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
140 120 100 80 60 40 20 0 0 2 4 6 8 10 12 14
y = 6.2807x + 31.86 （p=0.02） R2 = 0.3954 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
140.0 120.0 100.0 80.0 60.0 40.0 20.0 0.0 0.0 2.0 4.0 6.0 8.0 10.0 12.0 14.0
y = 5.9973x + 31.516 (p=0) R2 = 0.3429 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）
20 0
(20)
(40)
(60)
(80)
(100)
2019-01-31 2019-02-28 2019-03-31 2019-04-30 2019-05-31 2019-06-30 2019-07-31 2019-08-31 2019-09-30 2019-10-31 2019-11-30 2019-12-31 2020-01-31 2020-02-29 2020-03-31 2020-04-30 2020-05-31
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
70 60 50 40 30 20 10 0
30城商品房成交面积:2020(7DMA) 2017-2019年均值
140
恢复度（右轴）
120 100 80 60 40 20 0
01-08 01-15 01-22 01-29 02-05 02-12 02-19 02-26 03-04 03-11 03-18 03-25 04-01 04-08 04-15 04-22 04-29 05-06 05-13 05-20 05-27 06-03
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。
4
图5：全国餐饮账单数量同比，%
0 (10) (20) (30) (40) (50) (60) (70) (80) (90) (100)
账单数量同比（7DMA）
01-15 01-22 01-29 02-05 02-12 02-19 02-26 03-04 03-11 03-18 03-25 04-01 04-08 04-15 04-22 04-29 05-06 05-13 05-20 05-27 06-03
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
1200 1100 1000 900 800 700 600 500 400 300 200
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））
20,000 18,000
16,000
14,000
12,000
10,000
8,000
6,000
2016 2017 2018 2019 2020
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
疫情常态化对市场经济的影响分析
