新冠肺炎疫情背景下我國醫藥股的波動情況

楊馳宇

摘??要：新冠肺炎疫情作為突發性重大自然災害事件嚴重影響著日常生活，經濟因此受挫，從而一定程度上也影響了股市的正常波動。其中，醫藥股在全國疫情發生時呈現利好表現。筆者主要研究在地區發生疫情時醫藥股的波動情況，并對比分析是否經濟更發達地區受到疫情對醫藥股市的影響更加嚴重。文章通過收集選取時間樣本內一些個股和板塊每個交易日的收盤價來計算所選取時間段的波動率，再通過使用Fama-French三因子模型進行回歸來計算特質波動率以觀測時間樣本內的波動情況。通過實證結果發現地區性疫情時，醫藥股也有利好表現，但經濟更為發達地區發生疫情時，醫藥股波動性更大，更容易受到疫情的影響。同時筆者也發現，地區性疫情發生時，在相對較長時間內，其產生的影響也會逐漸減弱。

關鍵詞：新冠肺炎疫情；醫藥股市；波動率；特質波動率

中圖分類號：F832.5??????文獻標識碼：A??文章編號：1005-6432（2023）23-0000-05

[DOI]10.13939/j.cnki.zgsc.2023.23.000

1.?引言

新冠肺炎疫情作為全球范圍的“黑天鵝事件”，不僅對人類的生命健康構成威脅，世界經濟也因此遭受到了重創。2020年疫情逐漸在全球蔓延開，世界多地出現通脹壓力。大宗商品、能源價格出現大幅度上漲，同時全球多地房價也出現明顯上漲。全球股市也遭遇不小的沖擊。疫情剛發生時，標普500日跌約3%，其他國家股指也在持續下滑。我國對于疫情防控高度重視，采取了有效措施，遏制住了疫情持續性蔓延。然而，2022由于病毒變種，在一些地區疫情再度爆發，地區性疫情造成影響還需再度探索。

通常來說，事件的發生伴隨著不確定性，突發事件的發生會引起一個國家股市的波動，在國內外都存有一定數量此方面的文獻。Abid?Hammeed?和?Hammad?Ashraf（2009）在對巴基斯坦股市的研究中發現，911事件導致了收益的增加和收益波動率的降低。隨后Mahfuzul?Haque（2010）運用GARCH模型研究了911事件影響下的新興市場，發現911事件之后，新興市場之間的相關性似乎有所增強。鄧琪等（2021）通過在GARCH簇模型基礎上建立的廣義可加性異常擾動（GAO）診斷修正方法來研究我國股市，發現三大股指受到突發事件沖擊時收益率衰減，波動率被放大，其中滬深300受到沖擊后收益率衰減更快。而在前幾年，英國脫歐事件也對世界主要國家股市均有消極影響，其中歐盟波及最嚴重，股市下降幅度最大。（徐聰全等，2017）。而如今對全球影響最大的突發事件便是新冠肺炎疫情，它不僅威脅到人類的生命安全，全球各國股市也遭受了重創。學者對全球股票市場和一國股票市場都做了大量研究。對于全球股票市場，國內學者發現新冠肺炎疫情導致股市風險水平上升，對股價波動存在顯著負向沖擊，整體呈現一種沖擊先增加后減少的倒U現象，其中首次沖擊的影響大于二次沖擊，對整體股市影響程度與時間窗口長度有關，隨著每日確診病例增加，疫情導致的股價的負面影響也在逐漸減小（蔣海等，2021；王明國和劉曉雙，2022）。國外學者們通過證據表明COVID-19疫苗有助于穩定全球股票市場（Rouatbi?Wael?et?al.，2021），隨后在研究指標圖騰繁殖數R如何影響全球股票市場波動時，發現倘若R大于1，疾病傳播會猛增，但對股市波動也產生積極且顯著影響。（Diaz?Fernando?et?al.，2022）。在對一國股市研究上，學者通過引入虛擬變量實證研究發現新冠疫情爆發之初中國股市波動性增大，而在相對較長時期內，其對中國股市波動影響甚微（向前容等，2021），然而相比之下美國股市卻存在一定波動杠桿效應（沈立琦等，2022）。我國學者還在新冠肺炎疫情全國爆發時的背景下對特定行業股市做了一定研究。學者們采用了實證分析法（段又源，2020），事件研究法（徐宏等，2021）研究了新冠肺炎疫情對我國醫藥股市的影響，結果表明新冠肺炎疫情對我國醫藥行業市場收益形成了顯著的正向影響，而除了醫藥行業外都呈現負面影響，在疫情公告日當天，醫藥、口罩、中藥等概念股均出現明顯漲幅。胡焦鑌等（2022）通過回歸分析醫療保健行業各個企業2017-2020年的股價波動率，發現企業多方面都對股價波動率的關聯度較強。

然而現存在的通過實證分析疫情對特定行業股市帶來的影響的文獻，多基于全國疫情爆發的時間段，較少存在地區性疫情爆發（如2022年4月至5月的上海疫情、2022年8月的海南疫情）對特定行業股市帶來影響的文獻。本文將醫藥行業作為研究對象，使用事件分析法對比分析醫藥行業下多個股市板塊，著重研究4至5月及8月兩時間段內醫藥行業上市公司的股票波動情況，以及地區差異是否帶來股市波動上的差異。首先，通過收集個股收盤價在兩個時間段內的數據，使用波動率計算方法計算出m天的波動率，并進行數值上的比較以觀測是否存在地區性的影響；其次，通過Fama-French三因子模型和收益進行回歸得到特質波動率來證實是否地區性疫情影響仍會隨著時間延長而減弱。

在接下來的篇幅中，本文將首先介紹本文的研究方法，接著給出相關研究設計和使用模型、公式，通過數據得出的值匯總在表格內，然后根據實證分析最終得出本文的結論。

2.?研究設計與數據說明

2.1研究方法

本文選用事件分析法，通過定量的方法研究新冠肺炎疫情不同地區爆發背景下我國醫藥股市的波動情況，并且是否存在數值上的差異，以此研究是否不同地區爆發疫情對醫藥股市帶來的影響有所不同。波動情況主要觀察所選擇樣本板塊及其個股波動率大小。同時通過Fama-French三因子模型并使用回歸方法計算了某一地區不同時間段的特質波動率以觀察是否地區爆發背景下也存在疫情影響逐漸減弱的現象。

2.2時間選取與樣本選擇

2022年4月初上海市由于疫情影響開始實施全城封控，在5月末各區才逐漸解封，因此首先選取4月和5月兩個月份時間段，共37個交易日（其中4月含18個交易日，5月含19個交易日）作為上海地區爆發疫情背景下的時間序列。在之后的月份中，國內不同地區也有零星的病例出現，而在8月初海南省再度迎來疫情攻擊，許多游客也被滯留在海南無法歸鄉，因此將8月作為第二個時間段，其中選擇17個交易日作為海南地區爆發疫情背景下的時間序列。

本文選取了多個醫藥行業中與新冠肺炎疫情息息相關的板塊作為樣本，共計5個板塊：新冠藥物板塊、生物制藥板塊、醫療服務板塊、醫療器械板塊與化學制藥板塊。其中各板塊分別從滬深A股、創業板、科創板挑選樣本股票。

本文在數據收集上主要通過國泰安數據服務中心收集個股在選取時間序列中的每日收盤價，以及在東方財富信息網上收集到板塊的每日指數，并使用該些數據進行進一步計算。

2.3波動率與個股特質波動率

波動率和特質波動率都是能夠用來衡量金融風險的指標。波動率反映的是金融資產價格的波動情況，能夠衡量出資產的不確定性。波動率越高，金融資產波動程度越劇烈，其產生的風險也越大，本文主要通過波動率來衡量不同地區發生疫情時帶來的醫藥股風險程度是否不同。而特質波動率的高低則會影響預期收益。在疫情背景下，投資者往往會偏好購買醫藥股，而投資者情緒高漲，股價的特質波動也會更劇烈，從而預期收益有所降低（王凱和王朝暉，2021）。本文通過計算4、5兩月醫藥板塊的特質波動率來衡量是否疫情時間長度會降低投資者情緒，從而使醫藥股受到的影響減弱。

本文首先利用收盤價數據計算個股及板塊的每日收益，采用波動率的計算，以此衡量醫藥板塊股票的風險程度，假設u為收益，i為每日序號，m為樣本天數，則第n天波動率為：

其次，本文使用Fama-French三因子模型進行回歸：

對每月的交易日分別回歸后得到各個股殘差值，最后進行殘差的標準差的計算來得到各個股每月的特質波動率。

通過以上計算最終得出下文表1、表2、表3、表4、表5。

3.?實證結果分析

圖1是由五個板塊在兩個時間段內的波動率組成的散點圖。通過圖1可以明顯看出，4月與5月兩個月各板塊的波動率明顯高于8月各板塊的波動率。先從整體來看，波動率都處在較低的一個值，因此在新冠肺炎疫情爆發時，購買醫藥股的風險相對來說較小，帶來一種正向影響。表格中可以看到一些個股波動率遠高于板塊波動率，而這主要發生在4月與5月的數據中，因此經濟更為發達的地區發生疫情時股市受到的波動影響越大且明顯，風險相對更大。

再通過上述五張表格最后一列特質波動率的列出，可以看出四月的特質波動率大部分都是高于五月的特質波動率，對于大部分醫藥上市公司而言，由于4月處在上海疫情前中期，投資者投資醫藥股的情緒較高，相較5月帶來了更高的特質波動率，而隨著疫情時間延長，投資者對于醫藥股的偏好程度逐漸下降，因此大部分特質波動率值下降。可見，即使將爆發范圍縮小成某一地區，由于疫情帶來對醫藥股的影響也會隨著時間逐漸減弱。

1.?結論

本文在不同的地區爆發新冠肺炎疫情的背景下，通過計算觀測醫藥行業相關板塊及板塊內個股波動數據來對比是否地區經濟發達程度與受影響程度有關，并以特質波動率來觀測地方爆發疫情是否也存在時間上的影響減弱效應。在實證分析上，首先運用交易日板塊指數、個股收盤價計算其每日收益，并以此計算m天的波動率，結果顯示地區經濟越發達，在疫情發生情況下醫藥股市受到影響的程度越大。在計算特質波動率時，采用了Fama-French三因子模型進行回歸得到殘差，通過每月日度殘差計算出當月的特質波動率。特質波動率的值也反映出隨著疫情時間的延長，地區疫情的影響也逐漸減小。本文的主要結論如下：

• 即使是地區性小范圍疫情影響，對于股市仍有一定影響，而醫藥股波動率偏低，投資風險較低。綜合來看，醫藥股市的變動會與重大疾病事件息息相關，無論波及范圍是否廣泛。體現出疫情與醫藥股市的正向關系，即疫情的發生會一定程度降低醫藥股的波動。
• 經濟發達地區發生疫情時會更大程度上影響醫藥股市。本文4-5月時間序列是以上海爆發疫情為背景，而8月時間序列是以海南爆發疫情為背景。通常情況下，上海地區經濟發達程度高于海南地區，而通過兩個時間序列波動率的比較也能得出4-5月的波動率要高于8月的波動率。

第三，通過對特質波動率的觀察，能夠印證向前容等（2021）提出的在相對較長時間內，疫情對股市波動影響甚微，醫藥股也體現出該特點。僅分析上海地區，4月還處在疫情前中期，因此醫藥股市特質波動受到影響，而5月疫情來到了中后期，明顯可見大部分個股特質波動率相較于4月為更低值。

參考文獻

[1]鄧琪，于躍.突發事件對中國股市的沖擊效應[J].統計與管理，2021，36（12）：42-50.

[2]段又源.新冠肺炎疫情對我國股市的影響：基于醫藥行業的實證分析[J].中國商論，2020（18）：28-30.

[3]胡焦鑌，劉家鵬.疫情常態化背景下醫藥股股價波動的影響因素[J].中國商論，2022（12）：95-97.

[4]蔣海，吳文洋，韋施威.新冠肺炎疫情對全球股市風險的影響研究：基于EAS方法的跨市場檢驗[J].國際金融研究，2021（3）：3-13.

[5]沈立琦，張潔，葉雨蒙，等.波動率杠桿效應和聯動性實證研究：證據來源于新冠疫情沖擊下的中美股市[J].全國流通經濟，2022（9）：128-131.

[6]王凱，王朝暉.投資者情緒對股價的特質波動、預期收益的影響研究[J].科技與管理，2021，23（5）：85-91.

[7]王明國，劉曉雙.新冠肺炎疫情對A、B股股價波動影響差異研究[J].北方經貿，2022（06）：113-117.

[8]向前容，張櫻凡，陶志偉，等.新冠肺炎疫情對我國股票市場的波動性影響研究[J].商展經濟，2021（10）：66-68.

[9]徐聰全，張興巧，丁琨.突發事件對股市波動的影響分析：以英國脫歐為例[J].當代經濟，2017（33）：137-139.

[10]徐宏，蒲紅霞.新冠疫情對中國股票市場的影響：基于事件研究法的研究[J].金融論壇，2021，26（7）：70-80.

[11]ABID?HAMEED，HAMMAD?ASHRAF.Stock?market?volatility?and?weak-form?efficiency：evidence?from?an?emerging?market[J].International?journal?of?business?and?emerging?markets，2009，1（3）.

[12]DIAZ?FERNANDO，HENRIQUEZ?PABLO?A.，WINKELRIED?DIEGO.Stock?market?volatility?and?the?COVID-19?reproductive?number[J].Research?in?international?business?and?finance，2022（59）.

[13]MAHFUZUL?HAQUE.Impact?of?September?11，2001（911）?in?the?Emerging?Markets?stock?volatility[J].International?journal?of?business?and?emerging?markets，2010，2（3）.

[14]ROUATBI?WAEL，DEMIR?ENDER，KIZYS?RENATAS，et?al.Immunizing?markets?against?the?pandemic：COVID-19?vaccinations?and?stock?volatility?around?the?world[J].International?review?of?financial?analysis，2021（77）.