中國(guó)經(jīng)濟(jì)政策不確定性的跨國(guó)動(dòng)態(tài)溢出效應(yīng)

王正新，姚培毅

(浙江財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，浙江 杭州 310018)

1 引言

經(jīng)濟(jì)政策是政府作用于市場(chǎng)的重要手段之一，經(jīng)濟(jì)政策的不確定性往往引起經(jīng)濟(jì)波動(dòng)。經(jīng)濟(jì)政策的不確定性可分為政治不確定性和經(jīng)濟(jì)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(xiàng)財(cái)政貨幣政策以及金融市場(chǎng)中的波動(dòng)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(cè)，政府財(cái)政貨幣政策的制定又具有不可觀察性，市場(chǎng)決策主體受制于信息不對(duì)稱的影響，難于形成穩(wěn)定的預(yù)期，因此經(jīng)濟(jì)活動(dòng)中的波動(dòng)在所難免。Stock和Watson[7]就將其視為2008年全球金融危機(jī)及之后阻礙經(jīng)濟(jì)復(fù)蘇的重要誘因。關(guān)于經(jīng)濟(jì)政策不確定性的度量以及其對(duì)總體經(jīng)濟(jì)的影響近年來廣受關(guān)注。多數(shù)文章關(guān)注的是經(jīng)濟(jì)政策不確定性對(duì)于本國(guó)宏觀經(jīng)濟(jì)變量的影響，或國(guó)際貿(mào)易雙方之間的相互影響，而對(duì)于多個(gè)國(guó)家相互影響的研究較少。近年來，隨著經(jīng)濟(jì)總量不斷增加，我國(guó)與其他各國(guó)間的資本、貿(mào)易聯(lián)系日益緊密，在國(guó)際上的經(jīng)濟(jì)影響力日趨增大。在如此的背景下，研究我國(guó)的經(jīng)濟(jì)政策不確定性與其他國(guó)家，尤其是與經(jīng)濟(jì)體量較大國(guó)家的聯(lián)動(dòng)關(guān)系有助于了解國(guó)際間相互影響的作用機(jī)理，為政府在不確定性條件下增強(qiáng)政策有效性提供決策意見。

不確定性一直是經(jīng)濟(jì)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(xiǎn)、不確定性和收益》[9]。Bernanke[10]認(rèn)為不確定性對(duì)于經(jīng)濟(jì)活動(dòng)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(jī)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(jì)不確定性。對(duì)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(dòng)帶來的經(jīng)濟(jì)影響，但此類政治事件的結(jié)果天然不可預(yù)測(cè)，且為離散的，在一段時(shí)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(guó)之間的相互關(guān)聯(lián)分析。在處理不同國(guó)家或區(qū)域間不確定的影響時(shí)，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(huì)削弱政府的產(chǎn)權(quán)保護(hù)效應(yīng)，因此市場(chǎng)化程度低的國(guó)家將受到更大的影響。Calomiris等[12]從市場(chǎng)化角度討論了不確定性對(duì)不同國(guó)家的影響。以上的研究都沒有直接對(duì)不確定性進(jìn)行度量，在與金融市場(chǎng)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(duì)于金融市場(chǎng)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(jì)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(jì)主體宏觀經(jīng)濟(jì)不確定的指數(shù)，Jurado等[15]根據(jù)宏觀經(jīng)濟(jì)與金融方面不可預(yù)測(cè)變量計(jì)算的指數(shù)，Rossi和Sekhposyan[16]在Juardo等的基礎(chǔ)上又設(shè)計(jì)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(bào)道頻率所設(shè)計(jì)的經(jīng)濟(jì)政策不確定(EPU)指數(shù)。該指數(shù)綜合考量了經(jīng)濟(jì)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(guó)家間具有可比性。該指數(shù)的具體構(gòu)建方式如下：從每個(gè)國(guó)家選取代表性英文報(bào)刊，統(tǒng)計(jì)包含如下特定詞語的報(bào)導(dǎo)數(shù)(1)uncertain或uncertainty；(2)economic或economy；(3)一個(gè)或多個(gè)與政治相關(guān)的詞匯，之后在對(duì)每個(gè)序列進(jìn)行標(biāo)準(zhǔn)化處理，最后得出每個(gè)月各國(guó)的經(jīng)濟(jì)政策不確定指數(shù)。以中國(guó)的構(gòu)建指數(shù)為例，該指數(shù)選取南華早報(bào)為新聞報(bào)道來源，首先選取同時(shí)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(jì)該月南華早報(bào)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(guó)的EPU指數(shù)。Baker等[17]指出該指數(shù)能夠很好反映各國(guó)間政策不確定性的波動(dòng)，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(jì)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(duì)于GDP、投資和消費(fèi)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(jì)政策不確定性升高會(huì)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(guó)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(jì)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(jì)時(shí)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(dòng)之后聚集小的波動(dòng)，大的波動(dòng)之后聚集大的波動(dòng)。除此之外，在許多時(shí)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(dòng)不僅體現(xiàn)在時(shí)間這一維度上，也會(huì)體現(xiàn)在空間這一維度，即不同市場(chǎng)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(jì)多元GARCH模型的協(xié)方差矩陣。在建立多元GARCH模型時(shí)，既要保持模型的精簡(jiǎn)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(duì)于協(xié)方差矩陣的分解方式，Engle的條件相關(guān)矩陣是時(shí)變的，能夠刻畫不同序列長(zhǎng)期的變化。自從DCC-GARCH模型被提出后，其常被用于金融市場(chǎng)的研究，如何德旭和苗文龍[25]分析了中國(guó)與主要國(guó)際金融市場(chǎng)的波動(dòng)溢出效應(yīng)。王皓[26]分析了日本股票市場(chǎng)與國(guó)際市場(chǎng)波動(dòng)溢出效應(yīng)，Celk[27]分析了次貸危機(jī)后新興市場(chǎng)間的波動(dòng)溢出效應(yīng)。

對(duì)于這些金融市場(chǎng)間聯(lián)動(dòng)機(jī)制的研究，學(xué)者們往往從經(jīng)濟(jì)預(yù)期與投資收益的角度切入。經(jīng)濟(jì)預(yù)期主要由心理因素主導(dǎo)，包含市場(chǎng)情緒與羊群效應(yīng)。李稻葵等[28]認(rèn)為市場(chǎng)情緒影響資產(chǎn)市場(chǎng)價(jià)格波動(dòng)，資產(chǎn)市場(chǎng)價(jià)格波動(dòng)又會(huì)傳導(dǎo)至實(shí)體經(jīng)濟(jì)的波動(dòng)。Bikhchandani等[29]認(rèn)為信息不對(duì)稱條件下，若投資者對(duì)自己持有的信息持悲觀態(tài)度，他會(huì)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(chǎng)呈現(xiàn)羊群效應(yīng)。Francesco等[30]認(rèn)為對(duì)于跨國(guó)投資者，某一國(guó)家股指劇烈波動(dòng)會(huì)使其重組投資組合，使得風(fēng)險(xiǎn)分散，最終使得各國(guó)市場(chǎng)投資收益率存在一定相關(guān)性。此類分析的側(cè)重點(diǎn)集中在經(jīng)濟(jì)基本面以及更為狹小的金融市場(chǎng)間，較少考慮各國(guó)政策波動(dòng)帶來的聯(lián)動(dòng)影響。

為了全面地考量來自各層面的因素對(duì)經(jīng)濟(jì)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(guó)與美國(guó)、英國(guó)、日本間的經(jīng)濟(jì)政策不確定性的聯(lián)動(dòng)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(jī)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(duì)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(duì)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(cè)異方差因子決定。此種模型類似于主成分分析，特點(diǎn)在于當(dāng)因子個(gè)數(shù)相對(duì)εt維度個(gè)數(shù)較大時(shí)，可以降低維度，簡(jiǎn)化分析。第三類模型將Ht分解，采用間接的方式來估計(jì)。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(diǎn)在于對(duì)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(duì)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(duì)于Ht的分解方式，Engle引入了時(shí)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(jì)值，需對(duì)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(jì)。在第一階段估計(jì)如下的對(duì)數(shù)似然函數(shù)：

ln(L1(φ))

(10)

第二階段估計(jì)按zt服從多元正態(tài)分布或多元t分布分別估計(jì)如下對(duì)數(shù)似然函數(shù)。zt服從多元正態(tài)分布時(shí)：

(11)

zt服從非對(duì)稱多元t分布時(shí)：

(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(jì)政策不確定指數(shù)是Baker等[17]基于新聞報(bào)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(zhǎng)度相同，因此選擇了1997年1月至2017年5月中國(guó)、美國(guó)、日本和英國(guó)的EPU指數(shù)。樣本期內(nèi)各國(guó)EPU指數(shù)的動(dòng)態(tài)變化路徑如圖1所示。

圖1 各國(guó)的EPU指數(shù)

表1 各國(guó)EPU的描述性統(tǒng)計(jì)量

CHNJPNUKUSA觀測(cè)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(guó)的EPU指數(shù)在2012年前長(zhǎng)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(guó)和英國(guó)的EPU指數(shù)波動(dòng)程度上升，其中中國(guó)的EPU一度超過600，而受脫歐事件影響，英國(guó)的EPU指數(shù)超過了1100，為所有樣本值中最大。

圖2 各國(guó)經(jīng)過處理后的EPU指數(shù)

為了消除EPU指數(shù)的趨勢(shì)性特征，我們將其對(duì)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(jì)含義是EPU指數(shù)的近似增長(zhǎng)率，結(jié)果如圖2所示。從圖2可以看出相關(guān)國(guó)家的序列波動(dòng)情況不一，其中中國(guó)的序列在2000年時(shí)的波動(dòng)率大于2003年至2010間的波動(dòng)率；日本的序列在2000年、2008年和2016年震蕩明顯；美國(guó)的序列在2003年、2008年的波動(dòng)率較其他年份大；英國(guó)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(dòng)率時(shí)期。因此，各國(guó)EPU指數(shù)可能都存在不同程度的ARCH效應(yīng)。

2.3 相關(guān)計(jì)量檢驗(yàn)

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

表2 關(guān)于序列的自回歸、異方差、平穩(wěn)性檢驗(yàn)

注：表中數(shù)值為R計(jì)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(guó)家的序列均在1%置信水平下拒絕原假設(shè)為獨(dú)立分布、自相關(guān)系數(shù)為0的BP與LB檢驗(yàn)，表明這四個(gè)序列存在自相關(guān)性。關(guān)于異方差的ARCH檢驗(yàn)的結(jié)果顯示，中國(guó)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(guó)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(guó)的序列可認(rèn)為不存在ARCH效應(yīng)。ADF檢驗(yàn)和PP檢驗(yàn)顯示，所有序列均不包含單位根，可認(rèn)為這4個(gè)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(shí)證結(jié)果

本文基于一階對(duì)數(shù)差分處理后的各國(guó)EPU指數(shù)序列建立DCC-GARCH模型，采用兩階段方法估計(jì)模型。第一階段估計(jì)各序列的單變量GARCH模型，第二階段建立多變量GARCH模型，估計(jì)條件協(xié)方差矩陣Ht，并將其分解后得到包含各國(guó)經(jīng)濟(jì)政策不確定性動(dòng)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(jì)是對(duì)各序列建立單變量GARCH模型。本文采用AIC信息準(zhǔn)則識(shí)別單變量模型中均值方程ARMA的階數(shù)，結(jié)果顯示：中國(guó)EPU指數(shù)的ARMA階數(shù)設(shè)為(0，1)，即MA(1)過程，日本和美國(guó)的EPU指數(shù)ARMA階數(shù)應(yīng)設(shè)為(1，1)，而對(duì)于英國(guó)的序列，ARMA的階數(shù)應(yīng)設(shè)為(4，3)。因此，各國(guó)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(jì)結(jié)果如表3所示，結(jié)果顯示各系數(shù)除英國(guó)的AR(2)項(xiàng)不顯著外，其余均在5%顯著性水平下顯著。

對(duì)于單變量方程中的GARCH項(xiàng)，出于模型簡(jiǎn)化以及估計(jì)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(shí)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(xiàng)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(jì)結(jié)果

在設(shè)定好第一階段的估計(jì)模型后，之后在估計(jì)第二階段似然函數(shù)時(shí)，分別設(shè)定誤差項(xiàng)服從多元正態(tài)分布和非對(duì)稱多元t分布，估計(jì)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(jì)結(jié)果

注：每個(gè)參數(shù)的估計(jì)值中，第一行為參數(shù)估計(jì)值，第二行為對(duì)應(yīng)的p值。

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

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

從表4與表5的對(duì)比來看，雖然當(dāng)誤差項(xiàng)設(shè)定為多元正態(tài)分布時(shí)，模型的信息準(zhǔn)則值較小，但從具體的參數(shù)估計(jì)結(jié)果來看，誤差項(xiàng)服從非對(duì)稱多元t分布時(shí)，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(xiàng)服從非對(duì)稱多元t分布時(shí)DCC-GARCH參數(shù)估計(jì)值

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

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

注：表中數(shù)值為p值。

的情況下，多數(shù)參數(shù)的估計(jì)結(jié)果不顯著。這一結(jié)果也符合我們對(duì)于金融經(jīng)濟(jì)的數(shù)據(jù)序列常常存在尖峰、厚尾、非對(duì)稱分布的經(jīng)驗(yàn)認(rèn)識(shí)[23]。對(duì)非對(duì)稱多元t分布的DCC-GARCH模型提取的殘差進(jìn)行檢驗(yàn)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(gè)國(guó)家EPU指數(shù)序列的信息。因此，本文選擇非對(duì)稱多元t分布的DCC-GARCH模型估計(jì)各國(guó)經(jīng)濟(jì)政策不確定性的動(dòng)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(guó)家兩兩間EPU指數(shù)的動(dòng)態(tài)相關(guān)系數(shù)均大于0，表明各國(guó)經(jīng)濟(jì)政策不確定性對(duì)其他國(guó)家均有一定的正向溢出效應(yīng)。總體來看，美國(guó)與英國(guó)間EPU指數(shù)的動(dòng)態(tài)關(guān)聯(lián)系數(shù)大于其他國(guó)家間的動(dòng)態(tài)相關(guān)系數(shù)，表明英美兩國(guó)間的經(jīng)濟(jì)政策聯(lián)動(dòng)性大于其他國(guó)家間聯(lián)動(dòng)性。

圖3 中國(guó)與日本的EPU動(dòng)態(tài)相關(guān)系數(shù)

圖4 中國(guó)與美國(guó)的EPU動(dòng)態(tài)相關(guān)系數(shù)

圖5 中國(guó)與英國(guó)的EPU動(dòng)態(tài)相關(guān)系數(shù)

圖6 美國(guó)與英國(guó)EPU的動(dòng)態(tài)相關(guān)系數(shù)

對(duì)于中國(guó)而言，中國(guó)與美國(guó)的EPU指數(shù)間的相關(guān)程度大于中國(guó)與英國(guó)和日本間的相關(guān)程度。中國(guó)與美國(guó)EPU的相關(guān)系數(shù)長(zhǎng)期保持在0.24至0.30的區(qū)間內(nèi)。圖4中的波谷時(shí)間為2007年10月，該月我國(guó)召開了中共十七大，眾所周知，每次黨代會(huì)都會(huì)對(duì)未來五年的工作奠定基調(diào)，但同時(shí)會(huì)使得經(jīng)濟(jì)政策的不確定增加。2007年之后，中美兩國(guó)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(dòng)態(tài)相關(guān)系數(shù)圖像走勢(shì)較為相似，谷底同時(shí)出現(xiàn)在2007年10月。中日間EPU指數(shù)動(dòng)態(tài)相關(guān)系數(shù)的圖像走勢(shì)較中美、中英差異較為明顯，兩國(guó)間不僅動(dòng)態(tài)相關(guān)系數(shù)整體低與中美與中英，波谷出現(xiàn)的時(shí)間點(diǎn)也不同。中日兩國(guó)EPU指數(shù)關(guān)聯(lián)程度間波谷時(shí)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(guó)國(guó)內(nèi)激起反日浪潮，多個(gè)城市爆發(fā)反日游行，此事件直接反映在兩國(guó)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(guó)關(guān)于東海釣魚島主權(quán)爭(zhēng)議的發(fā)酵，兩國(guó)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(guó)間的EPU關(guān)聯(lián)度逐漸上升。

圖7 日本與美國(guó)EPU的動(dòng)態(tài)相關(guān)系數(shù)

圖8 日本與英國(guó)EPU的動(dòng)態(tài)相關(guān)系數(shù)

日本與美國(guó)、英國(guó)的EPU動(dòng)態(tài)相關(guān)系數(shù)走勢(shì)較為相似，從另一個(gè)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(duì)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(zhǎng)期保持較為穩(wěn)定，2005年之后波動(dòng)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(shì)與日美、日英間的走勢(shì)迥異。這一現(xiàn)象可能表明了在不同區(qū)域國(guó)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(guó)、美國(guó)、日本和英國(guó)之間EPU指數(shù)的長(zhǎng)期動(dòng)態(tài)相關(guān)性，主要結(jié)論包括：

樣本期內(nèi)，相關(guān)國(guó)家的經(jīng)濟(jì)政策不確定的波動(dòng)情況呈現(xiàn)尖峰、厚尾、非對(duì)稱的特征，表明此數(shù)據(jù)較為符合非對(duì)稱多元t分布條件下的DCC-GARCH模型。從動(dòng)態(tài)相關(guān)系數(shù)的絕對(duì)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(zhǎng)期在0.28左右波動(dòng)，中日間長(zhǎng)期在0.22左右波動(dòng)。這表明中國(guó)與美、英、日三國(guó)的經(jīng)濟(jì)政策不確定性均有一定的正向溢出效應(yīng)，其中美國(guó)、英國(guó)的溢出效應(yīng)要大于日本。

從長(zhǎng)期趨勢(shì)來看，中國(guó)與其他各國(guó)的EPU指數(shù)動(dòng)態(tài)關(guān)聯(lián)程度自2015年末有所提高，且處于長(zhǎng)期以來均值水平。英美兩國(guó)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(jì)政策的不確定性在這兩國(guó)間的傳導(dǎo)較在其他國(guó)家間更快。從區(qū)域的角度來看，日本作為我國(guó)的鄰國(guó)可看成區(qū)域內(nèi)國(guó)家，則美國(guó)與英國(guó)可以看作區(qū)域外國(guó)家。中日間EPU關(guān)聯(lián)圖的走勢(shì)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(dòng)性受兩國(guó)間典型政治問題影響較大。

國(guó)際上經(jīng)濟(jì)政策不確定性溢出效應(yīng)的存在，可能會(huì)使得當(dāng)一國(guó)或多國(guó)遭到?jīng)_擊時(shí)，沖擊在多國(guó)內(nèi)部擴(kuò)散，加劇系統(tǒng)性風(fēng)險(xiǎn)。本文的研究結(jié)果表明，政府在制定政策時(shí)，除了要防范可能出現(xiàn)的各國(guó)間不確定性的聯(lián)動(dòng)作用加劇風(fēng)險(xiǎn)的效應(yīng)，也應(yīng)當(dāng)適度區(qū)分來自不同區(qū)域國(guó)家對(duì)于本國(guó)的影響，從而增強(qiáng)政策的有效性。就我國(guó)而言，政府在應(yīng)對(duì)外來沖擊時(shí)，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(jì)環(huán)境。