不同的政策不確定性對(duì)股市波動(dòng) 影響相同嗎？

周學(xué)偉 付巾書(shū) 宋加山

摘? ?要：本文基于多因子混頻波動(dòng)率模型，研究經(jīng)濟(jì)政策不確定性對(duì)股市行業(yè)波動(dòng)的影響，為預(yù)防出現(xiàn)結(jié)構(gòu)性斷點(diǎn)，將樣本分為經(jīng)濟(jì)增長(zhǎng)和經(jīng)濟(jì)平穩(wěn)兩個(gè)時(shí)期，分別探討兩個(gè)時(shí)期內(nèi)經(jīng)濟(jì)政策不確定性對(duì)股市波動(dòng)的影響。研究發(fā)現(xiàn)，在全樣本時(shí)期貨幣政策不確定性會(huì)顯著增強(qiáng)行業(yè)波動(dòng)，貿(mào)易和外匯政策不確定性會(huì)抑制行業(yè)波動(dòng)，而財(cái)政政策不確定性的影響存在行業(yè)差異性;子樣本結(jié)果顯示，貿(mào)易政策不確定性對(duì)行業(yè)波動(dòng)的影響存在非對(duì)稱(chēng)性，在經(jīng)濟(jì)增長(zhǎng)期存在助推作用，在經(jīng)濟(jì)平穩(wěn)期存在抑制作用;同時(shí)行業(yè)波動(dòng)在經(jīng)濟(jì)增長(zhǎng)期對(duì)貿(mào)易政策反應(yīng)敏感，在經(jīng)濟(jì)平穩(wěn)期對(duì)財(cái)政政策反應(yīng)敏感。

關(guān)鍵詞：政策不確定性;混頻數(shù)據(jù);行業(yè)波動(dòng)

中圖分類(lèi)號(hào)：F830.91? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1674-2265（2020）05-0078-08

DOI：10.19647/j.cnki.37-1462/f.2020.05.013

一、引言

股價(jià)走勢(shì)及其波動(dòng)是眾多因素合力作用的結(jié)果，而經(jīng)濟(jì)政策不確定性在其中扮演重要角色。自2008年金融危機(jī)爆發(fā)以來(lái)，世界經(jīng)濟(jì)復(fù)蘇乏力，為刺激經(jīng)濟(jì)增長(zhǎng)，各國(guó)相繼出臺(tái)大量經(jīng)濟(jì)政策，導(dǎo)致經(jīng)濟(jì)政策不確定性逐漸上升。經(jīng)濟(jì)政策是調(diào)節(jié)宏觀(guān)經(jīng)濟(jì)，促進(jìn)市場(chǎng)平穩(wěn)發(fā)展的催化劑，但經(jīng)濟(jì)政策的過(guò)度調(diào)整，會(huì)沖擊金融市場(chǎng)的穩(wěn)定性。相較于發(fā)達(dá)國(guó)家，我國(guó)股市素有“政策市”之稱(chēng)，盡管政府正努力減少對(duì)市場(chǎng)的干預(yù)，但“政策市”特征仍明顯。對(duì)政策不確定性和股市波動(dòng)的研究歷來(lái)是熱點(diǎn)問(wèn)題，特別是在當(dāng)前經(jīng)濟(jì)下行壓力加大、外部環(huán)境深刻變化的背景下，研究政策不確定性與股市行業(yè)波動(dòng)的關(guān)系具有重要意義。

對(duì)政策不確定性與股市行業(yè)波動(dòng)的研究，首要問(wèn)題是數(shù)據(jù)采樣頻率，政策不確定性多以月度、季度低頻數(shù)據(jù)為主，而股市數(shù)據(jù)大多是日內(nèi)數(shù)據(jù)。以往研究為使數(shù)據(jù)匹配，往往將日度高頻數(shù)據(jù)轉(zhuǎn)化為月度或季度低頻數(shù)據(jù)，但此方法會(huì)損失含有豐富信息的日內(nèi)高頻數(shù)據(jù)。國(guó)外學(xué)者多采用VAR、GARCH、Granger檢驗(yàn)及Markov狀態(tài)轉(zhuǎn)換等模型研究政策不確定性對(duì)股市波動(dòng)的影響。研究結(jié)果表明：貨幣政策不確定性對(duì)股市波動(dòng)的影響存在非對(duì)稱(chēng)效應(yīng)，其在衰退期對(duì)市場(chǎng)波動(dòng)影響更大（Chen等，2007;Engle等，2008;Basistha等，2008;Challe等，2011;Gospodinov等，2015）[1，2，3，4，5];此外在新興市場(chǎng)國(guó)家，政策不確定性和股價(jià)波動(dòng)間存在雙向因果關(guān)系（Li等，2015）[6]。國(guó)內(nèi)學(xué)者運(yùn)用VAR模型發(fā)現(xiàn)，貨幣供給在短期內(nèi)是推動(dòng)股市波幅擴(kuò)大的重要因素，但長(zhǎng)期來(lái)看效果不明顯（肖洋等，2012）[7]。此外，GARCH模型也被國(guó)內(nèi)學(xué)者廣泛應(yīng)用于貨幣政策和股市波動(dòng)的研究，結(jié)果表明貨幣政策對(duì)股市波動(dòng)影響明顯且存在非對(duì)稱(chēng)性，但投資者情緒會(huì)弱化此效應(yīng)（陳其安等，2010;顧巧明等，2011;陳其安等，2017）[8，9，10]。與此同時(shí)，多元回歸分析也是研究政策和股市關(guān)聯(lián)性的常用方法，學(xué)者研究表明經(jīng)濟(jì)政策不確定性上升會(huì)抑制股市波動(dòng)，這種現(xiàn)象在股市上漲期更明顯（王明濤等，2012;周方召等，2019）[11，12]。

由于將高頻數(shù)據(jù)轉(zhuǎn)為低頻數(shù)據(jù)會(huì)損失樣本有效信息，因此國(guó)內(nèi)外學(xué)者將目光轉(zhuǎn)向混頻研究，Ghysels 等（2007）[13]提出混頻數(shù)據(jù)抽樣模型（Mixed Data Sampling，MIDAS）模型，該模型將宏觀(guān)低頻數(shù)據(jù)與日內(nèi)高頻數(shù)據(jù)聯(lián)系起來(lái)，能充分利用高頻數(shù)據(jù)的有效信息。為直觀(guān)洞悉宏觀(guān)經(jīng)濟(jì)對(duì)股市波動(dòng)的影響，Engle等（2013）[14]在MIDAS模型的基礎(chǔ)上提出混頻波動(dòng)率（GARCH-MIDAS）模型，將股市波動(dòng)分解為長(zhǎng)期波動(dòng)和短期波動(dòng)兩部分，低頻變量刻畫(huà)長(zhǎng)期成分，高頻變量刻畫(huà)短期成分。國(guó)外學(xué)者運(yùn)用混頻波動(dòng)率模型研究宏觀(guān)經(jīng)濟(jì)對(duì)我國(guó)股票市場(chǎng)的作用，結(jié)果表明通貨膨脹與股市波動(dòng)間聯(lián)系緊密（Girardin等，2013）[15]。國(guó)內(nèi)學(xué)者運(yùn)用混頻波動(dòng)率模型重點(diǎn)分析經(jīng)濟(jì)景氣指數(shù)、宏觀(guān)經(jīng)濟(jì)等變量對(duì)上證綜指波動(dòng)的影響，結(jié)果表明宏觀(guān)經(jīng)濟(jì)對(duì)股市波動(dòng)存在影響，但具有階段差異性（鄭挺國(guó)等，2014）[16]。夏婷等（2018）[17]將混頻波動(dòng)模型應(yīng)用于政策不確定性與股市波動(dòng)的研究中，其政策不確定性指標(biāo)基于Baker等（2016）[18]提出的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)，研究表明經(jīng)濟(jì)政策不確定性對(duì)A股無(wú)顯著影響。綜上所述，目前國(guó)內(nèi)對(duì)政策不確定性與股市波動(dòng)的研究已較為成熟，但存在同頻涉及較多、混頻涉及較少的現(xiàn)象，且混頻部分更多著眼于宏觀(guān)經(jīng)濟(jì)與股市波動(dòng)的研究，對(duì)政策不確定性的涉獵不多。

因此，筆者擬在Engle等（2013）[14]的基礎(chǔ)上，構(gòu)建多因子混頻波動(dòng)率模型，并將其運(yùn)用于分析經(jīng)濟(jì)政策不確定性對(duì)行業(yè)波動(dòng)的影響。本文主要?jiǎng)?chuàng)新點(diǎn)在于：一是借鑒Huang等（2018）[19]的文獻(xiàn)，對(duì)經(jīng)濟(jì)政策不確定性作進(jìn)一步細(xì)分，分為財(cái)政政策不確定性、貨幣政策不確定性、貿(mào)易政策不確定性和外匯政策不確定性，有利于筆者深入研究不同的經(jīng)濟(jì)政策對(duì)行業(yè)波動(dòng)的影響。二是與現(xiàn)有文獻(xiàn)重點(diǎn)關(guān)注市場(chǎng)波動(dòng)不同，筆者將視角轉(zhuǎn)向行業(yè)層面，可進(jìn)一步探析經(jīng)濟(jì)政策對(duì)股市波動(dòng)的影響機(jī)理。

論文框架如下：第二部分是模型介紹，并構(gòu)建多因子混頻波動(dòng)模型;第三部分是實(shí)證分析，包含數(shù)據(jù)描述、基準(zhǔn)模型等;第四部分是結(jié)論與政策建議。

二、模型介紹

宏觀(guān)變量往往是月度或季度低頻數(shù)據(jù)，因此在研究宏觀(guān)因素對(duì)股市波動(dòng)影響時(shí)，為使數(shù)據(jù)匹配，現(xiàn)有方法往往將日度高頻數(shù)據(jù)轉(zhuǎn)化為月度低頻數(shù)據(jù)來(lái)構(gòu)建模型。但此方法會(huì)損失日度數(shù)據(jù)的有效部分，導(dǎo)致估計(jì)結(jié)果產(chǎn)生偏誤，無(wú)法準(zhǔn)確度量宏觀(guān)因素對(duì)股市波動(dòng)的影響。Ghysels等（2007）[13]提出MIDAS，可將宏觀(guān)低頻數(shù)據(jù)和高頻數(shù)據(jù)聯(lián)系起來(lái)，避免因數(shù)據(jù)轉(zhuǎn)化造成估計(jì)偏誤。Engle等（2013）[14]在此基礎(chǔ)上，構(gòu)建GARCH-MIDAS模型，突破以往同頻模型的限制，可用于分析低頻變量對(duì)股市波動(dòng)的影響，并將市場(chǎng)波動(dòng)分為長(zhǎng)期和短期兩部分。本文借鑒Engle等（2013）[14]的文獻(xiàn)，構(gòu)建多因子GARCH-MIDAS模型，用于分析政策不確定性對(duì)行業(yè)波動(dòng)的影響。

在金融市場(chǎng)中，股價(jià)不僅與公司自身的經(jīng)營(yíng)狀況相關(guān)，且與經(jīng)濟(jì)政策密切關(guān)聯(lián)。因此，在式（1）中將股票波動(dòng)分解為兩部分：[gi，t]代表短期部分，[τt]代表長(zhǎng)期部分。[gi，t]與流動(dòng)性或其他短期因素相關(guān)，[τt]與宏觀(guān)經(jīng)濟(jì)變量有關(guān)，可解釋市場(chǎng)長(zhǎng)期波動(dòng)的來(lái)源，文中指政策不確定性。[εi，t]服從均值為0、方差為1的正態(tài)分布，[σ2i，t]是整體市場(chǎng)波動(dòng)。

在基準(zhǔn)模型中長(zhǎng)期波動(dòng)受已實(shí)現(xiàn)波動(dòng)率（Realized Volatility，簡(jiǎn)稱(chēng)RV）的影響，收益率[ri，t]指在第[t]期第[i]天的收益率，[t]可為月份、季度、半年等，在本文中選擇[t]為月份，那么[Nt]=22。

上述模型均是在單因子框架下進(jìn)行研究，但其無(wú)法捕捉多個(gè)變量的邊際貢獻(xiàn)，甚至?xí)嬖谀Ｐ驼`設(shè)問(wèn)題。因此本文在現(xiàn)有文獻(xiàn)基礎(chǔ)上（鄭挺國(guó)等，2014）[16]對(duì)混頻波動(dòng)率模型作進(jìn)一步拓展，將其變?yōu)樗囊蜃幽Ｐ汀ＴO(shè)定多因子模型有助于更好捕捉政策不確定性對(duì)股市波動(dòng)的長(zhǎng)期影響，深入了解經(jīng)濟(jì)政策對(duì)股市波動(dòng)的內(nèi)在機(jī)理。同時(shí)應(yīng)當(dāng)注意，在進(jìn)行多因子建模時(shí)要考慮變量共線(xiàn)性問(wèn)題?，F(xiàn)將宏觀(guān)經(jīng)濟(jì)政策嵌入模型中，構(gòu)建多因子混頻波動(dòng)率模型，如式（8）所示：

[Xjt-k]為宏觀(guān)變量，[θj]是各宏觀(guān)變量對(duì)應(yīng)系數(shù)，表示經(jīng)濟(jì)政策不確定性對(duì)股市波動(dòng)的邊際貢獻(xiàn)，[ω]為加權(quán)方式，極大似然函數(shù)為式（9）。

三、實(shí)證分析

（一）數(shù)據(jù)描述

本文旨在研究政策不確定性對(duì)股市行業(yè)波動(dòng)的影響，因此行業(yè)數(shù)據(jù)選取中證行業(yè)指數(shù)，分為主要消費(fèi)、原材料、醫(yī)藥衛(wèi)生、信息技術(shù)、能源、可選消費(fèi)、金融地產(chǎn)、公用事業(yè)、工業(yè)和電信服務(wù)十大行業(yè)，政策不確定性選擇Huang等（2018）構(gòu)建的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)作為政策不確定性的代理變量，并將其分為財(cái)政政策（Fiscal）、貨幣政策（Monetary）、貿(mào)易政策（Trade）和外匯政策（EXR）四大不確定性指數(shù)，以上數(shù)據(jù)區(qū)間為2005年1月至2019年10月?？紤]到中國(guó)人更加了解本國(guó)經(jīng)濟(jì)政策變動(dòng)情況，且Huang等（2018）將政策不確定性分為四大指數(shù)，使筆者能深入研究不同政策變動(dòng)對(duì)行業(yè)波動(dòng)的影響，因此本文并未選擇Baker等（2016）提出的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)。中證指數(shù)有限公司是由深交所和上交所共同發(fā)起成立的專(zhuān)門(mén)從事證券指數(shù)開(kāi)發(fā)服務(wù)的公司，其發(fā)布的中證行業(yè)指數(shù)基本覆蓋我國(guó)各行業(yè)上市龍頭企業(yè)，具有行業(yè)覆蓋面廣、代表性強(qiáng)等特征，其行業(yè)指數(shù)數(shù)據(jù)最早可追溯至2005年。

表1給出各行業(yè)對(duì)數(shù)收益率描述性統(tǒng)計(jì)，由表1可知，收益率的中位數(shù)和平均值較小，接近于0，表明收益率在0附近上下波動(dòng);10個(gè)行業(yè)均存在跌停時(shí)刻，除主要消費(fèi)、原材料和公用事業(yè)外，其余7個(gè)行業(yè)存在漲停時(shí)刻;從標(biāo)準(zhǔn)差可看出，信息技術(shù)、能源、電信服務(wù)的行業(yè)收益率波動(dòng)相對(duì)較大;由最后兩列可看出行業(yè)收益率均存在左偏現(xiàn)象，發(fā)生尾部風(fēng)險(xiǎn)的概率更大。

圖1是財(cái)政政策、貨幣政策、貿(mào)易政策和外匯政策不確定性時(shí)序圖。由圖可知外匯政策有兩個(gè)峰值：一是在2011年附近，二是在2016年附近。自2008年金融危機(jī)后，我國(guó)以市場(chǎng)供求為基礎(chǔ)、參考一籃子貨幣進(jìn)行調(diào)節(jié)、有管理的浮動(dòng)匯率制度發(fā)揮了積極作用。在經(jīng)濟(jì)回升向好的背景下，2010年6月19日中國(guó)人民銀行宣布進(jìn)一步推進(jìn)人民幣匯率形成機(jī)制改革，增強(qiáng)人民幣匯率彈性。自公告發(fā)布后，人民幣匯率在短期內(nèi)持續(xù)走強(qiáng)，由年初的6.8攀升至年末6.6附近。外匯政策第二次劇烈變動(dòng)是2015年“811匯改”，此次改革調(diào)整人民幣中間價(jià)形成機(jī)制，由原來(lái)盯住單一美元制調(diào)整為盯住一籃子貨幣。自匯改政策發(fā)布后，市場(chǎng)反應(yīng)劇烈，引起人民幣匯率大幅波動(dòng)，創(chuàng)20年最大跌幅。2008年金融危機(jī)發(fā)生后，為防止經(jīng)濟(jì)全面下滑，我國(guó)實(shí)行“雙松”的財(cái)政政策和貨幣政策，由圖可知2005—2012期間財(cái)政和貨幣政策不確定性逐漸上升，2013年我國(guó)經(jīng)濟(jì)工作重點(diǎn)是“穩(wěn)中求進(jìn)”，防止經(jīng)濟(jì)過(guò)熱，因此財(cái)政政策和貨幣政策趨于穩(wěn)健，不確定性下降，此外由曲線(xiàn)變動(dòng)可知兩者存在同步性。在曲線(xiàn)前半部分貿(mào)易政策不確定性變化較小，進(jìn)入2017年后受中美貿(mào)易摩擦影響其波幅迅速擴(kuò)大。綜上所述，Huang等（2018）[19]構(gòu)建的經(jīng)濟(jì)政策不確定性指數(shù)能及時(shí)捕捉政策變動(dòng)情況，其為下文分析提供支撐。

圖2是政策不確定性波動(dòng)走勢(shì)圖，由圖可明顯看出財(cái)政政策和貨幣政策存在同步性，但財(cái)政政策不確定性波動(dòng)要大于貨幣政策不確定性波動(dòng)，外匯政策不確定性波動(dòng)有兩個(gè)峰值，貿(mào)易政策不確定性在曲線(xiàn)尾端波動(dòng)劇烈，這都與上文分析一致。

（二）基準(zhǔn)模型

單因子混頻波動(dòng)率模型中低頻變量為已實(shí)現(xiàn)波動(dòng)率，因此本文研究已實(shí)現(xiàn)波動(dòng)率對(duì)行業(yè)波動(dòng)的長(zhǎng)期影響。由Engle等（2013）[14]研究可知，月度已實(shí)現(xiàn)波動(dòng)率擬合效果最好，表2列出基于月度已實(shí)現(xiàn)波動(dòng)率的GARCH-MIDAS模型。由表可知，[α+β]明顯小于1，但在標(biāo)準(zhǔn)GARCH模型中其接近于1，這一結(jié)果與國(guó)外學(xué)者研究一致（Engle等，2013;Engle等，2008）[14，2]。同時(shí)，[θ]大都在1%的水平下顯著為正，表明已實(shí)現(xiàn)波動(dòng)率上升會(huì)引起行業(yè)指數(shù)下期波動(dòng)增加。

為簡(jiǎn)化篇幅，圖3只列示主要消費(fèi)行業(yè)的長(zhǎng)短期波動(dòng)時(shí)序圖，由圖可知，長(zhǎng)期波動(dòng)和整體波動(dòng)對(duì)金融市場(chǎng)兩次危機(jī)事件都有明顯反應(yīng)，表明混頻波動(dòng)模型能較好捕捉市場(chǎng)變動(dòng)。同時(shí)，長(zhǎng)期波動(dòng)較整體波動(dòng)更平滑，整體變動(dòng)要先于長(zhǎng)期波動(dòng)對(duì)市場(chǎng)產(chǎn)生反應(yīng)。

（三）多因子模型

由于基準(zhǔn)模型只能衡量單個(gè)變量對(duì)股市波動(dòng)的長(zhǎng)期影響，無(wú)法同時(shí)捕捉多個(gè)變量的邊際貢獻(xiàn)，可能會(huì)由于忽視其他變量的作用存在模型誤設(shè)問(wèn)題，因此本文使用多因子GARCH-MIDAS模型研究政策不確定性對(duì)股市波動(dòng)的影響，有助于更好地捕捉行業(yè)波動(dòng)運(yùn)行趨勢(shì)，深入認(rèn)識(shí)不同經(jīng)濟(jì)政策對(duì)行業(yè)波動(dòng)的作用機(jī)理。但在設(shè)定多因子模型時(shí)，要考慮變量間的相互作用，避免發(fā)生多重共線(xiàn)性，導(dǎo)致估計(jì)存在偏誤。因此，在估計(jì)多因子模型前，本文對(duì)4個(gè)政策不確定性變量進(jìn)行VIF檢驗(yàn)。表4列出共線(xiàn)性檢驗(yàn)結(jié)果，由表可知4個(gè)變量的VIF值均低于10，且容忍度均大于0.1，可判斷變量間不存在多重共線(xiàn)性。

表4列示主要消費(fèi)、原材料、醫(yī)藥衛(wèi)生、信息技術(shù)和能源行業(yè)的多因子模型估計(jì)結(jié)果，由表4可知，[α]和[β]的估計(jì)結(jié)果與上文類(lèi)似，兩者之和明顯小于1。整體來(lái)看，表4內(nèi)[θ]值大都在5%的水平下顯著，其中財(cái)政政策不確定性和外匯政策不確定性對(duì)行業(yè)波動(dòng)具有顯著抑制作用;貨幣政策不確定性對(duì)行業(yè)波動(dòng)具有推動(dòng)作用;貿(mào)易政策不確定性對(duì)主要消費(fèi)行業(yè)波動(dòng)有明顯抑制作用，對(duì)其余行業(yè)無(wú)顯著作用。比較基準(zhǔn)模型和多因子模型的對(duì)數(shù)似然值和AIC可知，多因子模型要優(yōu)于基準(zhǔn)模型。

表5列示可選消費(fèi)、金融地產(chǎn)、公用事業(yè)、工業(yè)和電信業(yè)務(wù)行業(yè)的多因子模型估計(jì)結(jié)果，貿(mào)易政策不確定性和外匯政策不確定性與表4一致，均對(duì)行業(yè)波動(dòng)有抑制作用，而財(cái)政政策不確定性和貨幣政策不確定性表現(xiàn)不一，前者對(duì)可選消費(fèi)、公用事業(yè)和工業(yè)部門(mén)指數(shù)波動(dòng)具有抑制作用，對(duì)金融和電信行業(yè)波動(dòng)具有助推作用;后者對(duì)電信行業(yè)波動(dòng)具有抑制作用，但會(huì)提高其余行業(yè)收益率波動(dòng)。

將表4和表5結(jié)合來(lái)看，可獲得更多信息。第一，貿(mào)易政策不確定性和外匯政策不確定性對(duì)行業(yè)指數(shù)波動(dòng)存在抑制效應(yīng)，財(cái)政政策不確定性和貨幣政策不確定性對(duì)行業(yè)指數(shù)波動(dòng)存在行業(yè)差異性，前者對(duì)金融地產(chǎn)和電信部門(mén)收益率波動(dòng)存在促進(jìn)作用，對(duì)其余行業(yè)收益率波動(dòng)具有抑制作用;后者對(duì)電信部門(mén)行業(yè)波動(dòng)存在抑制效應(yīng)，對(duì)其余部門(mén)收益波動(dòng)具有助推作用。第二，財(cái)政政策不確定性和貨幣政策不確定性均對(duì)信息技術(shù)、原材料和能源部門(mén)影響最大，表明兩者聯(lián)系緊密，對(duì)行業(yè)波動(dòng)影響存在一致性。貿(mào)易政策不確定性對(duì)可選消費(fèi)、金融地產(chǎn)和能源部門(mén)有較大影響，外匯政策不確定性對(duì)金融地產(chǎn)、信息技術(shù)和原材料部門(mén)影響大。綜上所述，政策不確定性間存在某種聯(lián)動(dòng)性，財(cái)政政策和貨幣政策表現(xiàn)明顯。

圖4是多因子模型權(quán)重圖，由圖可知，行業(yè)波動(dòng)對(duì)經(jīng)濟(jì)政策不確定性的敏感程度有所差異。第一，消費(fèi)行業(yè)、信息技術(shù)對(duì)財(cái)政政策反應(yīng)敏感，原材料、醫(yī)藥衛(wèi)生、能源、金融地產(chǎn)、公用事業(yè)對(duì)貿(mào)易政策反應(yīng)敏感，工業(yè)和電信部門(mén)對(duì)外匯政策反應(yīng)敏感。第二，信息行業(yè)對(duì)財(cái)政政策的反應(yīng)較為平均，其余行業(yè)存在先增后降現(xiàn)象，表明財(cái)政政策不確定性對(duì)行業(yè)波動(dòng)的影響具有先加深后減弱的規(guī)律，貿(mào)易政策不確定性也存在此現(xiàn)象。第三，貨幣政策不確定性對(duì)信息技術(shù)、能源、可選消費(fèi)、金融地產(chǎn)和公用事業(yè)部門(mén)的影響呈遞增趨勢(shì)，說(shuō)明貨幣政策對(duì)這些行業(yè)的影響具有持續(xù)性。第四，外匯政策不確定性?xún)H對(duì)金融地產(chǎn)部門(mén)具有持續(xù)性特征，表明匯市和股市聯(lián)系密切。

（四）結(jié)構(gòu)變化

由于我國(guó)經(jīng)濟(jì)增長(zhǎng)存在階段差異性，若從全樣本出發(fā)分析政策不確定性對(duì)行業(yè)波動(dòng)的影響，無(wú)法捕捉階段特征，易忽視某些重要信息。同時(shí)，已有研究表明政策不確定性的時(shí)變特征明顯，在不同時(shí)期對(duì)股市波動(dòng)的影響存在差異（Li等，2015）[6]。圖5是工業(yè)增加值及其波動(dòng)率時(shí)序圖，由圖可知工業(yè)增加值在前期一直處于高位，在2012年左右開(kāi)始逐漸下滑，波動(dòng)率也存在類(lèi)似現(xiàn)象，前期波幅大，后期波幅小，說(shuō)明筆者的擔(dān)心不無(wú)道理。因此本文擬將全樣本劃分為T(mén)1時(shí)期（2005—2012年）和T2時(shí)期（2013—2019年），T1是經(jīng)濟(jì)高速增長(zhǎng)期，T2是經(jīng)濟(jì)平穩(wěn)期，以期研究不同的經(jīng)濟(jì)環(huán)境下政策不確定性對(duì)行業(yè)波動(dòng)的影響。

圖5揭示分階段研究政策不確定性對(duì)行業(yè)波動(dòng)影響的重要性，因此在表6中匯報(bào)T1和T2分階段參數(shù)估計(jì)結(jié)果。第一，財(cái)政政策不確定性在T1和T2時(shí)期對(duì)行業(yè)波動(dòng)都具有抑制作用，表明當(dāng)財(cái)政政策不確定性上升時(shí)，行業(yè)波動(dòng)將下降。深入分析可發(fā)現(xiàn)，財(cái)政政策不確定性在T1時(shí)期對(duì)醫(yī)藥部門(mén)無(wú)影響，在T2時(shí)期其影響范圍有所縮小。第二，貨幣政策不確定性在兩階段對(duì)行業(yè)波動(dòng)均存在助推作用，在T1時(shí)期其影響范圍有限，T2時(shí)期影響范圍擴(kuò)大，表明隨著我國(guó)金融市場(chǎng)的不斷完善，貨幣政策和股市間的傳導(dǎo)渠道被逐漸打通。第三，貿(mào)易政策不確定性對(duì)行業(yè)波動(dòng)的影響存在非對(duì)稱(chēng)性，在T1時(shí)期行業(yè)波動(dòng)隨貿(mào)易政策不確定性的上升而增強(qiáng)，T2時(shí)期呈相反態(tài)勢(shì)。第四，外匯政策不確定性與財(cái)政政策不確定性一致，對(duì)行業(yè)波動(dòng)存在抑制作用，其在T2時(shí)期的影響范圍較T1時(shí)期有所擴(kuò)大，2015年“811匯改”使匯率機(jī)制進(jìn)一步市場(chǎng)化或是其潛在成因。

圖6是T1、T2時(shí)期政策不確定性權(quán)重圖。上半部分是T1時(shí)期權(quán)重圖，下半部分是T2時(shí)期權(quán)重圖，受篇幅所限此處只列示部分行業(yè)。整體來(lái)看，政策不確定性在不同時(shí)期對(duì)同一行業(yè)的權(quán)重分布存在顯著差異。對(duì)主要消費(fèi)行業(yè)來(lái)說(shuō)，其在兩階段均對(duì)財(cái)政政策不確定性和貿(mào)易政策不確定性反應(yīng)敏感，對(duì)外匯和貨幣政策不確定性存在滯后反應(yīng)。在原材料行業(yè)中，T1時(shí)期與主要消費(fèi)一致，對(duì)財(cái)政和貿(mào)易政策反應(yīng)敏感，但在T2時(shí)期對(duì)貿(mào)易政策不確定性存在明顯滯后。醫(yī)藥部門(mén)對(duì)貨幣政策不確定性反應(yīng)敏感，此現(xiàn)象在T1時(shí)期體現(xiàn)明顯。信息部門(mén)在T1時(shí)期對(duì)貿(mào)易政策不確定性敏感，在T2時(shí)期對(duì)財(cái)政政策敏感。能源部門(mén)在T1時(shí)期對(duì)政策不確定性的反應(yīng)速度大體一致，但在T2時(shí)期對(duì)貿(mào)易政策不確定性的反應(yīng)存在明顯滯后。對(duì)權(quán)重圖做整體分析可知，T1時(shí)期行業(yè)波動(dòng)對(duì)貿(mào)易政策不確定性反應(yīng)敏感，T2時(shí)期對(duì)財(cái)政政策不確定性反應(yīng)敏感，此現(xiàn)象在其余行業(yè)中也存在。

四、結(jié)論與政策建議

本文在Engle等（2013）[14]研究基礎(chǔ)上構(gòu)建多因子混頻波動(dòng)率模型，并將其運(yùn)用于分析政策不確定性對(duì)行業(yè)波動(dòng)的影響，其中行業(yè)數(shù)據(jù)選擇中證公司發(fā)布的中證行業(yè)指數(shù)，對(duì)于政策不確定性，筆者在文中作進(jìn)一步細(xì)分，分為財(cái)政、貨幣、貿(mào)易、外匯四個(gè)政策不確定性，數(shù)據(jù)區(qū)間為2005年1月—2019年10月。在此基礎(chǔ)上，本文首先估計(jì)基準(zhǔn)模型，甄別已實(shí)現(xiàn)波動(dòng)率對(duì)股市波動(dòng)的長(zhǎng)期影響。其次，從全樣本出發(fā)，運(yùn)用多因子模型，研究財(cái)政、貨幣、貿(mào)易、外匯四大政策不確定性對(duì)行業(yè)波動(dòng)的長(zhǎng)期影響，并分析政策不確定性的權(quán)重變化。最后，由于經(jīng)濟(jì)增長(zhǎng)存在階段差異性，若從全樣本出發(fā)分析政策不確定性對(duì)行業(yè)波動(dòng)的影響，易忽視某些重要信息。因此為預(yù)防出現(xiàn)結(jié)構(gòu)性變化，筆者將全樣本劃分為T(mén)1（2005—2012年）、T2（2013—2019年）兩階段，并分析權(quán)重前后變化。結(jié)論如下：

第一，貨幣政策不確定性和已實(shí)現(xiàn)波動(dòng)率在全樣本時(shí)期對(duì)行業(yè)波動(dòng)有助推效應(yīng)，貿(mào)易政策不確定性和外匯政策不確定性會(huì)抑制行業(yè)波動(dòng)，而財(cái)政政策不確定性對(duì)行業(yè)波動(dòng)的影響存在行業(yè)差異性。進(jìn)一步分析發(fā)現(xiàn)，政策不確定性間存在某種聯(lián)動(dòng)性，其中財(cái)政政策不確定性和貨幣政策不確定性表現(xiàn)明顯。

第二，在全樣本上行業(yè)波動(dòng)對(duì)經(jīng)濟(jì)政策不確定性的敏感程度存在差異，消費(fèi)行業(yè)和信息行業(yè)對(duì)財(cái)政政策不確定性反應(yīng)敏感，原材料、金融地產(chǎn)、醫(yī)藥、公用事業(yè)、能源對(duì)貿(mào)易政策不確定性反應(yīng)敏感，工業(yè)和電信行業(yè)對(duì)外匯政策反應(yīng)敏感。與此同時(shí)，外匯政策不確定性?xún)H對(duì)金融地產(chǎn)的行業(yè)波動(dòng)具有持續(xù)性。

第三，對(duì)子樣本估計(jì)結(jié)果分析可知，隨著我國(guó)金融市場(chǎng)的不斷完善，貨幣政策和股市間的傳導(dǎo)渠道被逐漸打通，同時(shí)外匯政策不確定性在T2時(shí)期對(duì)行業(yè)波動(dòng)的影響范圍擴(kuò)大，2015年“811匯改”或是其潛在成因，匯改后股市和匯市聯(lián)動(dòng)性日漸加強(qiáng)。

第四，通過(guò)分析子樣本權(quán)重圖可知，在子樣本內(nèi)行業(yè)波動(dòng)對(duì)經(jīng)濟(jì)政策不確定性的反應(yīng)存在較大差異。整體來(lái)看，T1時(shí)期行業(yè)波動(dòng)對(duì)貿(mào)易政策不確定性反應(yīng)敏感，T2時(shí)期對(duì)財(cái)政政策不確定性反應(yīng)敏感。

上述結(jié)論對(duì)監(jiān)管機(jī)構(gòu)具有參考意義：第一，明晰各政策不確定性對(duì)行業(yè)波動(dòng)的影響效應(yīng)，例如在2013—2019年經(jīng)濟(jì)平穩(wěn)期，貨幣政策不確定性會(huì)增強(qiáng)行業(yè)波動(dòng)，財(cái)政、貿(mào)易、外匯會(huì)抑制行業(yè)波動(dòng)，這為政府機(jī)構(gòu)出臺(tái)政策提供有益參考，當(dāng)市場(chǎng)出現(xiàn)異常情況時(shí)，政府可組合各種政策避免出現(xiàn)系統(tǒng)性危機(jī)事件。第二，由上文可知現(xiàn)階段行業(yè)波動(dòng)對(duì)財(cái)政政策不確定性反應(yīng)敏感，因此政府應(yīng)注重保持財(cái)政政策的連續(xù)性，從而減輕其對(duì)金融體系穩(wěn)定性的沖擊。

本文是筆者對(duì)經(jīng)濟(jì)政策不確定性與行業(yè)波動(dòng)的階段性研究成果，還有很多問(wèn)題值得深入研究。例如，可進(jìn)一步比較政策不確定性對(duì)債市、匯市、股市波動(dòng)的異同，或探究政策不確定性間的聯(lián)動(dòng)特征，或?qū)χ忻纼蓢?guó)股票市場(chǎng)的經(jīng)濟(jì)政策進(jìn)行比較研究等等，筆者將在后續(xù)研究中重點(diǎn)關(guān)注這些問(wèn)題。

參考文獻(xiàn)：

[1]Chen，S. 2007. Does Monetary Policy Have Asymmetric Effects on Stock Returns？ [J].Journal of Money Credit & Banking，39（2）.

[2]Engle， R. F.，Rangel，J. G. 2008. The Spline-GARCH Model for Low-Frequency Volatility and Its Global Macroeconomic Causes [J].Review of Financial Studies，21（3）.

[3]Basistha，A.，Kurov，A. 2008. Macroeconomic cycles and the stock markets reaction to monetary policy [J]. Journal of Banking & Finance，32（12）.

[4]Challe， E.，Giannitsarou， C. 2011. Stock Prices and? ?Monetary Policy Shocks：A General Equilibrium Approach [J].Journal of Economic Dynamics and Control，40（1）.

[5]Gospodinov，N.，Jamali， I. 2015. The Response of Stock Market Volatility to Futures-based Measures of Monetary Policy Shocks [J].International Review of Economics & Finance，37.

[6]Li，X.，Balcilar，M.，Gupta，R. et al. 2015. The Causal Relationship Between Economic Policy Uncertainty and Stock Returns in China and India： Evidence from a Bootstrap Rolling Window Approach [J].Emerging Markets Finance and Trade，52（3）.

[7]肖洋，倪玉娟，方舟.股票價(jià)格、實(shí)體經(jīng)濟(jì)與貨幣政策研究——基于我國(guó)1997—2011年的經(jīng)驗(yàn)證據(jù) [J].經(jīng)濟(jì)評(píng)論， 2012，（2）.

[8]陳其安，張媛，劉星.宏觀(guān)經(jīng)濟(jì)環(huán)境、政府調(diào)控政策與股票市場(chǎng)波動(dòng)性——來(lái)自中國(guó)股票市場(chǎng)的經(jīng)驗(yàn)證據(jù)? [J]. 經(jīng)濟(jì)學(xué)家，2010，（2）.

[9]顧巧明.我國(guó)股市波動(dòng)的長(zhǎng)記憶性與貨幣政策的非對(duì)稱(chēng)性研究 [J].中國(guó)經(jīng)濟(jì)問(wèn)題，2011，（1）.

[10]陳其安，雷小燕.貨幣政策、投資者情緒與中國(guó)股票市場(chǎng)波動(dòng)性：理論與實(shí)證 [J].中國(guó)管理科學(xué)，2017，25（11）.

[11]王明濤，路磊，宋鍇.政策因素對(duì)股票市場(chǎng)波動(dòng)的非對(duì)稱(chēng)性影響 [J].管理科學(xué)學(xué)報(bào)，2012，15（12）.

[12]周方召，賈少卿.經(jīng)濟(jì)政策不確定性、投資者情緒與中國(guó)股市波動(dòng) [J].金融監(jiān)管研究，2019，（8）.

[13]Ghysels，E.，Sinko，A.，Valkanov， R. 2007. MIDAS Regressions：Further Results and New Directions [J].Econometric Reviews，26（1）.

[14]Engle，R. F.，Ghysels，E.，Sohn， B. 2013. Stock Market Volatility and Macroeconomic Fundamentals [J].Review of Economics and Statistics，95（3）.

[15]Girardin，E.，Joyeux， R. 2013. Macro Fundamentals as A Source of Stock Market Volatility in China：A Garch-MIDAS Approach [J].Economic Modelling，34.

[16]鄭挺國(guó)，尚玉皇.基于宏觀(guān)基本面的股市波動(dòng)度量與預(yù)測(cè) [J].世界經(jīng)濟(jì)，2014，（12）.

[17]夏婷，聞岳春.經(jīng)濟(jì)不確定性是股市波動(dòng)的因子嗎？——基于GARCH-MIDAS模型的分析 [J].中國(guó)管理科學(xué)， 2018，26（12）.

[18]Baker，S. R.，Bloom，N.，Davis，S. J. 2016. Measuring Economic Policy Uncertainty [J].The Quarterly Journal of Economics，131（4）.

[19]Huang，Y.，Luk， P. 2019. Measuring Economic Policy Uncertainty in China [J]. 2019 Working Paper.