邵長安 王佳雪 徐主 周雷

摘?要：本文采用事件研究法，以上海市為研究對象，研究突發(fā)公共衛(wèi)生事件對我國金融業(yè)整體及所屬部門的影響，進(jìn)一步分析該事件對上海市內(nèi)和其他地區(qū)的影響程度。結(jié)果顯示，疫情暴發(fā)對金融業(yè)整體及所屬部門均產(chǎn)生顯著的負(fù)面沖擊，沖擊時間超過20天，具有一定的持續(xù)性；其中，對證券業(yè)沖擊最大，保險業(yè)次之，銀行業(yè)最小；短期內(nèi)對上海市金融業(yè)沖擊強(qiáng)于其他地區(qū)，隨著時間延續(xù)，沖擊強(qiáng)弱發(fā)生轉(zhuǎn)變。最后，從監(jiān)管方和金融企業(yè)方面提出建議，以促進(jìn)金融企業(yè)更好地應(yīng)對挑戰(zhàn)。

關(guān)鍵詞：突發(fā)公共衛(wèi)生事件；事件研究法；金融業(yè)；沖擊效應(yīng)

中圖分類號：F2?????文獻(xiàn)標(biāo)識碼：A??????doi：10.19311/j.cnki.16723198.2023.16.010

0?引言

突發(fā)公共事件是指突然發(fā)生，造成或者可能造成嚴(yán)重社會危害，需要采取應(yīng)急處置措施予以應(yīng)對的自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會安全事件（中華人民共和國國務(wù)院，2006）。其中，突發(fā)公共衛(wèi)生事件多次對我國經(jīng)濟(jì)發(fā)展造成嚴(yán)重創(chuàng)傷。2022年以來，我國多個大型城市先后遭受到疫情沖擊，民眾的生活生產(chǎn)均受到了巨大影響。以上海市為例，受二季度疫情影響，上半年GDP比上年同期下降5.7%；人均可支配收入為38996元，比上年同比下降3.4%。此外，上海作為金融業(yè)的中心樞紐，受上海疫情影響，全國的金融行業(yè)也受到了一定程度的沖擊。為研究城市疫情對行業(yè)的沖擊影響，本文以上海疫情為背景，以金融業(yè)作為研究對象，研究上海疫情暴發(fā)對金融行業(yè)的沖擊效應(yīng)。

突發(fā)公共衛(wèi)生事件導(dǎo)致的金融業(yè)風(fēng)險引發(fā)了社會的廣泛關(guān)注，各國學(xué)者力求找出有效應(yīng)對該類事件的措施，以保證社會經(jīng)濟(jì)的平穩(wěn)運(yùn)行。本文主要梳理了突發(fā)公共衛(wèi)生事件對金融業(yè)的影響，具體包括以下兩個部分：

（1）人類歷史上經(jīng)歷過多起嚴(yán)重的傳染性疫情，并早已重視此類事件的經(jīng)濟(jì)影響。伍志文（2003）通過SARS對金融業(yè)的沖擊路徑及影響的分析，認(rèn)為SARS的不確定性沖擊會加劇金融體系的脆弱性，減緩金融業(yè)的發(fā)展。佟家棟、張伯偉（2003）指出SARS對我國經(jīng)濟(jì)的影響屬于短期影響，短期沖擊帶來的心理恐慌使股價出現(xiàn)下跌并隨疫情通報波動。Barro等（2020）立足于1918年西班牙大流感，證明了流感高水平的致死率極大地降低了股票和債券的收益率。

（2）新冠疫情對整體金融業(yè)和主要的金融部門產(chǎn)生不同程度的影響。易行?。?020）認(rèn)為疫情對金融業(yè)的沖擊具有短期內(nèi)過度反應(yīng)的特征，并且疫情會降低公司價值，增加國家、企業(yè)與家庭的負(fù)債率。張文遠(yuǎn)等（2022）運(yùn)用ARMA-GARCH、溢出指數(shù)模型和滾動事件窗口方法研究重大事件沖擊下金融業(yè)及相關(guān)機(jī)構(gòu)間的風(fēng)險溢出效應(yīng)，發(fā)現(xiàn)這種溢出效應(yīng)為雙向風(fēng)險溢出效應(yīng)，并且重大事件沖擊會增大溢出效應(yīng)。許閑等（2020）基于長短視角分析新冠疫情對保險業(yè)的影響，發(fā)現(xiàn)疫情在短期內(nèi)對保險業(yè)造成的整體沖擊有限，長期來看，新冠疫情將給保險業(yè)帶來新的發(fā)展契機(jī)。

從現(xiàn)有文獻(xiàn)來看，國內(nèi)外學(xué)者關(guān)于突發(fā)公共衛(wèi)生事件對金融的影響已經(jīng)有了較為深入的研究，但研究多集中于對金融風(fēng)險、風(fēng)險傳導(dǎo)以及風(fēng)險溢出效應(yīng)等的研究，對金融行業(yè)沖擊的研究尚少。新冠疫情作為典型的突發(fā)公共衛(wèi)生事件，常態(tài)化防疫下，城市疫情時有反彈，對我國經(jīng)濟(jì)造成嚴(yán)重影響。上海作為我國的經(jīng)濟(jì)金融中心，上海疫情對我國金融業(yè)的沖擊效應(yīng)具有顯著代表性。因此，本文采用事件研究法，實(shí)證重點(diǎn)區(qū)域疫情大規(guī)模暴發(fā)對金融業(yè)和所屬部門的影響特點(diǎn)及規(guī)律，在進(jìn)一步分析重點(diǎn)區(qū)域大規(guī)模疫情對區(qū)域內(nèi)外的影響程度。與其他文獻(xiàn)相比，本文的邊際貢獻(xiàn)在于：（1）拓展關(guān)于金融企業(yè)的研究邊界，探尋城市疫情暴發(fā)與金融企業(yè)股票回報之間的關(guān)系；（2）通過股價變動，分析主要金融部門的風(fēng)險產(chǎn)生因素，為企業(yè)發(fā)展提供建議；（3）分析區(qū)域疫情暴發(fā)對區(qū)域內(nèi)外的影響程度，深化城市疫情暴發(fā)對金融業(yè)沖擊的認(rèn)識，為政府政策的及時制定與調(diào)整和投資者決策提供參考。

1?研究設(shè)計

1.1?事件研究法理論及步驟

1.1.1?確定事件發(fā)生日、事件窗口期和估計窗口

2022年4月13日，上海疫情開始大范圍暴發(fā)并蔓延，因此本文將其作為事件發(fā)生日（定義t=0）。同時，5月初日新增感染人數(shù)逐步維持在較低水平，上海疫情初步得到遏制，因此事件窗口期設(shè)定為[-10，20]（除去休市日）；估計窗口的設(shè)定參考Kothari和Warner（2007）的結(jié)論，設(shè)為事件窗前140天。

1.1.2?選擇估算正常收益率的模型

本文選用歷史平均模型估計金融各行業(yè)正常收益率，利用估計窗口[-150，-10]內(nèi)的各行業(yè)指數(shù)的平均收益率作為事件窗口期的正常收益率：

Rit=μi+εit

其中，μi為估計窗口內(nèi)股票指數(shù)的平均收益率，εit為隨機(jī)擾動項(xiàng)，事件窗口期的正常收益率使用估計窗口的期望值代替：

ERit|Xt=μi

1.1.3?計算事件窗口期的異常收益率

ARit=Rmt-Rit

ARit為事件窗口期的異常收益率，Rmt為事件窗口期的實(shí)際收益率，Rit為事件窗口期的正常收益率。

1.1.4?計算所有金融企業(yè)事件窗口期異常收益率

計算金融企業(yè)事件窗口期異常收益率的平均值，即為平均異常收益率AARt：AARt=1n∑ni=1ARit；其中，n為金融企業(yè)樣本數(shù)。最后計算累計平均異常收益率CAAR（t1，t2），并對其進(jìn)行t檢驗(yàn)，分析疫情暴發(fā)對金融業(yè)股價在不同窗口下影響的顯著性。

CAAR（t1，t2）=∑t2t1AARt

1.2?樣本選取及數(shù)據(jù)來源

本文選擇申萬行業(yè)劃分的滬深兩市A股上市的133個金融企業(yè)，包括42個銀行、48個證券公司、6個保險公司在內(nèi)的三個主要部門為研究對象，對各類公司的日收益率進(jìn)行分析，運(yùn)用事件研究法研究疫情對不同部門的沖擊大小。此數(shù)據(jù)來源于CAMAR和WIND數(shù)據(jù)庫，各公司日收益率的衡量參考個股“考慮現(xiàn)金紅利的日個股回報率”。研究過程中，為保證數(shù)據(jù)的可靠性，本文剔除ST和*ST上市公司6家以及退市公司2家，共計125個實(shí)驗(yàn)樣本，使用Stata軟件對數(shù)據(jù)進(jìn)行處理。

2?上海市疫情影響實(shí)證研究

2.1?對整體及各部門的影響

如表1所示，上海疫情暴發(fā)對金融業(yè)整體以及主要二級行業(yè)都呈現(xiàn)較為顯著的負(fù)面影響。從金融業(yè)整體來看，在事件窗[-5，5]、[-10，10]上，疫情暴發(fā)對其沖擊分別為-0.049452和-0.07942，為顯著的負(fù)向影響，此期間的CAAR猛烈下降。2022年4月28日上海疫情日新增確診陽性病例最高達(dá)到5487人，此時負(fù)向沖擊達(dá)到最強(qiáng)。在隨后的事件窗內(nèi)，疫情暴發(fā)對金融行業(yè)的負(fù)向沖擊仍然顯著但有所減輕。在事件窗[-10，20]上，疫情暴發(fā)對其沖擊為-0.07716，在1%的水平上顯著，說明該負(fù)向沖擊具有持續(xù)性，即上海疫情暴發(fā)對金融業(yè)產(chǎn)生負(fù)向影響的時間較長。除此之外，根據(jù)表1中窗口期為[-10，1]的CAAR以及表2可知，在事件日之前10天內(nèi)，金融業(yè)整體存在顯著的正平均收益，說明金融業(yè)對上海疫情暴發(fā)沒有較強(qiáng)預(yù)期，這種正向的異常收益率狀況也可能是受到市場隨機(jī)波動影響。

從各部門來看，銀行業(yè)、證券業(yè)和保險業(yè)在窗口期[-1，20]上，所受沖擊分別為-0.06429、-0.098797和-0.075392，均為顯著的負(fù)向影響。其中，證券業(yè)所受負(fù)面影響最大，主要原因是受上海疫情暴發(fā)的影響，市場活力不足，日均成交額萎縮，對證券公司業(yè)績造成壓力。其次是保險業(yè)，各個事件窗內(nèi)的CAAR絕對值都相對較大，可能是由于區(qū)域性疫情反復(fù)暴發(fā)，百姓恐慌情緒增加，對物質(zhì)需求增加，保險需求大幅下降，對保險企業(yè)業(yè)績造成極大壓力。銀行業(yè)各個事件窗內(nèi)CAAR也大多為負(fù)，但與金融業(yè)整體和其他部門相比，所受沖擊幅度較小，一方面，疫情暴發(fā)對實(shí)體經(jīng)濟(jì)造成較大影響，信貸需求弱化，實(shí)體經(jīng)濟(jì)融資不佳，根據(jù)央行的金融數(shù)據(jù)顯示，4月份人民幣貸款增加6454億元，同比少增8231億元；另一方面，居民對經(jīng)濟(jì)預(yù)期轉(zhuǎn)弱，居民存款增高，且定期存款提升明顯，4月份人民幣存款增加909億元，同比多增8161億元。

2.2?異質(zhì)性分析

考慮到金融企業(yè)可能會由于所屬地區(qū)的差異，對上海疫情暴發(fā)產(chǎn)生不同的沖擊效果?；诖耍疚闹饕凑丈虾＝鹑谄髽I(yè)、其他地區(qū)金融企業(yè)的劃分進(jìn)行異質(zhì)性分析。由表2可知，上海金融企業(yè)及其他地區(qū)企業(yè)在窗口期[-5，5]的CAAR分別為-0.0577338、-00492104，均通過t檢驗(yàn)，且在1%水平下顯著為負(fù)，拒絕原假設(shè)，說明疫情暴發(fā)前期對上海金融企業(yè)的負(fù)向沖擊更大；隨著時間的推移，在窗口期[-10，10]、[-10，12]、[-10，20]以及[-1，20]上，上海地區(qū)和其他地區(qū)金融企業(yè)CAAR值仍呈現(xiàn)顯著的負(fù)向影響，但其他地區(qū)CAAR的絕對數(shù)值較大，因此，在疫情暴發(fā)后期對其他地區(qū)金融企業(yè)的負(fù)向沖擊更大。

2.3?穩(wěn)健性檢驗(yàn)

為檢驗(yàn)上述結(jié)果是否準(zhǔn)確，本文做了一系列穩(wěn)健性檢驗(yàn)，具體如下：

（1）改變估計方法對CAAR進(jìn)行估計。采用市場模型來估計CAAR，進(jìn)而對以上結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。結(jié)果發(fā)現(xiàn)，在更換方法后，前文所得結(jié)論依然成立，如表3所示。

（2）為了消除金融公司其他重要事件對窗口期股票收益率的影響，剔除掉窗口期內(nèi)發(fā)布年報、并購等事件的公司，所得估計結(jié)果與前文一致，說明了估計結(jié)果的穩(wěn)健性。

3?結(jié)論與建議

本文利用事件研究法研究了上海疫情暴發(fā)對我國金融業(yè)及所屬部門的影響特點(diǎn)及規(guī)律。研究結(jié)果表明：上海疫情暴發(fā)對其均造成較為嚴(yán)重的負(fù)面沖擊，從沖擊幅度來看，證券業(yè)所受沖擊最大，其次是保險業(yè)和銀行業(yè)，這種負(fù)面效應(yīng)持續(xù)時間較長；在此基礎(chǔ)上進(jìn)一步分析金融業(yè)沖擊效應(yīng)的主要來源。結(jié)果顯示，短時間里上海市內(nèi)金融企業(yè)的沖擊程度高于其他地區(qū)，隨著時間延續(xù)，其他地區(qū)金融企業(yè)的負(fù)向沖擊逐漸增強(qiáng)，以至于上海疫情后期其他地區(qū)的負(fù)向沖擊明顯高于市內(nèi)。鑒于以上結(jié)論，本文提出以下建議：

（1）把握金融業(yè)對區(qū)域疫情反彈的反應(yīng)程度，完善金融監(jiān)管機(jī)制。金融業(yè)風(fēng)險傳導(dǎo)能力較強(qiáng)，影響程度較深，政府部門應(yīng)積極出臺金融業(yè)支持政策，并根據(jù)各部門對區(qū)域疫情反彈的反應(yīng)程度確定監(jiān)管層次和監(jiān)管力度，確保金融行業(yè)穩(wěn)中有序發(fā)展。

（2）注重公眾及投資者情緒調(diào)節(jié)，避免過度反應(yīng)。政府部門應(yīng)做好情緒疏導(dǎo)工作，及時準(zhǔn)確發(fā)布權(quán)威信息，防止不實(shí)言論發(fā)酵，對金融行業(yè)產(chǎn)生更大沖擊。

（3）金融企業(yè)要及時調(diào)整經(jīng)營策略，建立健全風(fēng)險防控機(jī)制。金融企業(yè)應(yīng)結(jié)合市場現(xiàn)狀和企業(yè)發(fā)展戰(zhàn)略，全面客觀評估疫情暴發(fā)下企業(yè)經(jīng)營計劃以及風(fēng)險防范短板，建立風(fēng)險管控體系，提升企業(yè)的抗風(fēng)險能力。

參考文獻(xiàn)

［1］中華人民共和國國務(wù)院.國家突發(fā)公共事件總體應(yīng)急預(yù)案（第一章第三條）[Z]，2006.

[2]伍志文.SARS對金融業(yè)的沖擊路徑及其影響初探[J].財經(jīng)研究，2003，（08）：5863.

[3]南開大學(xué)SARS對經(jīng)濟(jì)影響研究課題組.SARS對中國經(jīng)濟(jì)的影響與對策[J].南開學(xué)報，2003，（04）：15.

[4]易行健.新冠肺炎疫情對經(jīng)濟(jì)金融的沖擊研究——基于國際文獻(xiàn)綜述及其擴(kuò)展分析[J].金融經(jīng)濟(jì)學(xué)研究，2020，35（03）：316.

[5]張文遠(yuǎn)，寇丹，朱雨澤，等.重大事件沖擊背景下證券業(yè)系統(tǒng)性風(fēng)險演變研究[J].金融監(jiān)管研究，2022，（01）：7998.

[6]許閑，劉炳磊，楊鈜毅，等.新冠肺炎疫情對中國保險業(yè)的影響研究——基于非典的復(fù)盤與長短期影響分析[J].保險研究，2020，（03）：1222.

[7]Kothari?S?P，Warner?J?B.Econometrics?of?event?studies[R].working?paper，2007.