外生沖擊對行業典型股票的影響及風控建議

錢思蒙

摘?要：股票市場的穩健發展是中國經濟持續健康發展的重要保障。本文通過分析CAPM模型、Fama-French三因子模型殘差項、日收盤價均值、波動率、在險價值、尾部均值、特質波動率等指標，探究以2020年新型冠狀病毒肺炎疫情為例的外生沖擊對主要行業典型性股票的影響，并提出了多維度的風險防控建議。實證結果表明，外生沖擊會加劇行業典型公司的股價波動，金融風險挑戰增強，不同行業典型公司股票對外生沖擊的抵御能力不同。文章的理論與實證分析也進一步指出，由于各公司主營業務的異質性，同一行業不同股票對相同風險度量指標的反應程度不同。因各風險指標度量維度和方式不同，同一股票對不同風險度量指標的敏感性也存在一定的差異。

關鍵詞：外生沖擊；新冠疫情；股票市場；風險管理

中圖分類號：F832.5??????文獻標識碼：A??文章編號：1005-6432（2023）23-0000-08

[DOI]10.13939/j.cnki.zgsc.2023.23.000

1引言

我國經濟已由高速增長階段轉向高質量發展階段[1]。2019年中國經濟呈現出穩中有進的良好發展態勢。2020年初新冠肺炎爆發后，我國建立起從中央到地方的高效聯防聯控機制，讓世界見證了“中國速度”。然而，外生沖擊對我國股票市場帶來了巨大的負面影響，相應的風險防控措施仍需進一步探索。

本文嘗試多維度探究以2020年新型冠狀病毒肺炎疫情為例的外生沖擊對主要行業典型性股票的影響，并從宏觀和微觀層面的不同主體入手，提出相應的風險防控建議。首先，通過計算6大行業14支股票在2019年、2020年每日收盤價均值、波動率及兩個指標的年變化率，來比較外生沖擊對各行業典型性股票的不同影響，并分析造成差異化影響及受沖擊后股票波動率上漲的成因；其次，測度股票的左尾風險，并通過資本資產定價模型提取因子載荷，分析同一行業不同股票對相同風險度量指標的反應程度不同的原因，并橫向對比了同一股票對不同風險度量指標的敏感性；最后，通過Fama-French三因子模型提取14支股票連續5個月的特質波動率，并進行了相應的分析和比較。

中央經濟工作會議曾提出，“要把防控金融風險放到更加重要的位置，提高和改進監管能力，確保不發生系統性金融風險”[2]。?研究外生沖擊對主要行業典型性股票的影響，有助于幫助各個行業的不同類型公司根據自身企業特點和發展戰略規劃，結合外生沖擊特質，精準施策，有效防控金融風險，化沖擊為契機，盡可能減少外生沖擊對中國股市及企業發展的負面影響。同時，研究并提出相應的風險防控建議也有助于我國企業和股票市場持續穩定健康發展，助推后疫情時代的經濟振興。

本文可能的邊際貢獻主要有以下幾個方面：一是以風險指標量化的形式分析了外生沖擊對主要行業典型性公司股票的影響，分析了各指標在疫情發生前后的變化率，發現：外生沖擊會加劇主要行業典型公司的股價波動，不同行業典型公司股票對外生沖擊的抵御能力不同。二是縱向比對了同一行業不同股票對相同風險指標的反應程度并分析造成差異化的可能原因；同時，通過橫向比較，發現同一股票對不同風險度量指標的敏感性不同。

在接下來的篇幅中，本文將首先綜述文獻并提出本文的4個研究假設，接著給出模型選取與數據分析方法說明，然后根據數據分析結果對提出的研究假設進行實證分析與檢驗，最后給出主要結論與相應的風險防控建議。

2文獻綜述與研究假設

外生沖擊即來源于經濟系統之外的變量變動引起的沖擊，對宏觀經濟持續穩定發展有較大的負面影響（劉志蛟，2018）[3]，其中相當一部分影響是通過股市產生的（Jaroslav等，2019）[4]。2020年新型冠狀肺炎疫情作為重大國際突發公共衛生事件對中國股票市場造成了顯著的負向沖擊，而負向外生沖擊極大程度上加劇了金融市場的風險。股價的劇烈波動、不同行業對外生沖擊的差異化反應也進一步引起了學術界的廣泛關注。

新冠疫情的嚴重程度與股價的跌幅呈正相關（王箐等，2020）[5]。股票的價格很大程度上受到了投資者情緒和心理的影響（高清輝，2005）[6]。人們在疫情中形成的差異化信念或謠言等帶來的恐慌情緒會通過非理性因素對資本市場及社會經濟預期帶來深遠影響（劉玉珍，2020）[7]。金融市場的不確定性加劇了股價波動（Haroon，2020）[8]。疫情期間公眾的股票買賣態度很大程度上依賴于感染病例數、死亡指數和全球恐懼指數（Li等，2021）[9]，但中國股市參與者在疫情期間總體較為理性，因為該時段中國股票市場的羊群行為明顯低于平時（Wu等，2020）[10]。

新冠疫情使人們對不同領域的行業產生了差異化預期（段又源，2020）[11]，同時也為部分產業提供了發展契機，注入了新的活力。疫情對旅游業、交通運輸業、餐飲業、農業、工業等沖擊較大。同時，為網絡服務業、互聯網醫療等行業提供發展機遇（趙丹丹等，2020）[12]。2020年疫情中全國金融、房地產、信息與日常消費行業在事件期間的風險輸出力度大幅提高，醫療保健、公用事業以及工業板塊則成為了主要的風險接受方（楊子暉，2020）[13]。

新冠疫情也提升了市場間動態相關系數，加劇股市風險的跨市場傳染（蔣海等，2021）[14]。但疫情沖擊對系統性金融風險影響持續時間較有限（劉精山，2021）[15]，制定風險對沖政策應多采用數量化、結構化工具和區域性政策（吳振宇，2020）[16]。

綜上所述，對于新冠疫情對中國股票市場的影響，已有較豐富的學術文獻研究結果，但遺憾的是，以金融風險管理指標為基點對主要行業典型性股票應對外生沖擊的研究仍存在探索空間，值得進一步探討。基于以上理論分析，本文提出以下四個假設：

假設1：外生沖擊會加劇主要行業典型性公司股價波動，金融風險挑戰增強

假設2：不同行業典型性公司股票對外生沖擊的抵御能力不同

假設3：同一行業不同股票對相同風險度量指標的反應程度不同

假設4：同一股票對不同風險度量指標的敏感性不同

3模型選取、數據分析方法說明

3.1資本資產定價模型

資本資產定價模型（CAPM模型）在衡量被計算組合平均異常收益以及該組合對市場組合的風險暴露關系方面有廣泛的應用價值。該模型通過被計算組合或證券的超額收益對市場組合超額收益的時間序列回歸截距項系數來估計組合或證券的異常收益，廣泛應用于資產成本計算、預算決策、個股選擇、業績評估等各個方面。

=[（）-]?????（1）

該式子擬合出了市場投資的預期回報率與被計算資產預期收益的線性關系。其中，和（）分別代表了資產組合和市場的預期回報，為無風險收益率，為因子載荷。

資本資產定價模型的回歸檢驗可表示為：

（2）

其中，和分別為模型和市場組合的超額收益，為組合的異常收益，和分別度量了系統性風險和非系統性風險。本文用到了資本資產定價模型的計算。

3.2Fama-French三因子模型

（3）

Fama-French三因子模型引入了三個風險因子：分別為市場因子（MKT）、規模因子（SMB）和價值因子（HML），用于更好地解釋股票回報率的差異。本文在計算股票特質波動率時，用到了Fama-French三因子模型中的殘差項。

3.3波動率計算

定義為一個變量在日期i結束時的價格，為第i天連續復利的收益率。利用即的標準差來計算日波動率。本文在計算中使用其簡化形式，將定義為，的均值假設為0，以m替代m-1，股票日收盤價波動率可表示為：

（公式4）

3.4在險價值計算

在險價值（Value-at-risk）指某一資產組合特定置信區間和限定時間維度內的最大損失金額。本文采用歷史模擬法計算在險價值，利用市場觀測值（本文中為股票收盤價）日間變化的歷史數據直接估計所求交易組合未來價值的變化走向和概率分布。

3.5尾部均值計算

計算尾部均值ES即為計算超過Var值的尾部損失的期望

3.6特質波動率計算

特質波動率（idiosyncratic?volatility）衡量了資本資產定價模型（CAPM模型）中可被分散的、不能被市場解釋的部分，記3.2模型中值為特質波動率。

3.7數據說明

本文就2020年全國范圍內新型冠狀肺炎大流行對我國主要行業典型性股票的影響進行了展開分析。分別選取了醫藥行業的同仁堂、云南白藥、復星醫藥股票，金融業的中國平安、中信證券、東方財富股票，旅游業的張家界、國旅聯合股票，交通運輸行業的建發股份、大眾交通股票，教育行業的豆神教育、拓維信息股票，房地產行業的綠地控股、榮盛發展股票，共計14支典型股票作為研究對象，遍及6個行業大類。

其中股票每日收盤價均值和波動率的計算選取了2019年1月1日-2020年12月31日14支股票的每日收盤價作為樣本。日收盤價均值由全年每日收盤價求算術平均所得。股票月特質波動率的計算選取2019年12月1日-2020年4月30日14支股票的每日收盤價作為樣本。資本資產定價模型值選取了2019年1月-2020年12月14支股票的月收盤價作為樣本。99%在險價值和尾部均值選取了自2019年1月1日起501個交易日歷史數據作為分析對象，以2019年1月1日收盤價作為基準計算單日損失。本文所涉及的行業股票日收盤價、月收盤價、無風險利率數據均來自于國泰安（CSMAR）數據庫，Fama-French三因子模型的數據來自銳思（RESSET）數據庫，其中市場溢酬因子、市值因子、賬面市值比因子均采用流通市值加權。

由于新冠肺炎第一例病例發病時間為2019年12月12日，在2020年初新冠疫情在全國范圍內大規模爆發，本文將2019年數據用作疫情爆發前數據，與2020年數據進行對比，得出相應結論。又由于新冠肺炎疫情在2019年12月初進入人們視野，在2020年4月24日實現武漢重癥病例“清零”，本文選取2019年12月-2020年4月共計5個月數據計算特質波動率，并進行相應的分析與比較。

4實證結果與分析

本部分將對2020年新冠疫情前后14支股票的各個指標進行量化計算，并以此為依據分析外生沖擊對主要行業典型性股票的影響。首先將分別計算新冠疫情對股票日收盤價和波動率的影響，然后分析新冠疫情對股票左尾風險和因子的影響，最后本文測度了新冠疫情背景下股票特質波動率的變動情況。

4.1新冠肺炎疫情沖擊與股票日收盤價

本文首先分析新冠疫情對主要行業典型性股票日收盤價的影響。根據對表1共14支股票日收盤價的分析可得，在2020年新型冠狀肺炎疫情爆發后，半數公司的日收盤價均值都呈現不同程度的負向增長趨勢，其中以旅游行業的張家界、國旅聯合股票，房地產行業的綠地控股、榮盛發展股票和交通運輸行業的大眾交通股票下降幅度最為明顯。分析對比表中數據可知，不同行業典型性公司股票對外生沖擊的抵御能力不同。公司股價受沖擊程度與市場的供給和需求以及行業的特性有緊密的聯系。由于新冠肺炎飛沫傳播、接觸傳播的兩個主要傳播方式和傳播性強、嚴重程度高等傳播特點，對線下經營服務有強依賴性以及具有勞動密集型特點的行業公司受沖擊程度普遍偏高。

由于張家界、國旅聯合所處的旅游行業不可取代的線下體驗感、旅游時不可避免的人員接觸以及旅游業上中下游產業鏈對勞動服務的強依賴性，這兩個典型性旅游業公司對以新冠疫情為例的外生沖擊反應劇烈，市場需求大幅下降，在日收盤價上有顯著的體現。對房地產行業的綠地控股、榮盛發展股票而言，疫情帶來經濟壓力、不確定性和線下看房體驗缺失導致民眾購房意愿和需求下降，避免人員聚集導致的竣工延誤等因素也共同導致了股價的下跌。

相比較而言，教育行業的豆神教育、拓維信息股票對外生沖擊抵御能力較強，在疫情期間及后疫情時代實現平均股價上漲，這兩個以教育業務為主體的公司充分相應國家“停課不停學”號召，大力發展“互聯網+教育”線上課程業務，化沖擊為契機，實現盈利增長。同時，云南白藥、復星醫藥等醫藥行業典型性公司的日收盤價均值在新冠疫情大環境下也得到了正向增長，得益于新冠疫情與醫藥行業公司主營業務的密切關聯。云南白藥、復星醫藥、同仁堂等公司在不同程度上滿足了民眾在醫藥衛生方面的需求，受疫情沖擊較小。此外，中信證券、東方財富等金融行業典型性公司也以其獨有的經營特性，在應對外生沖擊方面有較好的表現。

4.2新冠肺炎疫情沖擊與股票波動率

本文在這一部分主要分析了新冠疫情沖擊對主要行業典型性股票波動率的影響。根據對表1共14支股票日收盤價的分析可得，在2020年新型冠狀肺炎疫情爆發后，絕大多數股票的年化波動率均大于疫情爆發前的2019年，外生沖擊很大程度上加劇了主要行業典型性公司股價波動，金融風險挑戰增強。在面對外生沖擊時主要行業典型性股票的波動率與該公司主營業務對沖擊的敏感性有關。

由表1數據可得，醫藥行業的復星醫藥和房地產行業板塊的綠地控股在疫情前后有較大的波動率變化，波動率大于100%。在本文研究的14支股票中，豆神教育和拓維信息兩支教育類股票在疫情爆發后的2020年波動率最大；中信證券、國旅聯合、大眾交通、榮盛發展在2020年疫情爆發后的年化波動率小于2019年，其中中信證券和國旅聯合的波動率變化幅度最小，最接近于0。

由表中數據可見，股票的波動率和日收盤價均值的變化率之間并沒有直接的線性關系。例如：疫情對旅游行業的張家界、國旅聯合股票價格造成較大沖擊，日收盤價均值下滑明顯，但國旅聯合股票在本文所有研究股票中波動率絕對值最低；日收盤價變化較小的綠地控股在股票的波動率上變化明顯。可能的解釋是：外生沖擊帶來的各個因素與行業的聯系程度不同，不同的因素在影響波動率和日收盤價變動方面發揮了差異化作用，最終導致同一對象兩個測度指標不同的變化幅度和變化方向。

相關研究表明：金融市場的不確定性，新聞媒體的恐慌消息和公開意見表達引發的公眾負面焦慮恐慌情緒均與股票市場不斷加劇的波動有關[17]。疫情帶來的投資者恐懼和焦慮情緒可能會刺激投資者賣出股票，導致股市波動[7]。同時，信息的不對稱性、部分大眾傳媒的失真報道、疫情帶來的不穩定因素都會在一定程度上助長例如“追漲殺跌”等不理性投資行為，引發股票波動率上漲。

4.3新冠肺炎疫情沖擊與主要行業典型性股票左尾風險和因子

本文在這一部分主要分析了新冠疫情沖擊對主要行業典型性股票左尾風險的影響。左尾系統風險指標比其他指標更適用于危機時期的風險管理[18]，它考慮了資產和市場收益率的左尾分布，以單個資產和市場的極值相關性為基礎[19]，有效提高了測度外生沖擊下股票下行系統風險的準確性和精確度。

由表2可得，同一行業不同股票對相同風險度量指標的反應程度不同。以醫藥行業為例，該行業同仁堂股票的99%在險價值和尾部均值均遠高于本文研究的其他13支股票，反映了其較高的極端損失風險。雖同為醫藥行業股票，云南白藥和復星醫藥99%在險價值為負，尾部均值也較低，體現出較強的風險抵御能力，可能的解釋是：3個醫藥行業典型性公司在醫藥板塊較細分支中具體業務的側重點不同。同仁堂主要側重于中成藥的生產研發，云南白藥側重于口腔衛生清潔用品的生產銷售，復星醫藥側重于藥品的創新研制。因同一行業不同公司專長的經營領域不同，外生沖擊對各公司帶來的風險嚴重程度也不同，反映在同一指標的差異化的數據呈現上。同理，在本文所研究的交通運輸行業股票中，建發股份的在險價值和尾部均值明顯低于大眾交通股票，負值的損失體現出了較穩定的發展態勢。

房地產業的榮盛發展股票和旅游業的國旅聯合股票也以較高的左尾風險測度值分列同仁堂股票之后。相比而言，金融行業的中國平安、中信證券、東方財富在2019年1月1日以后的501個交易日內有較好的風險表現，出現左尾極端損失的概率較小。

在險價值和尾部均值共同測度了股票的左尾風險，二者在風險測度領域相互補充，描述的方向和數值的正負基本一致。

4.4新冠肺炎疫情沖擊與主要行業典型性股票CAPM模型的因子

本文在這一部分主要分析了新冠疫情沖擊對主要行業典型性股票因子載荷的影響。與資產組合風險和收益呈正向關系，資本資產定價模型因子一定程度上反映了6個主要行業典型性公司的不同經營戰略和風險管理策略。因子具體體現了資產價格變化和市場波動的比例，其正負也代表了被計算組合與經濟周期的順逆關系。

由表2數據可知，大部分股票在2019年-2020年的因子變化率都呈現負向增長。在2020年各股票因子的絕對值普遍減小，股票價格的波動幅度更加貼合市場指數的波動幅度。在本文研究的14支股票中醫藥行業的同仁堂股票在2020年因子最小，展示了2020年疫情期間，該資產收益率對于市場組合收益率較低的敏感程度，股價不容易隨市場波動出現大漲大跌現象。在14支股票中2020年東方財富的因子最大，可能的解釋是外生沖擊加劇了金融市場的波動情況和不穩定性，給東方財富公司主營的證券、金融電子商務等業務帶來更大的投資風險，故導致其股票的波動幅度大于市場和其他研究的股票，對市場組合收益率有較高的敏感性。

4.5新冠肺炎疫情沖擊與主要行業典型性股票特質波動率

本文在這一部分主要分析了新冠疫情沖擊對主要行業典型性股票特質波動率的影響。由表3數據可知，教育行業的拓維信息股票在2019年12月-2020年4月均有較高的月特質波動率，各股票在2020年2月均有較高的特質波動率。據中華人民共和國國家衛生健康委員會數據統計顯示，新冠疫情在中國的現存感染人數在2020年2月中旬達到峰值，在后面的月份中逐步回落，若以新型冠狀病毒感染人數來代表新冠肺炎嚴重程度，本文所研究的主要行業典型性股票在2020年2月遭受較嚴重的外生沖擊。

研究發現，我國股票特質波動的增加，并不能表示股票市場反映上市公司內在價值的有效性和及時性提高，投資者非理性投資造成的噪音交易是我國股票特質風險變動的主要原因[1]。因此，對疫情峰值期間股票較高特質波動率的可能解釋是：疫情帶來的巨大不確定性一定程度上給投資者帶來了較大的負面的情緒波動，由此引發的投資者非理性投資行為導致了股票特質波動率的提升。

結合前四部分內容綜合分析數據可見，同一股票對不同風險度量指標的敏感性不同。股票波動率、CAPM模型的因子載荷、左尾風險測度指標（在險價值、尾部均值）、股票特質波動率之間并沒有顯著的聯系，某一風險指標較高的股票在其他風險指標上可能低于均值，同一股票對不同風險度量指標的敏感性存在較大的差異。各個指標具有不同的度量維度，綜合在一起，才能更加立體、準確得反映金融資產的風險狀況。

5結論與啟示

5.1主要結論

本文在金融風險管理的框架下，以2020年新型冠狀病毒爆發為背景，研究了外生沖擊對主要行業典型性公司的影響。在實證檢驗與數據分析方法上，采用了資本資產定價（CAPM）模型來計算因子載荷，利用Fama-French三因子模型中的按月計算股票特質波動率，還分別計算了股票的日收盤價均值、波動率、在險價值和尾部均值，并對2019年和2020年的數據進行了分析和比較，主要結論如下：

第一，外生沖擊加劇了主要行業典型性公司股價波動，帶來了更大的金融風險挑戰。外生沖擊帶來的包含投資者情緒波動、對未來市場的消極預期等諸多不確定性因素，極大地削弱了股票市場的穩定性，不利于股市持續穩定發展。

第二，不同行業典型性公司股票對外生沖擊的抵御能力不同，外生沖擊對其造成的影響程度也不同。由于不同行業的公司主營業務側重的領域不同，對外生沖擊的敏感性和聯系程度也不同。抵御沖擊的能力很大程度上由受沖擊期間民眾對該行業產品和服務的需求程度以及行業內公司的供給能力所決定。外生沖擊對該行業供需削弱程度越小，主要沖擊領域與公司主營業務相關性越低，公司股票抵御外生沖擊能力越強。

第三，同一行業不同股票對相同風險度量指標的反應程度不同。由于同一行業不同公司側重的具體業務不同，相對應的客戶群體也具有不同的特質，這些特性最終導致了同一行業不同股票對相同風險度量指標的差異化反應。

第四，同一股票對不同風險度量指標的敏感性不同。由于各風險度量指標測度風險的角度不同，風險指標之間互相補充多層次全方面展現了金融資產不同維度的風險。差異化的風險測度方式，導致了同一股票對不同風險因子和指標的異質反應。

5.2研究啟示

本文的主要結論表明外生沖擊對不同行業典型性公司的股票具有差異化的影響，挑戰和機遇并存。

在宏觀角度下的國家層面，在沖擊發生前，首先，有關部門應做好充分的壓力測試，完善多層次、多維度的風險分擔機制，結合歷史數據，借鑒全球經驗，提前做好外生沖擊應對方案。其次，應充分利用“大數據”等金融科技手段，對可能造成流動性風險、市場風險的不合理投融資行為予以警示，監管部門應及時做好相關金融機構的資金預警工作，對不符合規范的單位和個人予以懲戒；在沖擊發生后，國家應出臺相應財政和貨幣政策，維持市場秩序，緩解沖擊帶來的市場震蕩，保證經濟持續穩定發展。同時，相應的扶持性政策不可或缺，扶持力度應與公司的受沖擊程度正相關，政策應根據不同行業公司的特點和需求個性化定制，針對性回應相關訴求。

在宏觀社會治理層面，首先，及時穩定投資者情緒在應對外生沖擊和管理金融風險方面發揮了重要的作用。在外生沖擊期間，相關機構和組織可以通過開展金融專業知識普及教育、投資者心理分析與疏導等活動，引導投資者理性投資，減少“追漲殺跌”和“羊群效應”等不理性行為的出現。其次，相關監管機構應加強對大眾傳媒及社交軟件等公共平臺的監管，嚴懲謠言傳播群體和不實新聞消息發布方，營造良好的網絡空間，保證外生沖擊期間信息傳播的真實性、有效性，避免民眾出現不必要的恐慌和焦慮心理，進而加劇資本市場的波動。

在微觀角度下的個人層面，對公司的管理人員和相關決策的制定者來說，在外生沖擊發生前，應制定合理有效的風險管理戰略和績效獎懲機制，增強企業職員風險防控意識，充分調動員工的積極性。在外生沖擊發生后，首先，應理性分析外生沖擊期間企業痛點，進行相關戰略轉型，化沖擊為契機。例如，在2020年新冠疫情線下活動出行受限的情況下，部分企業轉戰線上，開辟“互聯網+”新模式，充分利用網絡媒體傳播優勢，實現多渠道廣盈收，為企業發展注入新活力。同時企業應廣泛了解市場信息和最新動態，根據用戶需求和外生沖擊的實時情況進行風險管理戰略和企業經營發展規劃的動態調整，與時俱進。

在微觀角度的個人投資者層面，投資者應理性分析各種市場信息，不輕信盲從，不傳播渲染恐慌焦慮情緒。在充分了解外生沖擊對各個行業公司的差異化影響、全面認識各個維度的金融風險后，結合個人需要理性投資。

參考文獻：

[1]中央經濟工作會議明確防控金融風險：下決心處置一批風險點[EB/OL].（2016-12-16）.http：//finance.people.com.cn/GB/n1/2016/1216/c1004-28956359.html.

[2]中央經濟工作會議明確防控金融風險：下決心處置一批風險點[EB/OL].（2016-12-16）.http：//finance.people.com.cn/GB/n1/2016/1216/c1004-28956359.html.

[3]劉志蛟.外生沖擊對股票市場影響及股市風險管理研究[D].長春：東北師范大學，2018.

[4]JAROSLAV?HORVATH?A，JIANSHENG?ZHONG?B?.?Unemployment?dynamics?in?emerging?countries：?Monetary?policy?and?external?shocks[J].?Economic?modelling，2019（76）：31-49.

[5]王箐，王鐘黎，李士雪，等.“新冠肺炎”疫情對中國股市價格波動的短期影響[J].經濟與管理評論，2020，36（6）：16-27.

[6]高清輝.論投資者情緒對股市的影響[J].經濟縱橫，2005（4）：34-36，49.

[7]劉玉珍，王陳豪.行為視角下的疫情分析：成因、影響與對策綜述[J].金融研究，2020（6）：1-19.

[8]HAROON?O，RIZVI?S.COVID-19：?Media?coverage?and?financial?markets?behavior—A?sectoral?inquiry[J].Journal?of?behavioral?and?experimental?finance，2020，27（3）.

[9]LI?W?，CHIEN?F，?KAMRAN?H?W?，et?al.The?nexus?between?COVID-19?fear?and?stock?market?volatility[R].?Ekonomska?istraivanja?（Economic?Research），2021-05-14：1765-1785.

[10]WU?G?，YANG?B?，ZHAO?N?.?Herding?behavior?in?Chinese?stock?markets?during?COVID-19[J].?Emerging?markets?finance?and?trade，?2020（56）.

[11]段又源.新冠肺炎疫情對我國股市的影響：基于醫藥行業的實證分析[J].中國商論，2020（18）：28-30.

[12]趙丹丹，萬冰彬，鄭繼媛，等.新冠疫情沖擊影響特征及行業差異性研究[J].價格理論與實踐，2020（3）：10-13.

[13]楊子暉，陳雨恬，張平淼.重大突發公共事件下的宏觀經濟沖擊，金融風險傳導與治理應對[J].管理世界，2020，36（5）：25.

[14]蔣海，吳文洋，韋施威.新冠肺炎疫情對全球股市風險的影響研究：基于ESA方法的跨市場檢驗[J].國際金融研究，2021（3）：3-13.

[15]劉精山.新冠肺炎疫情沖擊背景下金融風險的傳導與防范研究：基于金融壓力視角的實證分析[J].華北金融，2021（1）：1-16.

[16]吳振宇，朱鴻鳴，朱俊生.新冠肺炎疫情對金融運行的影響及政策建議[J].經濟縱橫，2020（3）：1-6，137.

[17]陳浪南，熊偉.公司特質波動決定因素研究：信息效率還是噪音交易？[J].中國會計評論，?2014（1）：16.

[18]陸蓉，?徐天麗，?朱思源.?危機沖擊下企業社會責任與左尾系統風險[J].國際金融研究，?2022（4）：10.

[19]李志生，金凌，張知宸.危機時期政府直接干預與尾部系統風險：來自2015年股災期間“國家隊”持股的證據[J].經濟研究，2019，54（4）：17.