新冠肺炎疫情对我国企业的异质性影响——基于股价波动视角的实证研究

（南京大学商学院，南京 210093）

引 言

2019年12月，新冠肺炎疫情自武汉开始爆发，并逐渐向全国快速扩散。从历史统计资料来看，历次重大疫情均对人类社会各个层面产生巨大影响，本次疫情亦不例外，人类健康、经济发展面临着极大挑战。尤其在现代化发展的今天，交通便利、信息发达、社会经济一体化使得劳动力、资本等要素可以实现跨地区甚至跨国界的自由流动，加之春节期间春运大潮产生的春节效应，无疑进一步助推了疫情的传播，在加剧各地人员传染的同时，也极大的限制了企业和经济的发展。

疫情下，除了人群感染和生产停摆等现实影响之外，反应最为剧烈的则是股票市场。股票市场是经济发展的晴雨表，股价变动不仅能够反映经济表现，同时也一定程度上预示着未来经济发展的形势，因此关注新冠肺炎疫情对我国股票市场的影响，具有重要的现实意义。疫情的爆发和在全球的不断扩散，直接对我国投资者的情绪产生极大冲击，情绪恐慌和交叉感染导致投资预期发生改变，进而影响交易决策和行为（Barberis等，1998；王美今和孙建军，2004；张宗新和王海亮，2013）［1-3］。 更重要的是，此次全球范围内的“黑天鹅事件”具有一定的持续性，中国作为世界第二大经济体、第一贸易大国，在全球生产价值链受限、全球贸易活动受挫的背景下，中国企业难以独善其身。具体来看，美股自1997年第一次触发熔断机制以来，在2020年3月连续4次触发熔断机制，世界其他国家股市也大部分触发了熔断或遭遇了暴跌。相比之下，虽然A股表现出相对顽强的韧性，但也呈现出剧烈震荡的态势，反映了经济形势的不稳定性。从全球股市及A股各大股指的走势可以看出，此次外部冲击的影响是全局性、整体性的。尽管如此，鉴于企业面对系统性外部冲击的抗压能力以及灾后复产的进度不尽相同，尤其是在我国现阶段的发展制度和背景下，中小微企业占据绝大比例，本次疫情对很多小微企业可能会造成致命性的打击。此外，海外疫情持续扩散，进出口贸易面临停滞，我国作为第一贸易大国，从中长期看外贸企业的发展将遭遇严重困难。因此，需要根据企业规模、性质、类型等进行分类，分析疫情对不同企业的异质性影响，进而针对性地提出关于不同类型企业的帮扶政策和应对策略，更加高效地助推企业渡过后疫情阶段，以求恢复经济发展正常秩序。

纵观有关此次疫情的相关文献，多数学者均从疫情的宏观经济影响层面展开研究，且多数研究仅为定性分析。具体来看，Fang等（2020）［4］研究了武汉“封城”策略的具体效应，采用DID方法有效排除了恐慌效应、春节效应等混淆因素，识别出“封城”对限制人员流动进而减少病毒传播的影响；何诚颖等（2020）［5］利用比较静态分析、路径分析等方法测度并分析了新冠肺炎疫情的发生对中国宏观经济和产业发展的负面影响；吴婷婷和朱昂昂（2020）［6］通过类比非典疫情，分析了新冠肺炎疫情对我国供给侧、需求侧、产业链、供应链、逆全球化的影响；芦千文等（2020）［7］以调查数据为依据，研究了新冠肺炎疫情对农村居民收入的影响，进而判断农村居民增收的不稳定性及原因机制；于敏等（2020）［8］以重疫区湖北省的中小上市企业为样本，研究发现新冠肺炎疫情对大多数中小企业发展都形成了较大冲击；汪阳洁等（2020）［9］则从正面视角研究了此次疫情对数字经济产业的影响，从产业转型升级的视角系统阐释了疫情下我国数字经济产业发展的机遇。关于疫情影响金融市场的研究，目前国内学者涉及较少，最具代表性的是杨子晖等（2020）［10］利用因子增广向量自回归模型考察了疫情作为突发公共卫生事件对我国宏观经济和金融市场16个部门174个变量的冲击影响，并进一步采用前沿的风险溢出网络方法研究了疫情下金融市场各行业间风险传导关系的动态演变。对于中国股票市场的直接分析，目前尚无可查文献，仅有少数国外学者以美股为研究对象进行了初步分析，如Baker等（2020）［11］利用基于文本的方法研究历次重大流行性传染病对股票市场的影响，具体利用了每次疫情爆发时新闻报道的数量进行了量化分析，发现与历次疫情相比，新冠肺炎疫情的相关新闻报导占据了压倒性的地位，成为股市波动的强大推动力；Alfaro等（2020）［12］研究发现疫情期间感染人数的非预期变化能够预测股票市场的总体回报，前一日预测新增感染人数的增加与下一交易日的股市回报率下降有关；Giglio等（2020）［13］利用散户投资者的调查数据，研究了疫情最严重时期美股崩盘以及随后复苏时期投资者对股市和经济增长的预期变化，发现股市崩盘后普通投资者对短期经济和股市表现变得更加悲观。

本文在新冠肺炎疫情持续发展、投资者情绪波动、实体企业受损的现实基础上，研究疫情对股票市场的实际冲击效应，首次从股价波动的视角研究新冠肺炎疫情对我国经济发展的冲击。具体来说：（1）利用统计数据呈现疫情对我国经济形势和股票市场的具体冲击表现，并分析原因；（2）借鉴并拓展 Schularick 和 Taylor（2012）［14］、郭峰和石庆玲（2017）［15］采用的事件分析法进行实证检验，验证疫情期间股市整体收益率和波动率的变动情况；（3）利用企业财务指标、类型指标、地域指标3类指标进行异质性分析，检验具有不同内部特征或处于不同外部环境的企业在疫情期间抵御外部风险的差异性。

1 新冠肺炎疫情的经济影响和股市表现

从宏观角度来看新冠肺炎疫情的影响，主要可以概括为两方面。（1）新冠肺炎疫情严重损害了人类健康。截至2020年7月1日24时，中国大陆累计确诊人数达到83537例，累计死亡人数达到4634例，无论从广度（疫情范围）还是从深度（疫情影响）来看，这无疑都是中国新世纪以来疫情最严重的一次；（2）新冠肺炎疫情限制了企业生产和经济发展。在疫情发展之初，众多企业面临停产停工，社会投资与居民消费等急剧下降，经济增长遭遇重创，2020年第一季度GDP同比下降6.8%，这是自1992年有季度统计数据以来首次出现负增长。图1（a）展示了自2020年初疫情开始以来疫情的具体发展趋势。可以看出自1月中旬疫情开始，直到2月下旬疫情才逐渐趋于稳定，在1个多月的爆发时间内确诊人数呈现指数型增长。图1（b）展示了近一年来供给侧和需求侧两个端口相关指标的统计数据走势。从供给侧来看，工业增加值累计增长和服务业生产指数累计同比增速均在年初出现了急剧下跌①，可见停工停产对供给侧的严重影响；同样地，从需求侧来看，“三驾马车”消费、投资、出口也均出现了巨幅下跌。因此，无论是从供给侧还是需求侧来说，经济下滑都是必然趋势，虽然后续开始逐渐恢复，但短期内还无法达到正常区间。这种宏观影响的背后至少蕴含着两层微观含义：（1）确诊和死亡人数的增长以及经济生产停摆影响着人民群众的心理预期和情绪，这将造成个体投资消费等行为的变化；（2）微观企业表现堪忧，从投入生产到产品销售的整条生产线停滞，导致企业损失严重。

图1 新冠肺炎疫情对中国的宏观影响②

宏观经济形势下行的背景下，股市行情的变化恰好可以实时反映投资者的情绪变化以及实体企业的经济表现，因此可以从股票市场的视角来分析新冠肺炎疫情的微观影响。众所周知，A股市场在疫情爆发后震荡剧烈，反映出疫情导致的投资者情绪恐慌以及实体经济表现堪忧。然而，影响股市表现的因素众多且复杂，很难单纯的提取出疫情对股市的负面效应。为此，选取一个较短的时间区间进行分析，以尽量降低股市噪音，可以较好地识别疫情效应。具体地，以2020年1月11号卫健委开始正式通报新冠肺炎疫情情况作为疫情发展起始点，选取疫情开始前后相应时间区间作为事件分析窗口。从图2上证综指的日度收益率和波动率走势图可以直观地看出，在进入疫情期后，上证综指的日度收益率和波动率均发生了较为显著的变化，日度收益率振荡幅度更加剧烈的同时，日度波动率数值也出现了高频率的上升，表明疫情给股市带来了强烈的冲击效应。

图2 疫情期间股市整体表现情况

值得注意的是，在进入疫情期后，股市行情并非一成不变表现为下行趋势或剧烈振荡态势。单从股市累计收益率③的走势来看（见图3），疫情期可以划分为4个阶段：第一阶段（2020年1月11日至2020年2月3日）为国内疫情初始爆发阶段。自2020年1月11日卫健委正式通告新冠肺炎疫情确诊及死亡人数开始，直到2020年2月3日春节后第1个交易日，本阶段是国内疫情初始阶段，突然爆发的疫情和迅速增加的感染人数引起了媒体和群众的广泛关注，加之适逢春节期间人员流动规模较大，武汉“封城”措施侧面反映疫情的严重性，恐慌效应开始显现，投资者的恐慌情绪和悲观预期立即反映在股市表现之中，市场收益率急剧下跌；第二阶段（2020年2月4日至2020年2月23日）为国内疫情持续发展阶段。虽然国内疫情继续发酵，感染人数持续暴增，但人们开始出现适应性预期调整，并且由于投资者存在有限注意和投机心理，加之春节假期和疫情限制的错配使得个体线下消费能力向线上投资能力转化，从而助推了本阶段市场行情开始上行，甚至在创业板出现了短暂的结构性牛市现象，直到海外疫情开始全面爆发，股市行情再次崩塌；第三阶段（2020年2月24日至2020年3月24日）为海外疫情全面爆发阶段。海外疫情开始全面爆发的标志是2月23日韩国宣布正式进入最高防疫级别以及意大利北部部分城市开始实行“封城”措施。疫情开始向全球扩散意味着事态严重性升级，全局性的事件冲击导致更深程度的全民恐慌，全球股市持续暴跌，美股更是先后4次熔断，在全球一体化的经济时代，中国A股也不能独善其身，在前一阶段大幅上涨的基础上，本阶段出现猛烈回调现象；第四阶段（2020年3月24日以后）是海外疫情发展、国内疫情稳定阶段。本阶段股市呈现稳健回升现象，除了如同第二阶段的适应性预期调整、有限注意及投机心理等原因外，本阶段国内疫情得到有效控制，并且疫情最严重的武汉也在3月24日正式公布了解封日期，国内逐渐缓解的疫情局势和一系列利好消息增加了国民信心，复工复产复学逐步开展，加之前期的财政货币政策效果逐渐显现，市场形势开始上行。然而由于国内和海外连续两次疫情爆发冲击余力未散，并且众多企业前期停工停产所受影响暂未恢复，此阶段的行情恢复较为稳健。

图3 疫情期间股市累计收益率走势

总体上，从短期来看，当有外部冲击影响股票市场时，受投资者情绪波动影响，冲击效应会立即反映在股价波动中，但在股市投机以及政策引导下，这种情绪导致的股价下跌会随即反弹回升，即发生均值回归现象。从长期来看，股价围绕其自身价值上下波动，因此这种长期相对价格的降低是由于整体经济形势和企业自身表现所决定，企业价值改变，股票价格随之改变。第四阶段的股市行情稳健恢复，但整体价值仍然偏低，是由于在前期经历过两次疫情外部冲击后，即使市场情绪平复，经济环境和实体企业却受到了实质性的创伤，因此表现出相对价格偏低。基于此，本文在后疫情时期对股票市场进行研究并进一步进行异质性分析，对识别疫情实质性影响并有针对性地发现和解决问题，进而尽快恢复经济发展常态水平具有重要的现实指导意义。

2 实证检验

为了检验新冠肺炎疫情对中国股票市场的冲击效应，本文采用面板结构数据，借鉴并拓展Schul⁃arick 和 Taylor（2012）［14］、郭峰和石庆玲（2017）［15］采用的事件分析法进行实证检验。具体来说，本文选择A股市场所有上市公司④作为研究对象，为保证事件研究法的适用性和准确性，选择了一个较短的时间窗口，自2019年6月3日至2020年5月31日为期一年的股市交易区间。在验证整体疫情期间股市振荡表现的基础上，还进一步考察了进入疫情之后股市表现的动态变化过程。

2.1 基准分析

根据前文分析，外部冲击会通过影响投资者情绪进而改变其交易决策和行为，从而对股票市场形成短期冲击；另外，疫情发展又同时限制了消费、投资、出口等需求面和阻碍了企业生产、服务等供给面，改变了企业微观基本面情况，对经济形势造成长期影响。按照这一逻辑，疫情期间股票市场的整体收益率应该显著下降，而波动率会显著上升。因此，本文借鉴事件分析法的思想，检验新冠肺炎疫情对股票市场的具体冲击效应。具体而言，计量模型设置如下：

其中，下标i代表个体（上市公司）、t代表日期（交易日）；INDit代表个体i在t交易日的表现指标，具体包括个股收益率和个股波动率⑤；PANDEMICit为疫情区间时间窗口的虚拟变量，考虑到疫情的持续性以及后疫情时期实质影响的延续性，本文设置疫情区间时间窗口为卫生部正式通报新冠肺炎疫情确诊病例开始日（2020年1月11日）之后，体现在股市交易区间即为2020年1月13日至2020年5月29日，PANDEMICit在疫情区间取值为1，其他时段取值为0。Xit代表模型的控制变量，本文根据 Fama和 French（1992）［17］的三因子模型，控制住了决定不同股票回报率差异的相应因素⑥。此外，本文同时控制了股票层面和时间层面的固定效应。既控制了个体固定效应，以捕捉随个体变化但不随时间变化的影响因素；同时控制了时间固定效应，以捕捉不随个体变化但随时间区间变化的影响因素。需要说明的是，时间固定效应仅控制了季度固定效应，原因如下：（1）本文所选样本时间区间为1年（242个交易日），时期相对较短，并且样本期内没有其他明显外部冲击，较短的样本期可以更好地排除市场噪音；（2）新冠肺炎疫情是一次系统性、全局性的外部冲击，为股票市场带来的是整体影响，如果控制更小层面的月度或日度效应，可能会把这种系统外部冲击人为排除掉，不符合本文研究目的。且本文研究的是新冠疫情对股票市场的区间影响而非具体日度效应，故也不需要控制周内效应；（3）本文控制了季度固定效应，可以控制一年中股票市场的季节性变化趋势。在式（1）中，主要关注的系数为β1，它捕捉了整体股票市场表现在整个新冠肺炎疫情期间相对于正常时期发生的变动。

表1 基准回归结果

利用式（1）进行回归⑦，基准回归结果见表1。可以看出，无论是采用混合效应模型，还是单向或双向固定效应模型，新冠肺炎疫情对股票市场的整体影响都是显著的，而且均在1%的显著性水平下显著。具体而言，相对于正常区间来说，新冠肺炎疫情期间的股票收益率整体下降，同时股票波动率大幅提高。回归结果表明，新冠肺炎疫情对股票市场的冲击是系统性、全局性和持续性的，整个股票市场在疫情发生期间表现出异于正常区间的低收益率和高波动率，这与前文分析一致，股票市场受投资者情绪和经济形势影响，表现显著异常。

2.2 动态分析

前文验证了新冠肺炎疫情对股票市场的总体影响，然而却不能很好地刻画疫情期间股票市场的动态变化过程，从疫情期间股票市场4个阶段的划分也可以看出，股票市场的变化并非一成不变的，因此需要进一步对股票市场进行动态分析。基于此，在式（1）的基础上，借鉴郭峰和石庆玲（2017）［15］的动态分析方法，对疫情期间进行阶段划分，具体而言，以2020年1月11日作为事件起始点，采用每10个交易日为一个阶段设置虚拟变量，包括起始点前的3个阶段以及起始点后的9个阶段共12个虚拟变量，将这些虚拟变量同时纳入回归模型，具体模型如下：

其中，λ表示疫情阶段，其他变量含义与式（1）相同。式（2）主要关注的系数是βλ，它能够表征疫情期间股票市场的动态变化趋势。

利用式（2）进行回归，并作出相应的系数βλ变化图，如图4所示。具体来看，对于股票收益率来说，疫情正式开始通报之前，系数连续三阶段表现平稳，但疫情正式开始通报之后，第一阶段系数就显著为负，意味着收益率立即出现巨幅下跌，但随后第二阶段系数反弹为正，表示收益率明显回调，之后几个阶段的系数表现出震荡向前，但震荡幅度逐渐减小。这种趋势变化符合前文阶段划分的分析结果，受市场情绪的推动，股票收益率遵循均值回归理论，表现出弹性回升现象，但整体而言，仍然是下降幅度大于上涨幅度，股票收益率总体受损，与基准分析结果一致；对于股票波动率来说，疫情正式开始通报前，系数显著为负且接近于0，但疫情正式开始通报之后，自第二阶段开始，系数显著为正且连续多阶段处于高位，表明疫情显著提高了股票市场的波动率，给股票市场带来了极大的不确定性，并且这种不确定性在疫情前期是系统性和持续性的，直到疫情发展到第六阶段之后，系数才开始向0收敛，市场异动逐渐消失。而第六阶段已经是在武汉解封之后，即对应前文的国内疫情稳定阶段，后疫情时期的股票市场开始缓慢恢复。

2.3 稳健性分析

本部分采取3种方式进行稳健性检验：（1）反事实事件检验。即人为的选择没有发生疫情的其他正常时间区间作为事件区间，检验是否出现和基准回归相同的回归分析结果。为避免真实的疫情区间影响检验结果，首先将疫情正式开始通报后的观测样本区间删掉，然后随机在剩余观测样本区间内选择事件窗口，事件窗口长度分别选择1个月、2个月、3个月，回归结果表明所有反事实检验均没有出现和基准分析相同的收益率显著下降、波动率显著上升现象；（2）改变基准分析中疫情区间事件窗口。为避免疫情时间区间选取过长，影响研究结果的准确性，本文采取缩短疫情事件窗口的方式进行检验，具体缩短为疫情正式开始通报（2020年1月11日）至武汉宣布解除“封城”（2020年3月24日）⑧，检验结果表明回归系数符号和显著性水平均没有变化；（3）改变动态分析中疫情阶段的区间划分，将原来每阶段10个交易日的时间区间分别改为7个交易日和15个交易日进行回归分析，结果表明系数的绝对值大小发生细微变动，但整体的动态变化趋势与前文一致。

图4 疫情期间股票市场动态变化过程

3 异质性分析

3.1 财务指标：资产规模、举债经营与偿债能力

一般来说，当企业规模越大时，资金实力越为雄厚，其组织结构、人员配备等硬实力以及运营管理、社会信誉等软文化均相对成熟完善，因此抵御外部风险冲击的能力相对较强。同时，如果一个企业的杠杆率较高，且运营过程中的资金变现能力较弱，就会导致其偿债能力受限，在遇到外部风险冲击时，公司自身将面临更大的不确定性。体现在股票价格中，即为在面临相同的外部冲击时，资产规模越大的上市公司其股票价格所受影响应该相对越小，而负债率越高且偿债能力越弱的上市公司其股票价格所受影响应该相对越大，即股票价格变动与公司资产规模呈正相关关系，而与公司负债规模呈现负相关关系（Barth等，2011）［18］。为了验证在新冠肺炎疫情的冲击下，不同资产结构的企业所受冲击是否呈现出显著的异质性，以在后疫情时期采取针对性对策，本文选择3个财务指标进行检验，具体选择了反映企业规模大小的资产规模（LASSET，取对数处理）、反映企业资产结构的资产负债率（DEBT）和反映企业偿债能力的流动比率（CR）3个指标（搜集数据时剔除了存在数据缺失的样本）。在式（1）的基础上，分别引入3个财务指标与疫情虚拟变量的交乘项，再进行回归分析。

表2报告了不同财务指标（资产规模、资产负债率、流动比率）下，新冠肺炎疫情对上市公司股价冲击的异质性影响。从单个指标来看：（1）对于资产规模指标，在对股票收益率进行回归时，疫情虚拟变量与资产规模的交乘项系数显著为正，说明资产规模小的企业相对于资产规模大的企业其股票收益率在疫情冲击下降低幅度更大，表明资产规模大的企业抵御风险能力相对较强，与预期相符。在对股票波动率进行回归时，交乘项系数符号为负但不显著，说明疫情冲击下资产规模大小对股票波动率没有表现出显著的差异性；（2）对于资产负债率指标，在对股票收益率和波动率进行回归时，疫情虚拟变量与资产负债率的交乘项系数均显著为正，说明杠杆率较高的企业相对于杠杆率较低的企业其股票收益率下降幅度更低，同时其股票波动率上升幅度更大。杠杆率更高的企业在疫情冲击下收益率损失程度更小、波动率更大，这与预期相悖，本文认为可能有如下原因：①疫情期间，为助力宏观经济和微观企业顺利渡过艰难期，政府部门采取了积极有效的财政货币政策，如减租减税、增加流动性等，短期内缓解了高负债企业的还款压力；②资产负债率表征了企业的举债经营能力，虽然资产负债率较高的企业还款压力较大，但一定程度上较高的资产负债率也反映了企业较强的融资能力，表明社会信誉较高，能够更好地利用杠杆效应举债经营，资金利用效率更高，使得企业收益率损失相对较小；③虽然收益率损失更低，但高资产负债率企业本质上还是承担了更高的财务风险，并且疫情具有一定的持续性，相比之下高负债企业面临着更高的不确定性，因此股票波动率更大；（3）对于流动比率指标，在对股票收益率进行回归时，疫情虚拟变量与流动比率的交乘项系数不显著，表明股票收益率大小在疫情期间不受偿债能力约束。但对股票波动率进行回归时却发现交乘项系数显著为负，表明相对来说偿债能力越强的企业其股票波动率越低。这个结果进一步印证了上述原因分析，由于政策扶持，疫情期间企业债务水平以及还款压力短期内不是影响企业收益率的主要原因，而自身的综合实力和经营效率差异会在冲击来临时体现在收益率差异上。但偿债能力较强的企业确实会在持续的外部风险中承担更低的财务风险，面临较小的不确定性，因此股票波动率更小。

从总体来看，对于收益率的回归，3个指标下的PANDEMIC系数均显著为负，且PANDEMIC系数和交乘项系数之和均小于0，说明不管在哪种指标分类下，无论企业的资产规模、资产负债率和流动比率是大是小，企业的股票收益率均是显著下降的，表明此次疫情对企业收益的系统性冲击。同时，对于波动率的回归，3个指标下的PANDEMIC系数均显著为正，且PANDEMIC系数和交乘项系数之和均大于0，说明不管在哪种指标分类下，无论企业的资产规模、资产负债率和流动比率是大是小，企业的股票波动率均是显著上升的，表明此次疫情整体增大了所有企业的不确定性。

3.2 类型指标：公司属性、产权性质与企业类别

除了财务指标上的差异可能对股价变动造成异质性的影响外，公司的属性和类别不同也可能导致企业面临系统性风险时的差异化表现。具体来说，由于企业的属性不同，所获得的发展资源和支持力度也不尽相同，如外资企业相对于内资企业可以享受一定的税收优惠，国有制企业相对于非国有制企业具有企业规模较大、社会信誉更高、融资约束更小等优势。因此，在面临相同的外部冲击时，具有不同企业属性或产权性质的企业可能表现不同，外资企业和国有制企业由于自身优势可能股价变动幅度更小。此外，不同类别的企业所受疫情影响程度也存在不同，尤其是外贸类企业，早期在国内爆发的新冠肺炎疫情直接限制了外贸企业的产品生产和外贸交易，紧接着全球疫情的爆发进一步损害了外贸类企业的利益，相比之下，外贸类上市公司的股价变动幅度应该更加剧烈。基于此，本部分选择3个相应的企业类型指标进行异质性检验，具体指标定义为3个虚拟变量：是否为外资企业（FIE，外资企业取值为1）、是否为国有制企业（SOE，国有制企业取值为1）、是否为外贸企业（FTE，外贸企业取值为1）⑨。在式（1）的基础上，分别引入3个类型指标虚拟变量与疫情虚拟变量的交乘项，再进行回归分析。

表2 不同财务指标下新冠疫情对股价冲击的异质性影响

表3报告了不同类型指标（是否为外资企业、是否为国有制企业、是否为外贸企业）下，新冠肺炎疫情对上市公司股价冲击的异质性影响。从表征公司属性、产权性质的两个指标（是否为外资企业、是否为国有制企业）来看，是否为外资企业对上市公司的股票收益率和波动率均不存在显著的异质性影响，是否为国有企业对上市公司的股票波动率也不存在显著的差异，仅是否为国有企业与疫情虚拟变量交乘项系数在对收益率进行回归时在1%的显著性水平下显著为正，表明国有企业相对于非国有企业的股票收益率所受影响更小。分析原因，本文认为当系统冲击来临时，不同性质的企业所面临的不确定性是同质的，且投资者情绪也不会因为公司属性和产权性质差异而出现不一致，因此股票波动率没有因为企业性质不同表现出显著差异。然而，国有制企业确实在企业规模、社会信誉以及政府扶持等方面相对私有制企业具备绝对的优势，抵御风险冲击的能力相对较高，因此其在疫情冲击下表现出受损程度更小的结果，收益率降低幅度更小。反之，比较外资企业和内资企业，两者虽然在税收优惠等方面存在细微差距，但总体来说在疫情冲击下没有一方占据了绝对优势，可以表现出更强的风险抵御能力，因此两种企业的股票收益率下降幅度没有显著差异。另外，对于前两个指标对收益率的回归，PANDEMIC系数、PANDEMIC系数和交乘项系数之和均小于0，对波动率的回归，PANDEMIC系数、PANDEMIC系数和交乘项系数之和均大于0，与前文财务指标部分的分析结果与解释一致。

从是否为外贸企业指标来看，对股票收益率进行回归时，交乘项系数在1%的显著性水平下显著为负，且交乘项系数绝对值比PANDEMIC系数绝对值高出两倍多，表明外贸企业在疫情的冲击下所受到的损失要远大于非外贸企业，这与预期相符，外贸企业由于疫情限制导致生产和交易都受到了更为严重的持续性影响，因此股票收益率表现出更大幅度的下跌。然而，对股票波动率进行回归时，显示交乘项系数在1%的显著性水平下显著为负，说明外贸企业的股票波动率在疫情的冲击下相对于非外贸企业所受波动更小，这不符合预期。事实上，该回归中PANDEMIC系数为正，但PANDEMIC系数和交乘项系数之和却小于0，表明非外贸企业在疫情期的股票波动率是上升的，而外贸企业在疫情期间的股票波动率反而更低。分析原因，本文认为由于新冠肺炎疫情率先在中国爆发，继而又在全球范围内持续扩散，相比其他如内销类的非外贸企业来说，外贸类企业恢复过程更加艰难和缓慢，中短期内外贸行业发展受限已成定局，投资者对此也具有同质性信念，分歧程度更低导致外贸企业的股票波动率相对下降。

表3 不同类型指标下新冠疫情对股价冲击的异质性影响

3.3 地域指标：办公地点与企业名称

湖北武汉作为全国的疫情中心，无疑使得湖北省成为全国疫情最严重的省份，不仅是感染人数遥遥领先，一系列的封锁及停工措施也更加严格，这进一步限制了在湖北地区尤其是武汉市内办公企业的运转和发展，企业损失更大，不确定性更高，从而导致上市公司的股票收益率更低、波动率更高。此外，当系统性外部风险来临时，市场情绪复杂，噪音较高，根据有限注意力理论（Kehaman，1973）［19］，投资者的注意力是分散且有限的，可能在关注股市行情时，很容易对与疫情相关的字眼过度敏感，如当看到股票名称带有“武汉”及湖北省其他地名时，更易产生负面情绪从而影响对此类股票的交易决策和行为，压低其股票收益率的同时提高股票波动率。因此，为验证疫情对上市公司在地域层面上的异质性影响，选择是否湖北办公（HUBEI，在湖北办公取值为1）、是否武汉办公（WUHAN，在武汉办公取值为1）、是否含有地名（NAME，含有地名取值为1）3个虚拟变量指标⑩进行检验，具体仍然是在式（1）的基础上，分别引入3个地域指标虚拟变量与疫情虚拟变量的交乘项，再进行回归分析。

表4报告了不同地域指标（是否湖北办公、是否武汉办公、是否含有地名）下，新冠肺炎疫情对上市公司股价冲击的异质性影响。从表征办公地点的两个指标（是否湖北办公、是否武汉办公）来看，当对股票收益率进行回归时，是否湖北办公与疫情虚拟变量的交乘项系数符号为正但不显著，当把地域范围进一步缩小至武汉时，是否武汉办公与疫情虚拟变量的交乘项系数在10%的显著性水平下显著为正，表明疫情期间处于重疫情区的企业股票收益率反而比其他地区更高，这与预期相悖。这可能与本文所选择的疫情区间较长有关，疫情区间包含了武汉解封后的较长区间，由于后期国内疫情基本得到稳定控制，复工复产有序进行，疫情前期由于封锁更加严格、受损更加严重的重疫情区在后疫情时期对复建工作更加重视且具有针对性，同时中央及各地政府、慈善组织、人民群众等给予的扶助资源也更加充足，因此重疫情区的企业恢复更加迅速，使得整体表现较优。当对股票波动率进行回归时，两个不同层次地域指标下的交乘项系数均在5%的显著性水平下显著为正，表明处于重疫情区的企业股票波动率上升幅度更大，与预期相符。

从是否含有地名指标来看，在对股票收益率和波动率进行回归时，交乘项系数分别为负和正，与预期相符，但却均不显著，表明由于投资者的有限关注力，重疫情区含有地名的企业与不含地名的企业相比，具有更低收益率和更高波动率的倾向。本文认为不显著的原因，可能是由于本身含有地名的样本相对较少（仅有7家），代表性不够。同时由于后疫情时期的有效控制，投资者情绪逐渐平复并且注意力分散，使得差异趋于收敛。

表4 不同地域指标下新冠疫情对股价冲击的异质性影响

4 结论和政策启示

不同于其他宏观经济影响研究，本文从微观股价波动的视角，验证了新冠肺炎疫情作为系统性的外部风险对我国经济的冲击效应，并检验了不同企业在面临相同冲击时的异质性表现。（1）基于统计数据分析，本文认为此次股票市场的波动同时来源于疫情传播导致的投资者情绪恐慌以及物理限制产生的实体经济发展损失，这种交叉影响导致了股票市场震荡剧烈。并且由于疫情的传染性和持续性，本轮股票市场的异动表现也相对持久，本文对疫情期间的股票市场进行了阶段划分，发现股票市场在疫情期间总体呈现阶段性变化；（2）利用事件分析法进行回归分析，发现疫情期间股票市场整体收益率显著下降，同时波动率显著上升。动态分析结果表明股票收益率在疫情期间呈现震荡式波动，但整体仍然是下降幅度更大，而股票波动率在疫情期间呈现出持续式上升。进一步异质性分析发现，不同企业在面临相同冲击时确实存在显著性的差异：从财务指标来看，资产规模更大的企业和举债经营能力更强的企业抵御外部风险冲击能力更大，其股票收益率下降幅度显著更低。但如果负债程度更高或自身偿债能力更弱，企业面临的不确定性相应更大，其股票波动率则会更高；从类型指标来看，企业性质是否为外资企业、是否为国有制企业在疫情期间对股票波动率不存在显著的差异化影响，但国有制企业的股票收益率却存在下降幅度更低的现象。另外，由于受限时间持久，外贸企业相对于非外贸企业来说，损失更加严重，企业的股票收益率下降幅度更为猛烈。从地域指标来看，重疫情区武汉的企业相比其他地区企业来说，其股票波动率上升幅度更高，表明企业面临的不确定性更大，但同时其股票收益率也相对升高，表明灾后复建工作的进行比较有效。

本文的研究结论具有一定的现实意义和政策启示作用：整体疫情区间的股票收益率下降，表明我国经济确实遭遇了实质性创伤，且具有一定的持续性。在后疫情时期，为了加快恢复经济建设，需要更加针对性的采取相应措施扶持相关企业：（1）对风险抵御能力较弱的中小微企业要加大政策扶持力度，对资产负债率较高和偿债能力较弱的企业可以延期税负或者进行生产补贴；（2）民营企业相对于国有企业存在融资难、规模小等劣势，后疫情时期银行等金融部门可以设立专门窗口实施特殊时期普惠金融服务；同时，外贸企业受灾更为严重，需要探索积极的“稳外贸”措施，如发展创新性外贸新模式、多渠道开辟新市场、外销部分转为内销等，帮助外贸企业顺利过渡；（3）对于重疫区湖北省武汉市的企业实施后续跟踪服务，保证尽快恢复正常生产。

注释：

①从供给侧来看，由于农业占比较小且较为稳定，故只重点关注了工业和服务业两大板块。

②出口数据来自海关统计数据库；其他数据均来自中国统计局网站。

③为便于观察和分析，将2020年第1个交易日即2020年1月2日的收盘价定为基准价格。

④剔除所有ST公司和数据缺失样本。

⑤收益率（yeildit）采用对数收益率，波动率（volit）借鉴Parkon⁃son（1980）和姜富伟等（2019）［16］的方法，计算公式如下（后文同）：

⑥具体表征变量选择了公司市值（SCA）表征市值因子，市净率（PB）表征账面市值比因子。需要说明的是，本文并未控制市场组合因子，因为新冠肺炎疫情对股票市场的冲击是系统性的，市场的整体波动正是个股波动的一个影响途径和集中体现，因此市场收益率在此处为一个“Bad Control”，没有加以控制。

⑦本文采用的所有回归数据（上市公司股市交易数据、基本面信息数据等）均来自WIND数据库。

⑧武汉宣布解除“封城”意味着国内疫情已经得到有效控制，统计数据也显示后期新增确诊人数趋于稳定。因此选择解封之前的时间区间能够很好的表征疫情区间。

⑨WIND数据库中对于是否为外资企业有明确的分类，但对于是否为国有制企业和是否为外贸企业没有直接的分类。作者人工进行分类：（1）将中央国有企业、地方国有企业、集体企业、公众企业4类企业划分为国有制企业，将民营企业、外资企业以及其他企业划分为非国有制企业；（2）在所有上市公司中，将概念股分类中的出口型板块股票和行业分类的贸易类股票的企业统一归为外贸企业，其他为非外贸企业。

⑩需要说明的是，对于前两个地域指标的构建，仅保留了上市公司注册地与办公地一致的企业，剔除仅注册地在湖北或武汉的样本，保证公司的办公实体是在湖北或武汉地区内；另外，对于第3个地域指标的构建，将样本范围缩小至在湖北办公的企业，以保证湖北地区含有地名股票和不含有地名股票之间的可比性。