喻世友，宋曉飛

一、引 言

金融市場動蕩與經(jīng)濟不確定性上升被認為是2008 年金融危機之后西方發(fā)達經(jīng)濟體經(jīng)濟衰退和復蘇緩慢的兩個最主要原因（Stock&Watson，2012）。國內(nèi)外學者對這兩方面因素的宏觀經(jīng)濟波動效應分別進行了許多研究。最新文獻把關(guān)注點放在兩者交互上，考察金融市場在傳導不確定性沖擊對宏觀經(jīng)濟影響中的作用（Gilchrist et al.，2014）。這兩者間的聯(lián)系是：由于經(jīng)濟中的個體對風險定價，當經(jīng)濟不確定性更高的時候，可能會導致金融市場功能①如：融資，提供流動性以及風險控制功能。減弱，由此不確定性沖擊能夠通過金融市場放大其對經(jīng)濟的影響?，F(xiàn)有研究表明：不僅金融摩擦能夠明顯放大不確定性沖擊的宏觀經(jīng)濟效應（Gilchrist et al.，2014），并且金融市場狀況更差的情況下這種宏觀經(jīng)濟效應會更大（Alessandri & Mumtaz，2019）。而到目前為止，研究中國不確定性沖擊的宏觀經(jīng)濟效應的文獻鮮有考慮金融市場因素。本文以此為切入點，研究中國不確定性沖擊的宏觀經(jīng)濟效應與金融市場摩擦之間的聯(lián)系，提出并試圖回答以下問題：在中國經(jīng)濟情境下，在不同的金融摩擦程度之下，中國經(jīng)濟不確定性沖擊的宏觀經(jīng)濟效應具有怎樣的差異？金融摩擦程度更高時，不確定性沖擊的影響是否更大？

為回答上述問題，本文使用中國2006年3月到2018年6月的月度數(shù)據(jù)，由信貸利差刻畫金融摩擦程度①文獻中使用信貸利差衡量金融摩擦程度已有不少先例（例如：戰(zhàn)明華和應誠煒（2015），Matvos et al.（2018））。在此感謝審稿專家提醒筆者在理論上金融摩擦與信貸利差是不同的。，建立非線性波動均值VAR 模型，研究并比較不確定性沖擊對中國宏觀經(jīng)濟的影響效應在不同金融摩擦區(qū)制下的差異性。與多數(shù)實證研究所使用的方法相比，本文方法有兩個特點：第一，使用結(jié)構(gòu)沖擊的隨機波動率刻畫不確定性，通過波動均值的方式將之引入VAR 模型，此設定使不確定性變量和前定內(nèi)生變量一起直接影響宏觀經(jīng)濟內(nèi)生變量，與Mumtaz&Surico（2018）的設定類似，與國內(nèi)學者常將不確定性代理指標變量直接作為系統(tǒng)的內(nèi)生變量加以研究不同（孟慶斌和師倩，2017；田磊等，2017）。第二，使用一年期公司債與一年期國債之間的信貸利差刻畫金融摩擦程度，由信貸利差是否超過某個內(nèi)生閾值定義金融摩擦所在的區(qū)制，允許模型動態(tài)依賴于所處金融摩擦區(qū)制，即在不同金融磨擦區(qū)制下，允許模型參數(shù)結(jié)構(gòu)存在差異性。這有別于上述學者對中國經(jīng)濟不確定性問題的研究。

本文非線性波動均值VAR 模型的設定具有靈活性，其優(yōu)點是：允許宏觀經(jīng)濟變量面對不確定性沖擊時的響應隨著金融磨擦程度的高低而存在差異性，避免無差異情形下參數(shù)估計的非一致性及后續(xù)的不恰當推斷。通過對比不同金融摩擦區(qū)制下不確定性沖擊的宏觀經(jīng)濟效應，可以直接回答本文提出的問題。

本文研究發(fā)現(xiàn)，在我國經(jīng)濟情境下，不確定性沖擊的宏觀經(jīng)濟效應在不同金融摩擦區(qū)制下存在明顯差異。在低金融摩擦區(qū)制下，不確定性沖擊會導致產(chǎn)出降低，政策利率和信貸利差上升，對通脹具有不顯著的提高效應；在高金融摩擦區(qū)制下，不確定性沖擊對產(chǎn)出沒有顯著影響，但通脹提高的程度比低金融摩擦區(qū)制下更大，并且對政策利率和信貸利差有明顯的抑制效應。進一步分析表明，貨幣當局在不同金融摩擦區(qū)制下的行為是導致上述差異的原因，在高金融摩擦區(qū)制下，貨幣當局對不確定性沖擊做出了正面的響應，對沖了不確定性沖擊的不利影響。對兩種區(qū)制下不確定性沖擊宏觀經(jīng)濟效應的差異性的研究，在一定程度上解釋了為何現(xiàn)有研究認為中國經(jīng)濟政策不確定性不具有明顯的產(chǎn)出效應（田磊等，2017）。其原因是：現(xiàn)有研究中線性SVAR 的設定忽略了兩個區(qū)制效應的差異，導致其無法識別不確定性沖擊對產(chǎn)出的負面影響。

進一步通過預測方差分解發(fā)現(xiàn)，不確定性沖擊能夠解釋相當比例的宏觀經(jīng)濟波動，而且在金融摩擦更高區(qū)制下其解釋的比例更高。最后，使用反事實分析發(fā)現(xiàn)，不確定性沖擊對解釋內(nèi)生變量歷史波動具有明顯的重要性。預測方差分解以及反事實分析表明，不確定性沖擊是中國宏觀經(jīng)濟波動的重要來源，值得宏觀經(jīng)濟當局對其加以關(guān)注。

基于本文發(fā)現(xiàn)可得到以下結(jié)論：第一，中國不確定性沖擊的宏觀經(jīng)濟效應在不同金融摩擦程度下具有明顯差異，并且未被高金融摩擦放大，這與現(xiàn)有文獻關(guān)于國外經(jīng)濟的研究結(jié)論不同（Alessandri &Mumtaz，2019）。其原因是：在高金融摩擦區(qū)制下，中國貨幣當局通過降低政策利率，有效降低信貸利差，及時對不確定性沖擊做出了響應，對沖了不確定性沖擊對宏觀經(jīng)濟的不利影響。第二，不確定性沖擊是中國宏觀經(jīng)濟波動的一個重要來源，并且在金融摩擦程度更高時對宏觀經(jīng)濟波動影響的比例更大。

本文的研究貢獻在于：首先，與目前國內(nèi)大部分文獻不同，本文通過在VAR模型中加入服從于AR（1）過程的不確定性變量作為解釋變量，并允許波動率可以影響內(nèi)生變量，使實證模型與理論DSGE 模型更加一致，從而具有理論文獻基礎。其次，在模型中引入內(nèi)生金融摩擦變量的閾值效應，考察不確定性沖擊在不同金融摩擦區(qū)制下對宏觀經(jīng)濟變量的影響效應，所得結(jié)論更具有啟發(fā)性。最后，基于非線性波動均值VAR 模型的估計，通過預測方差分析以及反事實分析，量化并比較了不同金融摩擦區(qū)制下不確定性沖擊對中國宏觀經(jīng)濟波動的重要性?？傮w而言，本文在考察不確定性沖擊與金融摩擦交互對中國宏觀經(jīng)濟的影響方面邁出了新的一步，拓展了此研究領(lǐng)域的內(nèi)容。

下文安排如下：第二部分是文獻綜述；第三部分介紹本文使用的模型框架；第四部分是實證分析；第五部分是結(jié)論與政策建議。

二、文獻綜述

經(jīng)濟不確定性的概念可以追溯到Knight（1921）。Knight 首先將不確定性的概念引入經(jīng)濟學分析，并進一步按照個體是否知道可能事件的分布而區(qū)分為風險和不確定性。在此之后大多數(shù)研究對不確定性和風險的概念不作完全區(qū)分，而是在統(tǒng)一的“不確定性”概念下展開研究。Bloom（2014）將經(jīng)濟不確定性定義為“人們對未來可能狀況的不確定”，并認為經(jīng)濟不確定性能夠造成經(jīng)濟衰退（Bloom，2014；Stock&Watson，2012）。傳統(tǒng)不確定性影響實體經(jīng)濟變量的傳導機制依賴于投資或雇傭決策的不可逆轉(zhuǎn)性，近年來對不確定性沖擊傳導機制的研究重點開始轉(zhuǎn)移到金融摩擦上（Gilchrist et al.，2014）。當金融合同面臨代理或者道德風險問題時，不確定性的上升會提升外部融資溢價，導致資本形成成本上升以及投資的降低。這種“金融視角”的傳導機制表明，金融因素在不確定性沖擊影響實體經(jīng)濟的過程中具有關(guān)鍵作用。

目前關(guān)于不確定性沖擊與金融摩擦關(guān)聯(lián)性的VAR 實證文獻較少。Benati（2016）發(fā)現(xiàn)，把信貸利差與不確定性代理變量同時放入VAR 模型會帶來識別問題：當把金融摩擦考慮在內(nèi)時，不確定性沖擊的作用變得微弱。Caldara et al.（2016）研究發(fā)現(xiàn)，允許信貸狀況對不確定性的影響做出反應是不確定性沖擊能夠影響經(jīng)濟活動的關(guān)鍵。

國內(nèi)文獻關(guān)于不確定性沖擊對宏觀經(jīng)濟影響的研究與國外以發(fā)達國家為對象的研究有所不同。中國作為最大的發(fā)展中國家和新興市場經(jīng)濟體，政府在經(jīng)濟運行和資源配置中扮演著更為關(guān)鍵的角色，這驅(qū)動國內(nèi)學者從新政治經(jīng)濟學的視角研究政策不確定性對實體經(jīng)濟的影響。張軍和高遠（2007）將政府周期性換屆和官員的人事調(diào)動作為自然實驗，研究官員更替引發(fā)的不確定性對經(jīng)濟增長和私人投資的影響。后續(xù)陸續(xù)有學者沿著這個思路考察官員變動帶來的不確定性對中國經(jīng)濟的影響（徐業(yè)坤等，2013）。但官員變動導致的不確定性與本文討論的不確定性具有明顯的區(qū)別。一般而言，前者對經(jīng)濟的影響是區(qū)域性的，且具有明顯的周期性，因為中國的官員更替周期是與地方政府換屆周期強關(guān)聯(lián)的，而本文考察的不確定性不存在與制度安排相關(guān)帶來的周期性。另有部分國內(nèi)學者使用Baker et al.（2016）構(gòu)建的經(jīng)濟政策不確定性指標作為不確定性的代理指標，從宏觀與微觀層面考察經(jīng)濟政策不確定性對區(qū)域經(jīng)濟增長、企業(yè)投資融資等的影響（孟慶斌和師倩，2017；王義中和宋敏，2014）。此外，也有學者研究經(jīng)濟政策不確定性對宏觀經(jīng)濟波動的影響。田磊等（2017）使用混合識別SVAR 模型，研究了經(jīng)濟政策不確定性沖擊以及其他三種傳統(tǒng)結(jié)構(gòu)沖擊對中國宏觀經(jīng)濟波動的相對影響程度，發(fā)現(xiàn)經(jīng)濟政策不確定性沖擊不是中國經(jīng)濟波動的主要因素，經(jīng)濟政策不確定性對產(chǎn)出具有微弱的影響作用，但對價格水平的打壓作用明顯，貨幣政策當局沒有對經(jīng)濟政策不確定性做出針對性反應，并認為國有企業(yè)投資行為、政府對經(jīng)濟增長的底線思維等中國經(jīng)濟特征弱化了不確定性沖擊對產(chǎn)出的影響效應。

由上面文獻梳理可見，當前文獻對金融摩擦與不確定性沖擊互動的研究不夠充分，關(guān)于中國不確定性沖擊的宏觀經(jīng)濟效應與金融摩擦之間關(guān)系的研究更是缺乏。在中國經(jīng)濟情境下，金融摩擦在不確定性沖擊影響宏觀經(jīng)濟變量過程中的作用怎樣？或者說，在不同的金融摩擦區(qū)制下，不確定性沖擊的宏觀經(jīng)濟效應是否顯著不同？為此，本文定義金融摩擦區(qū)制變量，將之嵌入非線性波動均值VAR 模型中，由此閾值模型的估計并通過脈沖響應分析，研究中國不確定性沖擊在不同金融摩擦程度下的宏觀經(jīng)濟效應。另外，通過預測方差分解分析以及構(gòu)建關(guān)于不確定性沖擊的反事實模擬，說明在不同金融摩擦區(qū)制設定下不確定性沖擊在中國宏觀經(jīng)濟波動分析中的重要性。

三、非線性波動均值VAR模型

較高的金融摩擦程度會引起宏觀當局更多的關(guān)注，并按金融摩擦程度對宏觀經(jīng)濟進行適時調(diào)控。為研究不確定性沖擊和金融摩擦交互對中國宏觀經(jīng)濟變量的影響效應，本節(jié)將經(jīng)濟按金融摩擦程度的高低分為兩種金融摩擦區(qū)制，將它們嵌套進入隨機波動均值VAR模型。

（一）模型設定

本文設定的模型包含以下幾類變量：（i）四個宏觀經(jīng)濟內(nèi)生變量：實際GDP（Yt）、消費者價格指數(shù)（Pt）、銀行間市場七天逆回購利率（Repo7Dt）①央行行長易綱在公開談到貨幣政策時都是以7天逆回購利率來說明貨幣政策立場。這表明，7天逆回購利率是央行看重的政策利率。本文選用此利率作為貨幣政策利率。和AAA 級一年期公司債與一年期國債之間的信貸利差（Spreadt），其中信貸利差Spreadt用于度量金融摩擦的程度；（ii）隨機不確定性變量λt，滿足以下AR（1）過程：

其中α和F是未知參數(shù)，ηt是具有方差Q的獨立同分布新息，代表不確定性沖擊；（iii）金融摩擦區(qū)制變量= 1{Spreadt≤Z*}，由信貸利差變量Spreadt和未知閾值參數(shù)Z*生成，即當Spreadt其值低于閾值Z*時，= 1，表示經(jīng)濟處于“低金融摩擦”區(qū)制；當其取值高于閾值Z*時，= 0，表示經(jīng)濟處于“高金融摩擦”區(qū)制。這里信貸利差的取值決定了經(jīng)濟所在的區(qū)制。

本文參考Mumtaz&Surico（2018）引入的VAR 模型框架②在此模型設定下，結(jié)構(gòu)沖擊具有時變隨機波動率，且波動率直接影響內(nèi)生變量。，設定以下允許兩種金融摩擦區(qū)制的非線性波動均值VAR模型：

其中，Zt=(Yt，Pt，Repo7Dt，Spreadt)'是四個內(nèi)生變量組成的列向量，M為內(nèi)生變量的滯后階數(shù)；經(jīng)濟不確定性變量λt（由式（1）定義）及其J階滯后直接影響內(nèi)生變量? = 1{Spreadt≤Z*}為金融摩擦區(qū)制變量，Z*為閾值參數(shù)；et是具有零均值和單位方差矩陣的獨立同分布隨機向量，并與不確定性沖擊ηt不相關(guān)，分別為對應于低金融磨擦區(qū)制（S?t= 1）和高金融磨擦區(qū)制（? = 0）的VAR 模型的隨機擾動項，它們的方差協(xié)方差矩陣Ω1t和Ω2t都具有如下時變性：

其中A1和A2是對角化分解得到的下三角矩陣，Ht是對角矩陣，使不確定性變量λt通過如下方程影響上述方差協(xié)方差矩陣：

此處S是不隨時間變化的常對角矩陣，s1，s2，s3，s4為參數(shù)。模型（2）中{ci，βij，γij，Ai，S，Z*，i= 1，2}是未知系數(shù)或矩陣。

注1：由（2）至（6）可見，經(jīng)濟不確定性變量λt及其滯后既直接影響產(chǎn)出、通脹、貨幣政策以及信貸利差等內(nèi)生變量（模型系統(tǒng)性部分），使它們對不確定性更高（以及更加不可預測）的經(jīng)濟環(huán)境作出反應，又通過驅(qū)動Ht影響模型擾動項的協(xié)方差矩陣，使之隨時間變動。由（1）（5）知，經(jīng)濟不確定性沖擊ηt影響模型中變量的路徑為：正向的不確定性沖擊（ηt＞0）提高了經(jīng)濟中的不確定性λt，使模型中變量擾動項的協(xié)方差矩陣特征值增大，進而導致內(nèi)生變量預測精確度降低。相對于現(xiàn)有大多數(shù)研究，本文對波動均值的設定將經(jīng)濟變量一階矩和二階矩放在一個統(tǒng)一的內(nèi)在一致框架中考察。

注2：模型（2）對不確定性的設定具有以下特征：（i）不確定性與經(jīng)濟中結(jié)構(gòu)沖擊的波動性直接相關(guān)（見（5）式）；（ii）不確定性服從一個AR(1)過程；（iii）不確定性λt不會被內(nèi)生變量Zt的滯后所影響，且一階矩和二階矩沖擊之間正交（即E(etηt)= 0），這意味著，不確定性外生于內(nèi)生經(jīng)濟變量水平變化。注意到，具有隨機波動率的DSGE 模型也具有上述特征；此外，Carriero et al.（2018）也從實證的角度論證了不確定性外生于經(jīng)濟變量水平變化設定的合理性。所以，模型（2）對不確定性的設定具有文獻基礎。

注3：模型中Spread取值代表了經(jīng)濟面臨的金融摩擦程度，它與閾值參數(shù)Z*結(jié)合決定經(jīng)濟所處的區(qū)制。在不同的金融摩擦區(qū)制下，模型方程（2）具有兩組不同的結(jié)構(gòu)系數(shù){ci，βij，γij，Ai}，i= 1，2。因此，不確定性沖擊對模型中內(nèi)生變量的影響效應在不同區(qū)制下可能是不同的。下文實證考察金融摩擦是否對不確定性沖擊的宏觀經(jīng)濟效應具有放大作用，主要是通過比較兩種金融摩擦區(qū)制下各宏觀經(jīng)濟內(nèi)生變量關(guān)于不確定性沖擊ηt的脈沖響應來實現(xiàn)。

注4：模型（2）的設定具有獨特性，是國內(nèi)現(xiàn)有不確定性宏觀經(jīng)濟效應研究文獻常用的兩步法所無法實現(xiàn)的?，F(xiàn)有國內(nèi)文獻（如：田磊等（2017））將不確定性看作內(nèi)生變量，按以下兩步形成VAR 模型：先構(gòu)造不確定性度量指標（例如，常用的經(jīng)濟政策不確定性指數(shù)），然后將之與宏觀基本面內(nèi)生變量通過回歸方程連接起來。

（二）模型估計方法

注意到，在給定λt一個抽樣的情況下，模型（2）退化為具有已知異方差形式的閾值VAR 模型，由GLS（Generalized Least Squares）變換可將之變換成標準閾值VAR 模型，由Alessandri&Mumtaz（2017）的方法估計。由此思路，VAR模型（2）的估計可按以下步驟進行：

第一步：記初始不確定性狀態(tài)變量λt= 0。設模型（2）滯后項系數(shù)的條件后驗分布是一個多重正態(tài)分布，通過Metropolis 步驟從非標準后驗分布中抽樣得到閾值參數(shù)；然后根據(jù)此閾值把觀測樣本分成兩個區(qū)制，接著從正態(tài)分布中抽樣得到VAR自回歸系數(shù)，由此計算VAR模型（2）兩個區(qū)制下的殘差向量。

第二步：給定第一步得到的殘差序列，由Cogley&Sargent（2005）方法得到矩陣A1和A2的后驗分布；從一個逆Gamma分布抽樣得到方差S。給定這些參數(shù)，使用針對隨機波動率模型的Metropolis算法進行抽樣得到新的狀態(tài)變量λt。

第三步：將第二步抽樣得到的λt視為給定，重復上述兩個步驟不斷迭代直到估計的λt收斂①估計時設定迭代次數(shù)為100 000次，以保證模型達到收斂狀態(tài)，并取后10 000次迭代作為模型的后驗估計。，并得到模型的參數(shù)估計。

估計模型（2）后，我們應用Koop et al.（1996）的廣義脈沖響應方法對不確定性沖擊進行脈沖響應分析。具體地，在估計出所有參數(shù)的后驗分布之后，通過模擬有沖擊以及無沖擊情形下的模型，得到內(nèi)生變量在兩種情況下的條件期望，計算兩種條件期望之差得到脈沖響應：給定區(qū)制（s = 0，1）以及特定的歷史路徑（），廣義脈沖響應計算為其中Ψt代表模型中所有的參數(shù)，k是考察脈沖響應的期限，μ代表考察的沖擊（詳見Mumtaz&Surico（2018））。這里有兩點需要注意：第一，計算過程中區(qū)制之間的轉(zhuǎn)移被視為內(nèi)生，經(jīng)濟系統(tǒng)是否會進行區(qū)制轉(zhuǎn)移取決于沖擊的符號和大小，也就是說上述模擬同時考慮到了內(nèi)生變量Yt以及參數(shù)Ψt的動態(tài)。第二，即使在給定的區(qū)制內(nèi)，脈沖響應也依賴于沖擊發(fā)生之前的歷史路徑（）。實際上，信貸利差在歷史低位與略低于閾值時，模型中的內(nèi)生變量對結(jié)構(gòu)沖擊的響應形式可能是不同的，故本文關(guān)注的是每個區(qū)制內(nèi)的平均響應。通過計算區(qū)制內(nèi)脈沖響應的平均水平，研究每個區(qū)制內(nèi)內(nèi)生變量關(guān)于不確定性沖擊的最具代表性的平均動態(tài)響應。

四、數(shù)據(jù)和實證結(jié)果分析

（一）數(shù)據(jù)處理及滯后階數(shù)的設定

本文使用中國2006年3月到2018年6月的月度數(shù)據(jù)（因信貸利差數(shù)據(jù)可得性），其中，實際國內(nèi)生產(chǎn)總值（實際GDP）、消費者價格指數(shù)（CPI）、銀行間市場七天逆回購利率（Repo7D）的數(shù)據(jù)來自于Chang et al.（2016）①Chang et al.（2016）提供了各個頻率季節(jié)處理后的中國宏觀經(jīng)濟數(shù)據(jù)庫，詳見網(wǎng)頁https：//www.frbatlanta.org/cqer/research/china-macroeconomy.aspx？panel=1，信貸利差（Spread）數(shù)據(jù)由來自于CEIC 數(shù)據(jù)庫②https：//insights.ceicdata.com/的一年期AAA 公司債券收益率以及一年期國債收益率計算所得。根據(jù)Pfeifer（2014）關(guān)于處理觀測數(shù)據(jù)的建議，同王曦等（2017）的處理，我們將實際GDP取對數(shù)后再使用單邊HP濾波得到周期項③在宏觀經(jīng)濟波動文獻中常用此數(shù)據(jù)處理方式（王曦等，2017）。，作為模型（2）中Yt；對CPI取對數(shù)差分得到環(huán)比增速，作為（2）中的Pt；Repo7D和Spread直接使用原數(shù)據(jù)。對經(jīng)過處理的數(shù)據(jù)集進行單位根檢驗，結(jié)果表明這些變量序列不存在單位根。

模型（2）內(nèi)生變量滯后階數(shù)M的選擇綜合了多種標準：AIC、FPE標準選擇為滯后4階，而HQIC顯示滯后3 階，SBIC 標準選擇滯后2 階。本文采取滯后4 階的設定④田磊等（2017）將VAR模型滯后階數(shù)設定為2，本文設定內(nèi)生變量滯后階數(shù)為4應能足以刻畫數(shù)據(jù)。，即（2）中M= 4；參照文獻Alessandri&Mumtaz（2019），不確定性變量λt的滯后階數(shù)設定為3，即取J= 3。

（二）估計結(jié)果分析

先考察非線性波動均值VAR 模型估計得到的金融摩擦區(qū)制，見圖1，其中閾值Z*的估計值約為1.7，陰影區(qū)表示信貸利差超過閾值的時期?？梢?，在2008年全球金融危機前夕、2012年初以及2014年初等時期，信貸利差都超過了閾值，表明這幾個時期的金融摩擦程度顯著高于其他時期。與實際情況比較來看，模型較好地捕捉到高金融摩擦區(qū)制時期。

圖1 信貸利差與閾值Z*

圖2 估計的不確定性序列λt

其次，關(guān)于不確定性序列λt的估計見圖2。其中，實線代表估計的不確定性變量序列，陰影區(qū)間是序列的68%置信區(qū)間⑤宏觀經(jīng)濟波動實證研究中，采用68%置信區(qū)間是常見的做法（Sims&Zha，2006）。下同。?？梢?，不確定性變量在不同時間具有明顯的差異性，并且在高經(jīng)濟不確定性時期伴隨著標志性宏觀經(jīng)濟事件發(fā)生變動：在2007年股市動蕩期間、2008年國際金融危機期間、2011年中國經(jīng)濟過熱期間、2013 年中“錢荒”以及2015 年中國股票市場動蕩等期間，不確定性都明顯上升。此外，通過與常見的不確定性度量指標——中國交易型開放指數(shù)基金（Exchange Traded Funds，簡稱“ETF”）月度波動率比較來看，本文估計得到的不確定性序列與ETF 月度波動率之間的相關(guān)性系數(shù)為0.253，并且在5%的顯著性水平上顯著（P-value=0.0181）。這表明，本文估計的不確定性與經(jīng)濟實際相符，模型具有可靠性。

接下來對模型中四個內(nèi)生變量關(guān)于不確定性沖擊進行脈沖響應分析。我們依低、高兩種金融摩擦區(qū)制，分別作出各內(nèi)生變量對一單位標準差的外生不確定性沖擊ηt的脈沖響應圖，見圖3。其中，橫軸表示月份，縱軸是脈沖響應的大小；實線和陰影表示低金融摩擦區(qū)制（信貸利差小于閾值）時的脈沖響應及其68%的置信區(qū)間；虛線表示高金融摩擦區(qū)制（信貸利差大于等于閾值）時的脈沖響應及其68%的置信區(qū)間。以下按兩種區(qū)制分別進行分析和比較。

圖3 不同金融摩擦區(qū)制下不確定性沖擊的宏觀經(jīng)濟效應

由圖3 各圖中的實線和陰影部分知，在低金融摩擦區(qū)制下，GDP對不確定性沖擊的脈沖響應小于零，即不確定性沖擊會降低產(chǎn)出，這與國內(nèi)學者關(guān)于政策不確定性的研究結(jié)果不同（田磊等，2017）；CPI對不確定性沖擊的脈沖響應為正，即不確定性沖擊會提高通脹，但在初始10個月內(nèi)置信區(qū)間較寬，此沖擊的作用在統(tǒng)計上不具有顯著性；Repo7D對不確定性沖擊的脈沖響應初期為正，但置信區(qū)間很寬，即不確定性沖擊對銀行間七天逆回購利率同樣具有不顯著的提升作用，不確定性沖擊的上升會導致銀行間市場利率一定程度的升高；Spread對不確定性沖擊的脈沖響應為正，且置信區(qū)間較窄，即不確定性沖擊使信貸利差出現(xiàn)顯著上升，這表明不確定性沖擊通過金融市場表現(xiàn)出來并傳導到實體經(jīng)濟，從而對宏觀經(jīng)濟產(chǎn)生影響。

由圖3 各圖中的虛線部分知，在高金融摩擦區(qū)制下，不確定性沖擊對產(chǎn)出的影響程度為正，比較小且統(tǒng)計上不顯著（置信區(qū)間很寬）；不確定性沖擊對通貨膨脹同樣具有不顯著的正向影響，但是影響程度高于低金融摩擦區(qū)制下的影響；而銀行間市場七天逆回購利率以及信貸利差對不確定性沖擊的脈沖響應均為負，且不具有統(tǒng)計顯著性①高金融摩擦區(qū)制結(jié)果不夠顯著的原因可能是高金融摩擦區(qū)制的樣本比例小，從計量經(jīng)濟學角度來說，樣本少容易出現(xiàn)顯著性不高的情況。。

比較圖3兩種金融摩擦區(qū)制下各變量的脈沖響應結(jié)果，我們發(fā)現(xiàn)；各變量對不確定性沖擊的宏觀經(jīng)濟效應在兩種不同區(qū)制下具有一定的差異性。高區(qū)制下GDP的脈沖響應為正，低區(qū)制下GDP的脈沖響應為負，差異明顯。高、低區(qū)制下CPI的脈沖響應均為正，但高區(qū)制下CPI的脈沖響應更大，這也是一個突出差異。有更大差異的是Repo7D和Spread的脈沖響應，在高區(qū)制下兩者的脈沖響應均為負，但在低區(qū)制下兩者的脈沖響應均為正。本文認為，貨幣當局在不同金融摩擦區(qū)制下不同的行為是導致不同金融摩擦區(qū)制下不確定性沖擊宏觀經(jīng)濟效應差異的原因，其中，金融摩擦程度的閾值Z*起到了類似于信號傳遞的作用。在高金融摩擦區(qū)制下（Spreadt＞Z*），貨幣當局更為關(guān)注宏觀經(jīng)濟出現(xiàn)衰退的可能性，對產(chǎn)出賦予更高的權(quán)重。此時，當經(jīng)濟中出現(xiàn)不確定性沖擊時，貨幣政策當局會及時降低政策利率，穩(wěn)定金融市場，進而降低信用利差，較好地對沖了不確定性沖擊對產(chǎn)出的不利影響。

由上述脈沖響應分析結(jié)果可知，在低金融摩擦區(qū)制下，不確定性沖擊導致產(chǎn)出降低的同時使通脹升高；在高金融摩擦區(qū)制下，貨幣政策當局采取了擴張性的貨幣政策，對沖了不確定性沖擊對總產(chǎn)出的影響，同時也導致了更高的通脹。這表明，不確定性沖擊的宏觀經(jīng)濟效應類似于典型的負向供給沖擊，這有兩種可能的解釋：一個是不確定性升高使得生產(chǎn)者出于風險規(guī)避行為從而減少生產(chǎn)，導致負向供給沖擊；另一個是不確定性的升高導致經(jīng)濟中資源錯配升高，從而資源利用效率降低，導致負向供給沖擊（Su，2019）。

上述脈沖響應結(jié)果也可以由新凱恩斯DSGE 模型下的數(shù)值模擬得到驗證。我們的模擬結(jié)果表明，面對不確定性沖擊，貨幣政策當局不同的響應行為所導致的不確定性宏觀經(jīng)濟效應與圖3 中不同金融摩擦區(qū)制下的宏觀經(jīng)濟效應相類似。而且，貨幣政策當局在高金融摩擦區(qū)制下不僅增加了對產(chǎn)出的響應權(quán)重，還會對不確定性本身作出響應。這逆向驗證了上述脈沖響應結(jié)果的分析結(jié)論。

上述分析結(jié)果還表明，不確定性沖擊在兩種不同金融摩擦區(qū)制下的宏觀經(jīng)濟效應具有較大的差異性，這與政策利率（Repo7D）沖擊和信貸利差（Spread）沖擊在不同區(qū)制下的宏觀經(jīng)濟效應相比具有獨特性。我們對這兩種金融沖擊在不同金融摩擦區(qū)制下也進行了脈沖響應分析（過程從略），結(jié)果顯示，每種沖擊的宏觀經(jīng)濟效應在兩種金融摩擦區(qū)制下的脈沖響應圖非常接近，幾乎沒有差異。這與圖3 中不確定性沖擊的宏觀經(jīng)濟效應在兩種區(qū)制下的明顯差異形成對比。這表明，在兩種區(qū)制分析框架下，不確定性沖擊與這兩種金融沖擊相比具有特殊性，在研究不確定性沖擊的宏觀經(jīng)濟效應時，應考慮金融摩擦與不確定性沖擊的交互作用。

上述結(jié)果與Alessandri&Mumtaz（2019）的研究結(jié)果相似，不確定性沖擊總體而言類似于負向的供給沖擊，并且不確定性沖擊在不同金融摩擦區(qū)制下的宏觀經(jīng)濟效應具有明顯差異。但在中國情形下，我們的研究發(fā)現(xiàn)與他們不同的是：在低金融摩擦區(qū)制，宏觀當局沒有對不確定性沖擊作出積極響應，不確定性沖擊對宏觀經(jīng)濟具有顯著的打壓作用，導致了產(chǎn)出降低；而在高金融摩擦區(qū)制，貨幣當局及時對不確定性作出反應，對沖了不確定性對產(chǎn)出的不利影響。這是因為，與發(fā)達經(jīng)濟體相比，具有中國特色的政策決策機制以及經(jīng)濟結(jié)構(gòu)使得政策出臺速度更快和執(zhí)行效率更高。在金融摩擦相對較高時，中國宏觀調(diào)控對于經(jīng)濟狀況關(guān)注度更高，當不利沖擊出現(xiàn)時，宏觀調(diào)控能夠及時有效地做出響應，對沖了不確定性上升對經(jīng)濟的不利影響。

（三）不確定性沖擊在宏觀經(jīng)濟波動中的重要性分析

在上文基礎上，本節(jié)通過預測方差分解與反事實分析來考察不確定性沖擊對中國宏觀經(jīng)濟波動的重要程度。

圖4給出兩個區(qū)制下各內(nèi)生變量預測方差分解中不確定性沖擊解釋部分，其中，實線表示對預測方差的解釋比例（%），陰影是其68%的置信區(qū)間?？梢姡海╥）對于GDP而言，不確定性解釋的比重在兩個區(qū)制下都超過了10%，而在高金融摩擦區(qū)制下比在低金融摩擦區(qū)制下的解釋比例高；（ii）不確定性沖擊能夠解釋CPI 和Repo7D 高金融摩擦區(qū)制下超過20%的波動，是低金融摩擦區(qū)制下的兩倍以上；（iii）對于信貸利差（Spread）而言，在兩個區(qū)制內(nèi)不確定性沖擊都解釋了其超過15%的波動，并且在高金融摩擦區(qū)制下，不確定性沖擊解釋的比例更高。

圖4 宏觀變量預測方差分解中不確定性沖擊的解釋比例（%）

另外，政策利率（Repo7D）沖擊和信貸利差（Spread）沖擊對各內(nèi)生變量預測方差的解釋比例在兩種金融摩擦區(qū)制下無明顯差異①限于篇幅，此結(jié)果不作報告，感興趣讀者可來信索取。。結(jié)合圖3的分析結(jié)論，這進一步確認了在研究不確定性沖擊的宏觀經(jīng)濟效應時應將金融摩擦因素考慮進來。

除了通過預測方差分解來看不確定性沖擊的重要性之外，還可以通過反事實分析來看不確定性沖擊在解釋各個變量歷史序列中的作用。具體反事實分析的設計如下：假設不存在不確定性沖擊，即式（1）中ηt= 0，將所有水平變量波動率設定在樣本均值，模擬這個“常數(shù)不確定性”的世界得到反事實內(nèi)生變量序列，然后計算真實數(shù)據(jù)與反事實序列之差作為不確定性沖擊重要性的度量。

圖5 給出反事實模擬的結(jié)果，圖中實線代表各個變量實際值與反事實模擬值之差，陰影區(qū)域表示68%置信區(qū)間。首先，GDP 實際數(shù)據(jù)與其反事實模擬值之差，在2008 下半年至2009 年上半年的金融危機期間以及2011至2012年抑制通脹期間均為負數(shù)，表明去掉不確定性沖擊之后，模型無法捕捉GDP 在此期間的產(chǎn)出下降。其次，對于通貨膨脹（CPI）來說，去掉不確定性沖擊后，模型無法捕捉到2007 年下半年至2008 年上半年通脹上升，以及2008 年下半年至2009 年上半年國際金融危機導致的通脹降低。再次，不確定性沖擊對于政策利率（Repo7D）的分析也是重要的，忽略不確定性沖擊之后，模型無法捕捉到2008至2009年國際金融危機期間、2012年以及2014年上半年政策利率的幾次下調(diào)。最后，對于信貸利差（Spread）而言，去掉不確定性沖擊之后，同樣使得模型不能捕捉其于2011 年至2014 年間幾次明顯的上升以及2016 之后的降低。這些結(jié)果均說明，不確定性沖擊在解釋宏觀經(jīng)濟波動中具有相當?shù)闹匾浴?/p>

圖5 去掉不確定性沖擊的反事實分析

綜合上述預測方差分解以及反事實分析可知，無論是低金融摩擦區(qū)制還是高金融摩擦區(qū)制，不確定性沖擊都是宏觀經(jīng)濟波動的重要影響因素，且在高金融摩擦區(qū)制下它對宏觀經(jīng)濟波動的影響比例更大。

（四）對金融摩擦區(qū)制、經(jīng)濟不確定性以及央行行為的探討

根據(jù)上述模型設定及其分析結(jié)果可知，不同金融區(qū)制下不確定性沖擊的宏觀經(jīng)濟效應出現(xiàn)明顯差異的原因是：貨幣政策當局以信貸利差是否超過閾值Z*為信號，在不同金融摩擦區(qū)制下采取了不同的應對方式。從歷史數(shù)據(jù)來看，信貸利差確是宏觀經(jīng)濟狀況的一個不錯的指標，較好地反映了幾次重要的宏觀經(jīng)濟事件。例如，2008年全球金融危機，2011年底與2012年初城投債危機以及2013年底與2014年初銀行間市場流動性降低導致的“二次錢荒”，均在本文模型估計所得的金融摩擦區(qū)制上得到了很好的反映（見圖1陰影部分）。

由圖2 估計的不確定性序列λt的時間序列圖知，有幾個不確定性比較高的時間段，如2007 年以及2015年股票市場的兩次巨幅震蕩、2013年中銀行間市場流動性緊缺，卻不在圖1所估計的高金融摩擦區(qū)制內(nèi)。這些發(fā)現(xiàn)與事實是相符的，央行在此期間內(nèi)的確沒有針對這些事件導致的經(jīng)濟不確定性上升作出及時有力的應對。我們對此作以下分析。

對于前兩次股票市場的巨幅震蕩來說，究其原因，從歷史沿革上來說，央行沒有對前兩次震蕩做更多響應，可能的原因有兩個：第一，中國股票市場在設立之初定位之一就是當國有企業(yè)融資紓困，更重視一級市場融資功能，而對二級市場的健康發(fā)展較為忽視。第二，中國股票市場發(fā)展程度不高，市場參與主體多為散戶，羊群效應明顯，使得市場本身就更容易出現(xiàn)暴漲暴跌，而宏觀政策當局不能為群體非理性行為負責。雖然央行無法針對上述兩種原因?qū)善笔袌鼍薹▌幼鞒鲰憫?，但從股票市場波動帶來不確定性的角度思考，央行其實有必要對股票市場的巨幅震蕩帶來的不確定性作出積極響應。具體操作上，當股票市場出現(xiàn)明顯異常波動證據(jù)的時候，在其進一步發(fā)展成為資產(chǎn)價格泡沫之前，央行可以通過增加與公眾溝通等方式來預警，必要時應積極使用貨幣政策來對沖不確定性上升對宏觀經(jīng)濟的不利影響，達到合理管控宏觀經(jīng)濟風險的目的。

對于2013年銀行間市場流動性緊缺來說，其帶來的不確定性部分地反映了當時央行缺乏足夠的貨幣政策工具，對市場短期利率的控制能力相對較弱。但在2014年之后，央行逐漸創(chuàng)新貨幣政策工具，為銀行間市場提供新的調(diào)控流動性工具，基本解決了銀行間市場可能出現(xiàn)流動性短缺的問題。

從上述分析可知，貨幣當局僅根據(jù)信貸利差來決定是否對不確定性沖擊作出應對是不足夠的，央行作為最重要的宏觀調(diào)控當局之一，需要在未來調(diào)整當前的做法，即使在信貸利差沒有超過閾值的情況下，也應該關(guān)注和應對股票市場異常波動帶來的經(jīng)濟不確定性對宏觀經(jīng)濟的不利影響。事實上，目前政府對股票市場改革發(fā)展逐漸重視，十九大報告中明確提出“提高直接融資比重，促進多層次資本市場健康發(fā)展”，所以，可以預見，未來股票市場的地位必將顯著提升，股票市場對宏觀經(jīng)濟的影響也將加強。

五、結(jié) 論

本文研究不確定性沖擊對中國宏觀經(jīng)濟變量的影響效應以及金融摩擦在不確定性沖擊效應傳導中的作用。此研究拓展了中國經(jīng)濟情境下關(guān)于金融摩擦與不確定性沖擊宏觀經(jīng)濟效應的交互作用的學術(shù)研究。

相對于文獻中常把不確定性代理指標作為內(nèi)生變量建立傳統(tǒng)VAR 模型的設定，本文將經(jīng)濟不確定性變量設定成外生于內(nèi)生經(jīng)濟變量變化的一個狀態(tài)AR（1）過程，還允許不確定性沖擊作用于經(jīng)濟波動率，并按內(nèi)生金融磨擦變量的變化范圍將經(jīng)濟進行區(qū)制分類，最終將不確定性與金融磨擦區(qū)制分類的交互作用嵌套于宏觀內(nèi)生經(jīng)濟變量VAR 模型中，形成非線性波動均值VAR 模型。這種設定具有文獻基礎，并與中國特色經(jīng)濟發(fā)展相一致。利用中國2006 年3 月到2018 年6 月份月度數(shù)據(jù)估計非線性波動均值VAR模型，結(jié)果發(fā)現(xiàn)：第一，在低金融摩擦區(qū)制下，不確定性沖擊會導致產(chǎn)出下降，銀行間市場利率上行以及信貸利差上升。第二，在高金融摩擦區(qū)制下，不確定性沖擊對宏觀經(jīng)濟沒有明顯打壓作用，原因是貨幣政策當局采取了相對寬松的貨幣政策，對沖了不確定性沖擊對宏觀經(jīng)濟的沖擊。第三，通過預測方差分解以及反事實分析，發(fā)現(xiàn)不確定性沖擊能夠解釋產(chǎn)出波動超過15%的比例，且在高金融摩擦區(qū)制下，不確定性沖擊的重要性明顯高于低金融摩擦區(qū)制。

上述結(jié)果中，高金融摩擦區(qū)制下的發(fā)現(xiàn)與現(xiàn)有國內(nèi)經(jīng)濟政策不確定性沖擊的研究一致，而在低金融摩擦區(qū)制下，不確定性沖擊對宏觀經(jīng)濟有顯著的負面影響。這與國內(nèi)現(xiàn)有研究結(jié)論不同（田磊等，2017），此差異源于國內(nèi)現(xiàn)有研究沒有考慮到經(jīng)濟在不同金融摩擦區(qū)制下不確定性沖擊效應的差異性。這表明，在研究不確定性沖擊的宏觀經(jīng)濟效應時，諸如金融摩擦等金融因素的影響效應應在模型中得到反映。

基于本文結(jié)論，可以得到以下幾點政策建議：第一，貨幣政策當局在高金融摩擦時期應繼續(xù)對經(jīng)濟不確定性作出及時響應；第二，在金融摩擦較低時期，應關(guān)注經(jīng)濟不確定性沖擊對宏觀經(jīng)濟的影響，尤其是股票市場帶來的經(jīng)濟不確定性，加強貨幣政策預調(diào)微調(diào)，以更好地進行政策響應；第三，不確定性沖擊會通過金融市場表現(xiàn)出來，并經(jīng)由金融市場進一步傳導到實體經(jīng)濟，故宏觀當局應多關(guān)注金融市場的變化，從而更好地管控宏觀經(jīng)濟風險。