新冠肺炎疫情对股票市场波动的影响--以中美股票市场为例
The Impact of COVID-19 Pandemic on Stock Market Volatility: A Case Study of
Chinese and American Stock Markets
新冠肺炎疫情对股票市场波动的影响
——以中美股票市场为例
文/胡塬炜
当前，新冠病毒疫情的蔓延在全球范围内愈演愈烈，至今全球多个国家、地区均已受到新冠肺炎疫情不同程度的影响。世界卫生组织也早已强调本次疫情会构成全球范围内的大流行趋势。COVID-19最早出现在2019年12月，而后由于早期未引起足够重视以及各国间的旅游贸易往来，导致国内外的新冠肺炎累计确诊病例一直增加。
作为成熟股票市场和新兴发展中股票市场的典型代表，美国股票市场和中国股票市场在疫情期间均存在
大幅的非理性波动，两个市场的具体表现均与两个关于全球范围内的疫情蔓延现状及其对股市收益波动的影响的文献研究较少，因此，本文利用WHO以及各疫情相关网站的公共数据，收集2020年1月到2020年11月初的中美新冠肺炎确诊病例的详细数据，并结合两国股票市场指数收益及波动、股市恐慌指数、交易量等指标，构建GARCH族模型实证研究此次疫情对股票市场的冲击影响，以期在疫情防治和股票市场中的疫情预警机制等方面提出良性政策建议。
疫情蔓延对股市收益及波动影响的实证分析
中考实心球模型简介及设计
企业宣传语
GARCH族模型常用于刻画高频股票市场或宏观经济变量的波动性特征，许多实际问题中随着时间t的变化，样本序列的随机扰动项的条件方差也在变化。Engel在1982年首先提出了ARCH模型对方差进行建模，来描述金融市场的波动聚类性和持续性，ARCH模型通过对过去p期序列的平方的移动平均来捕获回报序列的条件异方差，但是ARCH(q)模型在实际应用中为得到较好的拟合效果需要很大的阶数q，这增多了待估参数的个数，还会引发诸如解释变量的多重共线性等其他问题。因此，1986年Bollerslev将ARCH模型推广发展成GARCH模型，GARCH模型考虑了异方差本身的自回归，可以描述大多数金融市场时间序列，所以在波动性研究中被广泛采用。
证券资产定价一直是金融学界研究的重点内容。2020年，新冠肺炎疫情席卷全球。此次疫情的持续爆发无疑推动了金融资产价格的非理性涨跌现象。有鉴于此，本文以我国和美国两个国家疫情爆发时期的数据为样本观测值构建GARCH族模型，从疫情蔓延角度研究股市资产收益及波动的影响机制，得出并
对比不同国家的新冠病毒蔓延情况对股票市场发展的影响关系。研究表明：新冠肺炎疫情的持续加重会引起美国股市股值价格显著波动，造成美国股票市场的系统性风险，而由于疫情得到有效控制，中国股票市场波动受疫情蔓延的影响程度较低，更多的是源于市场上的恐慌情绪。
June  2021  国际融资
较好地拟合中国和美国两个国家的股票市场收益波动，并且有效证明了Covid-19确诊病例数的变化均对中美两国股票市场指数收益及波动性产生显著影响。考虑到研究目的和变量选取，本文的GARCH(1,1)模型的具体表达式为：
均值方程：R t =α0+ α1*X t + α2*VIX t +α3*V ol t +εt 方差方程：σt 2=β0+β1*εt-12+β2*σt-12+β3*X t + β4*VIX t 式中，R t 代表各国股指收益率；X t 为两国的疫情累计确诊人数的对数一阶差分形式；VIX
t 为计算所得的各国股指预期波动性的对数一阶差分形式（亦为股票市场的恐慌指数）；Vol t 为股指成交量的对数一阶差分形式；εt 为模型随机干扰项；σt 2
为股票指数的条件波动率；εt-12和σt-12分别为前一期的干扰项和前一期的预期波动率。
有鉴于此，模型具体实证步骤设计如下：首先，对包括两国股票市场预期波动率指标VIX和累计确诊人数X等模型重要变量做指标处理与基本描述统计说明，从统计分析角度论述疫情蔓延情况X对股指预期波动率V I X的影响；其次，对模型所有代理变量做平稳性检验，证得中美两国的股票指数收盘价、X、VIX和Volume均为一阶单整；最后，分别构建两个国家股指收益率R的GARCH(1,1)模型，并对所得均值、方差方程做详细解释。
描述性统计
中、美两国疫情走势分析。
中国和美国的疫情在首次爆发后，两个国家疫情发展态势都呈上升形式，疫情蔓延情况视不同时间段均有所严重。其中中国确诊病例发现最早，在有效的疫情防控治理措施下，整体蔓延趋势在2020年2月末趋于平缓，疫情集中爆发时间短，也是因为疫情在短期内得到了有效治理。而美国疫情爆发时间较晚，并
且相对而言，美国疫情走势蔓延态势严重且至今未得到有效控制，截至2020年11月初，每日新增确诊人数整体仍呈指数增加。
两国预期波动率VIX受疫情的影响。
V I X指数代表的是股票市场的股指预期波动指数，常用来反映股票市场上的投资者恐慌情绪，亦称为股市恐慌指数。美国市场使用的是芝加哥期权交易所于1993年使用指数期权隐含波动率加权平均后所得的预期波动率指数，亦称芝加哥期权交易所VIX恐慌指数；中国市场使用的是QVIX指数，编制方式与芝加哥VIX恐慌指数相似。
整体来看，中、美两国的预期波动均受到疫情的显著影响；具体来看，疫情的蔓延均增加了两国股指预期波动幅度，即均造成了恐慌指数上升。从中国股票市场来看，疫情爆发后，预期波动率峰值出现在2020年4月，而后随着系列疫情防控救助措施的出台以及疫情得到有效控制，VIX指数迅速降低，整体走势与疫情爆发时点前相比，有着较大的波动幅度，2020年1—3月，疫情集中爆发加大了中国股票市场价格的预期波动，显著刺激了中国股市的投资者恐慌情绪上涨。
异想天开的异是什么意思从美国股票市场来看，疫情爆发后，其预期波动率峰值出现在2020年3月，而后缓慢降低，后续呈阶段性递增趋势，整体走势与疫情爆发时点前相比，有着较大的波动幅度。并且疫情爆发后，美国股票市场VIX的波动幅度及VIX极大值均远高于中国股票市场。
两国疫情期间股指走势。从样本期内的中美两国股票市场指数走势来看，2020年1月到2020年11月期间两国股票市场均受到疫情走势较大冲击，股票指数均呈现大幅度波动。具体从中国股票市场指数走势来看，1月25日是中国疫情首次爆发节点，股市亦处于
春节假期休市阶段，而后2月初的开盘，股指价格呈
表1  变量选取介绍
断崖式下跌，由年前的3000直降至2020年2月3日的2746，跌幅巨大，而后随着一系列疫情防控救助
措施的出台，中国上证指数价格逐步上升，至3月初达到峰值点3071；2020年3月，中国疫情蔓延程度再次爆发，与市场恐慌情绪VIX值极速上涨相反，股票市场指数极速下跌，跌至样本期内的最低点2660；而随着疫情再次得到有效控制，与VIX指数下降相反，股指价格逐步上升并维持在较为稳定的状态。
从美国股票市场指数走势来看，2020年1月30日是美国疫情首次爆发节点，但与VIX指数缓慢上升走势相反，股指价格在2—3月呈缓慢下降，3月末跌至样本期内的最低点2386；而后随着疫情得到有效控制，与VIX指数下降相反，股指价格再次逐步上升并至今维持在较为稳定的状态。
构建中国股票市场的波动模型。
根据以上研究，中、美两国股票市场价格走势与Covid-19疫情蔓延态势、股指的预期波动性或市场恐慌情绪变化等方面均有着较为显著的联系。本部分将继续构建GARCH(1,1)模型，研究新冠肺炎疫情蔓延情况对股票市场收益和波动的影响，并将投资者恐慌情绪指数VIX和股指交易量作为控制变量引入模型中。本部分以中国模型构建过程为例，构建样本数据的两个GARCH(1,1)模型拟合，并对模型回归结果做具体分析，但不考虑疫情态势和市场恐慌情绪对股票市场整体波动的影响（仅对收益的影响），继续考虑疫情走势和市场恐慌程度对股市波动性的影响（对收益和波动的影响）。在实证之前，均需要对两国所选取的变量R、X、VIX和Vol做平稳性检验。
平稳性检验。为避免非平稳时间序列产生的伪回归现象以及满足后续GARCH模型以平稳为前提的建模条件，在进行GARCH模型实证之前，本部分首先对经处理生成的四个变量R、X、VIX和VOL做平稳性检验。根据四个变量时序图初步判断，样本期内四个变量走势均不存在显著的趋势性，并且四个变量的走势呈现围绕固定值上下随机波动且波动程度不等，存在波动聚集性特征，因此初步推断变量R、X、VIX和Vol均为平稳变量。
现继续从定量角度对上述四个变量做ADF单位根检验。给定5%显著性水平，变量R、X、VIX和Vol的单位根检验返回的t统计量的伴随概率小于0.05，且趋势项t统计量的伴随概率大于0.05，故而变量均拒绝存在单位根的原假设，因而证得变量R、X、VIX和Vol 均为平稳变量。
中国股市的GARCH(1,1)模型。本部分区分疫情蔓延程度对股票市场波动以及对股票市场波动和收益两个方面的影响，分别构建两个GARCH(1,1)模型进行研究，两模型表达式和回归结果如下。
模型1：R t = 0.0005-0.0142*X -0.0187*VIX t +0.013*V ol t  + εt
σt 2= 0.000001+0.1298 *εt-12+0.7958*σt -12
模型2：R t =0.0002-0.0114*X -0.0002*V I X t + 0.0183*V ol t +εt
σt 2=0.000004 +0.1234*εt -12 +0.6364 *σt -12+ 0.00003*X t  + 0.0007*VIX t
首先，从两个GARCH模型的均值方程来看，累
计疫情确诊人数X、股票市场恐慌指数VIX和成交量
表2  中国股市的GARCH(1,1)模型回归结果
June  2021  国际融资
三个变量的回归参数均通过显著性水平检验，代表疫情蔓延、股市恐慌和股票市场流通均能对中国股票市场收益产生影响。具体来看，累计疫情确诊人数X、股票市场恐慌指数VIX的回归系数均为负值，证明疫情确诊人数的增加会导致股指收益降低且负向影响显著，并且投资者恐慌情绪的上升也会对股市收益有着显著的负向影响。该实证结论与Molick和Fernandes 等学者研究成果相似，也与中国股市
优秀共青团员申报材料收益实际情况相符。另外，两个模型中作为控制变量的Vol亦通过显著性水平检验且为正值，该结论与众多学者研究一致，表明股票市场收益率与股市成交量之间存在正相关关系。
其次，从G A R C H 模型的方差方程来看，Garch(1,1)模型认为当期的方差会受到前一期的残差平方与前一期的方差的影响，两个模型的ARCH项和GARCH回归系数均为正数且后者系数值大于前者，意味着中国上证综指波动受到滞后条件方差的正向影响，并且前一期的波动性能够更大地影响中国股票指数收益的当期波动性；GARCH项和ARCH项两回归系数之和小于1，满足平稳性条件，表明拟合模型预测能力较好。从模型2方差方程回归结果来看，疫情蔓延X以及市场上投资者恐慌情绪VIX的回归系数均为正数，表明疫情蔓延程度的加深和市场恐慌情绪的高涨均能够正向助长推动股票市场波动，但变量X未通过显著性水平检验而变量VIX通过显著性水平检验，表明股票市场上的投资恐慌情绪能够造成中国股市系统性风险及波动。
构建美国股票市场的COVID-19 and stock market volatility 模型。
平稳性检验。本部分对美国样本期内的数据R、X、VIX和Vol做ADF单位根检验。首先从时序走势图来分析，中国与美国股票市场相似，样本期内美国疫情人数、股票市场的股指收益、股市恐慌指数和股指成交量等数据走势围绕固定水平线上下随机波动，时序图显示四个变量均为平稳变量。继续从定量角度做单位根检验，给定5%显著性水平，变量R、X、VIX和Vol 的单位根检验返回的t统计量的伴随概
率小于0.05，且趋势项t统计量的伴随概率大于0.05，故而变量均拒绝存在单位根的原假设，因而变量R、X、VIX和Vol均为平稳变量。
美国股市的GARCH(1,1)模型。同上，做美国疫情对股票市场走势的回归，根据表3的模型回归结果，可得模型1和模型2的表达式为：
模型1：R t = 0.0011 + 0.0028*X - 0.1418*VIX t + 0.0027*Vol t  + εt
σt 2 = 0.000005 + 0.2440*εt-12 + 0.7422*σt -12
模型2：R t =0.0013+0.0026*X-0.1468*V I X t + 0.0042*Vol t +εt
萋萋的拼音σt 2 =0.000004+0.1396*εt-1 2 +0.7780*σt-12+ 0.000114*X t +0.00015*VIX t
首先，从两个GARCH模型的均值方程来看，与中国股市回归结果有所区别，美国股票市场上仅恐慌指数V I X变量的回归参数通过显著性水平检验，而疫情蔓延程度X和市场成交量均未能通过显著性水平检验。即与中国相似的是，投资者恐慌情绪的上
升也会对股市收益有着显著的负向影响，二者呈现
表3  美国COVID-19 and stock market volatility 的GARCH(1,1)模型回归结果
显著的负相关影响，并且两个模型中作为控制变量的Vol回归系数亦为正值，表明美国股票市场收益率与股市成交量之间存在正相关关系，但该正向效应并不显著。另外，美国累计疫情确诊人数X对股票市场收益的影响关系为正向但并未通过显著性水平检验，表明此次疫情对美国股市收益的影响程度较低，弱于我国股票市场，该实证结论与Enrico等学者研究成果相似。
其次，从两G A R C H模型的方差方程来看，Garch(1,1)模型认为当期的方差会受到前一期的残差平方与前一期的方差的影响，两个模型的ARCH项和GARCH回归系数均为正数且后者系数值大于前者，意味着美国股票市场波动受到滞后条件方差的正向影响，并且前一期的波动性更能影响美国股票指数收
益的当期波动性；GARCH项和ARCH项两回归系数之和小于1，满足平稳性条件，表明拟合模型预测能力较好。
另外，从模型2方差方程回归结果来看，疫情蔓延X以及市场上投资者恐慌情绪VIX的回归系数均为正数且均通过了显著性水平检验，表明疫情蔓延加深和市场恐慌情绪高涨均能够正向助长推动股票市场波动，并且疫情程度的加深和股市投资恐慌情绪能够造成美国股市系统性风险及波动。
结论及建议
结论
对比中美两国，中国股票市场收益受此次新冠肺炎疫情影响程度要稍强于美国，但就股市波动角度分析，新冠肺炎疫情的持续加重会引起美国股市股值价格显著波动，造成美国股票市场系统性风险。而由于疫情得到有效控制，中国股票市场波动受疫情蔓延的影响程度较低，股市波动更多来源于市场上的恐慌情绪。
建议
从投资者情绪角度建立股市波动预警机制。
根据以上研究，市场恐慌情绪均为造成中美两国股市收益和波动的直接原因并且均有着显著的影响作用，因此从投资者情绪角度构建股票市场风险预警机制尤为重要。从投资者自身角度出发，需要了解和学习股票市场资产定价机制和运行规则等基本投资知识、掌握自身的收益预期和承担风险的能力并树立良好的投资心态和建立健全的投资者理念。
四姑娘山旅游从有关监管部门角度来看，监管部门可构建情绪指标以实时监查和有效应对股票市场上投资者情绪的变动情况并建立预警机制。同时，完善和健全股票市场上的信息披露制度，加强普通投资者的培训，降低投资者因信息偏差或虚假信息造成错误决策和财富损失的概率。
全球范围内积极应对疫情。
各国应统筹做好信息通报、身份登记、健康监测、应急处理等工作。同时，做好经验总结，向卫生体系薄弱国家提供技术援助和经验分享，并且及时配备应对COVID-19所需诊断试剂和设备，对当地技术人员提前进行培训，准备应对方案。从长期来看，各国应系统梳理相关医药产品研发现状及体系运行机制，识别国家核心应急产品和技术储备需求；同时，也应继续利用双边和多边合作机制开展科研合作，积极研究和借鉴国际上先进的应急管理机制，完善重大
疫情防控体制，健全国家公共卫生应急管理体系。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。