新冠肺炎疫情背景下我國醫(yī)藥股的波動情況

楊馳宇

摘??要：新冠肺炎疫情作為突發(fā)性重大自然災(zāi)害事件嚴(yán)重影響著日常生活，經(jīng)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(yī)藥股在全國疫情發(fā)生時呈現(xiàn)利好表現(xiàn)。筆者主要研究在地區(qū)發(fā)生疫情時醫(yī)藥股的波動情況，并對比分析是否經(jīng)濟更發(fā)達(dá)地區(qū)受到疫情對醫(yī)藥股市的影響更加嚴(yán)重。文章通過收集選取時間樣本內(nèi)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(zhì)波動率以觀測時間樣本內(nèi)的波動情況。通過實證結(jié)果發(fā)現(xiàn)地區(qū)性疫情時，醫(yī)藥股也有利好表現(xiàn)，但經(jīng)濟更為發(fā)達(dá)地區(qū)發(fā)生疫情時，醫(yī)藥股波動性更大，更容易受到疫情的影響。同時筆者也發(fā)現(xiàn)，地區(qū)性疫情發(fā)生時，在相對較長時間內(nèi)，其產(chǎn)生的影響也會逐漸減弱。

關(guān)鍵詞：新冠肺炎疫情；醫(yī)藥股市；波動率；特質(zhì)波動率

中圖分類號：F832.5??????文獻(xiàn)標(biāo)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(gòu)成威脅，世界經(jīng)濟也因此遭受到了重創(chuàng)。2020年疫情逐漸在全球蔓延開，世界多地出現(xiàn)通脹壓力。大宗商品、能源價格出現(xiàn)大幅度上漲，同時全球多地房價也出現(xiàn)明顯上漲。全球股市也遭遇不小的沖擊。疫情剛發(fā)生時，標(biāo)普500日跌約3%，其他國家股指也在持續(xù)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(xù)性蔓延。然而，2022由于病毒變種，在一些地區(qū)疫情再度爆發(fā)，地區(qū)性疫情造成影響還需再度探索。

通常來說，事件的發(fā)生伴隨著不確定性，突發(fā)事件的發(fā)生會引起一個國家股市的波動，在國內(nèi)外都存有一定數(shù)量此方面的文獻(xiàn)。Abid?Hammeed?和?Hammad?Ashraf（2009）在對巴基斯坦股市的研究中發(fā)現(xiàn)，911事件導(dǎo)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(fā)現(xiàn)911事件之后，新興市場之間的相關(guān)性似乎有所增強。鄧琪等（2021）通過在GARCH簇模型基礎(chǔ)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(fā)現(xiàn)三大股指受到突發(fā)事件沖擊時收益率衰減，波動率被放大，其中滬深300受到?jīng)_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(yán)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(fā)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(chuàng)。學(xué)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(nèi)學(xué)者發(fā)現(xiàn)新冠肺炎疫情導(dǎo)致股市風(fēng)險水平上升，對股價波動存在顯著負(fù)向沖擊，整體呈現(xiàn)一種沖擊先增加后減少的倒U現(xiàn)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(guān)，隨著每日確診病例增加，疫情導(dǎo)致的股價的負(fù)面影響也在逐漸減?。ㄊY海等，2021；王明國和劉曉雙，2022）。國外學(xué)者們通過證據(jù)表明COVID-19疫苗有助于穩(wěn)定全球股票市場（Rouatbi?Wael?et?al.，2021），隨后在研究指標(biāo)圖騰繁殖數(shù)R如何影響全球股票市場波動時，發(fā)現(xiàn)倘若R大于1，疾病傳播會猛增，但對股市波動也產(chǎn)生積極且顯著影響。（Diaz?Fernando?et?al.，2022）。在對一國股市研究上，學(xué)者通過引入虛擬變量實證研究發(fā)現(xiàn)新冠疫情爆發(fā)之初中國股市波動性增大，而在相對較長時期內(nèi)，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(yīng)（沈立琦等，2022）。我國學(xué)者還在新冠肺炎疫情全國爆發(fā)時的背景下對特定行業(yè)股市做了一定研究。學(xué)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(yī)藥股市的影響，結(jié)果表明新冠肺炎疫情對我國醫(yī)藥行業(yè)市場收益形成了顯著的正向影響，而除了醫(yī)藥行業(yè)外都呈現(xiàn)負(fù)面影響，在疫情公告日當(dāng)天，醫(yī)藥、口罩、中藥等概念股均出現(xiàn)明顯漲幅。胡焦鑌等（2022）通過回歸分析醫(yī)療保健行業(yè)各個企業(yè)2017-2020年的股價波動率，發(fā)現(xiàn)企業(yè)多方面都對股價波動率的關(guān)聯(lián)度較強。

然而現(xiàn)存在的通過實證分析疫情對特定行業(yè)股市帶來的影響的文獻(xiàn)，多基于全國疫情爆發(fā)的時間段，較少存在地區(qū)性疫情爆發(fā)（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(yè)股市帶來影響的文獻(xiàn)。本文將醫(yī)藥行業(yè)作為研究對象，使用事件分析法對比分析醫(yī)藥行業(yè)下多個股市板塊，著重研究4至5月及8月兩時間段內(nèi)醫(yī)藥行業(yè)上市公司的股票波動情況，以及地區(qū)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(nèi)的數(shù)據(jù)，使用波動率計算方法計算出m天的波動率，并進行數(shù)值上的比較以觀測是否存在地區(qū)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(zhì)波動率來證實是否地區(qū)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(guān)研究設(shè)計和使用模型、公式，通過數(shù)據(jù)得出的值匯總在表格內(nèi)，然后根據(jù)實證分析最終得出本文的結(jié)論。

2.?研究設(shè)計與數(shù)據(jù)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(qū)爆發(fā)背景下我國醫(yī)藥股市的波動情況，并且是否存在數(shù)值上的差異，以此研究是否不同地區(qū)爆發(fā)疫情對醫(yī)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(qū)不同時間段的特質(zhì)波動率以觀察是否地區(qū)爆發(fā)背景下也存在疫情影響逐漸減弱的現(xiàn)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(qū)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(qū)爆發(fā)疫情背景下的時間序列。在之后的月份中，國內(nèi)不同地區(qū)也有零星的病例出現(xiàn)，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(xiāng)，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(qū)爆發(fā)疫情背景下的時間序列。

本文選取了多個醫(yī)藥行業(yè)中與新冠肺炎疫情息息相關(guān)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(yī)療服務(wù)板塊、醫(yī)療器械板塊與化學(xué)制藥板塊。其中各板塊分別從滬深A(yù)股、創(chuàng)業(yè)板、科創(chuàng)板挑選樣本股票。

本文在數(shù)據(jù)收集上主要通過國泰安數(shù)據(jù)服務(wù)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(wǎng)上收集到板塊的每日指數(shù)，并使用該些數(shù)據(jù)進行進一步計算。

2.3波動率與個股特質(zhì)波動率

波動率和特質(zhì)波動率都是能夠用來衡量金融風(fēng)險的指標(biāo)。波動率反映的是金融資產(chǎn)價格的波動情況，能夠衡量出資產(chǎn)的不確定性。波動率越高，金融資產(chǎn)波動程度越劇烈，其產(chǎn)生的風(fēng)險也越大，本文主要通過波動率來衡量不同地區(qū)發(fā)生疫情時帶來的醫(yī)藥股風(fēng)險程度是否不同。而特質(zhì)波動率的高低則會影響預(yù)期收益。在疫情背景下，投資者往往會偏好購買醫(yī)藥股，而投資者情緒高漲，股價的特質(zhì)波動也會更劇烈，從而預(yù)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(yī)藥板塊的特質(zhì)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(yī)藥股受到的影響減弱。

本文首先利用收盤價數(shù)據(jù)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(yī)藥板塊股票的風(fēng)險程度，假設(shè)u為收益，i為每日序號，m為樣本天數(shù)，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(biāo)準(zhǔn)差的計算來得到各個股每月的特質(zhì)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(jié)果分析

圖1是由五個板塊在兩個時間段內(nèi)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(fā)時，購買醫(yī)藥股的風(fēng)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(yuǎn)高于板塊波動率，而這主要發(fā)生在4月與5月的數(shù)據(jù)中，因此經(jīng)濟更為發(fā)達(dá)的地區(qū)發(fā)生疫情時股市受到的波動影響越大且明顯，風(fēng)險相對更大。

再通過上述五張表格最后一列特質(zhì)波動率的列出，可以看出四月的特質(zhì)波動率大部分都是高于五月的特質(zhì)波動率，對于大部分醫(yī)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(yī)藥股的情緒較高，相較5月帶來了更高的特質(zhì)波動率，而隨著疫情時間延長，投資者對于醫(yī)藥股的偏好程度逐漸下降，因此大部分特質(zhì)波動率值下降?？梢?，即使將爆發(fā)范圍縮小成某一地區(qū)，由于疫情帶來對醫(yī)藥股的影響也會隨著時間逐漸減弱。

1.?結(jié)論

本文在不同的地區(qū)爆發(fā)新冠肺炎疫情的背景下，通過計算觀測醫(yī)藥行業(yè)相關(guān)板塊及板塊內(nèi)個股波動數(shù)據(jù)來對比是否地區(qū)經(jīng)濟發(fā)達(dá)程度與受影響程度有關(guān)，并以特質(zhì)波動率來觀測地方爆發(fā)疫情是否也存在時間上的影響減弱效應(yīng)。在實證分析上，首先運用交易日板塊指數(shù)、個股收盤價計算其每日收益，并以此計算m天的波動率，結(jié)果顯示地區(qū)經(jīng)濟越發(fā)達(dá)，在疫情發(fā)生情況下醫(yī)藥股市受到影響的程度越大。在計算特質(zhì)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(dāng)月的特質(zhì)波動率。特質(zhì)波動率的值也反映出隨著疫情時間的延長，地區(qū)疫情的影響也逐漸減小。本文的主要結(jié)論如下：

• 即使是地區(qū)性小范圍疫情影響，對于股市仍有一定影響，而醫(yī)藥股波動率偏低，投資風(fēng)險較低。綜合來看，醫(yī)藥股市的變動會與重大疾病事件息息相關(guān)，無論波及范圍是否廣泛。體現(xiàn)出疫情與醫(yī)藥股市的正向關(guān)系，即疫情的發(fā)生會一定程度降低醫(yī)藥股的波動。
• 經(jīng)濟發(fā)達(dá)地區(qū)發(fā)生疫情時會更大程度上影響醫(yī)藥股市。本文4-5月時間序列是以上海爆發(fā)疫情為背景，而8月時間序列是以海南爆發(fā)疫情為背景。通常情況下，上海地區(qū)經(jīng)濟發(fā)達(dá)程度高于海南地區(qū)，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(zhì)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(nèi)，疫情對股市波動影響甚微，醫(yī)藥股也體現(xiàn)出該特點。僅分析上海地區(qū)，4月還處在疫情前中期，因此醫(yī)藥股市特質(zhì)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(zhì)波動率相較于4月為更低值。

參考文獻(xiàn)

[1]鄧琪，于躍.突發(fā)事件對中國股市的沖擊效應(yīng)[J].統(tǒng)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(yī)藥行業(yè)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(tài)化背景下醫(yī)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(fēng)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(yīng)和聯(lián)動性實證研究：證據(jù)來源于新冠疫情沖擊下的中美股市[J].全國流通經(jīng)濟，2022（9）：128-131.

[6]王凱，王朝暉.投資者情緒對股價的特質(zhì)波動、預(yù)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(jīng)貿(mào)，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(jīng)濟，2021（10）：66-68.

[9]徐聰全，張興巧，丁琨.突發(fā)事件對股市波動的影響分析：以英國脫歐為例[J].當(dāng)代經(jīng)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）.