外生沖擊對(duì)行業(yè)典型股票的影響及風(fēng)控建議

錢思蒙

摘?要：股票市場(chǎng)的穩(wěn)健發(fā)展是中國(guó)經(jīng)濟(jì)持續(xù)健康發(fā)展的重要保障。本文通過分析CAPM模型、Fama-French三因子模型殘差項(xiàng)、日收盤價(jià)均值、波動(dòng)率、在險(xiǎn)價(jià)值、尾部均值、特質(zhì)波動(dòng)率等指標(biāo)，探究以2020年新型冠狀病毒肺炎疫情為例的外生沖擊對(duì)主要行業(yè)典型性股票的影響，并提出了多維度的風(fēng)險(xiǎn)防控建議。實(shí)證結(jié)果表明，外生沖擊會(huì)加劇行業(yè)典型公司的股價(jià)波動(dòng)，金融風(fēng)險(xiǎn)挑戰(zhàn)增強(qiáng)，不同行業(yè)典型公司股票對(duì)外生沖擊的抵御能力不同。文章的理論與實(shí)證分析也進(jìn)一步指出，由于各公司主營(yíng)業(yè)務(wù)的異質(zhì)性，同一行業(yè)不同股票對(duì)相同風(fēng)險(xiǎn)度量指標(biāo)的反應(yīng)程度不同。因各風(fēng)險(xiǎn)指標(biāo)度量維度和方式不同，同一股票對(duì)不同風(fēng)險(xiǎn)度量指標(biāo)的敏感性也存在一定的差異。

關(guān)鍵詞：外生沖擊；新冠疫情；股票市場(chǎng)；風(fēng)險(xiǎn)管理

中圖分類號(hào)：F832.5??????文獻(xiàn)標(biāo)識(shí)碼：A??文章編號(hào)：1005-6432（2023）23-0000-08

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

1引言

我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段[1]。2019年中國(guó)經(jīng)濟(jì)呈現(xiàn)出穩(wěn)中有進(jìn)的良好發(fā)展態(tài)勢(shì)。2020年初新冠肺炎爆發(fā)后，我國(guó)建立起從中央到地方的高效聯(lián)防聯(lián)控機(jī)制，讓世界見證了“中國(guó)速度”。然而，外生沖擊對(duì)我國(guó)股票市場(chǎng)帶來(lái)了巨大的負(fù)面影響，相應(yīng)的風(fēng)險(xiǎn)防控措施仍需進(jìn)一步探索。

本文嘗試多維度探究以2020年新型冠狀病毒肺炎疫情為例的外生沖擊對(duì)主要行業(yè)典型性股票的影響，并從宏觀和微觀層面的不同主體入手，提出相應(yīng)的風(fēng)險(xiǎn)防控建議。首先，通過計(jì)算6大行業(yè)14支股票在2019年、2020年每日收盤價(jià)均值、波動(dòng)率及兩個(gè)指標(biāo)的年變化率，來(lái)比較外生沖擊對(duì)各行業(yè)典型性股票的不同影響，并分析造成差異化影響及受沖擊后股票波動(dòng)率上漲的成因；其次，測(cè)度股票的左尾風(fēng)險(xiǎn)，并通過資本資產(chǎn)定價(jià)模型提取因子載荷，分析同一行業(yè)不同股票對(duì)相同風(fēng)險(xiǎn)度量指標(biāo)的反應(yīng)程度不同的原因，并橫向?qū)Ρ攘送还善睂?duì)不同風(fēng)險(xiǎn)度量指標(biāo)的敏感性；最后，通過Fama-French三因子模型提取14支股票連續(xù)5個(gè)月的特質(zhì)波動(dòng)率，并進(jìn)行了相應(yīng)的分析和比較。

中央經(jīng)濟(jì)工作會(huì)議曾提出，“要把防控金融風(fēng)險(xiǎn)放到更加重要的位置，提高和改進(jìn)監(jiān)管能力，確保不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)”[2]。?研究外生沖擊對(duì)主要行業(yè)典型性股票的影響，有助于幫助各個(gè)行業(yè)的不同類型公司根據(jù)自身企業(yè)特點(diǎn)和發(fā)展戰(zhàn)略規(guī)劃，結(jié)合外生沖擊特質(zhì)，精準(zhǔn)施策，有效防控金融風(fēng)險(xiǎn)，化沖擊為契機(jī)，盡可能減少外生沖擊對(duì)中國(guó)股市及企業(yè)發(fā)展的負(fù)面影響。同時(shí)，研究并提出相應(yīng)的風(fēng)險(xiǎn)防控建議也有助于我國(guó)企業(yè)和股票市場(chǎng)持續(xù)穩(wěn)定健康發(fā)展，助推后疫情時(shí)代的經(jīng)濟(jì)振興。

本文可能的邊際貢獻(xiàn)主要有以下幾個(gè)方面：一是以風(fēng)險(xiǎn)指標(biāo)量化的形式分析了外生沖擊對(duì)主要行業(yè)典型性公司股票的影響，分析了各指標(biāo)在疫情發(fā)生前后的變化率，發(fā)現(xiàn)：外生沖擊會(huì)加劇主要行業(yè)典型公司的股價(jià)波動(dòng)，不同行業(yè)典型公司股票對(duì)外生沖擊的抵御能力不同。二是縱向比對(duì)了同一行業(yè)不同股票對(duì)相同風(fēng)險(xiǎn)指標(biāo)的反應(yīng)程度并分析造成差異化的可能原因；同時(shí)，通過橫向比較，發(fā)現(xiàn)同一股票對(duì)不同風(fēng)險(xiǎn)度量指標(biāo)的敏感性不同。

在接下來(lái)的篇幅中，本文將首先綜述文獻(xiàn)并提出本文的4個(gè)研究假設(shè)，接著給出模型選取與數(shù)據(jù)分析方法說(shuō)明，然后根據(jù)數(shù)據(jù)分析結(jié)果對(duì)提出的研究假設(shè)進(jìn)行實(shí)證分析與檢驗(yàn)，最后給出主要結(jié)論與相應(yīng)的風(fēng)險(xiǎn)防控建議。

2文獻(xiàn)綜述與研究假設(shè)

外生沖擊即來(lái)源于經(jīng)濟(jì)系統(tǒng)之外的變量變動(dòng)引起的沖擊，對(duì)宏觀經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展有較大的負(fù)面影響（劉志蛟，2018）[3]，其中相當(dāng)一部分影響是通過股市產(chǎn)生的（Jaroslav等，2019）[4]。2020年新型冠狀肺炎疫情作為重大國(guó)際突發(fā)公共衛(wèi)生事件對(duì)中國(guó)股票市場(chǎng)造成了顯著的負(fù)向沖擊，而負(fù)向外生沖擊極大程度上加劇了金融市場(chǎng)的風(fēng)險(xiǎn)。股價(jià)的劇烈波動(dòng)、不同行業(yè)對(duì)外生沖擊的差異化反應(yīng)也進(jìn)一步引起了學(xué)術(shù)界的廣泛關(guān)注。

新冠疫情的嚴(yán)重程度與股價(jià)的跌幅呈正相關(guān)（王箐等，2020）[5]。股票的價(jià)格很大程度上受到了投資者情緒和心理的影響（高清輝，2005）[6]。人們?cè)谝咔橹行纬傻牟町惢拍罨蛑{言等帶來(lái)的恐慌情緒會(huì)通過非理性因素對(duì)資本市場(chǎng)及社會(huì)經(jīng)濟(jì)預(yù)期帶來(lái)深遠(yuǎn)影響（劉玉珍，2020）[7]。金融市場(chǎng)的不確定性加劇了股價(jià)波動(dòng)（Haroon，2020）[8]。疫情期間公眾的股票買賣態(tài)度很大程度上依賴于感染病例數(shù)、死亡指數(shù)和全球恐懼指數(shù)（Li等，2021）[9]，但中國(guó)股市參與者在疫情期間總體較為理性，因?yàn)樵摃r(shí)段中國(guó)股票市場(chǎng)的羊群行為明顯低于平時(shí)（Wu等，2020）[10]。

新冠疫情使人們對(duì)不同領(lǐng)域的行業(yè)產(chǎn)生了差異化預(yù)期（段又源，2020）[11]，同時(shí)也為部分產(chǎn)業(yè)提供了發(fā)展契機(jī)，注入了新的活力。疫情對(duì)旅游業(yè)、交通運(yùn)輸業(yè)、餐飲業(yè)、農(nóng)業(yè)、工業(yè)等沖擊較大。同時(shí)，為網(wǎng)絡(luò)服務(wù)業(yè)、互聯(lián)網(wǎng)醫(yī)療等行業(yè)提供發(fā)展機(jī)遇（趙丹丹等，2020）[12]。2020年疫情中全國(guó)金融、房地產(chǎn)、信息與日常消費(fèi)行業(yè)在事件期間的風(fēng)險(xiǎn)輸出力度大幅提高，醫(yī)療保健、公用事業(yè)以及工業(yè)板塊則成為了主要的風(fēng)險(xiǎn)接受方（楊子暉，2020）[13]。

新冠疫情也提升了市場(chǎng)間動(dòng)態(tài)相關(guān)系數(shù)，加劇股市風(fēng)險(xiǎn)的跨市場(chǎng)傳染（蔣海等，2021）[14]。但疫情沖擊對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響持續(xù)時(shí)間較有限（劉精山，2021）[15]，制定風(fēng)險(xiǎn)對(duì)沖政策應(yīng)多采用數(shù)量化、結(jié)構(gòu)化工具和區(qū)域性政策（吳振宇，2020）[16]。

綜上所述，對(duì)于新冠疫情對(duì)中國(guó)股票市場(chǎng)的影響，已有較豐富的學(xué)術(shù)文獻(xiàn)研究結(jié)果，但遺憾的是，以金融風(fēng)險(xiǎn)管理指標(biāo)為基點(diǎn)對(duì)主要行業(yè)典型性股票應(yīng)對(duì)外生沖擊的研究仍存在探索空間，值得進(jìn)一步探討。基于以上理論分析，本文提出以下四個(gè)假設(shè)：

假設(shè)1：外生沖擊會(huì)加劇主要行業(yè)典型性公司股價(jià)波動(dòng)，金融風(fēng)險(xiǎn)挑戰(zhàn)增強(qiáng)

假設(shè)2：不同行業(yè)典型性公司股票對(duì)外生沖擊的抵御能力不同

假設(shè)3：同一行業(yè)不同股票對(duì)相同風(fēng)險(xiǎn)度量指標(biāo)的反應(yīng)程度不同

假設(shè)4：同一股票對(duì)不同風(fēng)險(xiǎn)度量指標(biāo)的敏感性不同

3模型選取、數(shù)據(jù)分析方法說(shuō)明

3.1資本資產(chǎn)定價(jià)模型

資本資產(chǎn)定價(jià)模型（CAPM模型）在衡量被計(jì)算組合平均異常收益以及該組合對(duì)市場(chǎng)組合的風(fēng)險(xiǎn)暴露關(guān)系方面有廣泛的應(yīng)用價(jià)值。該模型通過被計(jì)算組合或證券的超額收益對(duì)市場(chǎng)組合超額收益的時(shí)間序列回歸截距項(xiàng)系數(shù)來(lái)估計(jì)組合或證券的異常收益，廣泛應(yīng)用于資產(chǎn)成本計(jì)算、預(yù)算決策、個(gè)股選擇、業(yè)績(jī)?cè)u(píng)估等各個(gè)方面。

=[（）-]?????（1）

該式子擬合出了市場(chǎng)投資的預(yù)期回報(bào)率與被計(jì)算資產(chǎn)預(yù)期收益的線性關(guān)系。其中，和（）分別代表了資產(chǎn)組合和市場(chǎng)的預(yù)期回報(bào)，為無(wú)風(fēng)險(xiǎn)收益率，為因子載荷。

資本資產(chǎn)定價(jià)模型的回歸檢驗(yàn)可表示為：

（2）

其中，和分別為模型和市場(chǎng)組合的超額收益，為組合的異常收益，和分別度量了系統(tǒng)性風(fēng)險(xiǎn)和非系統(tǒng)性風(fēng)險(xiǎn)。本文用到了資本資產(chǎn)定價(jià)模型的計(jì)算。

3.2Fama-French三因子模型

（3）

Fama-French三因子模型引入了三個(gè)風(fēng)險(xiǎn)因子：分別為市場(chǎng)因子（MKT）、規(guī)模因子（SMB）和價(jià)值因子（HML），用于更好地解釋股票回報(bào)率的差異。本文在計(jì)算股票特質(zhì)波動(dòng)率時(shí)，用到了Fama-French三因子模型中的殘差項(xiàng)。

3.3波動(dòng)率計(jì)算

定義為一個(gè)變量在日期i結(jié)束時(shí)的價(jià)格，為第i天連續(xù)復(fù)利的收益率。利用即的標(biāo)準(zhǔn)差來(lái)計(jì)算日波動(dòng)率。本文在計(jì)算中使用其簡(jiǎn)化形式，將定義為，的均值假設(shè)為0，以m替代m-1，股票日收盤價(jià)波動(dòng)率可表示為：

（公式4）

3.4在險(xiǎn)價(jià)值計(jì)算

在險(xiǎn)價(jià)值（Value-at-risk）指某一資產(chǎn)組合特定置信區(qū)間和限定時(shí)間維度內(nèi)的最大損失金額。本文采用歷史模擬法計(jì)算在險(xiǎn)價(jià)值，利用市場(chǎng)觀測(cè)值（本文中為股票收盤價(jià)）日間變化的歷史數(shù)據(jù)直接估計(jì)所求交易組合未來(lái)價(jià)值的變化走向和概率分布。

3.5尾部均值計(jì)算

計(jì)算尾部均值ES即為計(jì)算超過Var值的尾部損失的期望

3.6特質(zhì)波動(dòng)率計(jì)算

特質(zhì)波動(dòng)率（idiosyncratic?volatility）衡量了資本資產(chǎn)定價(jià)模型（CAPM模型）中可被分散的、不能被市場(chǎng)解釋的部分，記3.2模型中值為特質(zhì)波動(dòng)率。

3.7數(shù)據(jù)說(shuō)明

本文就2020年全國(guó)范圍內(nèi)新型冠狀肺炎大流行對(duì)我國(guó)主要行業(yè)典型性股票的影響進(jìn)行了展開分析。分別選取了醫(yī)藥行業(yè)的同仁堂、云南白藥、復(fù)星醫(yī)藥股票，金融業(yè)的中國(guó)平安、中信證券、東方財(cái)富股票，旅游業(yè)的張家界、國(guó)旅聯(lián)合股票，交通運(yùn)輸行業(yè)的建發(fā)股份、大眾交通股票，教育行業(yè)的豆神教育、拓維信息股票，房地產(chǎn)行業(yè)的綠地控股、榮盛發(fā)展股票，共計(jì)14支典型股票作為研究對(duì)象，遍及6個(gè)行業(yè)大類。

其中股票每日收盤價(jià)均值和波動(dòng)率的計(jì)算選取了2019年1月1日-2020年12月31日14支股票的每日收盤價(jià)作為樣本。日收盤價(jià)均值由全年每日收盤價(jià)求算術(shù)平均所得。股票月特質(zhì)波動(dòng)率的計(jì)算選取2019年12月1日-2020年4月30日14支股票的每日收盤價(jià)作為樣本。資本資產(chǎn)定價(jià)模型值選取了2019年1月-2020年12月14支股票的月收盤價(jià)作為樣本。99%在險(xiǎn)價(jià)值和尾部均值選取了自2019年1月1日起501個(gè)交易日歷史數(shù)據(jù)作為分析對(duì)象，以2019年1月1日收盤價(jià)作為基準(zhǔn)計(jì)算單日損失。本文所涉及的行業(yè)股票日收盤價(jià)、月收盤價(jià)、無(wú)風(fēng)險(xiǎn)利率數(shù)據(jù)均來(lái)自于國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)，F(xiàn)ama-French三因子模型的數(shù)據(jù)來(lái)自銳思（RESSET）數(shù)據(jù)庫(kù)，其中市場(chǎng)溢酬因子、市值因子、賬面市值比因子均采用流通市值加權(quán)。

由于新冠肺炎第一例病例發(fā)病時(shí)間為2019年12月12日，在2020年初新冠疫情在全國(guó)范圍內(nèi)大規(guī)模爆發(fā)，本文將2019年數(shù)據(jù)用作疫情爆發(fā)前數(shù)據(jù)，與2020年數(shù)據(jù)進(jìn)行對(duì)比，得出相應(yīng)結(jié)論。又由于新冠肺炎疫情在2019年12月初進(jìn)入人們視野，在2020年4月24日實(shí)現(xiàn)武漢重癥病例“清零”，本文選取2019年12月-2020年4月共計(jì)5個(gè)月數(shù)據(jù)計(jì)算特質(zhì)波動(dòng)率，并進(jìn)行相應(yīng)的分析與比較。

4實(shí)證結(jié)果與分析

本部分將對(duì)2020年新冠疫情前后14支股票的各個(gè)指標(biāo)進(jìn)行量化計(jì)算，并以此為依據(jù)分析外生沖擊對(duì)主要行業(yè)典型性股票的影響。首先將分別計(jì)算新冠疫情對(duì)股票日收盤價(jià)和波動(dòng)率的影響，然后分析新冠疫情對(duì)股票左尾風(fēng)險(xiǎn)和因子的影響，最后本文測(cè)度了新冠疫情背景下股票特質(zhì)波動(dòng)率的變動(dòng)情況。

4.1新冠肺炎疫情沖擊與股票日收盤價(jià)

本文首先分析新冠疫情對(duì)主要行業(yè)典型性股票日收盤價(jià)的影響。根據(jù)對(duì)表1共14支股票日收盤價(jià)的分析可得，在2020年新型冠狀肺炎疫情爆發(fā)后，半數(shù)公司的日收盤價(jià)均值都呈現(xiàn)不同程度的負(fù)向增長(zhǎng)趨勢(shì)，其中以旅游行業(yè)的張家界、國(guó)旅聯(lián)合股票，房地產(chǎn)行業(yè)的綠地控股、榮盛發(fā)展股票和交通運(yùn)輸行業(yè)的大眾交通股票下降幅度最為明顯。分析對(duì)比表中數(shù)據(jù)可知，不同行業(yè)典型性公司股票對(duì)外生沖擊的抵御能力不同。公司股價(jià)受沖擊程度與市場(chǎng)的供給和需求以及行業(yè)的特性有緊密的聯(lián)系。由于新冠肺炎飛沫傳播、接觸傳播的兩個(gè)主要傳播方式和傳播性強(qiáng)、嚴(yán)重程度高等傳播特點(diǎn)，對(duì)線下經(jīng)營(yíng)服務(wù)有強(qiáng)依賴性以及具有勞動(dòng)密集型特點(diǎn)的行業(yè)公司受沖擊程度普遍偏高。

由于張家界、國(guó)旅聯(lián)合所處的旅游行業(yè)不可取代的線下體驗(yàn)感、旅游時(shí)不可避免的人員接觸以及旅游業(yè)上中下游產(chǎn)業(yè)鏈對(duì)勞動(dòng)服務(wù)的強(qiáng)依賴性，這兩個(gè)典型性旅游業(yè)公司對(duì)以新冠疫情為例的外生沖擊反應(yīng)劇烈，市場(chǎng)需求大幅下降，在日收盤價(jià)上有顯著的體現(xiàn)。對(duì)房地產(chǎn)行業(yè)的綠地控股、榮盛發(fā)展股票而言，疫情帶來(lái)經(jīng)濟(jì)壓力、不確定性和線下看房體驗(yàn)缺失導(dǎo)致民眾購(gòu)房意愿和需求下降，避免人員聚集導(dǎo)致的竣工延誤等因素也共同導(dǎo)致了股價(jià)的下跌。

相比較而言，教育行業(yè)的豆神教育、拓維信息股票對(duì)外生沖擊抵御能力較強(qiáng)，在疫情期間及后疫情時(shí)代實(shí)現(xiàn)平均股價(jià)上漲，這兩個(gè)以教育業(yè)務(wù)為主體的公司充分相應(yīng)國(guó)家“停課不停學(xué)”號(hào)召，大力發(fā)展“互聯(lián)網(wǎng)+教育”線上課程業(yè)務(wù)，化沖擊為契機(jī)，實(shí)現(xiàn)盈利增長(zhǎng)。同時(shí)，云南白藥、復(fù)星醫(yī)藥等醫(yī)藥行業(yè)典型性公司的日收盤價(jià)均值在新冠疫情大環(huán)境下也得到了正向增長(zhǎng)，得益于新冠疫情與醫(yī)藥行業(yè)公司主營(yíng)業(yè)務(wù)的密切關(guān)聯(lián)。云南白藥、復(fù)星醫(yī)藥、同仁堂等公司在不同程度上滿足了民眾在醫(yī)藥衛(wèi)生方面的需求，受疫情沖擊較小。此外，中信證券、東方財(cái)富等金融行業(yè)典型性公司也以其獨(dú)有的經(jīng)營(yíng)特性，在應(yīng)對(duì)外生沖擊方面有較好的表現(xiàn)。

4.2新冠肺炎疫情沖擊與股票波動(dòng)率

本文在這一部分主要分析了新冠疫情沖擊對(duì)主要行業(yè)典型性股票波動(dòng)率的影響。根據(jù)對(duì)表1共14支股票日收盤價(jià)的分析可得，在2020年新型冠狀肺炎疫情爆發(fā)后，絕大多數(shù)股票的年化波動(dòng)率均大于疫情爆發(fā)前的2019年，外生沖擊很大程度上加劇了主要行業(yè)典型性公司股價(jià)波動(dòng)，金融風(fēng)險(xiǎn)挑戰(zhàn)增強(qiáng)。在面對(duì)外生沖擊時(shí)主要行業(yè)典型性股票的波動(dòng)率與該公司主營(yíng)業(yè)務(wù)對(duì)沖擊的敏感性有關(guān)。

由表1數(shù)據(jù)可得，醫(yī)藥行業(yè)的復(fù)星醫(yī)藥和房地產(chǎn)行業(yè)板塊的綠地控股在疫情前后有較大的波動(dòng)率變化，波動(dòng)率大于100%。在本文研究的14支股票中，豆神教育和拓維信息兩支教育類股票在疫情爆發(fā)后的2020年波動(dòng)率最大；中信證券、國(guó)旅聯(lián)合、大眾交通、榮盛發(fā)展在2020年疫情爆發(fā)后的年化波動(dòng)率小于2019年，其中中信證券和國(guó)旅聯(lián)合的波動(dòng)率變化幅度最小，最接近于0。

由表中數(shù)據(jù)可見，股票的波動(dòng)率和日收盤價(jià)均值的變化率之間并沒有直接的線性關(guān)系。例如：疫情對(duì)旅游行業(yè)的張家界、國(guó)旅聯(lián)合股票價(jià)格造成較大沖擊，日收盤價(jià)均值下滑明顯，但國(guó)旅聯(lián)合股票在本文所有研究股票中波動(dòng)率絕對(duì)值最低；日收盤價(jià)變化較小的綠地控股在股票的波動(dòng)率上變化明顯?？赡艿慕忉屖牵和馍鷽_擊帶來(lái)的各個(gè)因素與行業(yè)的聯(lián)系程度不同，不同的因素在影響波動(dòng)率和日收盤價(jià)變動(dòng)方面發(fā)揮了差異化作用，最終導(dǎo)致同一對(duì)象兩個(gè)測(cè)度指標(biāo)不同的變化幅度和變化方向。

相關(guān)研究表明：金融市場(chǎng)的不確定性，新聞媒體的恐慌消息和公開意見表達(dá)引發(fā)的公眾負(fù)面焦慮恐慌情緒均與股票市場(chǎng)不斷加劇的波動(dòng)有關(guān)[17]。疫情帶來(lái)的投資者恐懼和焦慮情緒可能會(huì)刺激投資者賣出股票，導(dǎo)致股市波動(dòng)[7]。同時(shí)，信息的不對(duì)稱性、部分大眾傳媒的失真報(bào)道、疫情帶來(lái)的不穩(wěn)定因素都會(huì)在一定程度上助長(zhǎng)例如“追漲殺跌”等不理性投資行為，引發(fā)股票波動(dòng)率上漲。

4.3新冠肺炎疫情沖擊與主要行業(yè)典型性股票左尾風(fēng)險(xiǎn)和因子

本文在這一部分主要分析了新冠疫情沖擊對(duì)主要行業(yè)典型性股票左尾風(fēng)險(xiǎn)的影響。左尾系統(tǒng)風(fēng)險(xiǎn)指標(biāo)比其他指標(biāo)更適用于危機(jī)時(shí)期的風(fēng)險(xiǎn)管理[18]，它考慮了資產(chǎn)和市場(chǎng)收益率的左尾分布，以單個(gè)資產(chǎn)和市場(chǎng)的極值相關(guān)性為基礎(chǔ)[19]，有效提高了測(cè)度外生沖擊下股票下行系統(tǒng)風(fēng)險(xiǎn)的準(zhǔn)確性和精確度。

由表2可得，同一行業(yè)不同股票對(duì)相同風(fēng)險(xiǎn)度量指標(biāo)的反應(yīng)程度不同。以醫(yī)藥行業(yè)為例，該行業(yè)同仁堂股票的99%在險(xiǎn)價(jià)值和尾部均值均遠(yuǎn)高于本文研究的其他13支股票，反映了其較高的極端損失風(fēng)險(xiǎn)。雖同為醫(yī)藥行業(yè)股票，云南白藥和復(fù)星醫(yī)藥99%在險(xiǎn)價(jià)值為負(fù)，尾部均值也較低，體現(xiàn)出較強(qiáng)的風(fēng)險(xiǎn)抵御能力，可能的解釋是：3個(gè)醫(yī)藥行業(yè)典型性公司在醫(yī)藥板塊較細(xì)分支中具體業(yè)務(wù)的側(cè)重點(diǎn)不同。同仁堂主要側(cè)重于中成藥的生產(chǎn)研發(fā)，云南白藥側(cè)重于口腔衛(wèi)生清潔用品的生產(chǎn)銷售，復(fù)星醫(yī)藥側(cè)重于藥品的創(chuàng)新研制。因同一行業(yè)不同公司專長(zhǎng)的經(jīng)營(yíng)領(lǐng)域不同，外生沖擊對(duì)各公司帶來(lái)的風(fēng)險(xiǎn)嚴(yán)重程度也不同，反映在同一指標(biāo)的差異化的數(shù)據(jù)呈現(xiàn)上。同理，在本文所研究的交通運(yùn)輸行業(yè)股票中，建發(fā)股份的在險(xiǎn)價(jià)值和尾部均值明顯低于大眾交通股票，負(fù)值的損失體現(xiàn)出了較穩(wěn)定的發(fā)展態(tài)勢(shì)。

房地產(chǎn)業(yè)的榮盛發(fā)展股票和旅游業(yè)的國(guó)旅聯(lián)合股票也以較高的左尾風(fēng)險(xiǎn)測(cè)度值分列同仁堂股票之后。相比而言，金融行業(yè)的中國(guó)平安、中信證券、東方財(cái)富在2019年1月1日以后的501個(gè)交易日內(nèi)有較好的風(fēng)險(xiǎn)表現(xiàn)，出現(xiàn)左尾極端損失的概率較小。

在險(xiǎn)價(jià)值和尾部均值共同測(cè)度了股票的左尾風(fēng)險(xiǎn)，二者在風(fēng)險(xiǎn)測(cè)度領(lǐng)域相互補(bǔ)充，描述的方向和數(shù)值的正負(fù)基本一致。

4.4新冠肺炎疫情沖擊與主要行業(yè)典型性股票CAPM模型的因子

本文在這一部分主要分析了新冠疫情沖擊對(duì)主要行業(yè)典型性股票因子載荷的影響。與資產(chǎn)組合風(fēng)險(xiǎn)和收益呈正向關(guān)系，資本資產(chǎn)定價(jià)模型因子一定程度上反映了6個(gè)主要行業(yè)典型性公司的不同經(jīng)營(yíng)戰(zhàn)略和風(fēng)險(xiǎn)管理策略。因子具體體現(xiàn)了資產(chǎn)價(jià)格變化和市場(chǎng)波動(dòng)的比例，其正負(fù)也代表了被計(jì)算組合與經(jīng)濟(jì)周期的順逆關(guān)系。

由表2數(shù)據(jù)可知，大部分股票在2019年-2020年的因子變化率都呈現(xiàn)負(fù)向增長(zhǎng)。在2020年各股票因子的絕對(duì)值普遍減小，股票價(jià)格的波動(dòng)幅度更加貼合市場(chǎng)指數(shù)的波動(dòng)幅度。在本文研究的14支股票中醫(yī)藥行業(yè)的同仁堂股票在2020年因子最小，展示了2020年疫情期間，該資產(chǎn)收益率對(duì)于市場(chǎng)組合收益率較低的敏感程度，股價(jià)不容易隨市場(chǎng)波動(dòng)出現(xiàn)大漲大跌現(xiàn)象。在14支股票中2020年?yáng)|方財(cái)富的因子最大，可能的解釋是外生沖擊加劇了金融市場(chǎng)的波動(dòng)情況和不穩(wěn)定性，給東方財(cái)富公司主營(yíng)的證券、金融電子商務(wù)等業(yè)務(wù)帶來(lái)更大的投資風(fēng)險(xiǎn)，故導(dǎo)致其股票的波動(dòng)幅度大于市場(chǎng)和其他研究的股票，對(duì)市場(chǎng)組合收益率有較高的敏感性。

4.5新冠肺炎疫情沖擊與主要行業(yè)典型性股票特質(zhì)波動(dòng)率

本文在這一部分主要分析了新冠疫情沖擊對(duì)主要行業(yè)典型性股票特質(zhì)波動(dòng)率的影響。由表3數(shù)據(jù)可知，教育行業(yè)的拓維信息股票在2019年12月-2020年4月均有較高的月特質(zhì)波動(dòng)率，各股票在2020年2月均有較高的特質(zhì)波動(dòng)率。據(jù)中華人民共和國(guó)國(guó)家衛(wèi)生健康委員會(huì)數(shù)據(jù)統(tǒng)計(jì)顯示，新冠疫情在中國(guó)的現(xiàn)存感染人數(shù)在2020年2月中旬達(dá)到峰值，在后面的月份中逐步回落，若以新型冠狀病毒感染人數(shù)來(lái)代表新冠肺炎嚴(yán)重程度，本文所研究的主要行業(yè)典型性股票在2020年2月遭受較嚴(yán)重的外生沖擊。

研究發(fā)現(xiàn)，我國(guó)股票特質(zhì)波動(dòng)的增加，并不能表示股票市場(chǎng)反映上市公司內(nèi)在價(jià)值的有效性和及時(shí)性提高，投資者非理性投資造成的噪音交易是我國(guó)股票特質(zhì)風(fēng)險(xiǎn)變動(dòng)的主要原因[1]。因此，對(duì)疫情峰值期間股票較高特質(zhì)波動(dòng)率的可能解釋是：疫情帶來(lái)的巨大不確定性一定程度上給投資者帶來(lái)了較大的負(fù)面的情緒波動(dòng)，由此引發(fā)的投資者非理性投資行為導(dǎo)致了股票特質(zhì)波動(dòng)率的提升。

結(jié)合前四部分內(nèi)容綜合分析數(shù)據(jù)可見，同一股票對(duì)不同風(fēng)險(xiǎn)度量指標(biāo)的敏感性不同。股票波動(dòng)率、CAPM模型的因子載荷、左尾風(fēng)險(xiǎn)測(cè)度指標(biāo)（在險(xiǎn)價(jià)值、尾部均值）、股票特質(zhì)波動(dòng)率之間并沒有顯著的聯(lián)系，某一風(fēng)險(xiǎn)指標(biāo)較高的股票在其他風(fēng)險(xiǎn)指標(biāo)上可能低于均值，同一股票對(duì)不同風(fēng)險(xiǎn)度量指標(biāo)的敏感性存在較大的差異。各個(gè)指標(biāo)具有不同的度量維度，綜合在一起，才能更加立體、準(zhǔn)確得反映金融資產(chǎn)的風(fēng)險(xiǎn)狀況。

5結(jié)論與啟示

5.1主要結(jié)論

本文在金融風(fēng)險(xiǎn)管理的框架下，以2020年新型冠狀病毒爆發(fā)為背景，研究了外生沖擊對(duì)主要行業(yè)典型性公司的影響。在實(shí)證檢驗(yàn)與數(shù)據(jù)分析方法上，采用了資本資產(chǎn)定價(jià)（CAPM）模型來(lái)計(jì)算因子載荷，利用Fama-French三因子模型中的按月計(jì)算股票特質(zhì)波動(dòng)率，還分別計(jì)算了股票的日收盤價(jià)均值、波動(dòng)率、在險(xiǎn)價(jià)值和尾部均值，并對(duì)2019年和2020年的數(shù)據(jù)進(jìn)行了分析和比較，主要結(jié)論如下：

第一，外生沖擊加劇了主要行業(yè)典型性公司股價(jià)波動(dòng)，帶來(lái)了更大的金融風(fēng)險(xiǎn)挑戰(zhàn)。外生沖擊帶來(lái)的包含投資者情緒波動(dòng)、對(duì)未來(lái)市場(chǎng)的消極預(yù)期等諸多不確定性因素，極大地削弱了股票市場(chǎng)的穩(wěn)定性，不利于股市持續(xù)穩(wěn)定發(fā)展。

第二，不同行業(yè)典型性公司股票對(duì)外生沖擊的抵御能力不同，外生沖擊對(duì)其造成的影響程度也不同。由于不同行業(yè)的公司主營(yíng)業(yè)務(wù)側(cè)重的領(lǐng)域不同，對(duì)外生沖擊的敏感性和聯(lián)系程度也不同。抵御沖擊的能力很大程度上由受沖擊期間民眾對(duì)該行業(yè)產(chǎn)品和服務(wù)的需求程度以及行業(yè)內(nèi)公司的供給能力所決定。外生沖擊對(duì)該行業(yè)供需削弱程度越小，主要沖擊領(lǐng)域與公司主營(yíng)業(yè)務(wù)相關(guān)性越低，公司股票抵御外生沖擊能力越強(qiáng)。

第三，同一行業(yè)不同股票對(duì)相同風(fēng)險(xiǎn)度量指標(biāo)的反應(yīng)程度不同。由于同一行業(yè)不同公司側(cè)重的具體業(yè)務(wù)不同，相對(duì)應(yīng)的客戶群體也具有不同的特質(zhì)，這些特性最終導(dǎo)致了同一行業(yè)不同股票對(duì)相同風(fēng)險(xiǎn)度量指標(biāo)的差異化反應(yīng)。

第四，同一股票對(duì)不同風(fēng)險(xiǎn)度量指標(biāo)的敏感性不同。由于各風(fēng)險(xiǎn)度量指標(biāo)測(cè)度風(fēng)險(xiǎn)的角度不同，風(fēng)險(xiǎn)指標(biāo)之間互相補(bǔ)充多層次全方面展現(xiàn)了金融資產(chǎn)不同維度的風(fēng)險(xiǎn)。差異化的風(fēng)險(xiǎn)測(cè)度方式，導(dǎo)致了同一股票對(duì)不同風(fēng)險(xiǎn)因子和指標(biāo)的異質(zhì)反應(yīng)。

5.2研究啟示

本文的主要結(jié)論表明外生沖擊對(duì)不同行業(yè)典型性公司的股票具有差異化的影響，挑戰(zhàn)和機(jī)遇并存。

在宏觀角度下的國(guó)家層面，在沖擊發(fā)生前，首先，有關(guān)部門應(yīng)做好充分的壓力測(cè)試，完善多層次、多維度的風(fēng)險(xiǎn)分擔(dān)機(jī)制，結(jié)合歷史數(shù)據(jù)，借鑒全球經(jīng)驗(yàn)，提前做好外生沖擊應(yīng)對(duì)方案。其次，應(yīng)充分利用“大數(shù)據(jù)”等金融科技手段，對(duì)可能造成流動(dòng)性風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)的不合理投融資行為予以警示，監(jiān)管部門應(yīng)及時(shí)做好相關(guān)金融機(jī)構(gòu)的資金預(yù)警工作，對(duì)不符合規(guī)范的單位和個(gè)人予以懲戒；在沖擊發(fā)生后，國(guó)家應(yīng)出臺(tái)相應(yīng)財(cái)政和貨幣政策，維持市場(chǎng)秩序，緩解沖擊帶來(lái)的市場(chǎng)震蕩，保證經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展。同時(shí)，相應(yīng)的扶持性政策不可或缺，扶持力度應(yīng)與公司的受沖擊程度正相關(guān)，政策應(yīng)根據(jù)不同行業(yè)公司的特點(diǎn)和需求個(gè)性化定制，針對(duì)性回應(yīng)相關(guān)訴求。

在宏觀社會(huì)治理層面，首先，及時(shí)穩(wěn)定投資者情緒在應(yīng)對(duì)外生沖擊和管理金融風(fēng)險(xiǎn)方面發(fā)揮了重要的作用。在外生沖擊期間，相關(guān)機(jī)構(gòu)和組織可以通過開展金融專業(yè)知識(shí)普及教育、投資者心理分析與疏導(dǎo)等活動(dòng)，引導(dǎo)投資者理性投資，減少“追漲殺跌”和“羊群效應(yīng)”等不理性行為的出現(xiàn)。其次，相關(guān)監(jiān)管機(jī)構(gòu)應(yīng)加強(qiáng)對(duì)大眾傳媒及社交軟件等公共平臺(tái)的監(jiān)管，嚴(yán)懲謠言傳播群體和不實(shí)新聞消息發(fā)布方，營(yíng)造良好的網(wǎng)絡(luò)空間，保證外生沖擊期間信息傳播的真實(shí)性、有效性，避免民眾出現(xiàn)不必要的恐慌和焦慮心理，進(jìn)而加劇資本市場(chǎng)的波動(dòng)。

在微觀角度下的個(gè)人層面，對(duì)公司的管理人員和相關(guān)決策的制定者來(lái)說(shuō)，在外生沖擊發(fā)生前，應(yīng)制定合理有效的風(fēng)險(xiǎn)管理戰(zhàn)略和績(jī)效獎(jiǎng)懲機(jī)制，增強(qiáng)企業(yè)職員風(fēng)險(xiǎn)防控意識(shí)，充分調(diào)動(dòng)員工的積極性。在外生沖擊發(fā)生后，首先，應(yīng)理性分析外生沖擊期間企業(yè)痛點(diǎn)，進(jìn)行相關(guān)戰(zhàn)略轉(zhuǎn)型，化沖擊為契機(jī)。例如，在2020年新冠疫情線下活動(dòng)出行受限的情況下，部分企業(yè)轉(zhuǎn)戰(zhàn)線上，開辟“互聯(lián)網(wǎng)+”新模式，充分利用網(wǎng)絡(luò)媒體傳播優(yōu)勢(shì)，實(shí)現(xiàn)多渠道廣盈收，為企業(yè)發(fā)展注入新活力。同時(shí)企業(yè)應(yīng)廣泛了解市場(chǎng)信息和最新動(dòng)態(tài)，根據(jù)用戶需求和外生沖擊的實(shí)時(shí)情況進(jìn)行風(fēng)險(xiǎn)管理戰(zhàn)略和企業(yè)經(jīng)營(yíng)發(fā)展規(guī)劃的動(dòng)態(tài)調(diào)整，與時(shí)俱進(jìn)。

在微觀角度的個(gè)人投資者層面，投資者應(yīng)理性分析各種市場(chǎng)信息，不輕信盲從，不傳播渲染恐慌焦慮情緒。在充分了解外生沖擊對(duì)各個(gè)行業(yè)公司的差異化影響、全面認(rèn)識(shí)各個(gè)維度的金融風(fēng)險(xiǎn)后，結(jié)合個(gè)人需要理性投資。

參考文獻(xiàn)：

[1]中央經(jīng)濟(jì)工作會(huì)議明確防控金融風(fēng)險(xiǎn)：下決心處置一批風(fēng)險(xiǎn)點(diǎn)[EB/OL].（2016-12-16）.http：//finance.people.com.cn/GB/n1/2016/1216/c1004-28956359.html.

[2]中央經(jīng)濟(jì)工作會(huì)議明確防控金融風(fēng)險(xiǎn)：下決心處置一批風(fēng)險(xiǎn)點(diǎn)[EB/OL].（2016-12-16）.http：//finance.people.com.cn/GB/n1/2016/1216/c1004-28956359.html.

[3]劉志蛟.外生沖擊對(duì)股票市場(chǎng)影響及股市風(fēng)險(xiǎn)管理研究[D].長(zhǎng)春：東北師范大學(xué)，2018.

[4]JAROSLAV?HORVATH?A，JIANSHENG?ZHONG?B?.?Unemployment?dynamics?in?emerging?countries：?Monetary?policy?and?external?shocks[J].?Economic?modelling，2019（76）：31-49.

[5]王箐，王鐘黎，李士雪，等.“新冠肺炎”疫情對(duì)中國(guó)股市價(jià)格波動(dòng)的短期影響[J].經(jīng)濟(jì)與管理評(píng)論，2020，36（6）：16-27.

[6]高清輝.論投資者情緒對(duì)股市的影響[J].經(jīng)濟(jì)縱橫，2005（4）：34-36，49.

[7]劉玉珍，王陳豪.行為視角下的疫情分析：成因、影響與對(duì)策綜述[J].金融研究，2020（6）：1-19.

[8]HAROON?O，RIZVI?S.COVID-19：?Media?coverage?and?financial?markets?behavior—A?sectoral?inquiry[J].Journal?of?behavioral?and?experimental?finance，2020，27（3）.

[9]LI?W?，CHIEN?F，?KAMRAN?H?W?，et?al.The?nexus?between?COVID-19?fear?and?stock?market?volatility[R].?Ekonomska?istraivanja?（Economic?Research），2021-05-14：1765-1785.

[10]WU?G?，YANG?B?，ZHAO?N?.?Herding?behavior?in?Chinese?stock?markets?during?COVID-19[J].?Emerging?markets?finance?and?trade，?2020（56）.

[11]段又源.新冠肺炎疫情對(duì)我國(guó)股市的影響：基于醫(yī)藥行業(yè)的實(shí)證分析[J].中國(guó)商論，2020（18）：28-30.

[12]趙丹丹，萬(wàn)冰彬，鄭繼媛，等.新冠疫情沖擊影響特征及行業(yè)差異性研究[J].價(jià)格理論與實(shí)踐，2020（3）：10-13.

[13]楊子暉，陳雨恬，張平淼.重大突發(fā)公共事件下的宏觀經(jīng)濟(jì)沖擊，金融風(fēng)險(xiǎn)傳導(dǎo)與治理應(yīng)對(duì)[J].管理世界，2020，36（5）：25.

[14]蔣海，吳文洋，韋施威.新冠肺炎疫情對(duì)全球股市風(fēng)險(xiǎn)的影響研究：基于ESA方法的跨市場(chǎng)檢驗(yàn)[J].國(guó)際金融研究，2021（3）：3-13.

[15]劉精山.新冠肺炎疫情沖擊背景下金融風(fēng)險(xiǎn)的傳導(dǎo)與防范研究：基于金融壓力視角的實(shí)證分析[J].華北金融，2021（1）：1-16.

[16]吳振宇，朱鴻鳴，朱俊生.新冠肺炎疫情對(duì)金融運(yùn)行的影響及政策建議[J].經(jīng)濟(jì)縱橫，2020（3）：1-6，137.

[17]陳浪南，熊偉.公司特質(zhì)波動(dòng)決定因素研究：信息效率還是噪音交易？[J].中國(guó)會(huì)計(jì)評(píng)論，?2014（1）：16.

[18]陸蓉，?徐天麗，?朱思源.?危機(jī)沖擊下企業(yè)社會(huì)責(zé)任與左尾系統(tǒng)風(fēng)險(xiǎn)[J].國(guó)際金融研究，?2022（4）：10.

[19]李志生，金凌，張知宸.危機(jī)時(shí)期政府直接干預(yù)與尾部系統(tǒng)風(fēng)險(xiǎn)：來(lái)自2015年股災(zāi)期間“國(guó)家隊(duì)”持股的證據(jù)[J].經(jīng)濟(jì)研究，2019，54（4）：17.