呂一清 張恒國四川大學(xué)經(jīng)濟(jì)學(xué)院成都 60065 山東大學(xué)經(jīng)濟(jì)研究院濟(jì)南 5000

引 言

當(dāng)前，中國的宏觀經(jīng)濟(jì)正在遭受史無前例的結(jié)構(gòu)性因素和周期性因素的多重影響，面臨著巨大挑戰(zhàn)。持續(xù)發(fā)展的COVID－19疫情對(duì)我國各行業(yè)發(fā)展產(chǎn)生了巨大沖擊，尤其是建筑行業(yè)。作為國民經(jīng)濟(jì)的重要產(chǎn)業(yè)，建筑行業(yè)產(chǎn)業(yè)面臨不確定性正在加劇。然而，中央政府堅(jiān)定“推進(jìn)房住不炒”的房地產(chǎn)金融政策，深化利率市場(chǎng)化和人民幣匯率國際化的機(jī)制改革，提高金融資源配置效率。在當(dāng)前全球COVID－19疫情快速蔓延的背景下，考察突發(fā)公共事件對(duì)我國建筑行業(yè)及其產(chǎn)業(yè)鏈的沖擊和傳導(dǎo)機(jī)制，深入剖析疫情防控政策和貨幣政策對(duì)阻止新冠病毒傳播和促進(jìn)建筑行業(yè)發(fā)展的影響和傳導(dǎo)機(jī)制研究具有重要的學(xué)術(shù)價(jià)值與現(xiàn)實(shí)意義：它不僅有助于驗(yàn)證我國疫情防控政策是否對(duì)新冠病毒擴(kuò)散起到有效的阻止作用，而且更有助于研究在有效控制新冠病毒擴(kuò)散的情況下，如何運(yùn)用貨幣政策防范建筑行業(yè)的市場(chǎng)風(fēng)險(xiǎn)和優(yōu)化其結(jié)構(gòu)并帶動(dòng)經(jīng)濟(jì)復(fù)蘇和發(fā)展，從而維護(hù)經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定。

由于宏觀經(jīng)濟(jì)數(shù)據(jù)統(tǒng)計(jì)難度大、樣本頻次低，早期文獻(xiàn)在考察自然災(zāi)害、重大災(zāi)難、公共衛(wèi)生事件等突發(fā)公共事件時(shí)，往往采用干預(yù)模型、案例研究法、事件研究法和自然實(shí)驗(yàn)法等方法，考察突發(fā)事件對(duì)經(jīng)濟(jì)的沖擊影響［1］。Chesney等（2011）［2］將恐怖襲擊對(duì)金融市場(chǎng)的影響和自然災(zāi)害等其他極端事件的影響進(jìn)行了比較，發(fā)現(xiàn)非參數(shù)方法在分析過程中具有優(yōu)越性。Ragin和Halek（2016）［3］使用事件法研究了重大災(zāi)難對(duì)保險(xiǎn)市場(chǎng)均衡價(jià)格和均衡數(shù)量的影響，發(fā)現(xiàn)預(yù)計(jì)災(zāi)難性沖擊將增加行業(yè)凈收入。Deryugina等（2018）［4］利用報(bào)稅數(shù)據(jù)，發(fā)現(xiàn)卡特里娜颶風(fēng)對(duì)人們的生活產(chǎn)生了巨大而持久的影響，但對(duì)就業(yè)和收入的影響卻很小。Boehm等（2019）［5］利用企業(yè)級(jí)微觀數(shù)據(jù)把2011年東日本大地震作為外生沖擊來探討其對(duì)國際貿(mào)易產(chǎn)業(yè)鏈的影響。Lanfear等（2019）［6］研究了美國登陸颶風(fēng)對(duì)股票收益和非流動(dòng)性的強(qiáng)烈異常影響，發(fā)現(xiàn)高動(dòng)量股票對(duì)其回報(bào)的負(fù)面影響要比其他股票大一個(gè)數(shù)量級(jí)。同時(shí)，學(xué)者們不斷提出新方法和高頻模型來分析突發(fā)公共事件對(duì)經(jīng)濟(jì)的沖擊。如White等（2015）［7］提出了多變量、多分位數(shù)模型的估計(jì)和推理方法來研究危機(jī)事件。Baruník和Krˇehlík（2018）［8］采用方差分解譜表示的框架，來衡量金融變量之間的連通性。Bai等（2019）［9］發(fā)現(xiàn)將災(zāi)害嵌入到異質(zhì)企業(yè)的一般均衡模型中，有助于解釋消費(fèi)CAPM的經(jīng)驗(yàn)失效。Runge等（2019）［10］將復(fù)雜網(wǎng)絡(luò)和因果分析結(jié)合在一起，提出了因果網(wǎng)絡(luò)模型（PCMCI），估計(jì)因果網(wǎng)絡(luò)并量化其強(qiáng)度。當(dāng)前，COVID－19疫情對(duì)經(jīng)濟(jì)沖擊的研究集中在：Mirza等（2020）［11］發(fā)現(xiàn)在COVID－19傳染病發(fā)展的各個(gè)階段，大多數(shù)歐洲投資基金表現(xiàn)出壓力，但社會(huì)創(chuàng)業(yè)基金承受了彈性。Goodell和Huynh（2020）［12］評(píng)估了美國各行業(yè)對(duì)COVID－19相關(guān)突發(fā)新聞公告的反應(yīng)，并分析了投資者對(duì)COVID－19的關(guān)注程度。國內(nèi)學(xué)者麻紅萍（2020）［13］發(fā)現(xiàn)COVID－19疫情對(duì)房地產(chǎn)行業(yè)帶來較大負(fù)面影響。奚康（2020）［14］發(fā)現(xiàn)在COVID－19疫情的影響下，養(yǎng)老地產(chǎn)融資要更新地產(chǎn)運(yùn)營模式。黃程棟等（2020）［15］發(fā)現(xiàn)COVID－19疫情對(duì)房地產(chǎn)投資、新開工面積和土地成交的沖擊以短期影響為主。鐘偉（2020）［16］發(fā)現(xiàn)COVID－19疫情對(duì)房地產(chǎn)領(lǐng)域的影響很大，更多的資本、企業(yè)和產(chǎn)能將向政府治理能力相對(duì)較強(qiáng)的區(qū)域集中。楊子暉等（2020）［1］分析COVID－19對(duì)我國宏觀經(jīng)濟(jì)與金融市場(chǎng)的沖擊影響，發(fā)現(xiàn)了各部門間金融風(fēng)險(xiǎn)傳導(dǎo)關(guān)系的動(dòng)態(tài)演變機(jī)制。

縱觀對(duì)突發(fā)公共事件領(lǐng)域的研究，仍然存在一些不足：（1）受研究數(shù)據(jù)所限。此類事件持續(xù)時(shí)間較短，宏觀數(shù)據(jù)時(shí)間跨度也相對(duì)較短，容易產(chǎn)生“維度詛咒”問題［17］；（2）事件本身對(duì)經(jīng)濟(jì)沖擊的分析存在困難［5，1］。基于此，本文通過LDA模型對(duì)海量新聞文本進(jìn)行主題提取，首次構(gòu)建中國疫情防控政策指數(shù)；其次，本文采用一種新型復(fù)雜網(wǎng)絡(luò)分析模型，該模型將線性或非線性條件獨(dú)立性與因果推理算法結(jié)合起來，從大規(guī)模時(shí)間序列數(shù)據(jù)集中估計(jì)因果網(wǎng)絡(luò)并量化其強(qiáng)度，分析變量間的相互因果影響，從而準(zhǔn)確刻畫突發(fā)公共事件對(duì)產(chǎn)業(yè)鏈的傳播途徑與沖擊效應(yīng)。

1 理論分析與模型建立

1.1 政策的傳導(dǎo)機(jī)制分析

本文采用因果網(wǎng)絡(luò)模型對(duì)疫情防控政策有效性進(jìn)行檢驗(yàn)，進(jìn)一步以建筑行業(yè)及其產(chǎn)業(yè)鏈為例刻畫疫情防控政策和貨幣政策對(duì)疫情沖擊下的經(jīng)濟(jì)復(fù)蘇的影響力度和傳導(dǎo)機(jī)制研究。疫情防控政策和貨幣政策對(duì)建筑行業(yè)的影響是多方面的：通過貨幣政策，中央銀行以利率為抓手，降低存貸款利息，有利于企業(yè)以更低的利息獲得銀行貸款，保障建筑行業(yè)企業(yè)的平穩(wěn)運(yùn)行。同時(shí)，存款利率的下降有助于鼓勵(lì)居民消費(fèi)或?qū)?chǔ)蓄投向股票、債券等金融資產(chǎn)，從而為建筑產(chǎn)業(yè)的經(jīng)濟(jì)恢復(fù)積蓄力量，創(chuàng)造條件；另外，社會(huì)距離、自我隔離和旅行限制等疫情防控政策導(dǎo)致所有經(jīng)濟(jì)部門的勞動(dòng)力減少，并造成大量工作崗位流失［18］，從而使得建筑行業(yè)企業(yè)勞動(dòng)力短缺，難以滿足行業(yè)需求，影響建筑產(chǎn)業(yè)的發(fā)展，從而導(dǎo)致供給端對(duì)建筑行業(yè)及宏觀經(jīng)濟(jì)造成影響。與此同時(shí)，疫情防控政策為建筑企業(yè)、建筑產(chǎn)品的需求者、消費(fèi)者提供反思的機(jī)會(huì)，從而對(duì)建筑行業(yè)的可持續(xù)發(fā)展帶來深遠(yuǎn)的影響。

疫情防控政策和貨幣政策對(duì)建筑行業(yè)的影響是通過影響與建筑行業(yè)密切相關(guān)的勞動(dòng)力市場(chǎng)和資本市場(chǎng)發(fā)揮作用的，但由于新冠肺炎疫情作為公共衛(wèi)生事件，其發(fā)生本身具有突發(fā)性的特點(diǎn)，其對(duì)于中國經(jīng)濟(jì)尤其是建筑行業(yè)的影響是多方面，深層次的。為應(yīng)對(duì)新冠肺炎疫情，中國政府所采取的疫情防控政策和貨幣政策對(duì)建筑行業(yè)的影響也是多方面的。就短期影響而言，社會(huì)距離、自我隔離和旅行限制等疫情防控政策將會(huì)在短期內(nèi)導(dǎo)致建筑行業(yè)遭受沖擊，建筑行業(yè)產(chǎn)業(yè)鏈面臨斷鏈的風(fēng)險(xiǎn)，并將這種風(fēng)險(xiǎn)傳遞到整個(gè)建筑行業(yè)和產(chǎn)業(yè)鏈的全過程，導(dǎo)致區(qū)域、行業(yè)、產(chǎn)業(yè)鏈不同程度的經(jīng)濟(jì)停擺，對(duì)建筑行業(yè)及其產(chǎn)業(yè)鏈造成負(fù)面影響。但與此同時(shí)，中國政府通過貨幣政策，中央銀行通過多次降息，保證金融市場(chǎng)貨幣資金的流動(dòng)性，為建筑行業(yè)及其產(chǎn)業(yè)鏈相關(guān)產(chǎn)業(yè)維持生存提供充足資金，為疫情得到有效控制后，整個(gè)行業(yè)的復(fù)工復(fù)產(chǎn)提供資金保障；另外，就長期影響而言，疫情防控政策得到有效的貫徹執(zhí)行，疫情才能得到有效的控制，才能夠?yàn)榻?jīng)濟(jì)的重啟、建筑行業(yè)及其產(chǎn)業(yè)鏈相關(guān)產(chǎn)業(yè)的復(fù)工復(fù)產(chǎn)創(chuàng)造條件，為整個(gè)產(chǎn)業(yè)的良性循環(huán)奠定基礎(chǔ)。

由此可知（見圖1），疫情防控政策和貨幣政策對(duì)建筑行業(yè)的影響具有復(fù)雜性和協(xié)調(diào)性的特點(diǎn)，而其對(duì)于產(chǎn)業(yè)鏈相關(guān)產(chǎn)業(yè)的影響則會(huì)隨著各地區(qū)疫情防控政策和央行貨幣政策的執(zhí)行情況具有不同程度的影響，其中既包含產(chǎn)業(yè)內(nèi)企業(yè)經(jīng)濟(jì)活動(dòng)暫時(shí)性的停擺，也有在有效貫徹疫情防控政策下的復(fù)工復(fù)產(chǎn)，因而這其中既蘊(yùn)含著負(fù)向的消極影響，也具有正向的積極作用?？傮w而言，疫情防控政策和貨幣政策的有效執(zhí)行，將有助于在短期內(nèi)以有效的政策手段阻礙病毒的傳播，為經(jīng)濟(jì)重啟、企業(yè)的復(fù)工復(fù)產(chǎn)贏得時(shí)間，最終將會(huì)為經(jīng)濟(jì)的復(fù)蘇、行業(yè)的發(fā)展、產(chǎn)業(yè)鏈的恢復(fù)奠定基礎(chǔ)。

圖1 疫情期間防控政策和貨幣政策對(duì)建筑產(chǎn)業(yè)鏈的影響機(jī)制

1.2 疫情防控政策指數(shù)構(gòu)建方法

使用Blei等（2003）［19］提出的一個(gè)三層貝葉斯概率模型（LDA）來構(gòu)建中國疫情防控政策指數(shù)。每一篇文章都被視為主題的組合，每一個(gè)主題都被視為單詞的組合。對(duì)于每一天，計(jì)算當(dāng)天報(bào)紙上每個(gè)主題的頻率。語料庫由N個(gè)不同的文檔組成，其中，M＝Mn是所有文檔中的單詞總數(shù)。R表示潛在主題的總數(shù)，V表示詞匯的大小。每個(gè)文檔都包含一個(gè)反復(fù)選擇的主題wn，m和單詞Kn，m。設(shè)t為V中的一個(gè)詞語，P（t｜w＝r）表示每個(gè)主題Φ＝｛φr｝Rr＝1的概率。最后，P（w｜d＝n）定義文檔n的主題混合比例，每個(gè)文檔一個(gè)比例為Θ＝。算法的目標(biāo)是得到近似分布：

使用Gibbs模擬，其中α和β是分別控制θn和φr的先驗(yàn)共軛Dirichlet分布的超參數(shù)。LDA模型的估算使用Griffiths和Steyvers（2004）［20］中描述的算法進(jìn)行估算。

為了確定新聞是正面新聞還是負(fù)面新聞，本文根據(jù)文本中正面和負(fù)面單詞的數(shù)量構(gòu)造符號(hào)識(shí)別數(shù)據(jù)集。通過映射，可以在外部單詞列表BosonNLP Sentiment Score詞典中識(shí)別文章中的正／負(fù)單詞。計(jì)數(shù)過程為每一篇文章提供兩個(gè)統(tǒng)計(jì)數(shù)據(jù)，包括正面單詞數(shù)和負(fù)面單詞數(shù)。然后，將這些統(tǒng)計(jì)數(shù)據(jù)歸一化，以使每篇文章的觀察結(jié)果都能反映出正面和負(fù)面詞的得分，具體公式如下：

在日期t，文章θ，θ＝1，…，Mαt的總體情緒定義為：

使用上述wt，θ指標(biāo)來統(tǒng)計(jì)數(shù)據(jù)和主題文章，從而得到了中國疫情防控政策指數(shù)。

1.3 復(fù)雜網(wǎng)絡(luò)因果模型（PCMCI）

時(shí)間序列重構(gòu)因果網(wǎng)絡(luò)方法可以識(shí)別多個(gè)時(shí)間序列間的直接依賴和間接依賴關(guān)系以及共同驅(qū)動(dòng)因素，包括從多元時(shí)間序列推斷出帶有時(shí)滯的因果網(wǎng)絡(luò)圖。Runge等（2019）［10］考慮一個(gè)具有時(shí)間依賴性的復(fù)雜系統(tǒng)Yt＝（Y1t，…，YN t），可由如下方程表示：

其中fj表示存在一些潛在的非線性功能依賴性，ξjt表示相互獨(dú)立的動(dòng)態(tài)噪聲。時(shí)間序列中的節(jié)點(diǎn)表示不同滯后時(shí)間的變量，P（）?＝（Yt－1，Yt－2，…）表示所有N個(gè)變量的過去中變量的因果雙親。如果∈P（），則存在因果關(guān)系→。定義鏈接的另一種方法是，在沒有給定條件的情況下與所有變量的過去無關(guān)。即定義為，?表示沒有條件獨(dú)立性。因果發(fā)現(xiàn)的目標(biāo)是從時(shí)間序列數(shù)據(jù)中估計(jì)因果雙親。

該因果網(wǎng)絡(luò)方法（PCMCI）也是基于條件獨(dú)立框架Yjt＝P＾α（Yjt）β，并將其適應(yīng)于高度相互依賴的時(shí)間序列情況。該方法包括兩個(gè)階段：第一階段是PC1條件選擇算法，以識(shí)別所有時(shí)間序列變量∈｛，…，｝的相關(guān)條件（）。第二階段是瞬時(shí)條件獨(dú)立性測(cè)試（MCI），以測(cè)試→是否具有如下關(guān)系：

因此，MCI條件是包括了父母和父母的時(shí)間條件變化。兩個(gè)階段檢測(cè)具有以下目的：PC1是基于PC穩(wěn)定算法的馬爾可夫集合發(fā)現(xiàn)算法，該算法通過迭代獨(dú)立性測(cè)試為N個(gè)變量中的每個(gè)變量刪除了不相關(guān)的條件。然后，MCI測(cè)試解決了高度相關(guān)的時(shí)間序列情況下的假正向控制問題。Runge等（2019）［10］研究表明PCMCI相較于現(xiàn)有的時(shí)間序列因果檢驗(yàn)的方法，如Lasso、PC算法或Granger因果關(guān)系及其非線性方法表現(xiàn)出更加強(qiáng)大的因果檢測(cè)能力。PCMCI解決了復(fù)雜系統(tǒng)的時(shí)間序列面臨的問題，如高維空間、時(shí)滯因果依賴、自相關(guān)、強(qiáng)非線性、觀測(cè)噪聲和非平穩(wěn)性。

2 實(shí)證研究與分析

2.1 數(shù)據(jù)描述及說明

選取1743家建筑業(yè)上市公司作為研究對(duì)象，根據(jù)2012年中國證監(jiān)會(huì)公布的《上市公司行業(yè)分類指引》，將其細(xì)分為6個(gè)相關(guān)的子行業(yè)（見表1）。研究利用各行業(yè)日市盈率作為反映該行業(yè)在疫情期間發(fā)展現(xiàn)狀的變量；研究貨幣政策對(duì)房地產(chǎn)產(chǎn)業(yè)鏈宏觀調(diào)控效果，選取上海銀行間同業(yè)隔夜拆借利率和人民幣對(duì)美元匯率兩個(gè)指標(biāo)來反映中國貨幣政策；選取中國境內(nèi)每日總新增確診人數(shù)來反映疫情防控政策對(duì)COVID－19傳播的阻止作用。除確診人數(shù)來源于中國疾病預(yù)防控制中心外，數(shù)據(jù)均來自于CSMAR數(shù)據(jù)庫，數(shù)據(jù)使用范圍為2020年1月16～6月12日。

表1 建筑行業(yè)細(xì)分行業(yè)表

2.2 疫情防控指數(shù)測(cè)算及分析

為量化分析疫情防控政策，本文提取了從2020年1月16～6月12日期間中國資訊行數(shù)據(jù)庫中26568篇與疫情防控相關(guān)的新聞報(bào)道，采用LDA模型構(gòu)建中國防控政策指數(shù)（CPCP），圖2顯示了該指數(shù)每日變化情況，疫情防控相關(guān)的新聞報(bào)道最早開始于1月16日，并在1周內(nèi)經(jīng)歷了爆發(fā)式的增長，隨后震蕩上升，并于3月10日達(dá)到頂峰。在隨后的3個(gè)月內(nèi)，CPCP指數(shù)持續(xù)在均值1.9左右上下波動(dòng)。

圖2 疫情期間COVID－19疫情下CPCP指數(shù)

2.3 統(tǒng)計(jì)性描述和穩(wěn)健性檢驗(yàn)

表2為變量的描述性統(tǒng)計(jì)，其中，CPCP表示中國防控政策指數(shù)，反映我國疫情防控能力；COVID－19表示每日總新增新冠肺炎確診人數(shù)，反映病毒傳播及疫情變化情況；PE47表示房屋建筑業(yè)的每日市盈率；PE48表示土木工程建筑業(yè)的每日市盈率；PE49表示建筑安裝業(yè)的每日市盈率；PE50表示建筑裝飾和其他建筑業(yè)的每日市盈率；PE70表示房地產(chǎn)業(yè)的每日市盈率；PE71表示租賃業(yè)的每日市盈率；IR表示上海銀行間同業(yè)隔夜拆借利率；CNYUSD表示人民幣對(duì)美元匯率，利率和匯率反映貨幣政策調(diào)控效果。由于復(fù)雜網(wǎng)絡(luò)因果模型需要時(shí)間序列具有平穩(wěn)性，本文對(duì)所有變量做了平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果表明：部分變量是平穩(wěn)的，如中國防控政策指數(shù)（CPCP）、每日總新增新冠肺炎確診人數(shù)（COVID－19）、土木工程建筑業(yè)的每日市盈率（PE48）和上海銀行間同業(yè)隔夜拆借利率（IR）；部分變量不平穩(wěn)，如房屋建筑業(yè)的每日市盈率（PE47）、建筑安裝業(yè)的每日市盈率（PE49）、建筑裝飾和其他建筑業(yè)的每日市盈率（PE50）、房地產(chǎn)業(yè)的每日市盈率（PE70）、租賃業(yè)的每日市盈率（PE71）和人民幣對(duì)美元匯率（CNYUSD）。但在一階差分時(shí)，所有變量都是平穩(wěn)的，由于篇幅原因，沒有提供檢驗(yàn)結(jié)果。

表2 各變量的統(tǒng)計(jì)性描述

2.4 實(shí)證結(jié)果

2.4.1 疫情防控政策對(duì)建筑行業(yè)及產(chǎn)業(yè)鏈的影響

首先，用建筑行業(yè)相關(guān)的6個(gè)行業(yè)來研究疫情防控政策在建筑行業(yè)產(chǎn)業(yè)鏈上的因果影響程度和網(wǎng)絡(luò)傳導(dǎo)機(jī)制。通過復(fù)雜網(wǎng)絡(luò)因果模型的分析，可以得出在疫情期間在產(chǎn)業(yè)鏈網(wǎng)絡(luò)中因果影響強(qiáng)度統(tǒng)計(jì)結(jié)果（見表3）以及疫情防控政策和貨幣政策對(duì)產(chǎn)業(yè)鏈的因果網(wǎng)絡(luò)圖。

表3 疫情期間疫情防控政策在建筑行業(yè)產(chǎn)業(yè)鏈網(wǎng)絡(luò)中因果影響強(qiáng)度①

當(dāng)疫情防控政策指數(shù)（CPCP）滯后5期和6期時(shí)，對(duì)病毒感染人數(shù)（COVID－19）都具有負(fù)向因果影響，其影響強(qiáng)度分別為－0.241和－0.199，這說明中國疫情防控政策對(duì)病毒傳播起到了很強(qiáng)的阻止作用，其效果具有滯后5～6天的特征。

對(duì)房屋建筑業(yè)（PE47）來說，疫情防控政策（CPCP）對(duì)PE47存在間接因果影響路徑。當(dāng)防控政策指數(shù)（CPCP）滯后5期和6期時(shí)，其對(duì)病毒感染人數(shù)（COVID－19）都具有負(fù)向因果影響，分別為－0.241和－0.199。當(dāng)COVID－19滯后3期和6期時(shí)，其對(duì)PE47具有正向因果影響，分別為0.200和0.228。傳導(dǎo)路徑為防控政策指數(shù)（CPCP）通過COVID－19對(duì)PE47是負(fù)向因果影響；當(dāng)土木工程建筑業(yè)（PE48）0期和滯后1期時(shí)，其對(duì)PE47存在正負(fù)向因果影響，分別為0.476和－0.235；當(dāng)建筑安裝業(yè)（PE49）滯后1期和3期時(shí)，對(duì)PE47具有正負(fù)向因果影響，分別為0.269和－0.271。PE49對(duì)PE47的負(fù)向因果影響更大些。當(dāng)建筑裝飾和其他建筑業(yè)（PE50）0期時(shí)，其對(duì)PE47具有正向因果影響，其因果影響強(qiáng)度為0.380。當(dāng)房地產(chǎn)業(yè)（PE70）0期時(shí)，其對(duì)PE47具有正向因果影響，為0.388。

對(duì)土木工程建筑業(yè)（PE48）來說，中國防控政策對(duì)PE48也存在間接因果影響路徑。當(dāng)防控政策指數(shù)（CPCP）滯后5期和6期時(shí)，其對(duì)病毒感染人數(shù)（COVID－19）都具有負(fù)向因果影響，分別為－0.241和－0.199。當(dāng)COVID－19滯后1期時(shí)，其對(duì)PE48具有負(fù)向因果影響，其影響強(qiáng)度為－0.202。傳導(dǎo)路徑為CPCP通過COVID－19對(duì)PE48是正向因果影響。從產(chǎn)業(yè)鏈的角度分析：當(dāng)房屋建筑業(yè)（PE47）0期、滯后2期和4期時(shí)，其對(duì)PE48同時(shí)存在正負(fù)向因果影響，分別為0.476、－0.224和－0.278。由此可知，PE47對(duì)PE48是負(fù)向因果影響更大些。當(dāng)建筑安裝業(yè)（PE49）0期時(shí)，對(duì)PE48具有正向因果影響，其因果影響強(qiáng)度為0.193。當(dāng)建筑裝飾和其他建筑業(yè)（PE50）0期時(shí)，其對(duì)PE48具有正向因果影響，其因果影響強(qiáng)度為0.628。當(dāng)房地產(chǎn)業(yè)（PE70）0期時(shí)，其對(duì)PE48具有正向因果影響，其因果影響強(qiáng)度為0.529。當(dāng)租賃業(yè)（PE71）0期和滯后1期時(shí)，其對(duì)PE49同時(shí)具有正負(fù)向因果影響，分別為0.269和－0.264?？芍?，PE71對(duì)PE48是弱正向因果影響。

對(duì)建筑安裝業(yè)（PE49）來說，疫情防控政策對(duì)PE49存在兩條因果影響路徑：一條路徑是防控政策（CPCP）直接因果影響PE49；另一條路徑是防控政策通過匯率間接因果影響PE49。由于CPCP對(duì)PE49直接的正向因果影響，削弱了CPCP通過匯率間接或直接對(duì)PE49的負(fù)向因果影響。該結(jié)論類似于建筑安裝業(yè)因果網(wǎng)絡(luò)的結(jié)論，都驗(yàn)證了CPCP對(duì)PE49存在正負(fù)向因果影響，且負(fù)向因果影響更大些。從產(chǎn)業(yè)鏈的角度分析，當(dāng)房屋建筑業(yè)（PE47）滯后2期時(shí)，對(duì)PE49具有負(fù)向因果影響，其值為－0.230。當(dāng)土木工程建筑業(yè)（PE48）0期時(shí)，對(duì)PE49具有正向因果影響，其值為0.193。當(dāng)建筑裝飾和其他建筑業(yè)（PE50）0期時(shí)，對(duì)PE49具有正向因果影響，其因果影響強(qiáng)度為0.441。當(dāng)房地產(chǎn)業(yè)（PE70）0期時(shí)，對(duì)PE49具有正向因果影響，其因果影響強(qiáng)度為0.359。當(dāng)租賃業(yè)（PE71）0期時(shí)，對(duì)PE49具有正向因果影響，其因果影響強(qiáng)度為0.365。從產(chǎn)業(yè)鏈的角度看，也是同時(shí)存在正負(fù)向的因果鏈條，但正向鏈條多于負(fù)向鏈條。

對(duì)建筑裝飾和其他建筑業(yè)（PE50）來說，從政策調(diào)控的角度分析：中國防控政策對(duì)PE50存在3條因果影響路徑。第一條是當(dāng)防控政策指數(shù)（CPCP）滯后3期時(shí)，對(duì)PE50具有負(fù)向因果影響，其因果影響強(qiáng)度為－0.212；第二條是當(dāng)CPCP滯后5期和滯后6期時(shí)，對(duì)病毒感染人數(shù)（COVID－19）都具有負(fù)向因果影響，其因果影響強(qiáng)度分別為－0.241和－0.199。當(dāng)COVID－19滯后1期時(shí)，對(duì)PE50具有負(fù)向因果影響，其因果影響強(qiáng)度為－0.199；第三條是當(dāng)CPCP滯后3期和4期時(shí)，對(duì)匯率（CNYUSD）都具有負(fù)向的因果影響，其因果影響強(qiáng)度分別為－0.276和－0.248。當(dāng)CNYUSD滯后3期時(shí)，對(duì)PE50具有負(fù)向因果影響，其因果影響強(qiáng)度為－0.228。上述結(jié)論跟建筑裝飾和其他建筑業(yè)因果網(wǎng)絡(luò)中的結(jié)論是類似的，都驗(yàn)證了CPCP正向因果影響PE50。從產(chǎn)業(yè)鏈的角度分析：當(dāng)房屋建筑業(yè)（PE47）0期和滯后2期時(shí)，對(duì)PE50具有正負(fù)向因果影響，分別為0.380和－0.283。PE47對(duì)PE50是弱正向因果影響。當(dāng)土木工程建筑業(yè)（PE48）0期時(shí)，對(duì)PE50具有正向因果影響，其因果影響強(qiáng)度為0.628。當(dāng)建筑安裝業(yè)（PE49）0期時(shí)，對(duì)PE50具有正向因果影響，其因果影響強(qiáng)度為0.441。當(dāng)房地產(chǎn)業(yè)（PE70）0期時(shí)，對(duì)PE50具有正向因果影響，其因果影響強(qiáng)度為0.624。當(dāng)租賃業(yè)（PE71）0期時(shí)，對(duì)PE50具有正向因果影響，其因果影響強(qiáng)度為0.324。

對(duì)房地產(chǎn)業(yè)（PE70）來說，從政策調(diào)控的角度分析，防控政策對(duì)PE70存在兩條因果影響路徑。一條是當(dāng)防控政策指數(shù)（CPCP）滯后1期時(shí)，對(duì)PE70具有正向因果影響，其因果影響強(qiáng)度為0.267；另一條是當(dāng)防控政策指數(shù)（CPCP）滯后5期和滯后6期時(shí)，對(duì)病毒感染人數(shù)（COVID－19）都具有負(fù)向因果影響，分別為－0.241和－0.199。當(dāng)COVID－19為0期時(shí)，對(duì)PE70具有負(fù)向因果影響，其因果影響強(qiáng)度為－0.254。該結(jié)論跟房地產(chǎn)業(yè)因果網(wǎng)絡(luò)中的結(jié)論是類似的，都驗(yàn)證了CPCP正向因果影響PE70。從產(chǎn)業(yè)鏈的角度分析：當(dāng)房屋建筑業(yè)（PE47）0期和滯后4期時(shí)，對(duì)PE70具有正負(fù)向因果影響，分別為0.388和－0.287。該鏈條上，PE47對(duì)PE70是弱正向因果影響。當(dāng)土木工程建筑業(yè)（PE48）0期和滯后3期時(shí)，對(duì)PE70都具有正向因果影響，分別為0.529和0.199。當(dāng)建筑安裝業(yè)（PE49）0期時(shí)，對(duì)PE70具有正向因果影響，其因果影響強(qiáng)度為0.359。當(dāng)建筑裝飾和其他建筑業(yè)（PE50）0期時(shí)，對(duì)PE70具有正向因果影響，其因果影響強(qiáng)度為0.624。當(dāng)租賃業(yè)（PE71）0期時(shí)，對(duì)PE70具有正向因果影響，其因果影響強(qiáng)度為0.272。

對(duì)租賃業(yè)來（PE71）來說，從政策調(diào)控的角度分析：中國防控政策通過利率（IR）對(duì)PE71存在一條間接因果影響路徑。當(dāng)防控政策指數(shù)（CPCP）滯后3期和4期時(shí)，對(duì)IR都具有正向因果影響，分別為0.204和0.281。當(dāng)IR滯后1期時(shí)，對(duì)PE71具有正向因果影響，其因果影響強(qiáng)度為0.222。該結(jié)論跟租賃業(yè)因果網(wǎng)絡(luò)中的結(jié)論是類似的，都驗(yàn)證了CPCP正向因果影響PE71。從產(chǎn)業(yè)鏈的角度分析：當(dāng)土木工程建筑業(yè)（PE48）0期和滯后2期時(shí)，對(duì)PE71都具有正向因果影響，其因果影響強(qiáng)度分別為0.269和0.216。當(dāng)建筑安裝業(yè)（PE49）0期時(shí)，對(duì)PE71具有正向因果影響，其因果影響強(qiáng)度為0.365。當(dāng)建筑裝飾和其他建筑業(yè)（PE50）0期時(shí)，對(duì)PE71具有正向因果影響，其因果影響強(qiáng)度為0.324。當(dāng)房地產(chǎn)業(yè)（PE70）0期時(shí)，對(duì)PE71具有正向因果影響，其因果影響強(qiáng)度為0.272。

3.2 疫情防控政策對(duì)建筑行業(yè)各細(xì)分行業(yè)的影響

這部分的技術(shù)路徑和前一小節(jié)近似（見圖3）②。在房屋建筑業(yè)因果網(wǎng)絡(luò)中，防控政策對(duì)疫情人數(shù)傳播起到了很強(qiáng)的阻止作用，在貨幣政策的配合下促進(jìn)著房屋建筑業(yè)復(fù)蘇發(fā)展，但該行業(yè)受政策調(diào)控的負(fù)向因果影響更大些。防控政策對(duì)房屋建筑業(yè)存在兩條間接因果影響路徑，一條路徑是防控政策通過匯率（CNYUSD）和COVID－19間接影響PE47。具體表現(xiàn)為：當(dāng)CPCP滯后4期和6期時(shí)，對(duì)CNYUSD具有正負(fù)向的因果影響，其因果影響強(qiáng)度分別為－0.203和0.241，說明CPCP對(duì)CNYUSD有比較弱的正向影響。當(dāng)CNYUSD滯后2期和6期時(shí)，對(duì)COVID－19都具有正向因果影響，其因果影響強(qiáng)度分別為0.228和0.205。當(dāng)COVID－19滯后3期、5期和6期時(shí)，對(duì)房屋建筑業(yè)的每日市盈率（PE47）都具有正向因果影響，其因果影響強(qiáng)度分別0.260、0.271和0.324；另一條路徑是防控政策通過COVID－19間接因果影響PE47。上述結(jié)論說明，由于CPCP通過匯率間接正向因果影響PE47，削弱了CPCP通過COVID－19對(duì)PE47間接的負(fù)向因果影響，但負(fù)向因果影響較大。

圖3 疫情期間防控政策和貨幣政策對(duì)建筑行業(yè)各細(xì)分行業(yè)的網(wǎng)絡(luò)傳導(dǎo)機(jī)制③

在土木工程建筑業(yè)因果網(wǎng)絡(luò)中，防控政策對(duì)病毒傳播起到了很強(qiáng)的阻止作用，在貨幣政策作用下對(duì)土木工程建筑業(yè)沒有因果影響。在建筑安裝業(yè)因果網(wǎng)絡(luò)中，防控政策對(duì)病毒傳播起到了很強(qiáng)的阻止作用，在匯率政策的配合下促進(jìn)著建筑安裝業(yè)復(fù)蘇發(fā)展，但該行業(yè)受政策調(diào)控的負(fù)向因果影響更大些。防控政策對(duì)建筑安裝業(yè)（PE49）存在兩條因果影響路徑。一條路徑是防控政策直接負(fù)向因果影響PE49；另一條路徑是防控政策通過匯率間接正向因果影響PE49。上述結(jié)果說明，由于CPCP通過匯率間接正向因果影響PE49，削弱了CPCP對(duì)PE49直接的負(fù)向因果影響。但CPCP同對(duì)PE49存在正負(fù)向因果影響，且負(fù)向因果影響更大些。在建筑裝飾和其他建筑業(yè)因果網(wǎng)絡(luò)中，防控政策對(duì)病毒傳播起到了很強(qiáng)的阻止作用，在利率政策的配合下促進(jìn)著建筑裝飾和其他建筑業(yè)復(fù)蘇發(fā)展。防控政策對(duì)建筑裝飾和其他建筑業(yè)（PE50）存在一條間接因果影響路徑。在房地產(chǎn)業(yè)因果網(wǎng)絡(luò)中，防控政策對(duì)病毒傳播起到了很強(qiáng)的阻止作用，在利率政策和匯率政策的配合下促進(jìn)著房地產(chǎn)業(yè)復(fù)蘇發(fā)展。防控政策對(duì)房地產(chǎn)業(yè)（PE70）存在3條因果影響路徑：第一條路徑是防控政策通過COVID－19間接因果影響PE70；第二條路徑是防控政策通過利率（IR）間接因果影響PE70；第三條路徑是防控政策通過匯率和COVID－19間接因果影響PE70。在租賃業(yè)因果網(wǎng)絡(luò)中，防控政策對(duì)病毒傳播起到了很強(qiáng)的阻止作用，在利率政策配合下促進(jìn)著租賃業(yè)復(fù)蘇發(fā)展。防控政策對(duì)租賃業(yè)（PE71）存在兩條因果影響路徑。一條路徑防控政策通過利率（IR）間接因果影響PE71；另一條路徑是防控政策通過匯率（CNYUSD）間接因果影響PE71。

3 結(jié)論與啟示

本文以COVID－19疫情期間與建筑行業(yè)及其內(nèi)部產(chǎn)業(yè)鏈相關(guān)的1743家上市公司日市盈率、上海銀行間同業(yè)隔夜拆借利率、人民幣對(duì)美元匯率和中國境內(nèi)每日總新增COVID－19確診人數(shù)作為研究對(duì)象，對(duì)中國資訊行數(shù)據(jù)庫中26568篇與疫情防控相關(guān)的每日新聞，利用LDA模型構(gòu)建了疫情防控政策指數(shù)，克服了因數(shù)據(jù)時(shí)間跨度短就突發(fā)公共衛(wèi)生事件對(duì)經(jīng)濟(jì)沖擊進(jìn)行全面分析的困難（Galariotis等，2018）［21］；采用因果網(wǎng)絡(luò)模型從行業(yè)和產(chǎn)業(yè)鏈兩個(gè)層面上，分別研究了疫情防控政策和貨幣政策對(duì)阻止病毒傳播和促進(jìn)建筑行業(yè)及產(chǎn)業(yè)鏈的非線性傳導(dǎo)機(jī)制和政策效果。

研究發(fā)現(xiàn)在COVID－19疫情沖擊下疫情防控政策有效阻止了新冠病毒傳播。在貨幣政策配合下，中國疫情防控政策對(duì)土木工程建筑業(yè)、建筑裝飾和其他建筑業(yè)、房地產(chǎn)業(yè)、租賃業(yè)是正向因果影響較大；而對(duì)房屋建筑業(yè)和建筑安裝業(yè)是負(fù)向因果影響較大。因此，在疫情防控的同時(shí)，貨幣政策的調(diào)控應(yīng)該更加聚焦在建筑行業(yè)產(chǎn)業(yè)鏈上受負(fù)向沖擊較大的行業(yè)。同時(shí)，在控制病毒傳播和促進(jìn)經(jīng)濟(jì)復(fù)蘇時(shí)，政策制定部門在考慮建筑業(yè)內(nèi)部的網(wǎng)絡(luò)結(jié)構(gòu)和傳導(dǎo)機(jī)制的基礎(chǔ)上，應(yīng)該注重多個(gè)政策間的協(xié)調(diào)配合，形成優(yōu)勢(shì)互補(bǔ)，避免政策效果的相互抵消，從而實(shí)現(xiàn)疫情防控政策與貨幣政策的良性互動(dòng)，助力經(jīng)濟(jì)復(fù)蘇。

注釋：

①考慮到論文的篇幅，表3僅顯示防疫政策和疫情對(duì)各經(jīng)濟(jì)變量和建筑細(xì)分產(chǎn)業(yè)的沖擊及傳導(dǎo)效果，詳細(xì)數(shù)據(jù)和圖表可聯(lián)系作者獲取。

②考慮到論文的篇幅，圖3僅顯示防控政策和貨幣政策對(duì)租賃業(yè)的網(wǎng)絡(luò)傳導(dǎo)機(jī)制，詳細(xì)數(shù)據(jù)和圖表可聯(lián)系作者獲取。

③注：圖下方的灰度條表示因果影響強(qiáng)度。其中，Auto－MCI表示因果網(wǎng)絡(luò)中點(diǎn)的影響強(qiáng)度，灰度值越大，說明在該網(wǎng)絡(luò)中影響強(qiáng)度越大。MCI表示因果網(wǎng)絡(luò)中邊的影響強(qiáng)度，灰度值越大，表示該因果影響強(qiáng)度越大；灰度值越小，表示該因果影響強(qiáng)度越小。圖中邊上的數(shù)值代表該因果影響的滯后期與表4因果影響強(qiáng)度的滯后期是一致的。