本文是一篇國際金融論文，本研究對疫情沖擊強度隨時間的變化做了檢驗，發現：國際貿易類上市公司股票的波動率、換手率、市盈率受疫情影響均會顯著上升，波動率與換手率是在疫情爆發后一個月內迅速猛增，但這種變化趨勢是逐漸減弱的；市盈率則在兩個月內受影響程度逐漸增大，之后隨著時間推移慢慢降低。
1  前言
1.1  研究背景
我國的資本市場起步較晚，二十世紀八十年代才開始萌芽，深圳證券交易所與上海證券交易所建立之后，我國的證券交易才正式起步，同時代的日本證券市場總市值就有三萬億美元，美國的市場總市值在1991年時就達到了四萬億美元。但我國資本市場經30年的大力發展，正在以極快的速度迅速追趕著西方發達國家，2019年時，我國證券市場的總市值已為八點五萬億美元，僅次于美國。 在這一年，新型冠狀病毒爆發正在全球200多個國家和地區加速傳播，意大利、美國、墨西哥、印度成為此次疫情的震中地區。世界各國采取不同的衛生措施來阻擋疫情的蔓延，相繼實施“封城”計劃甚至“封國”計劃，新冠肺炎病毒在我國的蔓延十分迅速，又恰逢春節，不僅多數在外地務工人員要返鄉，春節期間的家人團聚與走親訪友活動也為病毒的傳播提供了極佳的途徑。為防止此病毒在武漢以外的省市自治區過度傳播，我國政府決定對國內人口的流動實施嚴格管制，于2020年1月23日實施了對武漢的“封城”計劃，其他省市自治區的公路、鐵路、機場等也實施了禁止通行的嚴格措施，普通市民也積極響應居家隔離的號召“就地過年”且非必要不外出。不僅人們的正常生活面臨困難，企業的生產活動也受到比較大的影響。控制疫情蔓延的封閉措施可以阻斷病毒傳播，但企業也陷入進退兩難的境地：企業若大規模復工復產，會造成員工聚集與人員大規模流動，使疫情蔓延加速與升級，即使復工也難以保證上下游供應商與承銷商以及產業鏈的完整，另一方面，若企業所在地區的疫情再升級，企業不得不再次實施隔離措施時，企業的經營與管理成本將大大增加。
1.2  研究意義
1.2.1  理論意義
基于資本資產定價模型（CAPM模型）以及有效市場假說（EMH）所認為的資本市場，可以解釋有限的金融現象但卻不可解釋更多的金融異象，例如羊群效應、市場過度反應等，而行為金融學的出現則可解釋部分金融異象。投資者行為在行為金融領域的研究中有舉足輕重的地位，且在各種投資策略的實踐中越來越被考慮到。在全球疫情蔓延的背景下，投資者的投資行為所受影響是十分值得研究的，新冠肺炎蔓延對全球經濟、貿易、金融造成的重大影響也是值得深入的，但學術界大多數關于疫情的文獻都從理論方面出發，探討疫情對經濟造成的負面沖擊、提出恢復經濟發展的意見與建議，但從微觀角度出發而探尋疫情沖擊的具體細節的文獻相對較少。本文則基于計量經濟學的角度，實證地探尋疫情對國際貿易類上市公司股價的影響，衡量新冠疫情對國貿類上市公司股票沖擊的大小與方向，解釋了新冠疫情蔓延對投資者行為影響的路徑，提供了對突發事件衡量的嶄新角度，豐富了相關理論。
另一方面，目前現有的文獻庫中，突發事件對資本市場影響領域雖有學者涉及，但由于疫情爆發等突發事件極大的不確定性，學者們的研究也僅限對上市公司收益率、換手率的研究，而關于股票波動率、以及突發事件對資本市場產生影響背后的影響路徑等細節的研究存在缺失。本文從立足于國際貿易市場的角度，將新冠疫情這種突發事件與股票市場所受影響相聯系，實證地探尋疫情爆發對我國國際貿易類上市公司股票波動影響的方向與程度，并且更深一步的探尋了新冠疫情爆發對資本市場影響的內在傳導機制與影響路徑。不僅可以研究股票市場對突發事件的影響，還有助于理解突發事件對資本市場投資者情緒的作用。
2  文獻綜述
2.1  突發事件的文獻綜述
此次新冠疫情的爆發，在2020年1月31號被世界衛生組織（WHO）正式定義為“國際關注的突發公共衛生事件”，國內外的宏觀經濟研究者在研究突發性事件時，使用了不同的模型進行研究。Rietz（2010）在研究宏觀經濟時，首次在Lucas宏觀模型中加入災難性風險，他認為在研究宏觀經濟與資本市場運行時，災難性事件爆發的可能性與風險性不可忽視，流行或傳染性疾病的全球大爆發與蔓延是重大的災難性事件，而傳染性疾病一般是通過影響人類的活動進而影響經濟，會對受影響地區的行業的生產與消費產生沖擊與影響。Torój（2013）在動態隨機一般均衡（DSGE）的宏觀模型中，以波蘭為研究的對象，分析研究了波蘭流感對經濟造成的沖擊與影響。Gourio（2012）將災難事件的爆發加入真實經濟周期（Real Business Cycle）宏觀模型中，并以西方國家的宏觀經濟為基礎進行分析研究，而我國學者陳國進等人在加入了災難風險的真實經濟周期模型中分析了我國的宏觀經濟，并深入研究了國家的宏觀政策尤其是財政政策對災后經濟恢復的作用與影響。
很多研究者也使用了計量經濟學模型來研究突發事件對市場造成的影響。在戰爭方面，Rigobon和Sack（2005）研究了美國金融市場在伊拉克戰爭期間的變化，使用工具變量的方法（Instrument Variable Approach）和廣義矩估計的方法 （Generalized Method-of-Moments Estimation）來做研究，他們發現：在美伊戰爭期間，美國企業的股票價格整體（標普500指數）下降明顯，十年期國債收益率呈下降形勢，此外，美元也在此期間呈貶值趨勢。Ouadghiri 和Peillex（2018）認為投資者會將恐怖襲擊與伊斯蘭金融互相聯系，他們通過使用雙重差分模型發現：即使恐怖襲擊并非由伊斯蘭教徒發起的，公眾對伊斯蘭金融的關注度也會在恐怖主義襲擊之后暴漲，同時美國伊斯蘭指數（US Islamic indices）會巨幅下降，伊斯蘭相關的金融產品的價格下降程度明顯且顯著。Apergisa 和Apergisb（2016）發現在2015年的11月13日的巴黎恐怖襲擊事件之后的短時間內，二十四家大型全球性的軍工上市企業的平均異常收益率（Average Abnormal Returns）和累計平均異常收益率（Cumulative Average Abnormal Returns）顯著提高。
2.2  間接效應的研究
檢驗中介效應的最流行的方法是Baron，Kenny（1986）與Judd（1981）提出的逐步檢驗法，通過觀察系數的顯著性或Sobel檢驗（Sobel，1982，1988）來檢驗中介效應的存在性。但近些年來，學界普遍對其提出了質疑，Preacher和Hayes（2004）認為逐步法的檢驗力較弱，并且Sobel Test依賴于系數的正態分布，若未先驗分布則會使檢驗結果犯第一類錯誤的概率上升（當假設檢驗拒絕了實際上成立的零假設時，所犯的錯誤稱為第一類錯誤），之后他們便提出了用于檢驗間接效應的自舉法（Bootstrap Approach），即使較弱的中介效應與調節效應也可被檢驗出來。另一方面，雖逐步檢驗法的檢驗力較弱，但若使用此方法就可發現中介與調節效應，則說明相關變量的中介或調節作用足夠顯著（逐步檢驗法在本文“穩健性檢驗”部分使用）。
事實上，心理學、管理學等領域關注的變量大多是潛變量，如人格特質、主觀幸福感、抑郁情緒等，此類變量往往無法直接測量，需要借助外顯的測量指標進行估計，直接使用多元線性回歸分析則將潛變量當做外顯變量處理，忽略了測量誤差的存在，這可能導致對于中介效應和調節效應的估計偏差（Cheung和Lau，2008; Ledgerwood和Shrout，2011），另一方面，Lacobucc（i2007）使用一系列的蒙特卡洛模擬（Monte Carlo Simulation）后發現，線性回歸分析框架下的中介效應的標準誤較大，使得參數估計并不準確，而它們提出的用于間接效應檢驗的結構方程法（Structural Equation Model）可以解決這一問題。
隨著各領域研究的深入，單純的中介模型和調節模型難以滿足復雜研究問題的需要；越來越多研究者開始關注整合模型，從而解釋復雜的心理現象（Ivanova，2020; Wang，2018）。整合模型主要包括有調節中介模型（Moderated Mediation Model）和中介調節模型（Mediated Moderation Model）。
3  理論基礎與發展 ............................. 11
3.1  理論基礎 ....................................... 11
3.1.1  中介效應的理論基礎 ................ 11
3.1.2  調節效應的理論基礎 ......................... 13
4  結果展示與分析 ..................................... 18
4.1  變量定義 ............................... 18
4.1.1  解釋變量 ..................................... 18
4.1.2  被解釋變量 ................................. 18
5  疫情爆發對國貿類股票的時間效應與差異性檢驗 .......................... 29
5.1  時間效應 ........................... 29
5.2  差異性檢驗 ......................... 31
6  穩健性檢驗
6.1  雙重差分模型的檢驗
6.1.1  共同趨勢檢驗
事實上，雙重差分模型的構建需要對以下問題做出回答：新冠疫情的爆發時間點是否隨機？是否符合共同趨勢假定？首先，我們可以十分客觀的篤定，新冠疫情的爆發是不可能被提前預知，即上市公司不可能預知疫情在什么時間點爆發或在什么情況下有多大程度的影響，并不可能作出提前的調整。關于平行趨勢檢驗，如圖6.1所示，選取在2020年1月23日封城前的數據，觀察實驗組（國貿類股票）與控制組（非國貿類股票）的隨時間變化的情況，在A圖中，實驗組與控制組的股票波動率基本在2%左右，且變化趨勢基本相同，即使在異常高的點位上，兩組的數據也呈現跟隨狀態，表示在疫情爆發前實驗組與控制組股票的波動率變化呈現相同趨勢。在B圖和C圖中，可以觀察到實驗組與控制組的換手率均具有相似的變化趨勢，市盈率對數亦如此，即同時上升或下降，部分時段的曲線甚至完全重合，因此共同趨勢檢驗通過。表示在疫情爆發前實驗組與控制組股票的波動率、換手率、市盈率變化呈現明顯的平行趨勢，意味著使用雙重差分模型是可行的。 7  結論與啟示
7.1  結論
新型冠狀病毒在全球范圍內蔓延的背景下，本文選取2020年1月23日武漢封城為標志，采用雙重差分法考察了疫情蔓延對我國國際貿易類上市公司股票波動率的影響，再使用結構方程對疫情沖擊的傳導機制進行研究，使用雙重差分模型檢驗了疫情沖擊的時間效應，最后，在原雙重差分模型的基礎上構建虛擬變量，以檢驗國際貿易公司里涉及金融業務與不涉及金融業務的差異、國有企業與非國有企業的差異。 本研究得出以下結論：
（1）整體上，新冠疫情的爆發使我國國際貿易類上市公司股票的波動率顯著上升。
（2）在傳導機制的探索中，研究發現疫情爆發的沖擊是通過影響國際貿易類上市公司股票的換手率來影響其波動率的，即新冠疫情爆發對國際貿易類股票波動率的影響中，換手率起中介作用。
（3）更進一步的，研究發現：市盈率不同的國際貿易上市公司股票受疫情影響的程度不同：國際貿易類上市公司的市盈率越大，其股票波動率受疫情影響的程度越大，波動率增加的幅度更大。反之亦然。也就是說，疫情爆發對國際貿易類股票波動率的影響中，市盈率具有顯著的調節作用，國際貿易類公司市盈率越高，疫情對其股票波動率的正向沖擊越明顯。
（4）另外，本研究對疫情沖擊強度隨時間的變化做了檢驗，發現：國際貿易類上市公司股票的波動率、換手率、市盈率受疫情影響均會顯著上升，波動率與換手率是在疫情爆發后一個月內迅速猛增，但這種變化趨勢是逐漸減弱的；市盈率則在兩個月內受影響程度逐漸增大，之后隨著時間推移慢慢降低。
（5）構建相關的虛擬變量之后，發現涉及金融業務與不涉及金融業務的國際貿易類上市公司股票受疫情影響的方向完全不同，不涉及金融業務的國際貿易上市公司股票的波動率、換手率、市盈率均顯著上升；而涉及金融業務的則相反，顯著下降；國有企業類與非國有企業類的國際貿易上市公司股票受疫情影響的方向也不同，其中屬于非國有企業的國際貿易類上市公司股票受疫情影響后，其波動率、換手率、市盈率均顯著上升，而國有企業類則相反，均顯著下降。
參考文獻（略）