王正新，姚培毅

(浙江財經(jīng)大學(xué)經(jīng)濟學(xué)院，浙江 杭州 310018)

1 引言

經(jīng)濟政策是政府作用于市場的重要手段之一，經(jīng)濟政策的不確定性往往引起經(jīng)濟波動。經(jīng)濟政策的不確定性可分為政治不確定性和經(jīng)濟不確定性[1]。前者主要表現(xiàn)為政府的換屆選舉[2-4]，后者則以政府推行的各項財政貨幣政策以及金融市場中的波動為代表[5-6]。由于政府換屆發(fā)生次數(shù)少，選舉結(jié)果難以預(yù)測，政府財政貨幣政策的制定又具有不可觀察性，市場決策主體受制于信息不對稱的影響，難于形成穩(wěn)定的預(yù)期，因此經(jīng)濟活動中的波動在所難免。Stock和Watson[7]就將其視為2008年全球金融危機及之后阻礙經(jīng)濟復(fù)蘇的重要誘因。關(guān)于經(jīng)濟政策不確定性的度量以及其對總體經(jīng)濟的影響近年來廣受關(guān)注。多數(shù)文章關(guān)注的是經(jīng)濟政策不確定性對于本國宏觀經(jīng)濟變量的影響，或國際貿(mào)易雙方之間的相互影響，而對于多個國家相互影響的研究較少。近年來，隨著經(jīng)濟總量不斷增加，我國與其他各國間的資本、貿(mào)易聯(lián)系日益緊密，在國際上的經(jīng)濟影響力日趨增大。在如此的背景下，研究我國的經(jīng)濟政策不確定性與其他國家，尤其是與經(jīng)濟體量較大國家的聯(lián)動關(guān)系有助于了解國際間相互影響的作用機理，為政府在不確定性條件下增強政策有效性提供決策意見。

不確定性一直是經(jīng)濟學(xué)界關(guān)注的重要主題，最早可以追溯到凱恩斯的《論概率》[8]以及奈特的《風(fēng)險、不確定性和收益》[9]。Bernanke[10]認(rèn)為不確定性對于經(jīng)濟活動有負(fù)面影響，Stock和Watson[7]將不確定性視為2008年的全球金融危機的重要誘因。具體細(xì)分不確定性的來源，又可以將其分解成政治不確定性與經(jīng)濟不確定性。對于不可度量的政治不確定性，有學(xué)者借用政府換屆、官員選舉作為替代變量[2-4]。此種做法雖然在某些情況下很好刻畫了政治波動帶來的經(jīng)濟影響，但此類政治事件的結(jié)果天然不可預(yù)測，且為離散的，在一段時間內(nèi)不能連續(xù)度量，此外由于此類制度性的變遷較少發(fā)生，并不適用于多國之間的相互關(guān)聯(lián)分析。在處理不同國家或區(qū)域間不確定的影響時，學(xué)者們多是從制度的角度來探究，如Pastor和Veronesi[11]從產(chǎn)權(quán)保護(hù)角度出發(fā)，認(rèn)為不確定性會削弱政府的產(chǎn)權(quán)保護(hù)效應(yīng)，因此市場化程度低的國家將受到更大的影響。Calomiris等[12]從市場化角度討論了不確定性對不同國家的影響。以上的研究都沒有直接對不確定性進(jìn)行度量，在與金融市場相關(guān)的研究中VIX指數(shù)常被用來衡量不確定性的沖擊[13]，此方法對于金融市場有較好擬合效果，但依賴于高頻數(shù)據(jù)，并不一定適用于更為寬泛的總體經(jīng)濟環(huán)境。此外，有許多學(xué)者從不同角度構(gòu)建了不同的不確定性指數(shù)，Scotti[14]從信息源角度提出的反映經(jīng)濟主體宏觀經(jīng)濟不確定的指數(shù)，Jurado等[15]根據(jù)宏觀經(jīng)濟與金融方面不可預(yù)測變量計算的指數(shù)，Rossi和Sekhposyan[16]在Juardo等的基礎(chǔ)上又設(shè)計了新的指數(shù)。但目前為止，最有影響力的是Baker等[17]從新聞報道頻率所設(shè)計的經(jīng)濟政策不確定(EPU)指數(shù)。該指數(shù)綜合考量了經(jīng)濟主體來源于不同層次的不確定性，相同的遴選標(biāo)準(zhǔn)使其在不同國家間具有可比性。該指數(shù)的具體構(gòu)建方式如下：從每個國家選取代表性英文報刊，統(tǒng)計包含如下特定詞語的報導(dǎo)數(shù)(1)uncertain或uncertainty；(2)economic或economy；(3)一個或多個與政治相關(guān)的詞匯，之后在對每個序列進(jìn)行標(biāo)準(zhǔn)化處理，最后得出每個月各國的經(jīng)濟政策不確定指數(shù)。以中國的構(gòu)建指數(shù)為例，該指數(shù)選取南華早報為新聞報道來源，首先選取同時包含{China、Chinese}、{economy、economic}和{uncertain、uncertainty}的新聞，之后再篩選包含{{policy或spending或budget或political或interestrates或reform}和{government或Beijing或authorities}}或tax或regulation或regulatory或centralbank或People’s Bankof China或PBOC或deficit或WTO的新聞。之后統(tǒng)計該月南華早報上總共的文章數(shù)，得出包含EPU信息的文章數(shù)與總文章數(shù)的比值，將得到的結(jié)果標(biāo)準(zhǔn)化(均值為100)，以此構(gòu)建了關(guān)于中國的EPU指數(shù)。Baker等[17]指出該指數(shù)能夠很好反映各國間政策不確定性的波動，易于比較且較為穩(wěn)健?，F(xiàn)有采用EPU指數(shù)的研究多考慮其與宏觀經(jīng)濟因素間的影響。如金雪軍等[18]采用FAVAR方法得出了政策不確定性沖擊對于GDP、投資和消費等宏觀因素具有負(fù)面影響。李鳳羽和史永東[19]認(rèn)為經(jīng)濟政策不確定性升高會使得企業(yè)傾向于多持有現(xiàn)金。許天啟等[20]發(fā)現(xiàn)政策不確定性是造成國企與民企融資成本差異的重要原因。饒品貴和徐子慧[21]認(rèn)為在外部經(jīng)濟政策不確定性高的情況下，企業(yè)高管變更的概率下降。

在金融與經(jīng)濟時間序列數(shù)據(jù)中，常常存在異方差性質(zhì)以及方差聚集的特征，即小的波動之后聚集小的波動，大的波動之后聚集大的波動。除此之外，在許多時間序列中還存在自相關(guān)的現(xiàn)象，Bollerslev[22]提出的單變量GARCH模型能夠刻畫這一特征而被廣泛使用。但我們知道金融數(shù)據(jù)的波動不僅體現(xiàn)在時間這一維度上，也會體現(xiàn)在空間這一維度，即不同市場上的相互作用。為了衡量不同變量間的相互作用，一種顯而易見的方式即去估計多元GARCH模型的協(xié)方差矩陣。在建立多元GARCH模型時，既要保持模型的精簡性(參數(shù)盡可能少)，又要使得模型足夠靈活能夠刻畫數(shù)據(jù)特征。Bollerslev[23]提出了一種分解協(xié)方差矩陣的方式，即CCC-GARCH模型。在他的基礎(chǔ)之上，Engle[24]提出DCC-GARCH模型。不同與Bollerslev[22]對于協(xié)方差矩陣的分解方式，Engle的條件相關(guān)矩陣是時變的，能夠刻畫不同序列長期的變化。自從DCC-GARCH模型被提出后，其常被用于金融市場的研究，如何德旭和苗文龍[25]分析了中國與主要國際金融市場的波動溢出效應(yīng)。王皓[26]分析了日本股票市場與國際市場波動溢出效應(yīng)，Celk[27]分析了次貸危機后新興市場間的波動溢出效應(yīng)。

對于這些金融市場間聯(lián)動機制的研究，學(xué)者們往往從經(jīng)濟預(yù)期與投資收益的角度切入。經(jīng)濟預(yù)期主要由心理因素主導(dǎo)，包含市場情緒與羊群效應(yīng)。李稻葵等[28]認(rèn)為市場情緒影響資產(chǎn)市場價格波動，資產(chǎn)市場價格波動又會傳導(dǎo)至實體經(jīng)濟的波動。Bikhchandani等[29]認(rèn)為信息不對稱條件下，若投資者對自己持有的信息持悲觀態(tài)度，他會放棄私人信息，轉(zhuǎn)而模仿其他投資者的行為，從而使得市場呈現(xiàn)羊群效應(yīng)。Francesco等[30]認(rèn)為對于跨國投資者，某一國家股指劇烈波動會使其重組投資組合，使得風(fēng)險分散，最終使得各國市場投資收益率存在一定相關(guān)性。此類分析的側(cè)重點集中在經(jīng)濟基本面以及更為狹小的金融市場間，較少考慮各國政策波動帶來的聯(lián)動影響。

為了全面地考量來自各層面的因素對經(jīng)濟政策不確定性的影響，本文利用Baker等[17]提出的EPU指數(shù)，建立DCC-GARCH模型，試圖探究中國與美國、英國、日本間的經(jīng)濟政策不確定性的聯(lián)動影響與溢出效應(yīng)。

2 模型與數(shù)據(jù)

2.1 DCC-GARCH模型

標(biāo)準(zhǔn)的多元GARCH模型可以表示為：

xt∣It-1=μt+εt

(1)

其中xt{t=1,2,…,T}為向量隨機過程，其均值向量為μt，It-1為信息集，此過程的殘差可以表示為：

(2)

E[zt]=0

Var[zt]=IN

(3)

IN為N階單位矩陣。xt的條件協(xié)方差矩陣Ht定義如下：

(4)

對于Ht的建模方式大致可分為四類[16]。第一類如VEC和BEKK模型，它們對于Ht的形式是直接給定的。第二類為因子模型，此類模型假定εt由一些未觀測異方差因子決定。此種模型類似于主成分分析，特點在于當(dāng)因子個數(shù)相對εt維度個數(shù)較大時，可以降低維度，簡化分析。第三類模型將Ht分解，采用間接的方式來估計。本文采用的DCC-GARCH即屬于此類模型。第四類為半?yún)?shù)和非參數(shù)模型，此類模型特點在于對數(shù)據(jù)分布不做任何假設(shè)。

Bollerslev[23]提出的恒定條件相關(guān)(constantconditionalcorrelation，CCC)模型，將協(xié)方差矩陣Ht分解為：

(5)

(6)

其中ω∈Rn^，Ai和Bi是N×N的對角矩陣，⊙代表矩陣Hadamard乘積。Engle[23]改進(jìn)了此模型提出了DCC-GARCH模型。不同于Bollerslev的CCC-GARCH對于Ht的分解方式，Engle引入了時變相關(guān)系數(shù)矩陣，將Ht分解如下：

Ht=DtRtDt

(7)

為了得到參數(shù)估計值，需對模型做如下限制：

(8)

Rt=diag(Qt)-1/2Qtdiag(Qt)-1/2

(9)

模型所涉及的參數(shù)可由兩階段準(zhǔn)極大似然法估計。在第一階段估計如下的對數(shù)似然函數(shù)：

ln(L1(φ))

(10)

第二階段估計按zt服從多元正態(tài)分布或多元t分布分別估計如下對數(shù)似然函數(shù)。zt服從多元正態(tài)分布時：

(11)

zt服從非對稱多元t分布時：

(12)

其中參數(shù)ψ=(a,b,υ,ζ)。

2.2 數(shù)據(jù)說明

本文采用的經(jīng)濟政策不確定指數(shù)是Baker等[17]基于新聞報導(dǎo)頻率所構(gòu)建的指數(shù)，具體數(shù)據(jù)來自于http://www.policyuncertainty.com/index.html。鑒于本文所采取的DCC-GARCH模型需要數(shù)據(jù)序列長度相同，因此選擇了1997年1月至2017年5月中國、美國、日本和英國的EPU指數(shù)。樣本期內(nèi)各國EPU指數(shù)的動態(tài)變化路徑如圖1所示。

圖1 各國的EPU指數(shù)

表1 各國EPU的描述性統(tǒng)計量

CHNJPNUKUSA觀測值245245245245最小值9.60748.3825.3444.78中位數(shù)102.302103.72120.48104.61均值134.271110.95159.11116.02最大值694.849243.211141.80283.67

從圖1中可以觀察到各國的EPU指數(shù)在2012年前長期保持在200以下較為平穩(wěn)，但近年來EPU指數(shù)逐漸增大，在2013年至2014年一度超過300而后又回落。2016以來，中國和英國的EPU指數(shù)波動程度上升，其中中國的EPU一度超過600，而受脫歐事件影響，英國的EPU指數(shù)超過了1100，為所有樣本值中最大。

圖2 各國經(jīng)過處理后的EPU指數(shù)

為了消除EPU指數(shù)的趨勢性特征，我們將其對數(shù)化后再取一階差分，使得數(shù)據(jù)具有平穩(wěn)性，其經(jīng)濟含義是EPU指數(shù)的近似增長率，結(jié)果如圖2所示。從圖2可以看出相關(guān)國家的序列波動情況不一，其中中國的序列在2000年時的波動率大于2003年至2010間的波動率；日本的序列在2000年、2008年和2016年震蕩明顯；美國的序列在2003年、2008年的波動率較其他年份大；英國的序列呈現(xiàn)典型的方差聚集特征，2000年前、2006至2008年以及2016年后為其高波動率時期。因此，各國EPU指數(shù)可能都存在不同程度的ARCH效應(yīng)。

2.3 相關(guān)計量檢驗

在得到經(jīng)過處理后的各國EPU指數(shù)后，我們對所有序列進(jìn)行異方差與平穩(wěn)性的檢驗。

表2 關(guān)于序列的自回歸、異方差、平穩(wěn)性檢驗

注：表中數(shù)值為R計算得出的P值。***、**、*分別表示在1%，5%，10%水平下顯著。

從表2可以看出所有國家的序列均在1%置信水平下拒絕原假設(shè)為獨立分布、自相關(guān)系數(shù)為0的BP與LB檢驗，表明這四個序列存在自相關(guān)性。關(guān)于異方差的ARCH檢驗的結(jié)果顯示，中國的序列在1%置信水平下拒絕不存在ARCH效應(yīng)的原假設(shè)，日本和英國的序列在10%置信水平下拒絕不存在ARCH效應(yīng)的原假設(shè)，而美國的序列可認(rèn)為不存在ARCH效應(yīng)。ADF檢驗和PP檢驗顯示，所有序列均不包含單位根，可認(rèn)為這4個序列為平穩(wěn)序列，可以進(jìn)行下一步的DCC-GARCH建模分析。

3 實證結(jié)果

本文基于一階對數(shù)差分處理后的各國EPU指數(shù)序列建立DCC-GARCH模型，采用兩階段方法估計模型。第一階段估計各序列的單變量GARCH模型，第二階段建立多變量GARCH模型，估計條件協(xié)方差矩陣Ht，并將其分解后得到包含各國經(jīng)濟政策不確定性動態(tài)溢出效應(yīng)信息的矩陣Rt。

3.1 單變量GARCH的模型設(shè)定

DCC-GARCH建模第一階段的估計是對各序列建立單變量GARCH模型。本文采用AIC信息準(zhǔn)則識別單變量模型中均值方程ARMA的階數(shù)，結(jié)果顯示：中國EPU指數(shù)的ARMA階數(shù)設(shè)為(0，1)，即MA(1)過程，日本和美國的EPU指數(shù)ARMA階數(shù)應(yīng)設(shè)為(1，1)，而對于英國的序列，ARMA的階數(shù)應(yīng)設(shè)為(4，3)。因此，各國EPU指數(shù)序列ARMA形式的均值模型分別為：

RCHN,t=μCHN+εt+θ1εt-1

(13)

RJPN,t=μJPN+φ1RJPN,t-1+εt+θ1εt-1

(14)

RUSA,t=μUSA+φ1RUSA,t-1+εt+θ1εt-1

(15)

RUK,t=μUK+φ1RUK,t-1+φ2RUK,t-2+φ3RUK,t-3+φ4RUK,t-4+εt+θ1εt-1+θ2εt-2+θ3εt-3

(16)

均值模型的估計結(jié)果如表3所示，結(jié)果顯示各系數(shù)除英國的AR(2)項不顯著外，其余均在5%顯著性水平下顯著。

對于單變量方程中的GARCH項，出于模型簡化以及估計成本的考慮，本文參照Bollerslev[23]和Engle[24]的做法，采用GARCH(1，1)的形式，他們指出GARCH(1,1)的形式在實際中已經(jīng)能夠很好的提取數(shù)據(jù)包含的有用信息，而增大GARCH項的階數(shù)使得模型待估參數(shù)增多，并不一定保證結(jié)果的精度提升較多。

3.2 DCC-GARCH的估計結(jié)果

在設(shè)定好第一階段的估計模型后，之后在估計第二階段似然函數(shù)時，分別設(shè)定誤差項服從多元正態(tài)分布和非對稱多元t分布，估計多元DCC-GARCH模型。得出的結(jié)果見表4和表5。

表3 均值模型的估計結(jié)果

注：每個參數(shù)的估計值中，第一行為參數(shù)估計值，第二行為對應(yīng)的p值。

表4 誤差項服從多元正態(tài)分布時的DCC-GARCH模型參數(shù)

注：每個參數(shù)的估計值中，第一行為參數(shù)估計值，第二行為p值。

從表4與表5的對比來看，雖然當(dāng)誤差項設(shè)定為多元正態(tài)分布時，模型的信息準(zhǔn)則值較小，但從具體的參數(shù)估計結(jié)果來看，誤差項服從非對稱多元t分布時，大多數(shù)參數(shù)都是顯著的，而在多元正態(tài)分布

表5 誤差項服從非對稱多元t分布時DCC-GARCH參數(shù)估計值

注：每個參數(shù)的估計值中，第一行為參數(shù)估計值，第二行為p值。

表6 非對稱多元t分布DCC-GARCH模型的標(biāo)準(zhǔn)化殘差檢驗

注：表中數(shù)值為p值。

的情況下，多數(shù)參數(shù)的估計結(jié)果不顯著。這一結(jié)果也符合我們對于金融經(jīng)濟的數(shù)據(jù)序列常常存在尖峰、厚尾、非對稱分布的經(jīng)驗認(rèn)識[23]。對非對稱多元t分布的DCC-GARCH模型提取的殘差進(jìn)行檢驗結(jié)果(如表6所示)表明：所有殘差序列都不能拒絕原假設(shè)，即不再具有自相關(guān)與異方差效應(yīng)，此模型很好得提取了各個國家EPU指數(shù)序列的信息。因此，本文選擇非對稱多元t分布的DCC-GARCH模型估計各國經(jīng)濟政策不確定性的動態(tài)相關(guān)系數(shù)，結(jié)果如圖3至圖8所示。

從圖3至圖8可以看出，樣本國家兩兩間EPU指數(shù)的動態(tài)相關(guān)系數(shù)均大于0，表明各國經(jīng)濟政策不確定性對其他國家均有一定的正向溢出效應(yīng)?？傮w來看，美國與英國間EPU指數(shù)的動態(tài)關(guān)聯(lián)系數(shù)大于其他國家間的動態(tài)相關(guān)系數(shù)，表明英美兩國間的經(jīng)濟政策聯(lián)動性大于其他國家間聯(lián)動性。

圖3 中國與日本的EPU動態(tài)相關(guān)系數(shù)

圖4 中國與美國的EPU動態(tài)相關(guān)系數(shù)

圖5 中國與英國的EPU動態(tài)相關(guān)系數(shù)

圖6 美國與英國EPU的動態(tài)相關(guān)系數(shù)

對于中國而言，中國與美國的EPU指數(shù)間的相關(guān)程度大于中國與英國和日本間的相關(guān)程度。中國與美國EPU的相關(guān)系數(shù)長期保持在0.24至0.30的區(qū)間內(nèi)。圖4中的波谷時間為2007年10月，該月我國召開了中共十七大，眾所周知，每次黨代會都會對未來五年的工作奠定基調(diào)，但同時會使得經(jīng)濟政策的不確定增加。2007年之后，中美兩國間EPU指數(shù)的相關(guān)度逐漸上升，并且穩(wěn)定于0.28左右。中英、中美間EPU指數(shù)動態(tài)相關(guān)系數(shù)圖像走勢較為相似，谷底同時出現(xiàn)在2007年10月。中日間EPU指數(shù)動態(tài)相關(guān)系數(shù)的圖像走勢較中美、中英差異較為明顯，兩國間不僅動態(tài)相關(guān)系數(shù)整體低與中美與中英，波谷出現(xiàn)的時間點也不同。中日兩國EPU指數(shù)關(guān)聯(lián)程度間波谷時間為2005年5月，日本于2005年4月修改教科書這一事件在我國國內(nèi)激起反日浪潮，多個城市爆發(fā)反日游行，此事件直接反映在兩國EPU關(guān)聯(lián)度的下降。2005年之后，中日關(guān)系緩和，雙方之間的EPU關(guān)聯(lián)程度穩(wěn)步提升。但在2014年，隨著中日兩國關(guān)于東海釣魚島主權(quán)爭議的發(fā)酵，兩國間的EPU關(guān)聯(lián)度又有所下降，但2015年后，隨著雙方關(guān)系的緩和，兩國間的EPU關(guān)聯(lián)度逐漸上升。

圖7 日本與美國EPU的動態(tài)相關(guān)系數(shù)

圖8 日本與英國EPU的動態(tài)相關(guān)系數(shù)

日本與美國、英國的EPU動態(tài)相關(guān)系數(shù)走勢較為相似，從另一個方面表明了英美間關(guān)聯(lián)程度較高的特征。但從相關(guān)系數(shù)的絕對值來看，日美間的關(guān)聯(lián)度大于日英間的關(guān)聯(lián)度。日美、日英間的關(guān)聯(lián)系數(shù)在2005年前長期保持較為穩(wěn)定，2005年之后波動程度上升且與美英間的關(guān)聯(lián)程度大幅提高。值得注意的是，中日間關(guān)聯(lián)系數(shù)的走勢與日美、日英間的走勢迥異。這一現(xiàn)象可能表明了在不同區(qū)域國家間，影響EPU關(guān)聯(lián)度的因素不同，中日間更受地緣政治的影響。

4 結(jié)語

本文采用DCC-GARCH模型研究了1995年1月至2017年5月中國、美國、日本和英國之間EPU指數(shù)的長期動態(tài)相關(guān)性，主要結(jié)論包括：

樣本期內(nèi)，相關(guān)國家的經(jīng)濟政策不確定的波動情況呈現(xiàn)尖峰、厚尾、非對稱的特征，表明此數(shù)據(jù)較為符合非對稱多元t分布條件下的DCC-GARCH模型。從動態(tài)相關(guān)系數(shù)的絕對數(shù)值來看，中美間EPU指數(shù)的關(guān)聯(lián)度要大于中英、中日間EPU指數(shù)的關(guān)聯(lián)度。中美、中英間關(guān)聯(lián)系數(shù)長期在0.28左右波動，中日間長期在0.22左右波動。這表明中國與美、英、日三國的經(jīng)濟政策不確定性均有一定的正向溢出效應(yīng)，其中美國、英國的溢出效應(yīng)要大于日本。

從長期趨勢來看，中國與其他各國的EPU指數(shù)動態(tài)關(guān)聯(lián)程度自2015年末有所提高，且處于長期以來均值水平。英美兩國間的關(guān)聯(lián)程度較高同樣反映在圖4、圖5、圖7和圖8上，中美、中英的圖像相似，日美、日英的圖像相似，經(jīng)濟政策的不確定性在這兩國間的傳導(dǎo)較在其他國家間更快。從區(qū)域的角度來看，日本作為我國的鄰國可看成區(qū)域內(nèi)國家，則美國與英國可以看作區(qū)域外國家。中日間EPU關(guān)聯(lián)圖的走勢與中美、中英間不同，表明了不同區(qū)域內(nèi)影響EPU的因素不同，中日間EPU的聯(lián)動性受兩國間典型政治問題影響較大。

國際上經(jīng)濟政策不確定性溢出效應(yīng)的存在，可能會使得當(dāng)一國或多國遭到?jīng)_擊時，沖擊在多國內(nèi)部擴散，加劇系統(tǒng)性風(fēng)險。本文的研究結(jié)果表明，政府在制定政策時，除了要防范可能出現(xiàn)的各國間不確定性的聯(lián)動作用加劇風(fēng)險的效應(yīng)，也應(yīng)當(dāng)適度區(qū)分來自不同區(qū)域國家對于本國的影響，從而增強政策的有效性。就我國而言，政府在應(yīng)對外來沖擊時，不僅要考量沖擊的影響程度，也應(yīng)具體看待沖擊產(chǎn)生的源頭，進(jìn)行相應(yīng)的政策調(diào)整，穩(wěn)定宏觀經(jīng)濟環(huán)境。