裴怡雯 孫墨涵 劉好

【摘要】文章基于新冠肺炎疫情背景，對農(nóng)村電商板塊的收盤價序列進行ARIMA建模，并對其疫情暴發(fā)后的股價變動進行回溯預(yù)測，對比分析其實際收盤價與預(yù)測理論價格的差值并構(gòu)建干預(yù)模型。對兩模型預(yù)測結(jié)果的對比分析發(fā)現(xiàn)：2020年1月20日至2020年2月12日期間，疫情對農(nóng)村電商股價產(chǎn)生負(fù)面沖擊且沖擊程度呈倒“U”形變化。但自2020年2月13日起，股價逆襲上揚并整體保持上升態(tài)勢，以實際值高于理論值10%左右居多，說明新冠肺炎疫情對農(nóng)村電商板塊股價的影響表現(xiàn)為正面沖擊。

【關(guān)鍵詞】新冠肺炎疫情；農(nóng)村電商；ARIMA模型；干預(yù)模型

【中圖分類號】F402.3

一、引言

（一）研究背景及意義

突發(fā)性公共衛(wèi)生事件對于經(jīng)濟有不容忽視的影響。2003年的“非典”對我國經(jīng)濟造成高達300億美元的損失，2020年初暴發(fā)的新冠肺炎疫情，因其“人傳人”特性，必須采取限制人員流動的對策，產(chǎn)業(yè)鏈與供應(yīng)鏈?zhǔn)艿搅藝?yán)重影響，實體經(jīng)濟遭受到20世紀(jì)初大蕭條以來最嚴(yán)重的沖擊，金融市場也難以幸免。[1]2020年1～4月，我國上證指數(shù)一路走低，2月3日更是出現(xiàn)了大盤幾近跌停的局面。但值得注意的是農(nóng)村電商板塊逆趨上揚，可見新冠肺炎疫情并未對該行業(yè)產(chǎn)生不利影響。伴隨著網(wǎng)絡(luò)科技的迅速發(fā)展，電子商務(wù)不斷促進農(nóng)村經(jīng)濟發(fā)展。在新冠肺炎疫情持續(xù)期間半封閉的市場環(huán)境下，農(nóng)村電子商務(wù)可以有效緩解農(nóng)戶的經(jīng)濟壓力。數(shù)字經(jīng)濟在促進農(nóng)村勞動者就業(yè)、推動農(nóng)業(yè)農(nóng)村產(chǎn)業(yè)轉(zhuǎn)型升級等方面發(fā)揮著日益重要的作用。[2]

（二）文獻綜述與理論基礎(chǔ)

現(xiàn)有研究表明，外部環(huán)境的改變及突發(fā)事件的發(fā)生會對金融市場產(chǎn)生顯著的短期影響。楊子暉等（2020）發(fā)現(xiàn)突發(fā)事件特有的不確定性與急劇擴散性使消費者信心遭受沖擊，在初期引發(fā)恐慌情緒與悲觀預(yù)期較為顯著，待事件平穩(wěn)后影響逐漸減弱。[3]國內(nèi)外現(xiàn)有研究表明，新冠肺炎疫情對于不同行業(yè)的沖擊效應(yīng)具有異質(zhì)性。疫情防控期間特殊的社會管理以及大眾心理需求，激發(fā)了原有網(wǎng)紅經(jīng)濟與傳統(tǒng)電商的深度融合。[4]生鮮電商的產(chǎn)業(yè)特征和社會價值得到充分體現(xiàn)，也使網(wǎng)購農(nóng)產(chǎn)品消費得到進一步提振。王瑞峰等（2020）研究發(fā)現(xiàn)，涉農(nóng)電商平臺通過影響農(nóng)產(chǎn)品供需、平臺自身價值提升、平臺集聚發(fā)展等為農(nóng)業(yè)經(jīng)濟發(fā)展注入活力，對農(nóng)業(yè)經(jīng)濟發(fā)展影響的政策效應(yīng)、規(guī)模效應(yīng)、集聚效應(yīng)均具有顯著性。[5]王可山等（2020）的研究結(jié)果表明，網(wǎng)購農(nóng)產(chǎn)品消費揭示了農(nóng)業(yè)發(fā)展由高速增長向高質(zhì)量發(fā)展的轉(zhuǎn)型特征。[6]因此，本文對新冠肺炎疫情對農(nóng)業(yè)電商行業(yè)的影響與疫情背景下“互聯(lián)網(wǎng)+”農(nóng)業(yè)新模式的發(fā)展現(xiàn)狀及趨勢進行探究。

二、數(shù)據(jù)選取與模型設(shè)定

（一）數(shù)據(jù)選取

2019年12月以來新冠肺炎疫情便逐漸引起了關(guān)注，但目前大多數(shù)學(xué)者認(rèn)為該類突發(fā)事件主要是通過引發(fā)社會恐慌，改變投資者心理預(yù)期來影響金融市場。[7]2020年1月20日“人傳人”現(xiàn)象已被證實，4月8日武漢解封，為居民樹立了信心并為金融市場帶來了樂觀情緒。因此，本文將2020年1月20日作為新冠肺炎疫情的干預(yù)起始日，2020年4月8日作為干預(yù)結(jié)束日。

（二）模型設(shè)定

本文選用時間序列干預(yù)模型研究新冠肺炎疫情對農(nóng)村電商板塊股價的影響，將新冠肺炎疫情作為干預(yù)事件引入農(nóng)村電商收盤價的時間序列模型。首先，利用干預(yù)前收盤序列構(gòu)建ARIMA模型，對干預(yù)期內(nèi)的理論值進行預(yù)測，將實際值與理論值的差值序列作為新冠肺炎疫情的影響效果；其次，利用差值序列估計干預(yù)模型參數(shù)，進而計算凈化序列；最后，根據(jù)凈化序列擬合模型，組建干預(yù)分析模型并進行預(yù)測。

三、建模過程及結(jié)果

（一）新冠肺炎疫情影響前的ARIMA模型構(gòu)建

本文使用的樣本量為256，對應(yīng)時間區(qū)間為2019年1月1日至2020年1月19日間的交易日。

1.描述性統(tǒng)計與平穩(wěn)性檢驗

農(nóng)村電商板塊交易日收盤價序列顯示，2020年2月，原本呈下跌趨勢的農(nóng)村電商股價逆襲上揚，且在疫情期間整體保持上升態(tài)勢。因此，本文假設(shè)新冠肺炎疫情對農(nóng)村電商的股價產(chǎn)生了正向沖擊。

為防止“偽回歸”現(xiàn)象，首先對該時間序列進行ADF平穩(wěn)性檢驗及白噪聲檢驗，檢驗結(jié)果如表1所示。

在平穩(wěn)性檢驗和白噪聲檢驗中，預(yù)設(shè)顯著性水平為5%。結(jié)果顯示，原序列的二階差分通過了平穩(wěn)性及白噪聲檢驗，故選擇農(nóng)村電商板塊收盤價的二階序列作為ARIMA模型序列。

2.模型識別與參數(shù)估計

二階差分后的農(nóng)村電商收盤價序列自相關(guān)圖和偏自相關(guān)圖皆具有拖尾性質(zhì)，適用于ARIMA模型。本文利用python遍歷循環(huán)不同p，q對應(yīng)模型的AIC及BIC值，再依據(jù)最小準(zhǔn)則確定最優(yōu)階數(shù)。結(jié)果顯示，當(dāng)p=1且q=1時，AIC及BIC檢驗統(tǒng)計值均最小，因此，該部分采用ARIMA（1，2，1）模型進行擬合。

利用qq圖及D-W檢驗?zāi)Ｐ蜌埐?，對上述模型進行有效性評價。結(jié)果顯示，模型殘差基本滿足了正態(tài)分布，同時，D-W檢驗值為2.0015，接近2，說明模型擬合殘差不存在自相關(guān)性，模型構(gòu)建有效性較高。

3.模型預(yù)測及分析

利用上述模型對2020年1月20日至2020年4月8日間交易日的日收盤價進行預(yù)測。預(yù)測結(jié)果顯示，2020年1月20日至2020年2月12日期間，疫情對農(nóng)村電商行業(yè)的股價產(chǎn)生負(fù)面沖擊且影響程度呈“U”形變化。疫情暴發(fā)初期階段，疫情“人傳人”特征的確認(rèn)及武漢封城的消息進一步引起了大家的恐慌，投資者的恐慌心理也最為嚴(yán)重，集中產(chǎn)生了恐慌性拋售行為，各個行業(yè)受其負(fù)面沖擊皆比較大，因此造成了疫情對各個行業(yè)無差別下殺的結(jié)果。但隨著時間的推移，疫情逐漸得到控制，投資者恐慌程度逐漸減弱，投資情緒逐漸平穩(wěn)，新冠肺炎疫情對農(nóng)村電商板塊股價的負(fù)面沖擊也逐漸減弱。2020年2月13日起至2020年4月8日武漢解封期間，疫情對農(nóng)村電商行業(yè)的股價產(chǎn)生顯著的正面影響，實際收盤價均高于預(yù)測理論值的2%～16%。居民的恐慌情緒逐漸平穩(wěn)，投資者情緒逐漸恢復(fù)，電商行業(yè)也引起了各方的關(guān)注。一方面，此階段“線下商鋪關(guān)閉，居家隔離”等政策成為各地預(yù)防疫情蔓延的主要防護手段之一。另一方面，疫情發(fā)生后電商平臺迅速馳援武漢，并采取多種措施扶持平臺商家，得到了社會的廣泛關(guān)注及認(rèn)可。

（二）時間序列干預(yù)模型構(gòu)建

其中，T為2020年1月20日。

（三）干預(yù)模型與ARIMA模型的對比分析

表2為ARIMA模型與干預(yù)分析模型擬合效果對比分析，其中，預(yù)測誤差為（預(yù)測值-實際值）/實際值×100%。相較于ARIMA模型，干預(yù)模型對疫情下農(nóng)村電商收盤價序列的預(yù)測精確度有了明顯的提高。因此，干預(yù)模型更適用于疫情影響下農(nóng)村電商板塊收盤價的擬合與預(yù)測。

四、結(jié)論與建議

在新冠肺炎疫情暴發(fā)初期，農(nóng)村電商板塊的股價表現(xiàn)出急速下跌趨勢，但自2020年2月5日觸底反彈并于2020年2月13日超出了理論預(yù)測價格后，整體保持上升態(tài)勢。因此，新冠肺炎疫情對我國農(nóng)村電商行業(yè)股價的影響表現(xiàn)為顯著的正面影響。本文對ARIMA模型與干預(yù)模型的預(yù)測值進行了對比分析。結(jié)果顯示，對于存在外部突發(fā)事件影響的情況，干預(yù)模型的擬合及預(yù)測效果更好。

首先，對于投資者要正視且理性對待“突發(fā)事件”的影響效應(yīng)。既要保持對疫情等突發(fā)事件的敏感性，隨機應(yīng)變，也要保持理性思維，甄別有效信息，提高投資判斷力。例如，在本次疫情侵襲下，雖大盤受到重創(chuàng)，但個別行業(yè)如醫(yī)藥、在線辦公、電商等仍保持收益狀態(tài)。因此，既不能過度恐慌，也不可一味追漲。對于政府要結(jié)合特定行業(yè)的特征建立資本市場應(yīng)對突發(fā)事件的應(yīng)急體系，制定不同行業(yè)的疫情扶持政策中時應(yīng)保持一定的差異化。

其次，股市作為經(jīng)濟的晴雨表，代表著投資者對實體經(jīng)濟發(fā)展的預(yù)期，因此股市往往超前于實體經(jīng)濟。新冠肺炎疫情的突襲使投資者對農(nóng)村電商行業(yè)的發(fā)展前景抱有樂觀情緒，為農(nóng)村電商行業(yè)的發(fā)展帶來了機遇，但伴隨機遇的必然是挑戰(zhàn)。一方面，農(nóng)村電子商務(wù)的發(fā)展在后疫情時代背景下，為鄉(xiāng)村經(jīng)濟的發(fā)展問題提供了新的解決思路，在一定程度上促進了鄉(xiāng)村地區(qū)的經(jīng)濟發(fā)展。但另一方面也對農(nóng)村電商的物流體系及人力培養(yǎng)等方面提出了挑戰(zhàn)。因此，在看好農(nóng)村電商發(fā)展前景的同時，也要正視隨之而來的問題，使農(nóng)村電商高效落實服務(wù)于三農(nóng)，助力鄉(xiāng)村振興目標(biāo)。

主要參考文獻：

[1]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ESA方法的跨市場檢驗[J].國際金融研究，2021（3）：3-13.

[2]王小兵，劉洋，王曼維.農(nóng)村電商：引領(lǐng)農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟加快發(fā)展[J].農(nóng)村工作通訊，2020（11）：47-49.

[3]楊子暉，陳雨恬，張平淼.重大突發(fā)公共事件下的宏觀經(jīng)濟沖擊、金融風(fēng)險傳導(dǎo)與治理應(yīng)對[J].管理世界，2020，36（5）：13-35.

[4]新冠肺炎疫情下的傳媒新景觀：直播帶貨異軍突起，傳媒產(chǎn)業(yè)更新演進[J].編輯之友，2020（10）：12.

[5]王瑞峰.涉農(nóng)電商平臺對我國農(nóng)業(yè)經(jīng)濟發(fā)展的影響效應(yīng)評估：以農(nóng)村淘寶為例[J].中國流通經(jīng)濟，2020，34（11）：68-77.

[6]王可山，郝裕，秦如月.農(nóng)業(yè)高質(zhì)量發(fā)展、交易制度變遷與網(wǎng)購農(nóng)產(chǎn)品消費促進：兼論新冠肺炎疫情對生鮮電商發(fā)展的影響[J].經(jīng)濟與管理研究，2020，41（4）：21-31.

[7]陳波，錢惠惠.新冠肺炎疫情對我國股債市場的影響研究[J].工業(yè)技術(shù)經(jīng)濟，2021，40（11）：53-60.