股票流動性和價格波動的同業(yè)溢出效應
——基于投資者關注視角的SDM模型實證研究

李順平 朱順和

（澳門科技大學商學院，澳門 999078）

一、引言

自2020年初以來，新冠肺炎疫情（以下簡稱疫情）因其高傳染性特征反復侵擾經(jīng)濟社會活動的正常開展，也對金融市場運行造成一定影響。受疫情影響，投資者獲取市場信息大多依賴網(wǎng)絡，尤其對于占我國股票市場較大比例的個人投資者而言，互聯(lián)網(wǎng)信息已經(jīng)成為其投資決策形成的關鍵依據(jù)，而這一變化也進一步傳遞到股票市場。已有許多學者注意到國內(nèi)投資者關注對股票市場的影響（俞慶進和張兵，2012；張繼德等，2014；瞿慧和沈微，2022）[1-3]?？紤]到投資者在決策過程中不僅會考量公司本身，也會進一步考察其所屬行業(yè)，因此，也有必要明確投資者對某只股票的關注帶來的同業(yè)溢出效應，特別是對股票市場的流動性和價格波動的影響，從而完善股票市場的信息反饋機制。

現(xiàn)有研究在討論投資者關注對股票流動性以及價格波動的影響時，往往通過構建線性回歸模型來估計二者之間是否存在相關關系（Ben-Rephael 等，2017；Goddard 等，2015）[4，5]。但一般多元線性回歸模型的假設檢驗針對樣本自身的關系，特別是在雙向固定效應模型中，割裂了樣本與樣本之間、時點與時點之間的聯(lián)系，這也導致過往文獻忽略了投資者關注引起的股票流動性和價格波動的溢出效應。而現(xiàn)有研究對于上市公司中存在的同業(yè)溢出效應的實證檢驗，主要通過對樣本進行劃分來實現(xiàn)，即將具備某部分特征的公司與其他同業(yè)公司分別作為解釋變量和被解釋變量，然后進行檢驗。例如，鐘凱等（2021）[6]檢驗了頭部公司的業(yè)績報告會情感語調(diào)信息與同業(yè)其他公司的股票回報之間的相關關系；Wu 等（2020）[7]利用同業(yè)公司并購前后的財務績效差異的滯后項來解釋其他公司的績效變化。但此類實證研究方法存在一定缺陷：一方面，同業(yè)溢出效應的檢驗并不完整，因為假設了溢出效應的影響是單向而非雙向的；另一方面，檢驗不完整導致回歸模型可能存在互為因果的內(nèi)生性問題。因此，本文將空間計量模型應用于上市公司的同業(yè)溢出效應研究，以克服以上不足。

本文的主要創(chuàng)新之處在于三個方面：其一，首次構建了同業(yè)空間矩陣，抽象出上市公司之間的行業(yè)關系，并基于同業(yè)空間矩陣檢驗了股票流動性和價格波動的同業(yè)自相關特征；其二，將同業(yè)空間矩陣引入空間計量模型，從而提供一種新的方法來檢驗同業(yè)溢出效應，據(jù)此檢驗了投資者關注對股票流動性和價格波動的同業(yè)溢出效應，以及機構持股的調(diào)節(jié)效應；基于疫情所造成的影響，檢驗了后疫情時代投資者關注對股票流動性和價格波動的同業(yè)溢出效應的變化。

二、文獻綜述與研究假設

（一）投資者關注對股票市場的影響

現(xiàn)有研究對投資者關注度的衡量通常從兩個角度展開。其一，采用引起投資者關注的間接代理變量來衡量，如新聞、公告、網(wǎng)絡論壇或者股票的異常收益率等（Engelberg 等，2012；周亮，2021）[8，9]。其二，近年來許多學者使用搜索量數(shù)據(jù)來直接度量投資者對上市公司的關注程度，如以境外上市公司為對象的研究通常使用Google Trend 的搜索量指數(shù)衡量投資者關注（Da 等，2011）[10]，而以A 股上市公司為對象的研究則通常使用百度指數(shù)（俞慶進和張兵，2012；張繼德等，2014）[1，2]，此外，還有學者使用彭博金融終端的搜索和閱讀特定文章的數(shù)據(jù)來衡量機構投資者關注（Ouadghiri I等，2022）[11]。

投資者關注對股票市場的影響主要包括三個方面，分別是股票流動性、股票收益和價格波動，其中股價波動也通常用于反映價格風險。首先，基于不完全信息市場理論（Merton，1987）[12]，投資者對股票的有限關注會擴大其交易活動，這一現(xiàn)象通常從兩個方面進行解釋。一方面，由于認知和資源的限制，投資者無法獲知有關股票市場的所有公開、有效的信息，所以更偏好交易熟悉的股票，這也是有限理性的一個重要體現(xiàn)（Barber 和Odean，2008；Fang 和Peress，2009）[13，14]。另一方面，媒體報道、證券分析師報告以及上市公司對自身的宣傳都會驅(qū)動投資者交易這些公司的股票，從而引起交易量上升（Ben-Rephael等，2017）[4]。其次，投資者關注對股票收益的影響主要通過有限關注與資產(chǎn)定價的關系來實現(xiàn)（Goddard等，2015）[5]。投資者通常更加關注行業(yè)層面或者宏觀經(jīng)濟的信息，而不是上市公司自身的情況（Peng，2005）[15]，Peng和Xiong（2006）[16]通過進一步實證研究發(fā)現(xiàn)，這種分類學習的特點結合投資者的過度自信，使得股票收益可以被預測。最后，正是由于投資者關注度升高帶來股票流動性和收益特征的變化，新的市場信息迅速融入價格，帶來價格波動（Andrei 和Hasler，2015）[17]。不僅如此，普通投資者通常被視為噪聲交易者（Delong等，1990）[18]，當其對上市公司的關注度上升時，可能帶來大量噪聲交易，從而推動價格波動放大。

同業(yè)溢出效應通常表現(xiàn)為公司內(nèi)部或外部條件的改變對同行業(yè)其他公司造成類似的影響。對于同業(yè)溢出效應的研究，最早見于Foster（1981）[19]對同業(yè)公司信息關聯(lián)性的分析，認為公司披露的信息中往往包含所處行業(yè)共同的特質(zhì)，而相關領域較早的實證研究主要在金融機構中展開 （Polonchek 和Miller，1999）[20]。目前對上市公司的研究主要聚焦于同業(yè)信息的溢出效應，也被稱為傳染效應，其研究視角大多集中于盈余公告對同業(yè)公司的溢出效應（鐘凱等，2021）[6]。金融市場的溢出效應通常表現(xiàn)得更為廣泛。Chow（2017）[21]實證研究了美國、英國以及亞洲10個國家的股票市場之間存在的波動溢出效應，Uzonwanne（2021）[22]則通過多元VARMA-AGARCH 模型檢驗了股票市場與加密貨幣市場之間的波動率和收益溢出現(xiàn)象。

事實上，不僅是市場間存在溢出效應，市場內(nèi)部的同業(yè)溢出效應也經(jīng)常受到關注。投資者和股票分析師通常會根據(jù)某只股票的異常變化來推測行業(yè)的整體變化，從而調(diào)整投資策略。因此，當這些變化引起投資者關注度上升時，在推動股票流動性和價格波動增強的同時，也會驅(qū)動投資者交易其他同業(yè)股票以規(guī)避市場風險或追逐超額收益。

因此，根據(jù)上述分析，本文提出以下假設：

H1：投資者關注對股票流動性具有正向影響，且存在同業(yè)溢出效應。

H2：投資者關注對股票價格波動具有正向影響，且存在同業(yè)溢出效應。

（二）機構持股的調(diào)節(jié)效應

機構投資者與個人投資者具有顯著的特征差異，對于上市公司而言，前者不僅是股東，還是重要的監(jiān)督者（Koh，2003）[23]?，F(xiàn)有對于機構投資者與股票市場關系的研究，大多集中于機構持股對價格波動和價格風險的影響，并形成了兩種主要觀點。一方面，部分學者認為機構持股可以有效抑制股價波動。對比個人投資者，機構投資者的交易風格更加穩(wěn)健，且在投資過程中也會遵循謹慎性原則，盡量規(guī)避高波動的股票（Oak和Dalbor，2008）[24]。此外，機構投資者通常會與上市公司管理層建立密切聯(lián)系，從而有效降低信息不對稱，進而降低股票波動。另一方面，部分學者認為機構投資者可能受超額收益的吸引，投資高波動股票，從而使價格波動更加劇烈（Ferreira 和Matos，2008）[25]。同時，機構持股引發(fā)的羊群效應可能引導個人投資者交易相關股票（Campbell 等，2009）[26]，從而提高噪聲交易的比重，導致股票的流動性和價格波動增大。

盡管機構持股對股價波動的影響有所爭議，但機構持股對投資者關注與股票流動性和價格波動之間關系的影響可能相對明確。一方面，無論機構投資者的投資風格偏向穩(wěn)健還是激進，其交易頻率總的來說都遠低于個人投資者。另一方面，對于機構持股比例較高的股票，即使投資者關注度上升導致噪聲交易增多，對流動性和價格波動的影響空間也相對有限?；诖耍瑱C構投資者持股可能抑制投資者關注對股票流動性和價格波動的正向影響。因此，本文提出以下假設：

H3：機構持股對投資者關注與股票流動性的關系具有負向調(diào)節(jié)作用。

H4：機構持股對投資者關注與股票價格波動的關系具有負向調(diào)節(jié)作用。

綜上，已有研究大多探討股票受到自身投資者關注的影響，而在一定程度上忽略了其同業(yè)溢出效應，本文梳理了投資者關注、機構持股以及股票流動性和價格波動之間的理論關系（見圖1），表明同業(yè)股票間的溢出效應也是引起流動性和價格波動變化的重要原因，從而對股票市場的信息反饋機制形成補充。

圖1：理論關系圖

三、研究設計

（一）樣本選擇與數(shù)據(jù)來源

本文的研究對象為2017年1月—2021年12月滬深A股市場上市公司的月度數(shù)據(jù)，數(shù)據(jù)來自百度指數(shù)網(wǎng)站和萬得數(shù)據(jù)庫。為了保證研究期間的數(shù)據(jù)完整性，本文依據(jù)證監(jiān)會行業(yè)分類方法選取了66 個行業(yè)門類共889 家公司構成平衡面板進行研究。此外，為了避免極端值造成的估計結果偏差，本文對所有連續(xù)變量進行了1%的縮尾處理。行業(yè)門類與公司數(shù)量見表1。

表1：行業(yè)門類分布

（二）研究變量

1.被解釋變量。根據(jù)本文的研究目的和研究假設，被解釋變量包括股票流動性（SL）和股票價格波動（SPV）。根據(jù)現(xiàn)有相關研究成果，本文使用股票當月的換手率來衡量流動性，使用股票的對數(shù)收益率的標準差來衡量價格波動，分別定義為：

其中，V表示成交量，F(xiàn)表示流通股總股數(shù)，rt表示股票在第t期的對數(shù)收益率，表示對數(shù)收益率的平均值，St表示股票在第t期的價格，n表示天數(shù)。

2.解釋變量。參考張繼德等（2014）[2]的研究方法，本文使用百度指數(shù)衡量投資者關注（IA），并以此作為解釋變量。本文使用GoPUP 開源軟件包對百度指數(shù)進行采集，通常情況下，投資者較少使用上市公司全稱進行搜索，且股票代碼包含有非投資意向的搜索，因此，選擇以股票簡稱作為關鍵詞的搜索量數(shù)據(jù)來衡量投資者關注。此外，本文采用月度數(shù)據(jù)，而每月天數(shù)有略微差異，盡管研究模型中控制了時間固定效應，但仍有可能導致估計偏差。因此，本文使用日均百度指數(shù)的自然對數(shù)來衡量投資者關注。

其中，∑BI表示當月百度指數(shù)之和，D表示當月天數(shù)。

3.調(diào)節(jié)變量和控制變量。本文討論機構持股（II）在投資者關注與股票流動性和價格波動關系中的調(diào)節(jié)效應，用股票的機構投資者持股比例進行衡量。此外，考慮到其他可能影響流動性和價格波動的因素，本文引入股票市值的自然對數(shù)（SCA）、股票市凈率（PB）和市場組合收益率（MRE）作為控制變量。變量定義與描述性統(tǒng)計結果如表2所示。

表2：變量定義與描述性統(tǒng)計

（三）研究模型

為了驗證H1 和H2，本文參考俞慶進和張兵（2012）[1]改進的Fama-French三因子模型，構建了如下模型：

其中，Yi,t指股票i在第t期的股票流動性(SLi,t)和價格波動(SPVi,t)，μi表示個體固定效應，υt表示時間固定效應，εi,t為回歸殘差。

在此基礎上，引入同業(yè)空間矩陣來檢驗同業(yè)溢出效應，根據(jù)基準模型的似然比檢驗結果（見表3），本文應使用空間杜賓模型（SDM）對系數(shù)進行估計，而不能簡化為空間自相關模型（SAR）或空間誤差模型（SEM），具體模型如下：

表3：似然比檢驗結果

其中，i和j均表示上市公司，w表示同業(yè)空間矩陣，ρ為空間自回歸系數(shù)，C表示控制變量。

根據(jù)陳強（2014）[27]的觀點，式（7）中β1并非投資者關注對被解釋變量的邊際效應，因為投資者關注對被解釋變量產(chǎn)生作用后，各樣本的被解釋變量之間還會相互作用。而核心解釋變量IA對被解釋變量的影響可以定義為：

其中，I表示單位矩陣。

因此，對于式（8）而言，當j=i時，表示上市公司i的投資者關注對自身被解釋變量的影響，即直接效應；當j≠i時，表示其他上市公司的投資者關注對上市公司i被解釋變量的影響，即間接效應；直接效應和間接效應之和為總效應。

綜合眾多學者對跨文化能力的解釋，本文對跨文化能力的內(nèi)容做一個概括，跨文化能力包括：知識(對本族文化和其他文化的了解)、情感(好奇、移情、開發(fā)和懸疑)、意識(對文化差異的意識)、技能(發(fā)現(xiàn)和交往技能)。

在式（7）的基礎上，為了驗證H3 和H4，引入了調(diào)節(jié)變量機構持股（II）與解釋變量投資者關注（IA）的交互項IA_II來檢驗調(diào)節(jié)效應，故建立具有調(diào)節(jié)效應的空間杜賓模型如下：

（四）同業(yè)空間矩陣

空間權重矩陣是將空間效應引入經(jīng)濟領域研究過程中非常關鍵的環(huán)節(jié)，通常用來表達空間區(qū)域的位置關系。根據(jù)Tobler 地理學第一定理可以得知，相近事物的關聯(lián)強于相距較遠的事物?；诖耍糜诤饬垦芯繉ο笾g親疏關系的空間權重矩陣通常有兩種形式：一是基于研究對象是否直接鄰接的二進制權重矩陣，也稱為拉普拉斯矩陣（Laplacian Matrix）；二是基于距離倒數(shù)的權重矩陣。后者的構建不僅可以依據(jù)地理距離，還可以通過社會經(jīng)濟特征對不同空間區(qū)域的距離進行衡量（林光平等，2005）[28]。本文拓展了空間距離的范疇，將其抽象為上市公司之間的距離關系，具體來說，同行業(yè)公司之間的關系比不同行業(yè)公司之間的關系更加緊密。因此，本文在鄰接空間矩陣的基礎上，認為同行業(yè)公司是鄰接的，而不同行業(yè)公司則不相鄰，進而將同業(yè)空間矩陣定義為：

在此定義下，同行業(yè)內(nèi)的公司兩兩鄰接，而不同行業(yè)的公司之間則均不相鄰，從而刻畫出公司之間的“空間關系”。圖2顯示的是簡化后的同業(yè)空間關系。

圖2：同業(yè)空間矩陣示意圖

四、實證結果

（一）同業(yè)自相關特征

本文通過向空間杜賓模型引入同業(yè)空間矩陣來探究投資者關注對股票流動性和價格波動的同業(yè)溢出效應，在檢驗空間效應之前需要先檢驗被解釋變量（股票流動性和價格波動）的同業(yè)自相關特征。889 家上市公司的股票流動性和價格波動在2017年1月—2021年12月的全局莫蘭指數(shù)（Moran's I）均表現(xiàn)出顯著為正的自相關特征（見表4）。股票流動性和價格波動在2017年1月和2021年12月的莫蘭散點圖（見圖3）顯示，大部分樣本處于“高—高”聚集或“低—低”聚集區(qū)域，這也進一步說明股票流動性和價格波動在同業(yè)空間矩陣下具有顯著的同業(yè)自相關的特點。

表4：股票流動性和價格波動的莫蘭指數(shù)

圖3：股票流動性和價格波動的莫蘭散點圖

（二）同業(yè)溢出效應

表5 列示了采用固定效應模型的面板OLS 回歸的系數(shù)估計結果，以及采用同業(yè)空間矩陣的空間杜賓模型空間效應分解，被解釋變量為股票流動性。首先，從固定效應模型的面板OLS回歸以及直接效應估計結果來看，投資者關注的系數(shù)分別為0.784 和0.751，且均在1%的顯著性水平下為正，表明對于樣本自身而言，投資者關注對股票流動性具有正向影響，部分驗證了H1。其次，投資者關注的間接效應系數(shù)為0.357，并在1%的顯著性水平下為正，表明同業(yè)其他上市公司的投資者關注也會對股票流動性產(chǎn)生正向影響，即存在同業(yè)溢出效應，從而驗證了H1。最后，空間效應分解結果顯示，同業(yè)其他公司的投資者關注每上升1%，就會帶來股票流動性增加0.357%，占總效應的32.22%。

表5：投資者關注對股票流動性的同業(yè)溢出效應

同時，股票市值的固定效應模型回歸系數(shù)和直接效應顯著為負，而間接效應顯著為正，從而表明股票流動性容易向同業(yè)較低市值的公司溢出不變。市凈率的直接效應系數(shù)顯著為正，而間接效應的系數(shù)顯著為負，表明股票流動性容易向同業(yè)較高估值的公司溢出，即高估值能夠吸引更多的投資者交易其股票。市場組合收益的固定效應模型估計系數(shù)顯著為負，但由于該變量僅與時間相關而與個股無關，空間杜賓模型分解效應均不顯著，即不存在同業(yè)溢出效應。

表6 列示了以價格波動為被解釋變量的面板OLS回歸及空間分解效應的估計結果。投資者關注對價格波動的直接效應和間接效應均顯著為正，說明投資者關注對自身價格波動有正向影響，且同業(yè)其他公司的投資者關注上升，也會導致股價波動加劇，即具有同業(yè)溢出效應，進而驗證了H2。投資者關注對價格波動影響的空間效應分解顯示，直接效應系數(shù)為0.115，間接效應系數(shù)為0.070，間接效應占到了總效應的37.84%。

表6：投資者關注對股票價格波動的同業(yè)溢出效應

值得注意的是，解釋變量投資者關注的固定效應模型回歸與空間分解效應中直接效應的系數(shù)和顯著性均非常接近，在一定程度上驗證了實證結果的穩(wěn)健性。

（三）機構持股的調(diào)節(jié)效應

根據(jù)前文分析，機構持股可能對投資者關注與股票流動性和價格波動之間的關系具有調(diào)節(jié)作用，因此，在基準回歸模型中引入了投資者關注與機構持股的交互項。以股票流動性和股票價格波動為被解釋變量的調(diào)節(jié)效應檢驗結果分別列示于表7和表8中。

被解釋變量為股票流動性的回歸結果中，投資者關注與機構持股的交互項在固定效應模型和直接效應中的系數(shù)均在1%的水平下顯著為負，總效應系數(shù)在5%的水平下顯著為負，表明機構持股會抑制投資者關注與股票流動性之間的關系，驗證了H3。在以價格波動為被解釋變量的回歸結果中，交互項在固定效應模型與SDM 分解效應回歸結果中的系數(shù)均在1%的水平下顯著為負，表明機構投資者持股顯著抑制了投資者關注與價格波動之間的關系，驗證了H4。由此看來，對于機構投資者持股比例較高的上市公司而言，機構持股一方面會抑制投資者關注帶來的流動性增加，但另一方面也會平抑由此而來的價格波動，從而降低價格風險。

表7 和表8 中交互項的間接效應系數(shù)估計結果均顯著為正，說明同業(yè)其他公司的機構持股對同業(yè)溢出效應存在正向的調(diào)節(jié)作用。具體來說，當同業(yè)其他公司的機構投資者持股比例較高時，會強化同業(yè)其他公司的投資者關注對本公司股票流動性和價格波動的影響，也意味著增強了機構持股比例較低的公司所受到的同業(yè)溢出效應。

表7：被解釋變量為股票流動性的機構持股調(diào)節(jié)效應

表8：被解釋變量為股票價格波動的機構持股調(diào)節(jié)效應

此外，對于機構持股的調(diào)節(jié)效應而言，固定效應OLS回歸結果與直接效應同樣非常接近，也進一步驗證了本文對于機構持股調(diào)節(jié)效應檢驗的穩(wěn)健性。

（四）進一步研究：后疫情時代的變化

疫情暴發(fā)不僅帶來了社會運行和生活習慣的變化，同樣也影響了投資活動。許多學者研究了后疫情時代投資者行為的變化對股票市場的影響。Phan 和Narayan（2020）[29]觀察到疫情暴發(fā)后，股票市場對外部信息可能會出現(xiàn)過度反應的現(xiàn)象。Prabheesh（2020）[30]和Chang等（2021）[31]的研究顯示疫情暴發(fā)導致股票收益率普遍下降。Haroon 等（2021）[32]通過實證檢驗發(fā)現(xiàn)疫情期間市場波動加劇。一方面，疫情防控措施使投資者獲取信息的方式更加集中于互聯(lián)網(wǎng)；另一方面，突發(fā)公共衛(wèi)生事件本身也會導致投資者過度解讀外部信息（Stein，1996）[33]，從而更容易導致投資者對市場的非理性判斷。

本文設置了疫情虛擬變量COV，由于疫情在2019年底暴發(fā)，因此，將2017年1月—2019年12月的COV 值設為0，2020年1月—2021年12月的COV值設為1，并在模型（2）中引入了COV 與解釋變量的交互項IA_COV，用以觀察疫情對投資者關注與股票流動性和價格波動關系的影響，并相應建立了如下估計模型：

估計結果如表9 所示，由于面板OLS 回歸結果與直接效應十分接近，本文僅列示空間杜賓控制空間分解效應的系數(shù)估計結果。從估計結果來看，無論是以流動性還是以價格波動為被解釋變量，交互項IA_COV 的系數(shù)在直接效應和間接效應中均顯著為負。這一結果表明后疫情時代弱化了投資者關注帶來的股票自身流動性和價格波動的上升，也抑制了同業(yè)溢出效應。引起這一變化的主要原因可能是：疫情暴發(fā)使宏觀經(jīng)濟不確定性和市場風險不斷上升，投資者有限關注導致的過度自信和非理性交易則相對降低，導致投資行為比疫情暴發(fā)前更加審慎和理性，從而抑制了投資者關注帶來的股票流動性和價格波動的增強。

表9：后疫情時代同業(yè)溢出效應的變化

五、主要結論與政策啟示

本文利用2017年1月—2021年12月33 個門類共889 家滬深A 股上市公司構成的平衡面板，構造同業(yè)空間矩陣并將其引入空間杜賓模型，實證分析投資者關注對股票流動性和價格波動的影響及同業(yè)溢出效應。結果顯示：第一，所選樣本的股票流動性和價格波動在同業(yè)空間矩陣下體現(xiàn)出顯著的同業(yè)自相關特征。第二，投資者關注對股票流動性和價格波動均體現(xiàn)出正向影響且存在同業(yè)溢出效應，即流動性和價格波動會受到同業(yè)其他公司投資者關注的影響。其中，股票流動性受同業(yè)其他公司投資者關注的影響占總效應的32.22%，股票價格波動受同業(yè)其他公司投資者關注的影響占總效應的37.84%。第三，機構持股對投資者關注與股票流動性、價格波動之間的關系存在負向調(diào)節(jié)作用，但同時也顯著促進了同業(yè)其他公司投資者關注與股票流動性和價格波動的關系，即對同業(yè)溢出效應具有顯著的正向調(diào)節(jié)作用。第四，后疫情時代投資者關注對股票流動性和價格波動的影響得到弱化。

本文在現(xiàn)有研究基礎上擴展了資本市場的信息反饋機制，同時也為股票市場穩(wěn)健高質(zhì)量發(fā)展提供了政策啟示。第一，加強對投資咨詢業(yè)務的監(jiān)管。投資咨詢活動是引起投資者關注的重要來源，監(jiān)管部門應引導金融機構和投資咨詢公司以審慎性原則開展相關業(yè)務，既要合理促進市場流動性，也要幫助投資者做出理性的決策，平抑市場波動。第二，提高機構投資者比例。適當引導個人投資者通過基金等專業(yè)機構間接投資股票市場，可以在一定程度上抑制價格波動，保障股票市場穩(wěn)健運行。第三，加強對網(wǎng)絡財經(jīng)媒體和平臺的監(jiān)管。由于疫情在將來一段時間可能仍然存在，投資者主要依賴互聯(lián)網(wǎng)獲取股票市場信息，因此，相關部門需要加強對網(wǎng)絡財經(jīng)內(nèi)容的發(fā)布主體的監(jiān)管，尤其是在宏觀經(jīng)濟不確定性上升的時期，這一舉措可以降低由不實信息帶來的市場風險。