中國百貨零售業(yè)頭部公司多維風險分析
——以新冠疫情時期為背景分析

賴澤文

(浙江財經(jīng)大學 浙江杭州 310018)

作為商品流通的終端環(huán)節(jié)，零售業(yè)是國民經(jīng)濟的先導產(chǎn)業(yè)和基礎產(chǎn)業(yè)，是消費拉動經(jīng)濟增長的著力點，也是吸納就業(yè)的蓄水池。其中的百貨零售業(yè)消費已成為中國經(jīng)濟的重要支撐，成為穩(wěn)定器、壓艙石。而2019年末2020年初新冠疫情的爆發(fā)對各類零售商而言是一個嚴峻的挑戰(zhàn)，對于以線下實體銷售為主的百貨零售商而言損失更大。

因此，研究新冠疫情對百貨零售業(yè)頭部公司所面臨風險造成的影響對于我國經(jīng)濟的風險管理具有極為重要的意義。

本文嘗試對比研究百貨零售業(yè)部分頭部公司以及其所處市場的多維度風險隨著新冠疫情嚴重程度變化而發(fā)生對應的變化情況。首先，本文使用事件分析法來選擇數(shù)據(jù)樣本，即圍繞新冠疫情最初爆發(fā)時間節(jié)點和后疫情時間段選擇數(shù)據(jù)；其次，計算相關市場股票指數(shù)和公司的股票日收益率的月波動率、因子載荷、特質性波動率、在險價值和預期虧空分別來量化其總體風險、系統(tǒng)性風險、非系統(tǒng)性風險和左尾風險。在量化系統(tǒng)性風險和非系統(tǒng)性風險時，通過CAPM風險模型提取出百貨零售業(yè)龍頭股的因子載荷和特質性波動率；最后，利用數(shù)據(jù)制作折線圖分析研究百貨零售業(yè)頭部公司的風險變化情況。

本研究的目的是實證分析出新冠疫情爆發(fā)時期和后疫情時期百貨零售業(yè)頭部公司風險變化的特性。

本文從綜述文獻、所給模型與理論基礎及相關數(shù)據(jù)進行實證結果分析，最后得出結論。

1 文獻綜述

從現(xiàn)有研究來看，目前對新冠疫情時期及后疫情時期中國零售業(yè)的研究主要集中在如何應對由于疫情所帶來的風險，以及定性地描述零售業(yè)面臨的困境和挑戰(zhàn)。

在商業(yè)模式上，有學者認為要圍繞商業(yè)模式核心要素人、貨、場進行重構，并提出五種數(shù)字經(jīng)濟下零售商業(yè)模式創(chuàng)新的路徑選擇；縮短消費者購物距離，開展全渠道營銷,尤其是線上及直播渠道等。在發(fā)展數(shù)字化新零售上，從更新營銷理念、健全產(chǎn)業(yè)標準、加強供應管理、嚴控產(chǎn)品質量、實施人才戰(zhàn)略五個方面推動新零售轉型；構建實體零售全渠道數(shù)據(jù)平臺,打造縱向一體化戰(zhàn)略下的數(shù)字化供應鏈體系。此外，在大規(guī)模的外生經(jīng)營沖擊背景下，擁有響應能力較強的主營業(yè)務對零售企業(yè)取得較高的業(yè)績起著決定性作用。

實體零售業(yè)所面臨的困境和挑戰(zhàn)可分為供給側和需求側。在供給側方面，由于2020年新冠疫情在全球蔓延，且零售業(yè)的產(chǎn)出對價格影響較為敏感，國內供應鏈中斷風險加大，這其中包括運輸端和制造端斷裂風險；在需求側，新冠疫情最初爆發(fā)時間節(jié)點恰逢中國春節(jié)，這通常是消費者消費的高峰期，疫情導致客流量大幅下降，購買訂單大幅減少，企業(yè)的庫存商品無法銷售變現(xiàn)；后疫情時代消費者的消費習慣發(fā)生改變，環(huán)境變化和挑戰(zhàn)、個人心理變化、溝通渠道變化和資源不可用激發(fā)了消費者的數(shù)字參與積極性，傳統(tǒng)企業(yè)場景應用不匹配。資金周轉緊張及庫存積壓、供應鏈斷裂加大了財務風險和經(jīng)營風險。此外，在新冠疫情發(fā)展的三個階段，零售業(yè)商業(yè)模式創(chuàng)新本身也有風險，并且相關風險等級隨著創(chuàng)新的普及和深入逐步上升，其中疫情最嚴重階段零售企業(yè)發(fā)展模式轉變明顯，風險最大。

在一般零售企業(yè)風險的定量研究方面，有學者采用Z分數(shù)模型對實體零售企業(yè)面臨的財務風險進行評估，發(fā)現(xiàn)新冠疫情給整個行業(yè)帶來巨大的沖擊，其中對百貨子行業(yè)的沖擊最大，百貨和多業(yè)態(tài)零售子行業(yè)財務風險加劇。但是，對一般零售企業(yè)面臨風險的定量研究比較少見，對實體百貨零售業(yè)面臨的多維風險如系統(tǒng)性風險、特質性風險、左尾風險等的定量研究更是少之又少。故本文在新冠疫情爆發(fā)時期及后疫情時期從量化的角度多維度分析研究百貨零售業(yè)頭部公司，以及所處市場所面臨的風險及其變化特征。

2 模型、方法與數(shù)據(jù)

2.1 模型與理論基礎

本文采取CAPM風險模型作為理論模型，通過相關風險指標量化對應風險，從而對新冠疫情時期和后疫情時期百貨零售業(yè)頭部公司和相關市場風險的變化進行分析。

CAPM風險模型數(shù)學表達式：

式(1)中rp,t和MKTt分別是所選取百貨零售業(yè)個股(p)和指數(shù)(上證A股指數(shù)和上證可選消費指數(shù))在t時期內的日收益率，本文將以βp來衡量系統(tǒng)性風險，即市場風險，以ε p,t(不能被市場或行業(yè)解釋的部分)的標準差即特質性波動率來衡量非系統(tǒng)性風險。

2.2 實證方法

2.2.1 分析方法

本文采用事件分析法(借助金融市場數(shù)據(jù)分析某一特定事件對于某個經(jīng)濟對象造成的影響)，其中中國新冠疫情的爆發(fā)被選取為特定事件。本文選取疫情最初爆發(fā)的時間節(jié)點為2019年末到2020年初，被選擇樣本的時間跨度約為3年零8個月，具體時間范圍是2019年10月8日到2023年5月19日；分析對象是上海股票市場的百貨零售業(yè)部分頭部公司和對應的市場，所選取個股分別為杭州解百股份有限公司(600814)、王府井(600859)、翠微股份(603123)、重慶百貨(600729)，對照組股票指數(shù)分別為上證A股指數(shù)(000002)和上證可選消費指數(shù)(000035)。

2.2.2 指標的計算方法、意義或表現(xiàn)形式

(1) 總體風險指標——月波動率計算公式：

式(2)中：X為個股或市場股票指數(shù)日收益率所選取樣本的觀測值，為各個樣本組(每個月的日度收益率為一個樣本組)日收益率的均值，n為某個樣本組中包含的觀測點數(shù)量。

(2)左尾風險指標：①在險價值(Value at Risk/VaR)，將個股或指數(shù)在所選擇時間段內的日收益率由大到小依次排列，公式如下：

式(3)中：L、i、fx分別為Px所在組段的下限、組距和頻數(shù)；∑fL為小于L所在組段的累計頻數(shù))分別計算出1.10%、0.90%、0.80%、0.60%、0.40%、0.30%、0.10%的百分位數(shù)。②預期虧空(Expected Shortfall/ES)，基于計算得出的在險價值，計算在損失超出第1.1百分位數(shù)條件下?lián)p失的等權重均值。

(3)系統(tǒng)性風險指標——因子載荷(Beta/β)：在本文中表現(xiàn)形式為當市場(上證A股指數(shù)或上證可選消費指數(shù))變動1單位時，個股向上或向下變動的幅度。

(4)非系統(tǒng)性風險指標——特質性波動率：在本文中用來衡量剔除系統(tǒng)性風險后，當個股代表的公司特質性因素發(fā)生變動時，個股(杭州解百股票)所受到的影響。

(5)疫情嚴重程度指標——月度新增確診病例數(shù)：月度新增確診病例數(shù)越高在一定程度上表明疫情越嚴重，當疫情嚴重時會對市場和百貨零售業(yè)龍頭公司產(chǎn)生負面影響。

2.2.3 數(shù)據(jù)來源

由于無法在單個數(shù)據(jù)庫中獲取全部所需原始數(shù)據(jù)，本文所使用的原始數(shù)據(jù)中2019年10月到2023年4月的個股數(shù)據(jù)均來自CCER經(jīng)濟金融研究數(shù)據(jù)庫，2023年5月份的個股數(shù)據(jù)則來自同花順；股票指數(shù)的原始數(shù)據(jù)均來自國泰安數(shù)據(jù)庫；新增確診病例原始數(shù)據(jù)均來自Wind數(shù)據(jù)庫。CCER經(jīng)濟金融研究數(shù)據(jù)庫、國泰安數(shù)據(jù)庫和Wind數(shù)據(jù)庫皆是具有高質量數(shù)據(jù)的權威性數(shù)據(jù)庫，同花順是一款股票行情交易軟件，記載了實時和歷史交易數(shù)據(jù)。

在疫情嚴重程度指標的獲取上，本文選擇了2020年1月至2022年12月的全國新冠肺炎當日新增確診病例數(shù)的月合計數(shù)。因為中國新冠疫情爆發(fā)的時間點在2020年初，所以從2020年1月開始計算新增確診病例數(shù)；而且，在2022年12月13日中國疫情全面放開，往后新冠肺炎新增確診數(shù)與新冠肺炎實際感染人數(shù)之間必然存在較大差距，所以計算月度新增確診病例數(shù)的時間終點為2022年12月。

在收益率指標的獲取上，對于個股，本文通過CCER經(jīng)濟金融研究數(shù)據(jù)庫——標準數(shù)據(jù)——A股市場——交易數(shù)據(jù)——股票價格收益——日度價格、收益及風險信息，從而得到收盤價的數(shù)據(jù)，然后使用收盤價通過簡單收益率計算方式計算出個股日回報率；對于指數(shù)，本文選取國泰安數(shù)據(jù)庫——股票市場系列——市場指數(shù)——國內指數(shù)交易數(shù)據(jù)——國內指數(shù)日行情文件，從而得到股票指數(shù)日回報率數(shù)據(jù)。

在時間樣本的選擇上，由于本文研究的重點是新冠疫情爆發(fā)時期及后疫情時期百貨零售業(yè)頭部公司的風險變化，因此選擇的時間樣本分別為圍繞新冠疫情最初開始的時間節(jié)點(2019年12月)前后的8個月即2019年10月到2020年5月，以及后疫情時期開始后的3年即2020年6月到2023年5月。該樣本的選擇符合使用事件分析法的條件。

在股票指數(shù)樣本的選擇上，本文選取的是上證A股指數(shù)，因為在上海證券交易所上市的公司相對在北京交易所、深圳交易所上市的公司而言運營更加成熟、體量更大、發(fā)展也更穩(wěn)定，而且上海證券交易所已經(jīng)成為全球第三大證券交易所和全球最活躍的證券交易所之一，因此上證A股指數(shù)具有較強的代表性，在很大程度上可以反映中國市場的變化情況。此外，本文的研究對象是百貨零售業(yè)頭部公司，而百貨零售類商品大部分屬于可選消費品，所以股票指數(shù)中還選取了上證可選指數(shù)。

在個股樣本的選擇上，本文選取百貨零售行業(yè)中的頭部公司股票，并從相關公司影響力的地域范圍角度自大至小選取個股，即王府井(王府井是全國規(guī)模最大、業(yè)態(tài)最全的商業(yè)零售集團之一，公司銷售網(wǎng)絡覆蓋中國七大經(jīng)濟區(qū)域，能夠較為全面地反映疫情對其的影響)、重慶百貨(中國西部地區(qū)百貨零售龍頭企業(yè))、杭州解百(浙江百貨零售頭部公司)、翠微股份(旗下翠微百貨是北京市海淀區(qū)區(qū)屬商業(yè)龍頭企業(yè))。通過量化基于地域劃分的百貨零售業(yè)頭部公司股票所面臨風險的表現(xiàn)情況，本文重點分析新冠疫情對百貨零售業(yè)頭部公司所面臨風險所造成的影響。

此外，在為什么選擇這些個股的角度上，本文還有一個考量維度。新冠疫情的爆發(fā)對于百貨零售業(yè)具有負面影響，但也具有正面影響——“零售新模式”快速發(fā)展，這對于百貨零售業(yè)的風險變化直觀上具有顯著影響，所以該因素有必要納入個股樣本選擇的考慮中。

新冠疫情期間，杭州解百股份有限公司旗下的杭州大廈進行了許多新零售方面的嘗試，如建設線上社群、大力推動小程序、線上商城、直播等線上玩法等；轉變對百貨零售商形式上的觀念：把自己從渠道商轉為能夠滿足多元化消費需求的服務運營商；同時，杭州大廈始終不忘初心——堅持定位于高端百貨，做差異化產(chǎn)品，而不是盲從線上銷售等形式的新零售趨勢。

杭州解百在新零售趨勢中的敏感性、適應性及靈活性從中可見一斑。因此，本文計算特質性波動率和因子載荷時選取杭州解百股票的日回報率作為計算對象。

計算指標的樣本選擇與獲取。

月波動率：以個股和股票指數(shù)自2019年10月至2023年5月這個時間段內每個月的日回報率為一個小樣本單位來計算樣本標準差，計算對象是所選取的四只股票和兩只股票指數(shù)的日收益率。

在險價值：時間段樣本為2019年10月至2023年5月，選取的顯著性水平分別為1.10%、0.90%、0.80%、0.60%、0.40%、0.30%、0.10%，計算對象是所選取的四只股票和兩只股票指數(shù)。計算方式為利用Excel軟件數(shù)據(jù)分析庫中的排位與百分比排位功能對樣本數(shù)據(jù)進行處理，從而得到相應顯著性水平下的在險價值。

預期虧空：時間段為2019年10月8日至2023年5月19日，顯著性水平為1.10%，計算對象是所選取的四只股票和兩只股票指數(shù)。

因子載荷：在2019年10月8日至2020年5月29日時間段內(新冠疫情爆發(fā)時間段樣本)，每兩個月為1個樣本單位；在2020年6月1日至2023年5月19日時間段內(后疫情時期時間樣本)，每兩個月為1個樣本單位。計算方法為利用軟件Excel數(shù)據(jù)分析庫中的回歸功能對樣本數(shù)據(jù)進行回歸得到的Coefficients of X Variable即為因子載荷，被解釋變量y為杭州解百股票的日收益率，解釋變量x為上證A股指數(shù)或上證可選消費指數(shù)的日收益率。

特質性波動率：在2019年10月8日至2020年5月29日時間段內，每兩個月為1個樣本單位；在2020年6月1日至2023年5月19日時間段內，每兩個月為1個樣本單位。計算方法為利用軟件Excel數(shù)據(jù)分析庫中的回歸功能對樣本數(shù)據(jù)進行回歸，得到模型回歸殘差，再計算出每組樣本殘差的標準差即為特質性波動率，被解釋變量y為杭州解百股票的日收益率，解釋變量x為上證A股指數(shù)或上證可選消費指數(shù)的日收益率。

3 實證結果分析和結論

3.1 實證結果

3.1.1 月波動率

由圖1可知，在本文所選取的新冠疫情爆發(fā)后的1年當中，市場大盤(上證A股指數(shù)和上證可選消費指數(shù))的總體風險(月波動率)在2020年的2月份和7月份達到峰值。而2020年年初到2020年3月底我國處于疫情沖擊階段，尤其是在2020年2月份，我國疫情進入疫情爆發(fā)以來最為嚴重的時期，圖1中表現(xiàn)為月度新冠肺炎新增確診病例數(shù)驟增達到峰值，大盤指數(shù)在短期內暴跌，當月波動率驟增。

圖1 2019年10月至2023年5月個股、股指波動率和新冠肺炎新增確診病例數(shù)月度折線圖

為了應對疫情，在2020年1月份國家衛(wèi)生健康委發(fā)布《新型冠狀病毒感染的肺炎防控方案》《新型冠狀病毒感染的肺炎診療方案》和《新型冠狀病毒感染的肺炎重癥患者集中救治方案》，前兩者的版本根據(jù)后續(xù)實際情況不斷更新；2020年2月份國務院聯(lián)防聯(lián)控機制印發(fā)《關于進一步強化責任落實做好防治工作的通知》《關于科學防治精準施策分區(qū)分級做好新冠肺炎疫情防控工作的指導意見》《企事業(yè)單位復工復產(chǎn)疫情防控措施指南》《關于進一步落實分區(qū)分級差異化防控策略的通知》；2020年3月份國務院辦公廳印發(fā)《關于應對新冠肺炎疫情影響強化穩(wěn)就業(yè)舉措的實施意見》。

在2020年3月份中國疫情爆發(fā)的猛烈勢頭逐漸平穩(wěn)，中國渡過了首輪新冠疫情流行高峰，在圖1中表現(xiàn)為月度新冠肺炎新增確診病例數(shù)大幅下降，與之對應的是圖1中2020年3月份大盤指數(shù)的月波動率有所下降。

2020年4月份，國務院聯(lián)防聯(lián)控機制印發(fā)《關于進一步做好重點場所重點單位重點人群新冠肺炎疫情防控相關工作的通知》和《新冠病毒無癥狀感染者管理規(guī)范》，中央應對疫情工作領導小組印發(fā)《關于在有效防控疫情的同時積極有序推進復工復產(chǎn)的指導意見》，國務院聯(lián)防聯(lián)控機制印發(fā)《全國不同風險地區(qū)企事業(yè)單位復工復產(chǎn)疫情防控措施指南》；2020年5月份，國務院聯(lián)防聯(lián)控機制印發(fā)《關于做好新冠肺炎疫情常態(tài)化防控工作的指導意見》。中國新冠肺炎新增確診病例數(shù)在4、5月份逐步動態(tài)清零，在4月末全國疫情防控進入常態(tài)化，與之對應的是圖1中大盤指數(shù)4、5月份的波動率較平穩(wěn)。

2020年4、5月份疫情的好轉使得宏觀經(jīng)濟開始上行，各項宏觀經(jīng)濟指標如PMI、10年期國債收益率等逐漸增長，而股市大盤具有親周期性，宏觀經(jīng)濟的好轉推動了股市在7月份大漲，從而使得大盤指數(shù)7月份的波動率驟增。這與圖1中大盤指數(shù)月波動率大幅提高的趨勢相吻合。

2021年，中國堅持“動態(tài)清零”總方針,用一個潛伏期(14天)就控制住德爾塔變異株帶來的疫情。這1年中國疫情對市場大盤造成的直接影響較弱，其中具體間接影響無法從圖中推斷得出。

2022年3月和4月中國新冠疫情反彈，尤其是上海市在此期間幾乎停擺，表現(xiàn)為圖1中的月度新冠肺炎新增確診病例數(shù)大幅增加，4月份是這次疫情沖擊的主要時間節(jié)點，宏觀經(jīng)濟下行壓力增大，而圖1中大盤指數(shù)波動率也在2022年3月提高并在4月達到峰值。

2022年11月、12月圖1中月度新冠肺炎新增確診病例數(shù)激增，大盤指數(shù)的波動率則在11月達到峰值。2022年12月7日，由于相關病毒致病力不斷減弱且傳播速度快，我國疫苗接種的普及以及防控經(jīng)驗的積累，國務院聯(lián)防聯(lián)控機制綜合組公布優(yōu)化落實疫情防控的“新十條”，這意味著全面放開疫情，也正是上述三個緣由，全面放開疫情對我國經(jīng)濟并沒有造成較大的沖擊，與之相應的是圖1中2022年12月后的大盤指數(shù)波動率相對較為平緩。

2022年12月26日，國務院聯(lián)防聯(lián)控機制綜合組印發(fā)《關于對新型冠狀病毒感染實施“乙類乙管”的總體方案》；2023年5月5日，世界衛(wèi)生組織宣布，新冠疫情不再構成“國際關注的突發(fā)公共衛(wèi)生事件”。在這5個月當中，新冠疫情的影響趨于緩和，宏觀經(jīng)濟正在緩慢復蘇，圖1中大盤指數(shù)月波動率的變化較為和緩，符合這一特征。

顯然，市場總體風險表現(xiàn)為“親疫情趨勢”，其變化與疫情嚴重程度的變化有較強的關聯(lián)性。

而百貨零售板塊各個不同大小地域對應龍頭股的總體風險則表現(xiàn)穩(wěn)定、絕對數(shù)值低且平緩，受到所處市場行情波動的影響很小。對于總體風險而言，百貨零售業(yè)的龍頭股呈現(xiàn)出較強的對疫情、對市場風險變化的抵御能力。

3.1.2 因子載荷和特質性波動率

特質性波動率：由圖2可知，杭州解百股票日收益率對上證A股指數(shù)和上證可選消費指數(shù)日收益率的特質性波動率變化的絕對數(shù)值和總體或局部趨勢均相似，甚至相同，這在一定程度上說明杭州解百股票的非系統(tǒng)性風險，無論是在剔除了上海股票市場風險還是在剔除了細分市場——上?？蛇x消費市場風險的條件下，對市場類型變化是穩(wěn)健的，不隨市場范圍變化而變化，呈現(xiàn)出一種抵御能力。

圖2 2019年10月到2023年5月杭州解百股票日收益率對上證A股指數(shù)和上證可選消費指數(shù)日收益率的因子載荷和特質性波動率以及新增確診病例月度折線圖

同時，這種相似性可能也側面反映了當新冠疫情這種導致宏觀環(huán)境眾多因素波動劇烈的外生沖擊發(fā)生時，風險因子在各個市場間的流動性會大大加強。

此外，杭州解百股票日收益率的特質性波動率在2020年的2月和7月、2022年的3月和4月、2023年的12月這4個疫情程度嚴重的時間節(jié)點達到峰值，而因子載荷波動不大，可見其非系統(tǒng)性風險相對系統(tǒng)性風險而言呈現(xiàn)出更明顯的“親疫情趨勢”。

因子載荷：由圖2可知，杭州解百股票日收益率對上證A股指數(shù)和上證可選消費指數(shù)日收益率的因子載荷變化較小且穩(wěn)定，反映了該股票對市場風險具有較強的抵御能力，這一點與其總體風險的表現(xiàn)相似。

在后疫情時代杭州解百股票的非系統(tǒng)性風險和系統(tǒng)性風險與疫情爆發(fā)時期類似。

3.1.3 在險價值和預期虧空

由圖3和圖4可知，在2019年10月到2023年5月期間，股票指數(shù)日收益率在不同顯著性水平下的VaR值及顯著性水平為1.10%時的預期虧空絕對值均明顯大于百貨零售業(yè)龍頭股日收益率，可見百貨龍頭股面臨的左尾風險在疫情時遠小于所在市場。

此外，不論是日收益率的在險價值還是預期虧空，上證A股指數(shù)均小于上證可選消費指數(shù)，這體現(xiàn)了資產(chǎn)分散降低風險的優(yōu)勢。

3.2 結論

百貨零售業(yè)頭部公司股票具有較強的應對疫情沖擊和應對市場波動的抵御能力，這也與其作為消費類股票所具有的穩(wěn)健性是對應的。不論是在新冠疫情爆發(fā)時期還是后疫情時期，其總體風險、系統(tǒng)性風險、非系統(tǒng)性風險、左尾風險均表現(xiàn)為穩(wěn)定平緩。同時，其非系統(tǒng)性風險相對系統(tǒng)性風險而言表現(xiàn)出更強的“親疫情趨勢”，但該性質不如市場指數(shù)的“親疫情趨勢”明顯。