經(jīng)濟政策不確定性對我國物流指數(shù)波動率的影響

胡 楊，雷 鳴，雷立坤

（1.西南交通大學(xué) 經(jīng)濟管理學(xué)院，四川 成都 610031；2.西南交通大學(xué) 計劃財務(wù)處，四川 成都 610031）

1 引言

物流產(chǎn)業(yè)是指以物流活動或各種物流支援活動為經(jīng)營內(nèi)容的營利性事業(yè)，它涉及到的資源非常多，包括運輸、倉儲、裝卸、搬運、包裝、流通加工、配送、信息平臺等，因此，物流產(chǎn)業(yè)也是一種復(fù)合型或聚合型產(chǎn)業(yè)。物流產(chǎn)業(yè)在提升國家整體經(jīng)濟實力和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)等方面具有重要作用，同時，物流產(chǎn)業(yè)的發(fā)展涉及到社會經(jīng)濟發(fā)展的方方面面，在社會生產(chǎn)和居民消費等環(huán)節(jié)中更是起著橋梁和紐帶作用。隨著物流產(chǎn)業(yè)的不斷發(fā)展，已經(jīng)成為社會經(jīng)濟體系中一個基本的組成部分。目前我國社會經(jīng)濟發(fā)展進(jìn)入轉(zhuǎn)型升級新常態(tài)的背景下，促進(jìn)物流行業(yè)的健康發(fā)展具有重要的現(xiàn)實意義。

近些年來，隨著國民經(jīng)濟水平大幅度提升，社會物流總額在GDP的比率逐步上升，我國已經(jīng)成為一個物流大國。我國政府高度重視物流產(chǎn)業(yè)的發(fā)展，2009年國務(wù)院出臺了《物流業(yè)調(diào)整和振興規(guī)劃》，并制定了十大產(chǎn)業(yè)整體規(guī)劃；2014年，我國制定了《物流業(yè)發(fā)展中長期規(guī)劃（2014—2020年）》，規(guī)劃中明確提出：“物流產(chǎn)業(yè)作為國家一項支柱產(chǎn)業(yè)，優(yōu)先得到扶持和發(fā)展”。隨著國家利好政策的連續(xù)出臺，進(jìn)一步促進(jìn)了我國的基礎(chǔ)設(shè)施建設(shè)，健全了經(jīng)濟制度，使我國物流行業(yè)得以保持較快的增長速度，拓展了未來的發(fā)展空間。

根據(jù)以上分析研究可以得出結(jié)論，在當(dāng)代經(jīng)濟發(fā)展過程中，國民經(jīng)濟發(fā)展?fàn)顩r和國家政策是影響物流產(chǎn)業(yè)的兩個重要因素。物流股票指數(shù)作為物流產(chǎn)業(yè)發(fā)展?fàn)顩r的重要指標(biāo)，其波動率反映了物流行業(yè)的不確定性特征和風(fēng)險狀況，與經(jīng)濟政策的不確定性密切相關(guān)，因此，本文將視角集中于經(jīng)濟政策不確定性對物流行業(yè)股票波動率的影響。

2 文獻(xiàn)綜述

國內(nèi)外學(xué)者對經(jīng)濟政策不確定性和物流產(chǎn)業(yè)也開展了眾多有價值的研究。自Baker et al.[1]提出EPU指數(shù)以來，引起了國內(nèi)外學(xué)者們的廣泛關(guān)注。不少學(xué)者將其用于眾多相關(guān)研究中。目前對經(jīng)濟政策不確定性的應(yīng)用研究主要集中于分析EPU指數(shù)對宏觀經(jīng)濟、公司層面和股票指數(shù)的影響。Baker et al.[2]基于他們2012年編制的EPU指數(shù)，論證了2007-2011年期間經(jīng)濟政策不確定性是導(dǎo)致美國經(jīng)濟前景不確定性的主要原因，也是阻礙美國經(jīng)濟復(fù)蘇的重要原因。Arouri et al.[3]運用馬爾科夫機制轉(zhuǎn)換模型，研究了1900-2014年期間美國經(jīng)濟政策不確定性對股票市場的影響。研究發(fā)現(xiàn)，隨著政策不確定性的增加，顯著降低了股票收益率，并且這種影響在極端波動期間更強。譚小芬和張文婧[4]對經(jīng)濟政策不確定性影響中國企業(yè)投資行為的傳導(dǎo)機制進(jìn)行了分析。研究結(jié)果表明，經(jīng)濟政策不確定性通過實物期權(quán)和金融摩擦兩種渠道抑制了中國企業(yè)投資，政策不確定性的傳導(dǎo)作用可歸結(jié)為其對資本流動性價值的沖擊。郝永敬[5]等從理論上探究了經(jīng)濟政策不確定性影響居民消費的作用機制，并指出政府在宏觀經(jīng)濟政策調(diào)控時應(yīng)注意經(jīng)濟沖擊對消費的影響，保持政策的系統(tǒng)性與穩(wěn)定性。吳雨濛[6]等從政策不確定性著眼，首先分析了政策不確定性對投資與經(jīng)濟增長的作用機理，進(jìn)而采用經(jīng)濟政策不確定性指數(shù)及相關(guān)數(shù)據(jù)，例證了政策不確定性、投資與經(jīng)濟增長之間的互動關(guān)系。

關(guān)于物流產(chǎn)業(yè)的相關(guān)研究，很多學(xué)者對物流企業(yè)、物流和宏觀經(jīng)濟的關(guān)系以及物流需求的影響因素等方面進(jìn)行了研究。Zhu et al.[7]運用統(tǒng)計分析的方法驗證了經(jīng)濟與物流之間的這種相互作用。研究發(fā)現(xiàn)，中國經(jīng)濟在促進(jìn)物流發(fā)展方面發(fā)揮了重要作用，應(yīng)該進(jìn)一步加快中國物流的發(fā)展，并對物流的未來發(fā)展提出了一些建議。Shao and Ma[8]等根據(jù)中國區(qū)域物流系統(tǒng)在供應(yīng)鏈全球化環(huán)境下的特點，設(shè)計了一套系統(tǒng)全面的區(qū)域物流競爭力綜合評價指標(biāo)體系，并分析了指標(biāo)評價體系中各因素的內(nèi)涵。然后基于層次分析思想和模糊決策原理，對我國區(qū)域物流業(yè)的發(fā)展趨勢進(jìn)行了系統(tǒng)而全面的評估。He and Cheng[9]對多家物流企業(yè)進(jìn)行了研究，探索了結(jié)合模糊邏輯的決策試驗和評估實驗室（DEMATEL）方法，并確定了城市物流的關(guān)鍵影響因素，得出物流中心位置、信息科技、經(jīng)濟成本和物流網(wǎng)絡(luò)這四個因素對物流行業(yè)具有決定性影響。邱立國和趙薇[10]以熵值計算權(quán)重并嵌入灰色關(guān)聯(lián)模型，對我國物流需求動力進(jìn)行研究。研究發(fā)現(xiàn)，我國物流產(chǎn)業(yè)發(fā)展動力主要來源于第二產(chǎn)業(yè)的發(fā)展，第三產(chǎn)業(yè)是我國物流產(chǎn)業(yè)需求動力的重要來源，第一產(chǎn)業(yè)對我國物流產(chǎn)業(yè)推動作用不明顯，進(jìn)出口貿(mào)易的發(fā)展能推動我國物流產(chǎn)業(yè)國際競爭力的提高；居民消費水平的提高有利于物流產(chǎn)業(yè)的發(fā)展。華幸和樂琦[11]分析了企業(yè)規(guī)模、人才資源、企業(yè)所有制和企業(yè)所處區(qū)域?qū)τ谖锪髌髽I(yè)競爭力的影響程度。基于我國88家上市物流企業(yè)2011-2013年的數(shù)據(jù)，實證檢驗企業(yè)規(guī)模、企業(yè)人力資源、企業(yè)股權(quán)性質(zhì)、企業(yè)所在區(qū)域等因素與企業(yè)競爭力之間的關(guān)系。馮朝軍[12]采取多元回歸分析的方法，通過建立科學(xué)的指標(biāo)體系，識別出影響我國物流需求的主要因素，對社會物流總需求進(jìn)行預(yù)測和分析。

據(jù)筆者目前所了解到的文獻(xiàn)而言，暫未發(fā)現(xiàn)有文獻(xiàn)研究經(jīng)濟政策不確定性對物流產(chǎn)業(yè)股票波動率的作用，因此，本文將視角集中于EPU指數(shù)對我國物流股市波動率的影響，并采用混頻數(shù)據(jù)的GARCHMIDAS模型進(jìn)行建模分析，研究結(jié)果可以為我國物流產(chǎn)業(yè)的發(fā)展提供一定的指導(dǎo)。

3 經(jīng)濟政策不確定性指數(shù)與物流指數(shù)介紹

3.1 經(jīng)濟政策不確定性介紹

本文采用的經(jīng)濟政策不確定性（Economic Policy Uncertainty，EPU）指數(shù)，是由芝加哥大學(xué)（University of Chicago）布斯商學(xué)院的 Steven Davis、Scotty Baker和斯坦福大學(xué)（Stanford University）的經(jīng)濟學(xué)教授Nicholas Bloom等學(xué)者領(lǐng)銜的研究小組于2011年開始編制，用以量化經(jīng)濟政策的不確定性。該指數(shù)涵蓋了世界各主要經(jīng)濟體，如美國、中國、俄羅斯、日本、法國等。EPU指數(shù)提出后得到了學(xué)術(shù)界的廣泛關(guān)注和認(rèn)可。下面首先以美國為例來詳細(xì)介紹EPU的組成。

美國的EPU指數(shù)由三個部分組成，第一部分是新聞指數(shù)（News Index），即通過統(tǒng)計美國10家大型有影響力的報社的搜索結(jié)果索引，并對每篇論文進(jìn)行搜索，查找與經(jīng)濟和政策不確定性相關(guān)的術(shù)語（如：‘congress’、‘legislation’、‘white house’、‘regulation’等），并進(jìn)行量化（構(gòu)造一個標(biāo)準(zhǔn)化指數(shù)），以此來衡量經(jīng)濟政策的不確定性。第二部分是稅法條款到期指數(shù)（Tax Expiration Index），即利用國會預(yù)算辦公室（CBO）的報告，該辦公室編制了臨時聯(lián)邦稅法規(guī)定清單。臨時稅收措施是企業(yè)和家庭的不確定因素，因為國會經(jīng)常在最后一刻延長這些措施，破壞稅法的穩(wěn)定性和確定性。第三部分是經(jīng)濟預(yù)測差值指數(shù)（Economic Forecaster Disagreement Index），又分為CPI預(yù)測差值（CPI Disagreement）和聯(lián)邦/地方州政府支出預(yù)測差值（Federal/State and Local Government Expenditure Disagreement），即通過考察不同預(yù)測機構(gòu)對重要宏觀經(jīng)濟指標(biāo)的預(yù)測差異構(gòu)建政策變量不確定性指數(shù)。EPU總指數(shù)（Overall Index）是上述四個子指數(shù)的加權(quán)總和，新聞指數(shù)占1/2；稅法條款到期指數(shù)、CPI預(yù)測差值和聯(lián)邦/地方州政府支出預(yù)測差值各占1/6。

在計算中國的EPU指數(shù)時，僅指綜合指數(shù)第一部分的新聞指數(shù)，故又稱作News-Based EPU。雖然僅包括新聞指數(shù)，但Baker等指出，News-Based EPU與綜合指數(shù)具有很強的相關(guān)性，仍具有很強的代表性。Baker等以香港、內(nèi)地以至亞洲發(fā)行量最大、影響力最強、最具公信力的英文報刊之一—《南華早報》作為新聞報道檢索平臺，通過搜索一些關(guān)鍵詞（如：‘China/Chinese’、‘economy/economic’、‘uncertain/uncertainty’、‘policy/spending’等），使用一種文章內(nèi)容過濾標(biāo)準(zhǔn)，過濾篩選出與經(jīng)濟政策不確定相關(guān)的文章，將每月這些文章出現(xiàn)頻次數(shù)除以當(dāng)月所有《南華早報》文章的數(shù)量，并標(biāo)準(zhǔn)化處理后得到的指數(shù)，中國的EPU指數(shù)頻率為月數(shù)據(jù)。

3.2 物流指數(shù)介紹

為了反映中國資本市場上物流類上市公司價格變動的總體趨勢，以滿足社會各界對中國證券市場物流行業(yè)股票價格動態(tài)信息的廣泛需要，深圳證券信息有限公司選擇在深圳證券交易所、上海證券交易所上市的40只A股組成國證物流指數(shù)的樣本股。該指數(shù)涵蓋了與物流相關(guān)的各種樣本股，能全面表現(xiàn)出我國物流產(chǎn)業(yè)的發(fā)展?fàn)顟B(tài)，在物流行業(yè)具有“晴雨表”的作用，同時，通過該指數(shù)可以判斷我國經(jīng)濟總體的發(fā)展趨勢。

國證物流指數(shù)在選股上突破了傳統(tǒng)行業(yè)的劃分限制，從具有內(nèi)在聯(lián)系的子行業(yè)所聚合成的物流產(chǎn)業(yè)鏈中，選擇涉及對貨物、服務(wù)及相關(guān)信息在原產(chǎn)地與消費地之間流通和存儲業(yè)務(wù)的代表性公司作為樣本股，良好地反映了這一系列上市公司股價的變化情況，為投資者提供更多、更豐富的主題型指數(shù)化投資標(biāo)的。公司的選擇范圍在符合上述定義的基礎(chǔ)上，還從屬于下列傳統(tǒng)行業(yè)分類中的部分上市公司群體，包括：倉儲業(yè)、公路運輸業(yè)、管道運輸業(yè)、航空運輸業(yè)、交通運輸輔助業(yè)、其他交通運輸業(yè)、水上運輸業(yè)、鐵路運輸業(yè)中的從事物流業(yè)務(wù)的公司以及零售業(yè)中的連鎖零售公司等。

國證物流指數(shù)以2002年12月31日為基日，基日指數(shù)定為1 000。樣本股選樣指標(biāo)為一段時期（前6個月）平均總市值的比重、平均自由流通市值的比重和平均成交金額的比重。選樣時先計算入圍個股平均總市值占市場比重、平均自由流通市值占市場比重和平均成交金額占市場比重，再將上述指標(biāo)按1：1：1的權(quán)重加權(quán)平均，然后將計算結(jié)果從高到低排序，選取排名在前40名的股票，構(gòu)成國證物流指數(shù)的初始樣本股。

4 GARCH-MIDAS模型介紹

Engle et al.[13]在MIDAS模型的基礎(chǔ)上結(jié)合GARCH模型提出了GARCH-MIDAS模型。該模型與一般 GARCH模型的條件均值方程基本保持一致，與同頻數(shù)據(jù)的GARCH模型相比，混頻數(shù)據(jù)GARCH-MIDAS模型的主要特點是增加了成分方程的設(shè)定，將金融資產(chǎn)波動分解為長期波動與短期波動。該模型的收益方程為：

其中，rt,t是金融資產(chǎn)的對數(shù)收益率，Et-1(rt,t)為條件均值，gi,t是波動的短期成分，τt表示波動的長期成分。其中，zi,t|Φi-1,t～N(0,1)，Φi-1,t是決定于t期i-1天的信息集合。gi,t被假定是一個GARCH(1,1)過程：

其中，μ為收益序列的非條件均值。對于長期波動τt的建模，常用的方法是用已實現(xiàn)波動率（Realized volatility）來衡量，需要說明的是，這里并不是使用已實現(xiàn)波動率來代表長期波動，而是通過MIDAS回歸來平滑已實現(xiàn)波動率。長期波動τt可以表示為：

其中，RV是金融資產(chǎn)的月度已實現(xiàn)波動率（Monthly realized volatility），即一個月當(dāng)中所有交易日的日收益率平方之和。長期波動是由Et-1[(ri,t-μ)2]=τtEt-1(gi,t)=τt預(yù) 先 決 定 的 。 假 定Et-1(gi,t)等于gi,t的非條件預(yù)期，即Et-1(gi,t)=1。式(3)中，K表示低頻變量的最大滯后階數(shù)，而φk(ω1,ω2)則是一個基于Beta函數(shù)的權(quán)重方程，即：

另外，當(dāng)GARCH-MIDAS模型納入外生變量時，外生變量的符號可能為正也有可能為負(fù)，為了適合任何符號的外生變量，通過對式（3）進(jìn)行對數(shù)化處理便可得到如下形式的已實現(xiàn)波動率GARCH-MIDAS模型：

上述式（1）-（6）共同構(gòu)成基于收益率信息已實現(xiàn)波動率的GARCH-MIDAS模型。

下面考慮在上述的GARCH-MIDAS模型中引入變量EPU。在基于已實現(xiàn)波動率的GARCH-MIDAS模型中，要在物流股市波動的長期成分中納入變量EPU，就要在波動率的長期成分模型基礎(chǔ)上加以改變，本文采用對數(shù)化處理后的長期成分模型?；谧兞縀PU與長期波動的關(guān)系建立模型，具體如下：

式（7）與式（1）、（2）結(jié)合起來即可成為納入變量EPU的GARCH-MIDAS模型。

5 實證分析

本文研究數(shù)據(jù)樣本為國證物流指數(shù)的每日數(shù)據(jù)和Baker等發(fā)布的關(guān)于中國經(jīng)濟政策不確定性（EPU）指數(shù)的月度數(shù)據(jù)。其中，國證物流指數(shù)樣本區(qū)間為2005年3月2日至2018年1月31日（剔除節(jié)假日等，共3 147個交易日），數(shù)據(jù)來源于“東方財富網(wǎng)”。EPU指數(shù)樣本區(qū)間為2005年3月至2018年1月，共155個月度數(shù)據(jù)，數(shù)據(jù)來自經(jīng)濟政策不確定性網(wǎng)站（www.policyuncertainty.com）。為了縮小變量的取值范圍，在此處將EPU指數(shù)除以10 000，上述數(shù)據(jù)的描述性統(tǒng)計結(jié)果見表1。

表1 變量的描述性統(tǒng)計

從表1可以看出，國證物流指數(shù)收益率呈現(xiàn)出顯著的右偏（Right skewed）性和尖峰（Leptokurtic）特征，EPU指數(shù)則呈現(xiàn)出顯著的左偏（Left skewed）性；Jarque-Bera統(tǒng)計量的結(jié)果表明變量數(shù)據(jù)均不服從正態(tài)分布；另外，ADF檢驗結(jié)果顯著拒絕了存在單位根的原假設(shè)，即變量均為平穩(wěn)時間序列，因此可以直接進(jìn)行進(jìn)一步的計量建模分析。

為了分析EPU對物流指數(shù)波動率的影響，采用GARCH-MIDAS模型對樣本數(shù)據(jù)進(jìn)行了估計，估計結(jié)果見表2。根據(jù)AIC和BIC準(zhǔn)則，結(jié)合經(jīng)濟意義，綜合考慮選擇EPU的滯后期參數(shù)KE=9，即假定EPU對物流指數(shù)波動影響的滯后時間范圍為9個月。從參數(shù)估計結(jié)果來看，除了短期波動的均值參數(shù)μ不顯著外，其他參數(shù)均在1%水平上顯著。此時，物流指數(shù)波動率與EPU之間的關(guān)系可以通過式（7）表現(xiàn)出來，即EPU對我國股市長期對數(shù)波動率影響的加總效應(yīng)（θE）為-0.507 2，且統(tǒng)計上顯著為負(fù)，這表明經(jīng)濟政策不確定性的變化對物流指數(shù)波動影響較大，且經(jīng)濟政策不確定性的增加會抑制物流股票市場的波動，降低物流股市的風(fēng)險；ω1,E和ω2,E的估計結(jié)果都大于1，說明變量EPU滯后項的權(quán)重系數(shù)φk隨著滯后時間的增加而遞減，即距離當(dāng)前時間越近，EPU對物流指數(shù)波動的影響越大。

表2 GARCH-MIDAS模型的全樣本估計結(jié)果

圖1展示了采用GARCH-MIDAS模型的EPU和物流指數(shù)樣本估計的條件波動及其長期成分圖。從圖中可以看出，長期成分與條件波動呈現(xiàn)出相反的起伏，這說明長期成分對條件波動具有抑制作用，即降低了物流指數(shù)的條件波動率。且從條件波動的趨勢看，2008年和2016年附近波動明顯增大，然而條件波動的長期成分卻呈現(xiàn)出下降的趨勢，可能的原因是2008年和2016年左右我國政府實施了一系列刺激經(jīng)濟的計劃，促進(jìn)了經(jīng)濟發(fā)展和基礎(chǔ)設(shè)施建設(shè)，有利于物流行業(yè)的穩(wěn)定發(fā)展，抑制了物流股票市場的風(fēng)險。

圖1 GARCH-MIDAS模型估計的條件波動和長期成分走勢

6 結(jié)語

本文采用混頻數(shù)據(jù)的GARCH-MIDAS模型，實證考察了中國經(jīng)濟政策不確定性（EPU）指數(shù)對我國物流股市波動率的影響，實證結(jié)果表明，EPU指數(shù)對我國物流行業(yè)股市波動具有顯著的影響，能抑制物流市場股票波動率，降低物流股票市場風(fēng)險。

本文的研究結(jié)論說明了保持經(jīng)濟的平穩(wěn)發(fā)展、加強基礎(chǔ)設(shè)施建設(shè)有助于物流產(chǎn)業(yè)的健康發(fā)展，要求我國經(jīng)濟政策制定者重視宏觀經(jīng)濟環(huán)境對物流行業(yè)的影響和基礎(chǔ)設(shè)施建設(shè)的基礎(chǔ)性作用，制定出臺相應(yīng)的法律法規(guī)及政策。

[1]Baker S R,Bloom N,Davis S J.Measuring Economic Policy Uncertainty[Z].Stanford University,2013.

[2]Baker S R,Bloom N,Davis S J.Has Economic Policy Uncertainty Hampered the Recovery?[Z].Chicago Booth Research Paper,2012.

[3]Arouri M,Estay C,Rault C,et al.Economic policy uncertainty and stock markets:Long-run evidence from the US[J].Finance Research Letters,2016,18:136-141.

[4]譚小芬,張文婧.經(jīng)濟政策不確定性影響企業(yè)投資的渠道分析[J].世界經(jīng)濟,2017,40(12):3-26.

[5]郝永敬,黃東艷,康冰清.經(jīng)濟政策不確定性對城鎮(zhèn)居民消費的影響[J].時代金融,2017,(30):184,188.

[6]吳雨濛,門澤昊,王曉娟.政策不確定性、投資與經(jīng)濟增長的互動關(guān)系分析[J].統(tǒng)計與決策,2017,(14):115-117.

[7]Hong-wen Z,Hong-yan W,Yu-min Z.The research of relationship between economy development and logistics development based on statistical analysis[A].Management Science and Engineering,2007.ICMSE 2007.International Conference on.IEEE[C].2007.

[8]Shao J,Ma T,Dong S,et al.Evaluation and analysis:development trend of China’s logistics industry under supply chain globalization environments[J].Journal of Service Science and Management,2009,2(2):71.

[9]He H,Cheng H.Analyzing key influence factors of city logistics development using the fuzzy decision making trial and evaluation laboratory(DEMATEL)method[J].African Journal of Business Management,2012,6(45):11 281-11 293.

[10]邱立國,趙薇.基于嵌入熵權(quán)灰色關(guān)聯(lián)模型的物流需求動力考察[J].統(tǒng)計與決策,2015,(6):117-119.

[11]華幸,樂琦.我國物流上市公司競爭力的影響因素實證研究[J].物流科技,2016,39(7):12-15.

[12]馮朝軍.我國物流需求影響因素與發(fā)展對策研究[J].重慶三峽學(xué)院學(xué)報,2018,34(1):80-86.

[13]Engle R F,Ghysds E,Sohn B.Stock Market Volatility and Macroeconomic Fundamentals[J].The Review of Economics and Statistics,2013,95(3):776-797.