近年來，隨著經濟全球化和互聯網科技的發展，國家、地區之間的聯繫變得更加密切，相互之間的影響也越來越大。在這樣的背景下，現在的突發事件所蘊含的金融風險變得更大，因此也會對有關產業的股票價格產生更加劇烈的擾動，讓投資者、企業和國家承受較大的損失，因此研究突發事件對股票價格波動的作用機理和影響方式不僅有利於尋找到解決的辦法，幫助穩定市場，同時也有利於減少未來此類突發事件對股市的衝擊。
本文以 2020 年突發的全球公共衛生事件—新型冠狀病毒肺炎疫情（COVID-19）為突發事件，以2020 年 1 月 1 日至 2020 年 6 月 1日期間中國股市中的金融行業、醫藥衛生等十個行業為研究對象，分別使用事件分析法、Panel Data Model和VAR模型三種方法研究疫情對中國各行業板塊造成的影響。通過實證研究得到了以下結論。第一，中國境內和國外的疫情都對中國股市中的各行業板塊產生了較大的負面衝擊，其中中國境內疫情產生的衝擊具有及時性，而國外疫情產生的衝擊則有一定的滯後性。另外，行業受影響程度上，主要消費行業和醫藥衛生行業受到的新冠肺炎疫情衝擊較小，恢復速度最快。第二，疫情會加劇中國股市的波動，這種影響是倒 U 型的非線性關係；疫情期間醫藥衛生業波動率的影響明顯低於疫情對整個股市波動的影響，而對電信、資訊技術和能源行業的波動率影響顯著高於對整體市場的波動影響，其余行业與整體市場對比沒有顯著差別。第三，在新冠肺炎疫情的背景下，協整檢驗(Cointegration Test)表明中國 10 個行業股票指數間存在長期均衡關係； Granger 因果檢驗表明各行業都存在一定的因果關係，反映了各行業板塊間的風險傳染路徑；脈衝響應研究表明，中國各行業都會受到其他 9 個行業波動的衝擊影響，但是該影響受疫情持續發展的原因，而具有較長的時效性和劇烈的波動性。

With the advancement of economic globalization and Internet technology in recent years, relationships between nations and regions have been stronger, and their mutual impact has grown. In this environment, the financial risks associated with the present crises have increased, generating more severe disruptions in the stock prices of relevant industries, resulting in bigger losses for investors, firms, and the government. Studying the process and impact of emergencies on stock price fluctuations is thus beneficial not only to discovering answers and assisting in market stabilization, but also to lessening the impact of such catastrophes in the future.There is less study on public health catastrophes than there is on meteorological disasters, terrorist attacks, financial crises, and so on. Therefore, this article takes the sudden global public health event in 2020—the new coronavirus pneumonia epidemic (COVID-19) as the emergency, and takes the financial industry, Ten industries including medicine and health are the research objects, and three methods, namely event analysis method, Panel Data Model and VAR model, are used to study the impact of the epidemic on various industry sectors in China.
The following findings are the result of empirical study. First, whether it is the emergence of the new crown pneumonia epidemic in China or the outbreak of the new crown pneumonia epidemic elsewhere, it has had a significant negative influence on the Chinese stock market's numerous industry sectors. The impact of the pandemic in China is one of them. The impact of imported epidemics takes time to manifest. Furthermore, the major consumer industries, as well as the medical and health industries, were the least impacted by the new crown pneumonia outbreak and recovered the fastest. Second, owing to the unique characteristics of each industry, the same components of the new crown pneumonia epidemic will have varying degrees and orientations, and the influence of each epidemic factor is not a simple linear connection, but a U-shaped shift trend. Third, in the context of the new crown pneumonia epidemic, the co-integration test shows that the stock indexes of 10 Chinese industries have a long-term equilibrium relationship; the Granger causality test shows that all industries have a causal relationship, reflecting the risk contagion path among various industry sectors; and impulse response research shows that all industries in China will be affected by the fluctuations of the other 9 industries. However, due to the epidemic's long-term development, the impact has a long-term effect and fluctuates violently.

目 錄
1.緒論 1
1.1研究背景與意義 1
1.1.1研究背景 1
1.1.2研究意義 2
1.2 研究現狀 3
1.2.1國外研究現狀 3
1.2.2中國研究現狀 4
1.2.3文獻綜述小結 4
1.3主要研究思路及方法 5
1.3.1研究思路 5
1.3.2 研究方法 6
1.4 研究創新點 7
2.理論基礎 7
2.1事件分析法原理 7
2.1.1事件分析法概述 7
2.1.2事件分析法的原理和步驟 8
2.2 Panel Data Model概述 9
2.2.1 Panel Data 9
2.2.2 Panel Data Model介紹 9
2.2.3 Panel Data Model的建立步驟 11
2.3 VAR 模型概述 12
2.3.1 VAR 模型的概述 12
2.3.2 VAR 模型的特點 13
2.3.3 VAR 模型建立步驟 13
3.COVID-19 對股市的影響分析——基於事件分析法 14
3.1 事件的簡介和行情分析 14
3.2 數據和窗口期的選取 16
3.3 實證研究的變數 17
3.4 COVID-19 對股市影響的顯著性分析 18
3.4.1 各行業 AR 的統計分析 19
3.4.2 各行業 AR 的顯著性分析 20
3.4.3 各行業 CAAR 的波動分析 22
3.5 本章小結 24
4.COVID-19 疫情變數對股市的影響分析 26
4.1數據處理和變數選擇 26
4.1.1 數據選擇 26
4.1.2 變數選取與處理 26
4.2 樣本的敘述統計 27
4.2.1樣本敘述統計 27
4.2.2 單位根檢驗 28
4.3 PANEL DATA MODEL的构建 28
4.4 樣本迴歸結果與分析 29
4.5 穩健性分析 30
4.6 不同行業的迴歸結果及分析 31
4.7 本章小結 34
5.COVID-19 疫情下的行業間風險傳遞分析 36
5.1 數據的選取和處理 36
5.2 協整檢驗(Cointegration Test) 37
5.3 VAR 模型的建立 39
5.3.1 最優滯後階數的確定 39
5.3.2 模型回歸與平穩性檢驗 39
5.3.3 Granger 因果檢驗 40
5.3.4 脉衝響應分析（Impulse Response Analysis） 45
5.4 本章小結 48
6 .結論與建議 49
6.1 本文總結 49
6.2 政策建議 50
参考文献 51

[1] 孫春雷,孟則.新冠疫情、經濟週期與投資機會——金融資產管理公司主營業務視角[J].新金融,2020(06):47-52.
[2] Cummins, J. D., & Lewis, C. M. (2003). Catastrophic events, parameter uncertainty and the breakdown of implicit long-term contracting: The case of terrorism insurance. In The Risks of Terrorism (pp. 55-80). Springer, Boston, MA.
[3] Nikkinen, J., Omran, M. M., Sahlström, P., & Äijö, J. (2008). Stock returns and volatility following the September 11 attacks: Evidence from 53 equity markets. International Review of Financial Analysis, 17(1), 27-46.
[4] Straetmans, S. T., Verschoor, W. F., & Wolff, C. C. (2008). Extreme US stock market fluctuations in the wake of 9/11. Journal of Applied Econometrics, 23(1), 17-42.
[5] Brounen, D., & Derwall, J. (2010). The impact of terrorist attacks on international stock markets. European Financial Management, 16(4), 585-598.
[6] Arin, K. P., Ciferri, D., & Spagnolo, N. (2008). The price of terror: The effects of terrorism on stock market returns and volatility. Economics Letters, 101(3), 164-167.
[7] Kaplanski, G., & Levy, H. (2010). Sentiment and stock prices: The case of aviation disasters. Journal of Financial Economics, 95(2), 174-201.
[8] Cashell, B. W., & Labonte, M. (2005, September). The macroeconomic effects of Hurricane Katrina. Congressional Research Service, the Library of Congress.
[9] Humphrey, P., Carter, D. A., & Simkins, B. (2016). The market’s reaction to unexpected, catastrophic events: The case of oil and gas stock returns and the Gulf oil spill. The Journal of Risk Finance,44(4), 539-558.
[10] Worthington*, A., & Valadkhani, A. (2004). Measuring the impact of natural disasters on capital markets: an empirical application using intervention analysis. Applied Economics, 36(19), 2177-2186.
[11] Ferstl, R., Utz, S., & Wimmer, M. (2012). The effect of the Japan 2011 disaster on nuclear and alternative energy stocks worldwide: An event study. Business Research, 5(1), 25-41.
[12] Capelle-Blancard, G., & Laguna, M. A. (2010). How does the stock market respond to chemical disasters?. Journal of Environmental Economics and Management, 59(2),192-205
[13] 陶育青. 突發事件對中國股市的影響[J]. 金融資訊參考,2001,(11):27.
[14] 劉慶富,周程遠,張婉寧.地震災難對中國股票市場的衝擊效應[J].財經問題研究,2011(04):61-67.
[15] 張佳楠.從突發事件研究中國股市的有效性——基於天津爆炸的事件研究法分析[J].中國商論,2016(29):32-33.
[16] 張珣,余樂安,黎建強,汪壽陽.重大突發事件對原油價格的影響[J].系統工程理論與實踐,2009,29(03):10-15.
[17] 張曉生. 突發事件對股市影響的實證分析——以 2003 年禽流感影響股價為例[J]. 世界經濟情況,2007,(01):43-46.
[18] 李曉林,李仕明,李成剛,羅聰. 非常規突發事件對股票市場報酬率與債券市場報酬率的影響研究——基於 ARIMA 模型的實證[J]. 電子科技大學學報(社科版),2013,15(06):41-46+54.
[19] 張一,劉豔輝,徐山鷹,汪壽陽. SARS 對中國股市衝擊的實證分析[J]. 管理評論,2003,(05):3-7+63.
[20] 吳啟芳. SARS 對中國投資基金影響的實證研究[J]. 管理評論,2003,(05):8-11+63.
[21] 郭文旌,鄧明光,董琦. 重大事件下中國股市的跳躍特徵[J]. 系統工程理論與實踐,2013,33(02):308-316.
[22] 劉慶富,華仁海. 重大風險事件對中國商品期貨市場的衝擊效應——基於學生分佈的隨機波動模型[J]. 數量經濟技術經濟研究,2012,29(05):89-103.
[23] 范繼濤,賈文龍. 季節因素及突發事件對油價波動影響的實證研究[J]. 中國物價,2009,(04):30-32+12.
[24] Dubey, R. K., & Sarma, I. R. S. (2013). Impact of information flow on stock market movement: Event study on the dissemination of timely information in Indian economy. ASBBS Proceedings, 20(1), 378.
[25] Sargent, T. J., & Sims, C. A. (2012). Empirical macroeconomics. The Indian Economic Journal, 59(4), 3-33.
[26] Elton, E. J., & Gruber, M. J. (1997). Modern portfolio theory, 1950 to date. Journal of banking & finance, 21(11-12), 1743-1759.
[27] 陈林, & 曲晓辉. (2020). 传染性公共卫生事件的市场反应研究——基于新冠肺炎疫情对中国股市的影响. 金融论坛, 25(7), 25-33.
[28] 封思贤, 李心丹, & 汪慧建. (2008). 汇率与股价变动关系: 基于汇改后数据的实证研究. 经济研究, 9, 70-81.
[29] Brounen, D., & Derwall, J. (2010). The impact of terrorist attacks on international stock markets. European Financial Management, 16(4), 585-598.
[30] 张峥, & 刘力. (2006). 换手率与股票收益: 流动性溢价还是投机性泡沫?. 经济学, 5(3), 871-892.
[31] 左浩苗, 郑鸣, & 张翼. (2011). 股票特质波动率与横截面收益: 对中国股市 “特质波动率之谜” 的解释. 世界经济, 5(7), 117.
[32] 穆远东. (2020). 基于成交量, 特质波动率和时序动能视角的股票市场异象实证研究 (Doctoral dissertation, 对外经济贸易大学).
[33] Ichev, R., & Marinč, M. (2018). Stock prices and geographic proximity of information: Evidence from the Ebola outbreak. International Review of Financial Analysis, 56, 153-166.
[34] 陳珂. A 股市場行業板塊聯動關係分析[D].湖北工業大學,2020.
[35] 梁喆. 原油價格的短期波動對中國石油企業股價的影響[D].對外經濟貿易大學,2018.
[36] 徐偉. 氣象災害突發事件引發的金融風險研究[D]. 南京資訊工程大學,2016.
[37] 王琳. 醫藥安全事件影響 A 股市場股票價值的研究[D].首都經濟貿易大學,2019.
[38] 劉定平. 突發事件環境下投資者情緒對股票價格波動影響的實證研究
[D].西南財經大學,2014.
[39] 王箐,王鐘黎,李士雪,薛付忠.“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(06):16-27.
[40] 張微微,王書林,司志輝.疫情資訊、投資者決策與股票市場回報率——基於中國醫藥類上市公司的實證分析[J].遼寧大學學報(哲學社會科學版),2020,48(0 5):50-57.
[41] 荊陽. 基於 VAR 模型的發達市場對新興市場的金融危機傳染分析[D].哈爾濱工業大學,2020.
[42] 李琳.新冠疫情對中美兩國股票市場聯動性的影響——基於Granger因果關係檢驗的分析[J].全國流通經濟,2020(30):149-151