疫情常态化对市场经济的影响分析

admin管理员组

文章数量:1531692

2024年2月28日发(作者：)

一、疫情常态化下的经济恢复模式

今年年初爆发的新冠疫情，是过去一百年来最严重的全球性传染病，对全球经济形成了空前的冲击。

中国经济在3月份开始解封恢复，欧美经济也在5月份逐步重启。在疫苗和药物的大规模推广需要较长时间的背景下，如何分析新冠疫情在重启过程中对经济活动的影响呢？我们从交易费用的角度来切入。

现代人类经济活动是在分工和交易的基础上展开的。尽管有不少交易目前已经可以实现线上化，但是绝大多数的交易仍然必须在线下完成。

从交易的角度看问题，常态化的疫情给每一次线下交易都带来了一笔额外的交易费用，这一交易费用既包括戴口罩、保持社交距离等防控成本，也包括小概率染病带来的成本。经济主体会权衡交易费用与潜在的交易获益，进而调整交易行为。

如果交易获得的潜在好处大于额外增加的交易费用，那么经济主体会继续从事交易。如果潜在利益小于增加的交易费用，那么会推迟或者取消该笔交易。

把这样的思路转化成为可以观察、测量和验证的推论，有助于加深我们对这一问题的理解。为此，我们提出两个基本的工作假设：

一是当经济主体从事一笔交易时，尽管获益难以观察且带有主观性，但一般而言，金额越大的交易，潜在获益相对越高；二是交易费用是相对固定的。

在这两个假设下，可以得到这样的推论：单笔交易金额越大的商品，交易费用占比越低，交易活动越容易恢复到疫情前的状态；反之，单笔交易金额越小的1

商品，交易费用占比越高，交易活动也越容易受到抑制和推迟。

为验证这一推论，我们首先观察13种可选消费品的横截面数据，如图1所示。图中横轴为平均单笔交易金额取自然对数；纵轴为该商品销量的增速从底部回升幅度，相对于疫情早期下跌幅度的百分比，代表了该商品销售的恢复程度。

不难发现，截至4月底的数据，商品的消费金额和恢复度之间存在显著的正相关关系。进一步扩大样本，涵盖餐饮、酒店等服务行业（见图2），结论依旧成立。这两个统计结果支持了我们上述的推论。

图1：可选消费：交易金额和恢复程度

140120100y = 6.2807x + 31.86

（p=0.02）

R² = 0.3954

88101214数据来源：Wind，安信证券

注：横轴为交易金额取Ln，纵轴为该商品增速从底部回升的百分比。

2

图2：可选消费：交易金额和恢复程度

140.0120.0y = 5.9973x + 31.516

(p=0)

R² = 0.3429

100.080.060.040.020.00.00.02.04.06.08.010.012.014.0数据来源：Wind，安信证券

注：横轴为交易金额取Ln，纵轴为该商品增速从底部回升的百分比。该样本添加了餐饮、酒店。

需要承认的是，我们在建立模型的过程中做了一些简化，比如函数的构造、对不同活动感染风险的假定以及一些行业供应限制层面的潜在影响，但我们倾向于认为这些简化不影响我们的基本分析和结论。

从日常生活的交易经验来观察，也符合这一结论。如图3所示，对汽车这种大额的交易活动而言，它经历了断崖式的下跌，随后出现了对称的V型反弹，当前已经回到疫情前的增长水平。

对房地产销售这种更大额的交易而言，情况类似。如图4所示，1月底到2月上旬商品房交易经历了断崖式的下滑，从2月中下旬以来开始快速恢复。到4月末，商品房的交易活动基本上已经回到疫情前的水平，6月份这一数据已经显著超过疫情前水平。

3

图3：乘用车周日均零售同比，%

40乘用车日均销量同比（4WMA）

200(20)(40)(60)(80)(100)2019-01-3179-02-282019-03-312019-04-302019-05-312019-06-302019-07-312019-08-312019-09-302019-10-312019-11-302019-12-312020-01-312020-02-292020-03-312020-04-302020-05-31数据来源：Wind，安信证券

图4：30大中城市商品房交易面积，万平方米

30城商品房成交面积:2020(7DMA)2017-2019年均值

140恢复度（右轴）

12数据来源：Wind，安信证券

注：此处恢复度指2020年量占2017-2019年均值的比例。

观察单笔交易金额较小的领域。比如餐饮，如图5所示，它也确实在经历明确的恢复，但是到4月末的水平和疫情前相比，大概仍然下降了30%左右。即使到6月份，跟历史同期相比，仍然有20%左右的下滑。

另外观察旅游，如图6 所示，今年五一假期跟去年的五一假期相比，接待游客数和旅游总收入，都有相当明显的下降。

01-1501-2201-2902-0502-1202-1902-2603-0403-1103-18403-2504-0104-0804-1504-2204-2905-0605-1305-2005-2706-03

图5：全国餐饮账单数量同比，%

0(10)(20)(30)(40)(50)(60)(70)(80)(90)(100)01-1512-2201-29账单数量同比（7DMA）

数据来源：Wind，安信证券

图6：五一假期旅游总收入与旅游人数

五一假期:旅游总收入，亿元

接待游客总数，万人次(右轴）

总收入（天数调整）

游客数（天数调整，右轴））

20,00018,00016,00014,00002-0502-1202-1902-2603-0403-1103-1803-2504-0104-0804-1504-2204-2905-0605-1305-2005-2706-0050012,00010,201920208,0006,000数据来源：Wind，安信证券

注：由于五一假期天数不同，2016-2018年均为3天，2019年4天，2020年5天；此处的天数调整就是简单的天数平均后，乘以3。

进一步上升到对宏观总量数据的分析，观察消费和投资两个大类别，单笔固定资产投资活动的交易金额显著大于单笔消费活动的交易金额。

在这一条件下，如图7所示，可以看到投资活动几乎V型反弹，5月份的数据可能就可以完全正常化。但是跟疫情前相比，社会消费品零售总体上仍然显著低于疫情前的水平，它的反弹的力度显著弱于投资活动。

在社会消费品零售内部，可以进一步把它分成必选品、可选消费品和耐用品。5

如图8所示，不难发现，交易金额相对较大的耐用品消费反弹幅度显著大于其他的可选消费品。

图7：社零和固定资产投资当月同比，%

1510社会消费品零售总额:当月同比 固定资产投资完成额：当月同比

50(5)(10)(15)(20)(25)(30)2019/02202019/032019/042019/052019/052019/062019/072019/072019/082019/092019/092019/102019/112019/112019/122020/012020/012020/022020/032020/042020/04数据来源：Wind，安信证券

图8：必选、耐用品和可选消费当月同比，%

社零：必选消费：当月同比 可选消费（除耐用品） 耐用品

100(10)(20)(30)(40)2019/02数据来源：Wind，安信证券

总结而言，常态化的疫情给每一笔活动增加了额外的交易费用，这笔交易费用相对固定。在这样的条件下，对大额交易活动来讲，疫情的影响更小。对小额交易活动来讲，疫情的影响相对更大。

在宏观层面，疫情对投资和耐用消费品这类大额交易的影响几乎已经消失，但它对金额较小且难以线上化的交易仍然有明显的抑制作用。

2019/032019/042019/052019/062019/072019/0862019/092019/102019/112019/122020/012020/022020/032020/04

二、交易费用的作用机制和数值评估

接下来我们尝试去估计交易费用的金额，分析交易费用影响交易活动的微观机制，并以此提出恰当的应对政策。

首先我们介绍理论模型，如图9所示，在没有交易费用的情形下，供应和需求达成的均衡为(P1,Q1)。常态化的疫情带来额外的交易费用，这一交易费用用T(transaction cost)来表示，T在纵向的长短代表交易费用的大小。

交易费用进入交易过程后，市场如何达到新的均衡？

对生产者而言，由于疫情的影响，消费者的需求下降，也就是说疫情的冲击是一次需求冲击，新的均衡位置为(P3,Q2)。对消费者而言，消费者每从事一笔交易活动都有额外的交易费用，等同于每笔交易活动的价格都上升了，因此对消费者而言，疫情的冲击相当于是供应冲击，消费者的新均衡为(P2,Q2)。新均衡下消费者承担的价格P2实际上由两部分构成，一部分是支付给生产者的P3，一部分是交易费用T。

这一理论模型实际上借用了固定税的楔子理论：对每一件商品，政府如果征收一个固定数额的税，那么这会对交易活动形成影响。此处我们用交易费用来替代固定税楔子模型中的税。

7

图9：交易费用楔子示意图

数据来源：安信证券

从这一模型出发，我们有以下解释。

第一，由P1 P2 P3所围成的三角形区域是疫情带来的社会福利的损失。第二，从表面上看，疫情带来的交易费用由消费者承担。但实际上，在市场均衡的条件下，这笔交易费用由生产者和消费者共同来分担。原因在于消费者减少交易活动，导致了市场均衡价格的下降。由于市场均衡价格的下降，生产者在一定程度上分担了额外增加的交易费用，生产者所分担的额外增加的交易费用等于 P1- P3，而消费者最终所承担的交易费用实际上是 P2- P1。双方之间相对分摊的比例与供求曲线的弹性有关。

第三，在不考虑其他复杂情形的条件下，这个模型可以一般化。所谓的一般化就是在疫情爆发之初，人们对哪种防护措施最有效是缺乏认知的，对感染风险难以客观冷静度量。在恐慌条件下，人们很可能认为感染的风险是非常大的，在这样的条件下，可以认为由 T 所代表的交易费用非常大甚至无穷大。在这个模型之中，如果交易费用非常大甚至无穷大，就是把 T 的纵向无穷放大，相对于把

T沿着横轴不断向左移，那么交易活动会完全停摆。

8

本文标签： 交易费用疫情