楊 璐，劉永文

（貴州大學(xué) 經(jīng)濟(jì)學(xué)院，貴州 貴陽 550000）

一、引言

近幾年黑天鵝事件頻發(fā)，國(guó)際形勢(shì)日益緊張，新冠疫情的爆發(fā)以及疫情常態(tài)化的背景下，我國(guó)乃至世界政府持續(xù)發(fā)布一系列經(jīng)濟(jì)政策，伴隨而來的是經(jīng)濟(jì)政策不確定性與系統(tǒng)性風(fēng)險(xiǎn)的升高。股市是經(jīng)濟(jì)的晴雨表，系統(tǒng)性風(fēng)險(xiǎn)表現(xiàn)在股市上即大范圍震蕩，甚至波動(dòng)實(shí)體經(jīng)濟(jì)。本文從股票市場(chǎng)的角度出發(fā)研究經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響與經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響機(jī)制，實(shí)證分析研究經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響。

二、理論分析

（一）經(jīng)濟(jì)政策不確定性與系統(tǒng)性風(fēng)險(xiǎn)

本文將分別運(yùn)用理論和實(shí)證來對(duì)經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響進(jìn)行闡述。現(xiàn)有文章的研究中，經(jīng)濟(jì)政策不確定性會(huì)顯著加劇市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)。例如，王金明和王心培（2021）[1]利用主成分分析方法，研究得出經(jīng)濟(jì)政策不確定性的升高會(huì)對(duì)金融穩(wěn)定帶來顯著的負(fù)向影響的結(jié)論。楊子輝等（2020）[2]基于非線性關(guān)聯(lián)網(wǎng)絡(luò)研究發(fā)現(xiàn)，股票市場(chǎng)是風(fēng)險(xiǎn)的主要輸出方，外匯市場(chǎng)是風(fēng)險(xiǎn)的主要接受者，兩者之間存在雙向非對(duì)稱傳染效應(yīng)。Roukny 等（2018）[3]、黃寧和郭平（2015）[4]、田磊和林建浩（2016）[5]、朱睿博（2017）[6]均實(shí)證研究得出隨著經(jīng)濟(jì)政策不確定性的增加，系統(tǒng)性風(fēng)險(xiǎn)會(huì)顯著增加的結(jié)論。

因此，本文提出假設(shè)1：經(jīng)濟(jì)政策不確定性的上升會(huì)使市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)升高，給市場(chǎng)的穩(wěn)定性帶來負(fù)面影響。

（二）經(jīng)濟(jì)政策不確定性對(duì)市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的影響路徑

第一，本文認(rèn)為匯率波動(dòng)是經(jīng)濟(jì)政策不確定性影響系統(tǒng)性風(fēng)險(xiǎn)的路徑之一，即經(jīng)濟(jì)政策不確定性的上升會(huì)通過匯率波動(dòng)使系統(tǒng)性風(fēng)險(xiǎn)發(fā)生變化。匯率決定的流量導(dǎo)向模型和股價(jià)導(dǎo)向模型的觀點(diǎn)均表明匯率的變動(dòng)會(huì)導(dǎo)致股市波動(dòng)，從而使系統(tǒng)性風(fēng)險(xiǎn)升高。吳成頌和陸雨晴（2020）[7]實(shí)證分析得出匯率波動(dòng)與銀行系統(tǒng)性風(fēng)險(xiǎn)具有正相關(guān)關(guān)系。對(duì)于經(jīng)濟(jì)政策不確定性對(duì)匯率的影響文獻(xiàn)中，均發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性上升會(huì)顯著影響匯率波動(dòng)。Krol（2014）[8]最早研究發(fā)現(xiàn)隨著經(jīng)濟(jì)政策不確定性的上升，同期匯率波動(dòng)性上升。王盼盼（2021）[9]的研究也在一定程度上說明經(jīng)濟(jì)政策不確定性與匯率波動(dòng)相關(guān)。卜林等（2021）[10]、劉強(qiáng)和陶士貴（2021）[11]均實(shí)證得出對(duì)大多數(shù)經(jīng)濟(jì)體而言，經(jīng)濟(jì)政策不確定性會(huì)推動(dòng)本經(jīng)濟(jì)體的匯率波動(dòng)水平顯著上升。因此，本文提出假設(shè)2：經(jīng)濟(jì)政策不確定性影響系統(tǒng)性風(fēng)險(xiǎn)的路徑之一為匯率波動(dòng)。

第二，本文認(rèn)為投資者情緒是經(jīng)濟(jì)政策不確定性對(duì)影響系統(tǒng)性風(fēng)險(xiǎn)的渠道之一。

靳光輝等（2016）[12]從投資者層面分析發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性加劇了投資者的風(fēng)險(xiǎn)感知，對(duì)投資者情緒產(chǎn)生負(fù)面影響；張本照等（2021）[13]、陳曙亮（2008）[14]研究發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性的升高會(huì)通過影響投資者情緒使市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)升高。佟孟華等（2018）[15]研究發(fā)現(xiàn)較高的投資者情緒伴隨著較高的系統(tǒng)性風(fēng)險(xiǎn)。因此，本文提出假設(shè)3：經(jīng)濟(jì)政策不確定性影響系統(tǒng)性風(fēng)險(xiǎn)的路徑之一為投資者情緒。

三、數(shù)據(jù)、變量與模型

（一）變量說明

1.被解釋變量：系統(tǒng)性風(fēng)險(xiǎn)

目前測(cè)量系統(tǒng)性風(fēng)險(xiǎn)的方法有很多種，如VaR方法、CoVaR 方法、MES 等方法。由于條件在險(xiǎn)價(jià)值CoVaR 法能反映金融機(jī)構(gòu)對(duì)整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)度，將單個(gè)機(jī)構(gòu)聯(lián)系起來，度量當(dāng)其遇到困境或倒閉時(shí)，與之相關(guān)的整個(gè)市場(chǎng)所面臨的損失。因此本文選擇基于分位數(shù)回歸的動(dòng)態(tài)CoVaR 模型測(cè)度系統(tǒng)性風(fēng)險(xiǎn)。

（2）CoVaR 估計(jì)方法：分位數(shù)回歸。首先建立分析兩機(jī)構(gòu)回報(bào)率之間的關(guān)系，這里定義兩機(jī)構(gòu)為系統(tǒng)system 和機(jī)構(gòu)i，在機(jī)構(gòu)損失為Xi的情況下：

本文根據(jù)Adrian 等提出的CoVaR 模型，構(gòu)建股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)溢出分位數(shù)回歸模型。

首先，建立單個(gè)機(jī)構(gòu)的收益率序列分位數(shù)回歸模型：

單個(gè)機(jī)構(gòu)對(duì)整個(gè)股票市場(chǎng)的風(fēng)險(xiǎn)溢出分位數(shù)回歸模型為：

到這里只是各個(gè)股票關(guān)于股票市場(chǎng)的靜態(tài)溢出效應(yīng)模型，下面將根據(jù)各股票以及股票市場(chǎng)的收益率時(shí)間序列，引入狀態(tài)變量，將收益率看作狀態(tài)變量的函數(shù)，運(yùn)用分位數(shù)回歸模型進(jìn)一步得到各股票的吟CoVaR 序列的計(jì)算方法如下：

本文采用A 股市場(chǎng)的4 432 只股票對(duì)數(shù)收益率和滬深300 指數(shù)對(duì)數(shù)收益率的2006—2021 年面板數(shù)據(jù)測(cè)算吟CoVaR。

2.解釋變量

本文采取Baker 等（2016）[17]基于新聞測(cè)算法計(jì)算并公布的經(jīng)濟(jì)政策不確定性指數(shù)作計(jì)算數(shù)據(jù)。Bake 等（2016）[17]從美國(guó)最具影響力的雜志和報(bào)紙?zhí)暨x出相關(guān)的關(guān)鍵詞，計(jì)算出上述關(guān)鍵詞的頻率，對(duì)該計(jì)算出來的頻率進(jìn)行正態(tài)化處理并驗(yàn)算其有效性后得出經(jīng)濟(jì)政策不確定性指數(shù)EPU，數(shù)據(jù)來源于World Bank。

3.交叉變量

本文理論分析中提到經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)影響的路徑可能：一是通過影響匯率波動(dòng)性影響系統(tǒng)性風(fēng)險(xiǎn)；二是通過影響投資者情緒影響系統(tǒng)性風(fēng)險(xiǎn)。

（1）匯率波動(dòng)（CFETS）。人民幣實(shí)際有效匯率指數(shù)（CFETS）客觀衡量一國(guó)貨幣的價(jià)值，真實(shí)反映了一國(guó)匯率的穩(wěn)定性和波動(dòng)性[18]。因此本文采用何啟志（2017）[19]的方法，以CFETS 的對(duì)數(shù)收益率的標(biāo)準(zhǔn)差對(duì)匯率波動(dòng)進(jìn)行衡量。數(shù)據(jù)來源于國(guó)泰安數(shù)據(jù)庫(kù)。

（2）中國(guó)投資者情緒（CICSI）。本文選取CSMAR中，與金融市場(chǎng)上重大事件相吻合的中國(guó)投資者情緒指數(shù)（CICSI）作為對(duì)投資者情緒的度量，將該指數(shù)進(jìn)行z 標(biāo)準(zhǔn)化后即得到本文所需投資者情緒指標(biāo)。

4.控制變量

本文的控制變量選取為：

（1）資金流動(dòng)性（TED）。選用反映資金流動(dòng)性松緊和投資者風(fēng)險(xiǎn)偏好的TED 指標(biāo)，該指標(biāo)衡量市場(chǎng)上資金流動(dòng)性的好壞以及融資難度。

（2）宏觀經(jīng)濟(jì)因素（GDPrate、CPI）。宏觀因素是影響系統(tǒng)性風(fēng)險(xiǎn)的重要因素。本文的宏觀經(jīng)濟(jì)因素以月度國(guó)民生產(chǎn)總值同比增長(zhǎng)率和月度通貨膨脹率兩個(gè)指標(biāo)數(shù)據(jù)進(jìn)行實(shí)證。數(shù)據(jù)來源國(guó)泰安數(shù)據(jù)庫(kù)。

（3）社會(huì)融資規(guī)模（logcredit）。社會(huì)融資規(guī)模存量能夠較好地反映全社會(huì)系統(tǒng)性風(fēng)險(xiǎn)積累的狀況。本文選取2006—2021 年的月度社會(huì)融資規(guī)模存量數(shù)據(jù)取自然對(duì)數(shù)，數(shù)據(jù)來源于國(guó)泰安數(shù)據(jù)庫(kù)。

（4）杠桿率（leverage）。本文選取高于全社會(huì)平均水平的金融部門杠桿率作為控制變量，用金融部門的總資產(chǎn)與權(quán)益的比值計(jì)量，數(shù)據(jù)來源于國(guó)泰安數(shù)據(jù)庫(kù)。

（5）市場(chǎng)波動(dòng)性（MarkV）。隨著經(jīng)濟(jì)政策不確定性的增加，市場(chǎng)感知到的風(fēng)險(xiǎn)升高，市場(chǎng)波動(dòng)率增加。本文采用滬深300 指數(shù)日收盤價(jià)的對(duì)數(shù)收益率月度標(biāo)準(zhǔn)差來度量市場(chǎng)波動(dòng)性，數(shù)據(jù)來源于tushare。

（二）數(shù)據(jù)描述性統(tǒng)計(jì)

表1 數(shù)據(jù)描述性統(tǒng)計(jì)

圖1 是經(jīng)濟(jì)政策不確定性標(biāo)準(zhǔn)化后與匯率波動(dòng)、投資者情緒標(biāo)準(zhǔn)化后的對(duì)比圖，可以看出投資者情緒、匯率的波動(dòng)與經(jīng)濟(jì)政策不確定性的走勢(shì)基本吻合。

圖1 經(jīng)濟(jì)政策不確定性與匯率波動(dòng)、投資者情緒時(shí)序圖

（三）模型構(gòu)建

為了分析經(jīng)濟(jì)政策不確定性對(duì)市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的影響，本文構(gòu)建如下模型：

模型（16）反映經(jīng)濟(jì)政策不確定性對(duì)基于CoVaR模型的系統(tǒng)性風(fēng)險(xiǎn)的影響，進(jìn)一步的為了檢驗(yàn)經(jīng)濟(jì)政策不確定性影響系統(tǒng)性風(fēng)險(xiǎn)的途徑，在模型（17）、模型（18）中分別引入經(jīng)濟(jì)政策不確定性與匯率波動(dòng)、投資者情緒的交互項(xiàng)：

四、實(shí)證分析

本文對(duì)基準(zhǔn)模型（16）、模型（17）、模型（18）進(jìn)行回歸，結(jié)果如表2 所示。第2 列為模型（17）EPUi×CFETSi的回歸結(jié)果，第3 列為模型（18）EPUi×CICSI的回歸結(jié)果。

表2 基準(zhǔn)模擬回歸結(jié)果

第一，解釋變量對(duì)基于CoVaR 模型度量的系統(tǒng)性風(fēng)險(xiǎn)的影響。表2 為經(jīng)濟(jì)政策不確定性對(duì)基于CoVaR 模型度量的系統(tǒng)性風(fēng)險(xiǎn)影響的回歸結(jié)果。從回歸結(jié)果可以看出，模型的擬合度達(dá)到了99%，模型解釋力強(qiáng)，經(jīng)濟(jì)政策不確定性系數(shù)為正且有顯著統(tǒng)計(jì)學(xué)差異，即隨著經(jīng)濟(jì)政策不確定性升高，股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)顯著升高，假設(shè)1 成立。

第二，影響渠道。表2 中的第2 列、第3 列為交互項(xiàng)。由實(shí)證結(jié)果可以看出，經(jīng)濟(jì)政策不確定性可以通過影響投資者情緒來影響系統(tǒng)性風(fēng)險(xiǎn)，而匯率波動(dòng)的交互項(xiàng)不顯著，經(jīng)濟(jì)政策不確定性影響系統(tǒng)性風(fēng)險(xiǎn)與匯率波動(dòng)指標(biāo)無關(guān)，即只有假設(shè)3 成立。從表2 第4 列可以看出，交互項(xiàng)系數(shù)顯著為負(fù)，說明投資者情緒的升高會(huì)顯著造成股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的升高，但隨著經(jīng)濟(jì)政策不確定性增大，投資者情緒影響系統(tǒng)性風(fēng)險(xiǎn)能力減弱。

第三，控制變量對(duì)基于CoVaR 模型度量的系統(tǒng)性風(fēng)險(xiǎn)的影響。實(shí)證結(jié)果顯示控制變量中，杠桿率、社會(huì)融資規(guī)模和國(guó)民生產(chǎn)總值增長(zhǎng)率對(duì)系統(tǒng)性風(fēng)險(xiǎn)有顯著影響，且表2 中第2 列、第3 列引入交互項(xiàng)后實(shí)證結(jié)果均沒有發(fā)生變化，可以得出：金融部門杠桿率上升會(huì)顯著增加股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)；社會(huì)融資規(guī)模和國(guó)民生產(chǎn)總值增長(zhǎng)率的系數(shù)為負(fù)，說明隨著社會(huì)融資規(guī)模和國(guó)民生產(chǎn)總值增長(zhǎng)率的提高，股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)顯著減弱。

五、結(jié)論與政策建議

本文以計(jì)量出的CoVaR 數(shù)據(jù)實(shí)證分析了經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)影響，以及其影響渠道。本文結(jié)論如下：

1.基于實(shí)證結(jié)果可以得出，經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)具有顯著正向影響。

2.經(jīng)濟(jì)增長(zhǎng)率、杠桿率和社會(huì)融資規(guī)模是影響系統(tǒng)性風(fēng)險(xiǎn)的重要原因，且隨著經(jīng)濟(jì)增長(zhǎng)率和社會(huì)融資規(guī)模減小，系統(tǒng)性風(fēng)險(xiǎn)升高；金融部門杠桿率越高，市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)越大。

3.經(jīng)濟(jì)政策不確定性影響系統(tǒng)性風(fēng)險(xiǎn)的路徑之一為投資者情緒，經(jīng)濟(jì)政策不確定性升高時(shí)，投資者情緒呈悲觀態(tài)勢(shì)，系統(tǒng)性風(fēng)險(xiǎn)升高。

為了防范系統(tǒng)性風(fēng)險(xiǎn)，維持市場(chǎng)穩(wěn)定，基于上述結(jié)論，結(jié)合當(dāng)下經(jīng)濟(jì)形勢(shì)提出以下政策建議：首先，由于經(jīng)濟(jì)政策不確定性的增加會(huì)顯著拉升市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)，因此政府應(yīng)該盡量避免“朝令夕改”，政策調(diào)控除了能給經(jīng)濟(jì)帶來助推效果，頻繁的政策變動(dòng)會(huì)給市場(chǎng)帶來負(fù)荷，因此，政府在制定和發(fā)布政策時(shí)，應(yīng)注重政策連續(xù)性、一致性，減少頻繁的經(jīng)濟(jì)政策變更帶來的系統(tǒng)性風(fēng)險(xiǎn)；其次，貫徹“三去”，將全社會(huì)杠桿率控制在可接受范圍內(nèi)是降低系統(tǒng)性風(fēng)險(xiǎn)的可靠手段；最后，對(duì)投資者的教育是穩(wěn)定系統(tǒng)性風(fēng)險(xiǎn)的重要環(huán)節(jié)，加強(qiáng)對(duì)投資者理性投資知識(shí)的普及，落實(shí)各公共平臺(tái)對(duì)投資知識(shí)的宣傳，減少投資者的投機(jī)行為、情緒投資。