【浅析新冠疫情对中国工业的影响7200字（论文）】

PAGEIII浅析新冠疫情对中国工业的影响摘要面对突发的新冠疫情，给社会的经济带来了巨大的打击，工业首当其冲.本篇文章主要描述了新冠疫情对于当前的经济社会所造成的影响，本文选取了中国沪深A股工业市场的36家上市公司股票的数据作为该次分析的样本，采用FF-3因子模型和事件研究法，对所要研究的公司的非正常收益进行了计算，探究疫情对于中国工业市场所造成的影响.研究结果表明：此次新冠疫情会使工业收入在短期内有明显的下降，之后工业行业的收益会逐渐的增加并逐渐趋于稳定；从整体来看，新型冠状病毒对我国工业的影响在短期内的是巨大的，但在长期内中国工业将会回复正常水平.关键词：新型冠状病毒；工业市场；事件研究法；FF-3因子模型目录摘要 I1 引言 12 事件研究法和三因子分析法的介绍 12.1 事件研究法的建模 12.2 三因子模型的概述 23 新冠疫情对工业的实证分析 33.1 数据的选取 33.2 收益率的测算——三因子模型 43.3新冠疫情对工业的影响分析-事件研究法 53.4非正常收益的计算与检验 73.5稳健性检验 84 总结 85 结束语 10参考文献 11引言新冠肺炎是一种新型的冠状病毒，WHO命名为“二零一九冠状病毒病”.自二○一九年十一月下半月起，武汉一家医院发现数名人士因接触华南海鲜市场而感染不明原因的肺炎，并证实对新型冠状病毒引起的急性呼吸道感染呈阳性反应.截至到二零二一年四月二日，全球的确诊病例比前一日增加了65.9917万例，达到了12921.5197万例；死亡病例则增加了1.1626万例，达到282.0098万例.并且这些数字正在不断地增长.新型冠状病毒实质上对中国人民的生命安全和财产安全构成了威胁，2020年一月到二月份，规模以上的工业同比实际下降13.5%.按月计算，二月份工业产值较上月下跌26.7%.（数据来自于国家统计局）.通过深入探究新冠肺炎疫情对我国工业的影响，一方面，我们可以帮助我们的工业企业在面临类似事件时做出正确的决策，另一方面能够帮助在海外的企业在面对新冠疫情时树立正确的认知.因此，新冠肺炎疫情对我国工业的影响值得让我们深入去研究.事件研究法（）实质上就是CAR检验法，是衡量企业绩效的一种常用的统计方法，是研究在某一突发事件发生后，在一定时期内所引起的企业股价的变化来反映市场对公司未来盈利能力的影响.简而言之，实质上就是通过对比并购前后企业股票价格的变化，从而去分析并购活动所带来的绩效.当下，事件研究法主要用于研究企业的短期绩效.因此，本文通过使用事件研究法来分析新型冠状病毒对我国工业的影响程度是可行的.当前国内使用了事件研究法的探究，所选取的模型大多是传统的APT（套利定价模型）模型或CAPM(资本资产定价模型)模型，这些大家经常见到的模型在国外的市场有着良好的表现，但对于沪深A股的适应性相对而言比较差，特别容易出现理论与实践的偏差.因此，本文将更加适应于A股市场的FF-3因子模型作为估计正常收益的模型，并且采用事件研究法，以便可以较为准确的探究新冠肺炎对我国工业所带来的的影响.事件研究法和三因子分析法的介绍事件研究法的建模事件研究法的建模包含以下五个步骤：1.首先要来确定事件窗以及估计窗.在选取的样本里面确定事件日，通常来讲就是股票市场接收到该事件信息的起点，紧接着应当去确定事件窗以及估计窗.2.选取研究所需要的样本.3.确定用来估算正常收益的模型.现在有很多模型都可以用来估计正常收益，基于以往的研究经验，常用的模型如常均值收益模型、套利定价模型（APT）和资本资产定价模型（CMPA）等多种模型对于沪深A股市场的适用性是比较低的，而三因子模型（FF-3）是更加适用的，所以我们选择三因子模型作为估计正常收益的模型.4.估计不正常的收益().不正常收益就是用实际的收益减去正常的收益，用式1来计算股票在i事件窗期间的不正常收益：ARit=Rit-NRit(1)其中Rit表示的是事件窗i公司实际的收益，为事件窗时i公司正常的收益.累计非正常收益(CAR)为i公司事件窗期间每日非正常收益之和.即是：CARi=it(2)其中，t1和t2分别表示事件窗的开始和结束.平均非正常期间各交易日上所有股票非正常收益的均值，就是：AARi=(3)累积平均不正常收益(CAAR)是实证检验的核心，在事件窗期间内，累积平均非正常收益的计算公式是：CAAR𝛔=(4)5.检验不正常收益的显著性.显著性检验的原假设为：非正常收益平均数为零，检验方法包括参数检验法和非参数检验法.非参数检验用来检验统计检验的稳定性.三因子模型的概述从实证模型的选择上来考虑，通过对比市场模型、Fama-French三因子模型和资本资产定价模型（），我发现虽然这些模型都存在较为明显的统计错误，但是Fama-French三因子模型是在相比较之下在预测股票收益率比较准确的模型.为了能更好的去解释平均收益，前人对(E/P)、(B/M)、(Leverge)和(ME)等多个因子进行了多变量回归，并发现以上这四个新增加的风险因子对于股票的收益率统计检验发现均具有很强的解释能力，发现资本资产定价模型（）在加入由股票市值表示的规模因子（）以及由股票市值比表示的价值因子（）后，资本资产定价模型（）对于股票平均收益的解读能力会变得更强.所以和提出了如下的多因子定价模型：E(Rit)Rft*E(RmtRftt)si*E(SMBt)hi*E(HMLt)（5）其中：表示股票i在时间t时的收益率，表示在时间t时的市场收益率，表示在时间t时的无风险收益率，为规模因子，用(Size)组合收益率减少市值组合的收益率表示，HML为价值因子，用组合的收益率减低账面市值比组合收益率表示.对模型(1)进行回归，则FF-3因子模型可表示为：Rit-Rft=β+*t+Rft)s*SMBh*HML（6）随着时间的推移，许多用来解释股票收益率的多因子模型被提出，如(2015)提出的Q因子模型以及四因素模型.但在实际运用中，范龙振，余世典(2002)发现的FF-3因子模型相较于模型的解释能力明显有了大幅度的提升，大致可以用来解释A股市场回报率的变动；赵胜民，闫红蕾等人发现了相较于三因子模型，引入了投资因子（）和盈利因子()的五因子模型对于A股的解释能力反而会减弱；.则认为FF-5因子模型中根据过去的投资所构建的投资因子（）不是解释预期投资能力的一个很好的变量.对于Q因子模型，目前则没有太多的实证探究.因此，本文选择了传统的FF-3因子模型作为正常的收益模型.新冠疫情对工业的实证分析数据的选取本篇文章数据的选取是在新冠疫情爆发后，探究疫情爆发后相关股票的股价变化.在二零二零年的一月二十号，我国确定了新冠肺炎病毒会出现人传人的情况，引起了全社会的惊慌，股市开始出现剧烈的波动，因此将这一天称为事件日，将选择的事件日之后的15个工作日称为事件窗，事件日前的180个交易日到事件日前的10个交易日，作为估计窗.对于样本，我们选取了在沪深上市的A股工业市场的36支股票，总共选取36家上市企业作为本次调查的样本.工业市场的收益率和个股收益率的数据均来源于网易金融.对于本文数据的划分，本篇选取和在论文中所陈述的方法.首先根据2019年底被选择的36家上市公司的市值大小进行排序，分位值为50%，取前50%为S组()，后50%为B组().然后由低到高排列，参照它们2019的年底账面的市值比，分位值分别取为30%与70%，取前30%为L组()，次40%为M组()，后30%为L组()，对于这两种分类的方法，我们取他们的交集，得到共计6个组合，分别计算这6个组合的日平均回报率，并把计算的结果作为日回报率，计算(规模因子)与（价值因子），计算公式如下式(7)和式(8)：(7)(8)表1分组信息SH赣锋锂业宝钢股份SM汇川技术中国石油中国石化坚朗五金工业富联江西铜业荣盛石化国投电力中简科技SL中国铝业长江电力北方稀土寒锐钴业恒力石化新钢股份华能水电BH江山欧派甬金股份祥鑫科技新奥股份小康股份中矿资源融捷股份BM东富龙东风科技锦浪科技锦浪科技锦浪科技永兴材料延江股份博迈科新天然气鸿路钢构BL钱江水利康隆达鄂尔多斯收益率的测算——三因子模型将3.1中的股票按照上述规则分类好后，分别计算每一组组合在估值期间的日均收益率，得到结果如下表（1）：表2各因子组合的收益率特征最小值最大值均值标准差SL-0.0158390.0356480.0035420.003624SM-0.0099850.009825-0.0003450.007658SH-0.0132560.0099870.0002560.006892BL-0.0089620.007214-0.004520.003548BM-0.0158210.0099940.0001280.005346BH-0.0148560.020011-0.000560.00827Ri-Rf-0.0038610.018521-0.0063640.000894SMB-0.0056420.0070180.0007250.003105HML-0.0165960.006245-0.0005760.004832从上述表格三个因子的均值来看，市场因子为-0.006364，价值因子为-0.000576，他们的均值均为负值，而规模因子的均值为0.000725为正数，说明在整个估计窗期间，工业市场的行情相对较差，日平均收益率是低于没有风险时候的收益率的.整个工业整体存在着一定的规模效应.从上述六个组合的最终均值来看，BH组有的市场回报率最高，BL组的市场回报率最低，因而说明了高市值的公司的市场收益率明显是高于低市值公司的.从标准差的角度来看，除了SM组之外，其它组合的标准差随着公司账面市值的上升而增加，这说明在估计窗期间高市值的公司在得到较高回报率的同时，也要承担着更高的市场风险.除此之外，大公司的标准差大部分都是要超过小公司的，这说明在估计窗期间的大公司的市场风险是远远高于小公司的.3.3新冠疫情对工业的影响分析-事件研究法1.因子相关性分析.要检验各分子之间的相关性，要将其中的一个因子作为因变量，同时对其他两个因子进行回归分析，由下表2可以看到，拟合优度R2全部都是小于0.25的，从而得出结论：各因子之间不存在明显的线性关系.表3因子相关性分析Rmt-RftSMBHMLR20.17220.21030.19272.序列平稳性检验使用ADF检验对如下三个解释变量Rmt–Rft、SMB、HML以及6个组合SL、SM、SH、BL、BM、BH进行平稳性检验.检验结果：表4序列平稳性检验ADF统计量1%临界值平稳性Rmt-Rft-4.961224-4.52841平稳SMB-4.564511-4.46221平稳HML-5.954621-4.58826平稳SL-4.614844-4.36285平稳SM-6.915617-4.84561平稳SH-7.584215-4.95121平稳BL-5.941556-4.58912平稳BM-4.658115-4.32518平稳BH-5.725226-4.69845平稳由表3可知，工业的三因子及六个组合的ADF统计量小于1%的临界值，因此认为三因子和六个组合的时间序列都是平稳的，用上述数据作研究结论是可靠的.3.回归模型的建立根据前文的6个分组，参考模型【10】建立回归模型，用来研究超额收益、价值因子、市场因子之间的联系，所得到结果如下表：表5不同组合的回归系数及其T检验LMHLMH截距项αT(α)S0.0043540.003250.003012.97683***2.94592***3.23152***B0.0013260.003250.0032892.39116**3.23161***2.95156***系数βT(β)S4.32511453.7561153.1562563.31859***5.5251***5.00277***B4.3515812.991204.15613-1.156734.29412***3.69175***系数sT(s)S1.45893210.3515610.7561513.46244***2.87321***4.43951***B0.352169-0.55232-0.598256-2.32512**-1.75312*0.91695系数hT(h)S-0.5944740.1133730.568038-2.10701**0.737874.19386***B-0.30679-0.136980.53074.84267***-0.635062.18254**注：***、**、*分别表示在1%、5%、和10%时显著性水平.从截距项α来看，BL组合的截距项在5%的显著性水平下明显是异于零的，其它组合在1%的显著性水平下也是异于零的，而且各截距项的值都是明显小于0.005，这说明超额因子（）、规模因子（）以及市场因子（）可以清楚地解释股票的非正常收益，FF-3因子模型实验结果也是较为良好的.从市场因子系数β看，组合未能通过1%的显著性检验，其它组合则全部通过了1%的显著性检验，而且β的值较大，这表明了市场因子（）是3因子模型关键的解释变量.从规模因子系数s看，BL组合未能通过10%的显著性检验，BM组合则通过了10%的显著性检验，BH通过了5%的显著性检验之外，余下组合均通过了1%的显著性检验.这说明规模因子对于小市值公司的解释能力要显著高于大市值公司.小市值公司的系数均大于大市值公司的系数，说明工业市场存在着明显的规模效应，这与上文的发现的结果保持一致.从价值因子的系数h看，、均未能通过10%的显著性检验，、则通过了5%的显著性检验，、通过了1%的显著性检验.从显著性检验的角度里看，市场因子（）对超额收益率的解释能力是明显弱于超额因子（）和规模因子（）的.此外，市场因子（）的系数会随着市值的增加而显著的增加，这说明对于高市值公司的来说，市场因子（）对非正常收益率的解释能力要优于低市值公司.综合以上，从和的系数来看，发现规模因子（）的解释能力是更加强于市场因子（），研究结果表明，对于该行业来说规模效应要比账面市值比更加明显.此外，还发现3因子模型截距项均显著异于0，说明3因子模型在解释工业超额收益方面表现的十分优异，本文的模型选择是比较正确的.3.4非正常收益的计算与检验根据上文提及的3因子模型，将模型代入来计算非正常收益得：（9）同时采用的资产组合检验法.设原假设为H0:CAARr=0，构建统计量：（10）表6事件窗内每日对应CAAR值及其T检验值事件日CAARtT值事件日CAARtT值-100.0192580.429532.08698415.4697-9-0.06864-1.150241.83973313.4155-8-0.14523-1.888151.65455111.8821-7-0.04312-0.408961.58852311.1442-60.0198750.253971.0449087.7653-50.1098711.069681.328819.1162-40.0178361.717291.2509978.4692-3-0.152472.7036101.365168.8610-2-0.012252.5607111.0689377.1466-10.114813.3072120.9420456.356600.2717034.2848130.8010665.534410.8187397.9488140.8000985.417921.23612110.4060150.8728485.6540根据显著性实验的验证，在事件日之后的一段时间内是可以拒绝CAARr=0的原假设的，从而得到新冠肺炎对非正常收益影响显著的结论.3.5稳健性检验在事件研究法中，因为非参数检验不服从特定分布假设的限制，它的实际表现往往会表现的更好，通常会作为考察参数检验法的工具.对于传统的符号检验，如果存在非正常收益不对称的情况，那么检验将无效.因此，本文使用Corrado&Zivney提出的改进符号检验法来检测事件的发生是否对工业造成了巨大冲击.其检验统计量的构造如式11：(11)经计算，检验统计量J的值为2.2309，通过了置信度95%的显著性检验，因此可以得出结论：认为新冠肺炎在事件窗期间对工业的影响较大，使得工业股价波动加剧且产生了明显的非正常收益.总结通过用事件分析法以及FF-3因子模型对新冠疫情对工业的影响进行实证检验，本文得到了如下结论：(1)新冠疫情对于工业的影响在短期内的冲击是巨大的，中国的工业市场经过一段时间的调整会回归到正常.与均值的差的绝对值会随着时间的增加而不断减小.(2)在新冠疫情期间，工业的表现要落后于市场.在事件期最后一日工业的CAAR值为0.872848%，在此之前工业行业的CAAR值始终处于较低的水平，这表明工业这一行业在疫情期间没有产生超额收益.综合以上信息，给予工业发展以下几条建议：首先我们应当以防控疫情为首要任务，调整之前设定好的“稳增长”的预期.由于最近几年国内外形势的变化复杂，中国经济增长下行压力较大，整体经济处于中低增长阶段，，突如其来的新冠疫情对今年已经做好的“稳增长”工作势必然会造成较大的影响.近年来，随着我国城镇化的不断推进，以及新型交通网络体系的建成，全国性的协作与交流的经济活动的比例正在不断的上升，一、二线城市在生产、制造业等产业链中发挥着越来越重要的作用，一旦出现阻碍我国经济发展的疫情，相关经济体将遭受更为严重的损失.如今正是抗击新冠疫情的最关键的时期，采取隔离措施必定定会对工业经济的发展造成巨大的影响，但是抗击新冠疫情才是最为重要的任务，只有疫情防控做到位，才能够更好更快的全面恢复生产，进行工业生产.同时要做好疫情被控制后的生产恢复工作，切实降低相关企业的负担.对工业的期望生产值在一定程度上进行下调.同时相关的企业生产全面恢复，与此同时，部分的行业将出现剧烈的反弹性增长，我们需要提前做好生产原料、人员招聘等工作.例如，为了保证防疫医用物资的生产，有关企业应当将口罩、酒精等物资的生产标准调整到医用标准，一旦疫情得到控制，将在一定程度上影响正常的生产经营，如原材料短缺、价格上涨等，要提前做好准备.此外，本次疫情还对湖北省湖南省以及其他省份的中小企业的生产经营造成了比较大的影响，带来原材料减少、材料价格上升，资金运转、订单减少、物资运输不畅等问题，政府应尽快从税费减免、金融支持、财政扶持等方面开展相关中小企业的减负工作.

在疫情的到控制后，我们应当积极做好湖北省和其他省份工业生产的恢复工作.同时此次受疫情严重影响的大多数中部省份，虽然这些省份近年来在工业发展方面取得了较明显的进展，但它们的工业基础与东部发达省份仍然存在很大差距.在疫情得到控制后，应当积极促进东部的发达省份对湖北、湖南、江西等中部省份开展生产帮扶工作，尽快帮助湖北、湖南、江西等中部省份消除疫情对工业经济发展的负面影响.结束语通过在大学对统计学专业相关知识的学习，掌握了很多的统计方法以及分析方法.而本文主要采用事件分析法和三因子分析法，通过查阅文献建立模型，运用SPSS和R软件对数据进行了因子相关性分析，序列平稳性检验和T检验.通过研究新冠疫情对中国A股市场中工业的影响.我们发现新冠疫情对中国工业市场短期内的影响是巨大的，但是随着疫情防控的进行，工业市场也慢慢的在复苏，恢复到正常的水平.可见对中国工业市场的长期影响是微小的.毕业论文作为对大学学习生活的一个总结，我们在论文中运用了许多大学学习到的知识，这其实也是对我们所学知识的一种考察，对相关的数据进行收集，同时也要运用多种分析方法对数据进行分析处理.在编写论文的过程中，我们既是对以往学习过的知识点的复习，同时也是在学习新的知识.在论文写作的过程中，难免会遇到一些困难，同时自身掌握知识的有限性，因此论文难免会有一些不足之处，但是我会对论文进行改