股市行情的變化恰好可以實時反映投資者的情緒變化以及實體企業的經濟表現，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股市場在疫情爆發后震蕩劇烈，反映出疫情導致的投資者情緒恐慌以及實體經濟表現堪憂。然而，影響股市表現的因素眾多且復雜，很難單純的提取出疫情對股市的負面效應。為此，選取一個較短的時間區間進行分析，以盡量降低股市噪音，可以較好地識別疫情效應。具體地，以2020年1月11號衛健委開始正式通報新冠肺炎疫情情況作為疫情發展起始點，選取疫情開始前后相應時間區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，在進入疫情期后，上證綜指的日度收益率和波動率均發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，日度波動率數值也出現了高頻率的上升，表明疫情給股市帶來了強烈的沖擊效應。

圖2 疫情期間股市整體表現情況

值得注意的是，在進入疫情期后，股市行情并非一成不變表現為下行趨勢或劇烈振蕩態勢。單從股市累計收益率③的走勢來看（見圖3），疫情期可以劃分為4個階段：第一階段（2020年1月11日至2020年2月3日）為國內疫情初始爆發階段。自2020年1月11日衛健委正式通告新冠肺炎疫情確診及死亡人數開始，直到2020年2月3日春節后第1個交易日，本階段是國內疫情初始階段，突然爆發的疫情和迅速增加的感染人數引起了媒體和群眾的廣泛關注，加之適逢春節期間人員流動規模較大，武漢“封城”措施側面反映疫情的嚴重性，恐慌效應開始顯現，投資者的恐慌情緒和悲觀預期立即反映在股市表現之中，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）為國內疫情持續發展階段。雖然國內疫情繼續發酵，感染人數持續暴增，但人們開始出現適應性預期調整，并且由于投資者存在有限注意和投機心理，加之春節假期和疫情限制的錯配使得個體線下消費能力向線上投資能力轉化，從而助推了本階段市場行情開始上行，甚至在創業板出現了短暫的結構性牛市現象，直到海外疫情開始全面爆發，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階段。海外疫情開始全面爆發的標志是2月23日韓國宣布正式進入最高防疫級別以及意大利北部部分城市開始實行“封城”措施。疫情開始向全球擴散意味著事態嚴重性升級，全局性的事件沖擊導致更深程度的全民恐慌，全球股市持續暴跌，美股更是先后4次熔斷，在全球一體化的經濟時代，中國A股也不能獨善其身，在前一階段大幅上漲的基礎上，本階段出現猛烈回調現象；第四階段（2020年3月24日以后）是海外疫情發展、國內疫情穩定階段。本階段股市呈現穩健回升現象，除了如同第二階段的適應性預期調整、有限注意及投機心理等原因外，本階段國內疫情得到有效控制，并且疫情最嚴重的武漢也在3月24日正式公布了解封日期，國內逐漸緩解的疫情局勢和一系列利好消息增加了國民信心，復工復產復學逐步開展，加之前期的財政貨幣政策效果逐漸顯現，市場形勢開始上行。然而由于國內和海外連續兩次疫情爆發沖擊余力未散，并且眾多企業前期停工停產所受影響暫未恢復，此階段的行情恢復較為穩健。

圖3 疫情期間股市累計收益率走勢

總體上，從短期來看，當有外部沖擊影響股票市場時，受投資者情緒波動影響，沖擊效應會立即反映在股價波動中，但在股市投機以及政策引導下，這種情緒導致的股價下跌會隨即反彈回升，即發生均值回歸現象。從長期來看，股價圍繞其自身價值上下波動，因此這種長期相對價格的降低是由于整體經濟形勢和企業自身表現所決定，企業價值改變，股票價格隨之改變。第四階段的股市行情穩健恢復，但整體價值仍然偏低，是由于在前期經歷過兩次疫情外部沖擊后，即使市場情緒平復，經濟環境和實體企業卻受到了實質性的創傷，因此表現出相對價格偏低。基于此，本文在后疫情時期對股票市場進行研究并進一步進行異質性分析，對識別疫情實質性影響并有針對性地發現和解決問題，進而盡快恢復經濟發展常態水平具有重要的現實指導意義。

2 實證檢驗

為了檢驗新冠肺炎疫情對中國股票市場的沖擊效應，本文采用面板結構數據，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行實證檢驗。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確性，選擇了一個較短的時間窗口，自2019年6月3日至2020年5月31日為期一年的股市交易區間。在驗證整體疫情期間股市振蕩表現的基礎上，還進一步考察了進入疫情之后股市表現的動態變化過程。

2.1 基準分析

根據前文分析，外部沖擊會通過影響投資者情緒進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，疫情發展又同時限制了消費、投資、出口等需求面和阻礙了企業生產、服務等供給面，改變了企業微觀基本面情況，對經濟形勢造成長期影響。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，檢驗新冠肺炎疫情對股票市場的具體沖擊效應。具體而言，計量模型設置如下：

其中，下標i代表個體（上市公司）、t代表日期（交易日）；INDit代表個體i在t交易日的表現指標，具體包括個股收益率和個股波動率⑤；PANDEMICit為疫情區間時間窗口的虛擬變量，考慮到疫情的持續性以及后疫情時期實質影響的延續性，本文設置疫情區間時間窗口為衛生部正式通報新冠肺炎疫情確診病例開始日（2020年1月11日）之后，體現在股市交易區間即為2020年1月13日至2020年5月29日，PANDEMICit在疫情區間取值為1，其他時段取值為0。Xit代表模型的控制變量，本文根據 Fama和 French（1992）［17］的三因子模型，控制住了決定不同股票回報率差異的相應因素⑥。此外，本文同時控制了股票層面和時間層面的固定效應。既控制了個體固定效應，以捕捉隨個體變化但不隨時間變化的影響因素；同時控制了時間固定效應，以捕捉不隨個體變化但隨時間區間變化的影響因素。需要說明的是，時間固定效應僅控制了季度固定效應，原因如下：（1）本文所選樣本時間區間為1年（242個交易日），時期相對較短，并且樣本期內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，可能會把這種系統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間影響而非具體日度效應，故也不需要控制周內效應；（3）本文控制了季度固定效應，可以控制一年中股票市場的季節性變化趨勢。在式（1）中，主要關注的系數為β1，它捕捉了整體股票市場表現在整個新冠肺炎疫情期間相對于正常時期發生的變動。

表1 基準回歸結果

利用式（1）進行回歸⑦，基準回歸結果見表1。可以看出，無論是采用混合效應模型，還是單向或雙向固定效應模型，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，相對于正常區間來說，新冠肺炎疫情期間的股票收益率整體下降，同時股票波動率大幅提高。回歸結果表明，新冠肺炎疫情對股票市場的沖擊是系統性、全局性和持續性的，整個股票市場在疫情發生期間表現出異于正常區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濟形勢影響，表現顯著異常。

2.2 動態分析

前文驗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變化過程，從疫情期間股票市場4個階段的劃分也可以看出，股票市場的變化并非一成不變的，因此需要進一步對股票市場進行動態分析。基于此，在式（1）的基礎上，借鑒郭峰和石慶玲（2017）［15］的動態分析方法，對疫情期間進行階段劃分，具體而言，以2020年1月11日作為事件起始點，采用每10個交易日為一個階段設置虛擬變量，包括起始點前的3個階段以及起始點后的9個階段共12個虛擬變量，將這些虛擬變量同時納入回歸模型，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）主要關注的系數是βλ，它能夠表征疫情期間股票市場的動態變化趨勢。

利用式（2）進行回歸，并作出相應的系數βλ變化圖，如圖4所示。具體來看，對于股票收益率來說，疫情正式開始通報之前，系數連續三階段表現平穩，但疫情正式開始通報之后，第一階段系數就顯著為負，意味著收益率立即出現巨幅下跌，但隨后第二階段系數反彈為正，表示收益率明顯回調，之后幾個階段的系數表現出震蕩向前，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果，受市場情緒的推動，股票收益率遵循均值回歸理論，表現出彈性回升現象，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，與基準分析結果一致；對于股票波動率來說，疫情正式開始通報前，系數顯著為負且接近于0，但疫情正式開始通報之后，自第二階段開始，系數顯著為正且連續多階段處于高位，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性和持續性的，直到疫情發展到第六階段之后，系數才開始向0收斂，市場異動逐漸消失。而第六階段已經是在武漢解封之后，即對應前文的國內疫情穩定階段，后疫情時期的股票市場開始緩慢恢復。

2.3 穩健性分析

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

圖4 疫情期間股票市場動態變化過程

3 異質性分析

3.1 財務指標：資產規模、舉債經營與償債能力

一般來說，當企業規模越大時，資金實力越為雄厚，其組織結構、人員配備等硬實力以及運營管理、社會信譽等軟文化均相對成熟完善，因此抵御外部風險沖擊的能力相對較強。同時，如果一個企業的杠桿率較高，且運營過程中的資金變現能力較弱，就會導致其償債能力受限，在遇到外部風險沖擊時，公司自身將面臨更大的不確定性。體現在股票價格中，即為在面臨相同的外部沖擊時，資產規模越大的上市公司其股票價格所受影響應該相對越小，而負債率越高且償債能力越弱的上市公司其股票價格所受影響應該相對越大，即股票價格變動與公司資產規模呈正相關關系，而與公司負債規模呈現負相關關系（Barth等，2011）［18］。為了驗證在新冠肺炎疫情的沖擊下，不同資產結構的企業所受沖擊是否呈現出顯著的異質性，以在后疫情時期采取針對性對策，本文選擇3個財務指標進行檢驗，具體選擇了反映企業規模大小的資產規模（LASSET，取對數處理）、反映企業資產結構的資產負債率（DEBT）和反映企業償債能力的流動比率（CR）3個指標（搜集數據時剔除了存在數據缺失的樣本）。在式（1）的基礎上，分別引入3個財務指標與疫情虛擬變量的交乘項，再進行回歸分析。

表2報告了不同財務指標（資產規模、資產負債率、流動比率）下，新冠肺炎疫情對上市公司股價沖擊的異質性影響。從單個指標來看：（1）對于資產規模指標，在對股票收益率進行回歸時，疫情虛擬變量與資產規模的交乘項系數顯著為正，說明資產規模小的企業相對于資產規模大的企業其股票收益率在疫情沖擊下降低幅度更大，表明資產規模大的企業抵御風險能力相對較強，與預期相符。在對股票波動率進行回歸時，交乘項系數符號為負但不顯著，說明疫情沖擊下資產規模大小對股票波動率沒有表現出顯著的差異性；（2）對于資產負債率指標，在對股票收益率和波動率進行回歸時，疫情虛擬變量與資產負債率的交乘項系數均顯著為正，說明杠桿率較高的企業相對于杠桿率較低的企業其股票收益率下降幅度更低，同時其股票波動率上升幅度更大。杠桿率更高的企業在疫情沖擊下收益率損失程度更小、波動率更大，這與預期相悖，本文認為可能有如下原因：①疫情期間，為助力宏觀經濟和微觀企業順利渡過艱難期，政府部門采取了積極有效的財政貨幣政策，如減租減稅、增加流動性等，短期內緩解了高負債企業的還款壓力；②資產負債率表征了企業的舉債經營能力，雖然資產負債率較高的企業還款壓力較大，但一定程度上較高的資產負債率也反映了企業較強的融資能力，表明社會信譽較高，能夠更好地利用杠桿效應舉債經營，資金利用效率更高，使得企業收益率損失相對較小；③雖然收益率損失更低，但高資產負債率企業本質上還是承擔了更高的財務風險，并且疫情具有一定的持續性，相比之下高負債企業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，在對股票收益率進行回歸時，疫情虛擬變量與流動比率的交乘項系數不顯著，表明股票收益率大小在疫情期間不受償債能力約束。但對股票波動率進行回歸時卻發現交乘項系數顯著為負，表明相對來說償債能力越強的企業其股票波動率越低。這個結果進一步印證了上述原因分析，由于政策扶持，疫情期間企業債務水平以及還款壓力短期內不是影響企業收益率的主要原因，而自身的綜合實力和經營效率差異會在沖擊來臨時體現在收益率差異上。但償債能力較強的企業確實會在持續的外部風險中承擔更低的財務風險，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個指標下的PANDEMIC系數均顯著為負，且PANDEMIC系數和交乘項系數之和均小于0，說明不管在哪種指標分類下，無論企業的資產規模、資產負債率和流動比率是大是小，企業的股票收益率均是顯著下降的，表明此次疫情對企業收益的系統性沖擊。同時，對于波動率的回歸，3個指標下的PANDEMIC系數均顯著為正，且PANDEMIC系數和交乘項系數之和均大于0，說明不管在哪種指標分類下，無論企業的資產規模、資產負債率和流動比率是大是小，企業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的不確定性。

3.2 類型指標：公司屬性、產權性質與企業類別

除了財務指標上的差異可能對股價變動造成異質性的影響外，公司的屬性和類別不同也可能導致企業面臨系統性風險時的差異化表現。具體來說，由于企業的屬性不同，所獲得的發展資源和支持力度也不盡相同，如外資企業相對于內資企業可以享受一定的稅收優惠，國有制企業相對于非國有制企業具有企業規模較大、社會信譽更高、融資約束更小等優勢。因此，在面臨相同的外部沖擊時，具有不同企業屬性或產權性質的企業可能表現不同，外資企業和國有制企業由于自身優勢可能股價變動幅度更小。此外，不同類別的企業所受疫情影響程度也存在不同，尤其是外貿類企業，早期在國內爆發的新冠肺炎疫情直接限制了外貿企業的產品生產和外貿交易，緊接著全球疫情的爆發進一步損害了外貿類企業的利益，相比之下，外貿類上市公司的股價變動幅度應該更加劇烈。基于此，本部分選擇3個相應的企業類型指標進行異質性檢驗，具體指標定義為3個虛擬變量：是否為外資企業（FIE，外資企業取值為1）、是否為國有制企業（SOE，國有制企業取值為1）、是否為外貿企業（FTE，外貿企業取值為1）⑨。在式（1）的基礎上，分別引入3個類型指標虛擬變量與疫情虛擬變量的交乘項，再進行回歸分析。

表2 不同財務指標下新冠疫情對股價沖擊的異質性影響

表3報告了不同類型指標（是否為外資企業、是否為國有制企業、是否為外貿企業）下，新冠肺炎疫情對上市公司股價沖擊的異質性影響。從表征公司屬性、產權性質的兩個指標（是否為外資企業、是否為國有制企業）來看，是否為外資企業對上市公司的股票收益率和波動率均不存在顯著的異質性影響，是否為國有企業對上市公司的股票波動率也不存在顯著的差異，僅是否為國有企業與疫情虛擬變量交乘項系數在對收益率進行回歸時在1%的顯著性水平下顯著為正，表明國有企業相對于非國有企業的股票收益率所受影響更小。分析原因，本文認為當系統沖擊來臨時，不同性質的企業所面臨的不確定性是同質的，且投資者情緒也不會因為公司屬性和產權性質差異而出現不一致，因此股票波動率沒有因為企業性質不同表現出顯著差異。然而，國有制企業確實在企業規模、社會信譽以及政府扶持等方面相對私有制企業具備絕對的優勢，抵御風險沖擊的能力相對較高，因此其在疫情沖擊下表現出受損程度更小的結果，收益率降低幅度更小。反之，比較外資企業和內資企業，兩者雖然在稅收優惠等方面存在細微差距，但總體來說在疫情沖擊下沒有一方占據了絕對優勢，可以表現出更強的風險抵御能力，因此兩種企業的股票收益率下降幅度沒有顯著差異。另外，對于前兩個指標對收益率的回歸，PANDEMIC系數、PANDEMIC系數和交乘項系數之和均小于0，對波動率的回歸，PANDEMIC系數、PANDEMIC系數和交乘項系數之和均大于0，與前文財務指標部分的分析結果與解釋一致。

從是否為外貿企業指標來看，對股票收益率進行回歸時，交乘項系數在1%的顯著性水平下顯著為負，且交乘項系數絕對值比PANDEMIC系數絕對值高出兩倍多，表明外貿企業在疫情的沖擊下所受到的損失要遠大于非外貿企業，這與預期相符，外貿企業由于疫情限制導致生產和交易都受到了更為嚴重的持續性影響，因此股票收益率表現出更大幅度的下跌。然而，對股票波動率進行回歸時，顯示交乘項系數在1%的顯著性水平下顯著為負，說明外貿企業的股票波動率在疫情的沖擊下相對于非外貿企業所受波動更小，這不符合預期。事實上，該回歸中PANDEMIC系數為正，但PANDEMIC系數和交乘項系數之和卻小于0，表明非外貿企業在疫情期的股票波動率是上升的，而外貿企業在疫情期間的股票波動率反而更低。分析原因，本文認為由于新冠肺炎疫情率先在中國爆發，繼而又在全球范圍內持續擴散，相比其他如內銷類的非外貿企業來說，外貿類企業恢復過程更加艱難和緩慢，中短期內外貿行業發展受限已成定局，投資者對此也具有同質性信念，分歧程度更低導致外貿企業的股票波動率相對下降。

表3 不同類型指標下新冠疫情對股價沖擊的異質性影響

3.3 地域指標：辦公地點與企業名稱

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重的省份，不僅是感染人數遙遙領先，一系列的封鎖及停工措施也更加嚴格，這進一步限制了在湖北地區尤其是武漢市內辦公企業的運轉和發展，企業損失更大，不確定性更高，從而導致上市公司的股票收益率更低、波動率更高。此外，當系統性外部風險來臨時，市場情緒復雜，噪音較高，根據有限注意力理論（Kehaman，1973）［19］，投資者的注意力是分散且有限的，可能在關注股市行情時，很容易對與疫情相關的字眼過度敏感，如當看到股票名稱帶有“武漢”及湖北省其他地名時，更易產生負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提高股票波動率。因此，為驗證疫情對上市公司在地域層面上的異質性影響，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個虛擬變量指標⑩進行檢驗，具體仍然是在式（1）的基礎上，分別引入3個地域指標虛擬變量與疫情虛擬變量的交乘項，再進行回歸分析。

表4報告了不同地域指標（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沖擊的異質性影響。從表征辦公地點的兩個指標（是否湖北辦公、是否武漢辦公）來看，當對股票收益率進行回歸時，是否湖北辦公與疫情虛擬變量的交乘項系數符號為正但不顯著，當把地域范圍進一步縮小至武漢時，是否武漢辦公與疫情虛擬變量的交乘項系數在10%的顯著性水平下顯著為正，表明疫情期間處于重疫情區的企業股票收益率反而比其他地區更高，這與預期相悖。這可能與本文所選擇的疫情區間較長有關，疫情區間包含了武漢解封后的較長區間，由于后期國內疫情基本得到穩定控制，復工復產有序進行，疫情前期由于封鎖更加嚴格、受損更加嚴重的重疫情區在后疫情時期對復建工作更加重視且具有針對性，同時中央及各地政府、慈善組織、人民群眾等給予的扶助資源也更加充足，因此重疫情區的企業恢復更加迅速，使得整體表現較優。當對股票波動率進行回歸時，兩個不同層次地域指標下的交乘項系數均在5%的顯著性水平下顯著為正，表明處于重疫情區的企業股票波動率上升幅度更大，與預期相符。

從是否含有地名指標來看，在對股票收益率和波動率進行回歸時，交乘項系數分別為負和正，與預期相符，但卻均不顯著，表明由于投資者的有限關注力，重疫情區含有地名的企業與不含地名的企業相比，具有更低收益率和更高波動率的傾向。本文認為不顯著的原因，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。同時由于后疫情時期的有效控制，投資者情緒逐漸平復并且注意力分散，使得差異趨于收斂。

表4 不同地域指標下新冠疫情對股價沖擊的異質性影響

4 結論和政策啟示

不同于其他宏觀經濟影響研究，本文從微觀股價波動的視角，驗證了新冠肺炎疫情作為系統性的外部風險對我國經濟的沖擊效應，并檢驗了不同企業在面臨相同沖擊時的異質性表現。（1）基于統計數據分析，本文認為此次股票市場的波動同時來源于疫情傳播導致的投資者情緒恐慌以及物理限制產生的實體經濟發展損失，這種交叉影響導致了股票市場震蕩劇烈。并且由于疫情的傳染性和持續性，本輪股票市場的異動表現也相對持久，本文對疫情期間的股票市場進行了階段劃分，發現股票市場在疫情期間總體呈現階段性變化；（2）利用事件分析法進行回歸分析，發現疫情期間股票市場整體收益率顯著下降，同時波動率顯著上升。動態分析結果表明股票收益率在疫情期間呈現震蕩式波動，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出持續式上升。進一步異質性分析發現，不同企業在面臨相同沖擊時確實存在顯著性的差異：從財務指標來看，資產規模更大的企業和舉債經營能力更強的企業抵御外部風險沖擊能力更大，其股票收益率下降幅度顯著更低。但如果負債程度更高或自身償債能力更弱，企業面臨的不確定性相應更大，其股票波動率則會更高；從類型指標來看，企業性質是否為外資企業、是否為國有制企業在疫情期間對股票波動率不存在顯著的差異化影響，但國有制企業的股票收益率卻存在下降幅度更低的現象。另外，由于受限時間持久，外貿企業相對于非外貿企業來說，損失更加嚴重，企業的股票收益率下降幅度更為猛烈。從地域指標來看，重疫情區武漢的企業相比其他地區企業來說，其股票波動率上升幅度更高，表明企業面臨的不確定性更大，但同時其股票收益率也相對升高，表明災后復建工作的進行比較有效。

本文的研究結論具有一定的現實意義和政策啟示作用：整體疫情區間的股票收益率下降，表明我國經濟確實遭遇了實質性創傷，且具有一定的持續性。在后疫情時期，為了加快恢復經濟建設，需要更加針對性的采取相應措施扶持相關企業：（1）對風險抵御能力較弱的中小微企業要加大政策扶持力度，對資產負債率較高和償債能力較弱的企業可以延期稅負或者進行生產補貼；（2）民營企業相對于國有企業存在融資難、規模小等劣勢，后疫情時期銀行等金融部門可以設立專門窗口實施特殊時期普惠金融服務；同時，外貿企業受災更為嚴重，需要探索積極的“穩外貿”措施，如發展創新性外貿新模式、多渠道開辟新市場、外銷部分轉為內銷等，幫助外貿企業順利過渡；（3）對于重疫區湖北省武漢市的企業實施后續跟蹤服務，保證盡快恢復正常生產。

注釋：

①從供給側來看，由于農業占比較小且較為穩定，故只重點關注了工業和服務業兩大板塊。

②出口數據來自海關統計數據庫；其他數據均來自中國統計局網站。

③為便于觀察和分析，將2020年第1個交易日即2020年1月2日的收盤價定為基準價格。

④剔除所有ST公司和數據缺失樣本。

⑤收益率（yeildit）采用對數收益率，波動率（volit）借鑒Parkon?son（1980）和姜富偉等（2019）［16］的方法，計算公式如下（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，因為新冠肺炎疫情對股票市場的沖擊是系統性的，市場的整體波動正是個股波動的一個影響途徑和集中體現，因此市場收益率在此處為一個“Bad Control”，沒有加以控制。

⑦本文采用的所有回歸數據（上市公司股市交易數據、基本面信息數據等）均來自WIND數據庫。

⑧武漢宣布解除“封城”意味著國內疫情已經得到有效控制，統計數據也顯示后期新增確診人數趨于穩定。因此選擇解封之前的時間區間能夠很好的表征疫情區間。

⑨WIND數據庫中對于是否為外資企業有明確的分類，但對于是否為國有制企業和是否為外貿企業沒有直接的分類。作者人工進行分類：（1）將中央國有企業、地方國有企業、集體企業、公眾企業4類企業劃分為國有制企業，將民營企業、外資企業以及其他企業劃分為非國有制企業；（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分類的貿易類股票的企業統一歸為外貿企業，其他為非外貿企業。

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