疫情常態(tài)化背景下醫(yī)藥股股價波動的影響因素研究

胡焦鑌 劉家鵬

摘 要：疫情常態(tài)化背景下，各國相繼出臺利好政策驅(qū)動醫(yī)藥企業(yè)的創(chuàng)新發(fā)展，醫(yī)藥類企業(yè)股票價值都出現(xiàn)不同程度的增幅。然而，疫情下醫(yī)藥股的增幅變動甚至超過市場平均收益預(yù)期，引發(fā)公眾對其股價增長是否具有可持續(xù)性，市場是否存在泡沫等擔(dān)心。本文選取2017—2020年剔除ST的所有醫(yī)藥上市企業(yè)共計276家，以股價波動率為被解釋變量，主營業(yè)務(wù)收入為解釋變量，取資產(chǎn)負(fù)債率、每股收益、企業(yè)規(guī)模為控制變量，并引入衡量疫情影響的虛擬變量，分析影響股價波動率的相關(guān)內(nèi)外在因素，為投資者提供相應(yīng)的價值參考。

關(guān)鍵詞：股價波動率;后疫情;主營業(yè)務(wù)收入;醫(yī)藥股票;

本文索引：胡焦鑌，劉家鵬.<變量 2>[J].中國商論，2022（12）：-097.

中圖分類號：F830.91 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2022）06（b）--03

1 實證分析

1.1 模型構(gòu)建

本文通過測算醫(yī)療保健行業(yè)各個企業(yè)2017—2020年股價波動率的數(shù)據(jù)，研究疫情影響下，主營業(yè)務(wù)收入對股價波動率的影響。此外，本文選取了資產(chǎn)負(fù)債率、每股收益、企業(yè)規(guī)模為控制變量。基于上述設(shè)定的變量，設(shè)定以下面板回歸模型作為本文的研究模型：

其中，Y為股價波動率;X為主營業(yè)務(wù)收入，以其自然對數(shù)表示;DUM為疫情虛擬變量;0表示非疫情期間;1表示疫情期間;DAR為資產(chǎn)負(fù)債率;EPS為每股收益;SIZE為企業(yè)規(guī)模，以總資產(chǎn)對數(shù)表示，表1為各變量描述統(tǒng)計結(jié)果。

由表1可知，股價波動率、主營業(yè)務(wù)收入、資產(chǎn)負(fù)債率、每股收益、企業(yè)規(guī)模的標(biāo)準(zhǔn)差均大于1，即各企業(yè)股價波動率、主營業(yè)務(wù)收入、資產(chǎn)負(fù)債率、每股收益、企業(yè)規(guī)模有較大差異。

1.2 相關(guān)檢驗

對各因素與股價波動率進(jìn)行相關(guān)檢驗，結(jié)果如表2所示。

由表2可知，主營業(yè)務(wù)收入與股價波動率的相關(guān)系數(shù)為0.0948，且顯著，即兩者為正相關(guān)關(guān)系;資產(chǎn)負(fù)債率與股價波動率的相關(guān)系數(shù)為-0.0697，且顯著，即兩者為負(fù)相關(guān)關(guān)系;每股收益與股價波動率的相關(guān)系數(shù)為-0.0620，且顯著，即兩者為負(fù)相關(guān);企業(yè)規(guī)模與股價波動率的相關(guān)系數(shù)為-0.0539，且顯著，即兩者為負(fù)相關(guān)。

1.3 單位根檢驗

采用Levin Lin & Chu t、ADF Fisher和PP Fisher三種檢驗方法檢驗各變量的平穩(wěn)性，結(jié)果如表3所示。

由表3可知，股價波動率、主營業(yè)務(wù)收入、資產(chǎn)負(fù)債率、每股收益、企業(yè)規(guī)模的原始變量在四種檢驗中，至少在兩種檢驗形式通過了平穩(wěn)性檢驗，即股價波動率、主營業(yè)務(wù)收入、資產(chǎn)負(fù)債率、每股收益、企業(yè)規(guī)模均為平穩(wěn)序列，可進(jìn)一步進(jìn)行協(xié)整檢驗。

1.4 協(xié)整檢驗

采用KAO協(xié)整檢驗方法進(jìn)行分析，各因素與股價波動率協(xié)整檢驗如表4所示。

由表4可知，P值為0，小于0.05，通過了KAO協(xié)整檢驗，即主營業(yè)務(wù)收入、疫情虛擬變量、交乘項、資產(chǎn)負(fù)債率、每股收益、企業(yè)規(guī)模與股價波動率存在較為顯著的協(xié)整關(guān)系，將進(jìn)一步進(jìn)行回歸分析。

1.5 回歸分析

先判斷模型效應(yīng)，后進(jìn)行回歸分析。故采用F檢驗和Hausman檢驗進(jìn)行判斷，模型F檢驗結(jié)果如表5所示。

由表5可知，F(xiàn)統(tǒng)計量和卡方統(tǒng)計量的P值均小于0.1，即模型拒絕“混合效應(yīng)”的原假設(shè)，進(jìn)一步觀察Hausman檢驗結(jié)果，Hausman檢驗結(jié)果如表6所示。

2 回歸結(jié)果分析

基于回歸數(shù)據(jù)，模型調(diào)整擬合度為0.899426，即主營業(yè)務(wù)收入、疫情虛擬變量、交乘項、資產(chǎn)負(fù)債率、每股收益、企業(yè)規(guī)模對股價波動率的關(guān)聯(lián)度較強(qiáng)。F檢驗P值為0，小于0.1，通過了F檢驗，回歸模型整體效果較好，可得回歸方程：

主營業(yè)務(wù)收入與股價波動率的回歸系數(shù)為0.362273，且顯著，即主營業(yè)務(wù)收入與股價波動率為正相關(guān)關(guān)系，主營業(yè)務(wù)收入每增長1%，股價波動率將增長0.362273%，主營業(yè)務(wù)收入越高，股價波動率也越高，主營業(yè)務(wù)收入的增長對股價波動率起到正向促進(jìn)作用。

疫情虛擬變量與股價波動率的回歸系數(shù)為6.821477，且顯著，即疫情虛擬變量與股價波動率為正相關(guān)關(guān)系，疫情對醫(yī)療保健行業(yè)企業(yè)的股價波動率起到正向促進(jìn)作用。

主營業(yè)務(wù)收入與疫情虛擬變量的交乘項系數(shù)為-0.356662，且顯著，說明疫情減弱了營業(yè)收入對股價的正向影響。

控制變量中，資產(chǎn)負(fù)債率與股價波動率的回歸系數(shù)為-0.06087，且顯著，即資產(chǎn)負(fù)債率與股價波動率為負(fù)相關(guān)關(guān)系，資產(chǎn)負(fù)債率每增長1%，股價波動率將下降0.06087%，資產(chǎn)負(fù)債率對股價波動率起到抑制作用。

每股收益與股價波動率的回歸系數(shù)為0.099964，且顯著，即每股收益與股價波動率為正相關(guān)關(guān)系，每股收益每增長1%，股價波動率也將增長0.099964%，即每股收益對股價波動率起到正向促進(jìn)作用。

企業(yè)規(guī)模與股價波動率的回歸系數(shù)為-0.97907，且顯著，即企業(yè)規(guī)模與股價波動率為負(fù)相關(guān)關(guān)系，企業(yè)規(guī)模每增長1%，股價波動率將下降0.97907%，企業(yè)規(guī)模的擴(kuò)大對股價波動率起到抑制作用。

3 研究的不足

實證分析所選取的控制變量相對較少，考慮到企業(yè)的負(fù)債水平、總體規(guī)模和盈利能力，但未充分考慮醫(yī)藥類企業(yè)的償債能力、成長能力等財務(wù)指標(biāo)。核心解釋變量選取為主營業(yè)務(wù)收入，為了衡量疫情期間主營收入對股價波動率的影響，引入0～1虛擬變量。然而，忽略從各企業(yè)海外營收占總營業(yè)收入比重的同比增長率來進(jìn)一步解釋疫情期間營收的波動變化對股價波動率的影響。此外，暫未考慮從各醫(yī)藥企業(yè)所屬性質(zhì)，如國有、民營進(jìn)行細(xì)分;未從企業(yè)所處地域位置進(jìn)行劃分，如東中西部;未從各個醫(yī)藥企業(yè)二級明細(xì)劃分，如從生物科技、防疫物資和器械、中成藥、西藥等主營業(yè)務(wù)領(lǐng)域細(xì)分。從各個企業(yè)公布的年度財務(wù)報表可以發(fā)現(xiàn)，疫情對主營業(yè)務(wù)為防疫物資和器械與血制品研發(fā)的企業(yè)的影響差異較大，并主要體現(xiàn)為海外出口占總營業(yè)收入同比增加或減少不同。

參考文獻(xiàn)

董天麒.中國股市低價股溢價效應(yīng)實證研究[D].成都：西南財經(jīng)大學(xué)，2019.

關(guān)偉，何亞麗.宏觀變量對各行業(yè)股價及其波動率影響的實證研究[J].中國物價，2021（4）：41-44.

付麗琴.房地產(chǎn)股票價格走勢影響因素的實證分析[J].投資與合作，2020（7）：20-22.

雷少康.宏觀經(jīng)濟(jì)因素對股票價格影響實證分析[J].現(xiàn)代商業(yè)，2020（15）：136-138.

陳其安，張慧.系統(tǒng)風(fēng)險沖擊、企業(yè)創(chuàng)新能力與股票價格波動性：理論與實證[J].中國管理科學(xué)，2021，29（3）：1-13.

王春，王進(jìn)猛.投資者關(guān)注與股票收益率：基于新聞聯(lián)播報道的實證研究[J].系統(tǒng)工程，2020，38（2）：109-121.