不確定性沖擊對(duì)宏觀經(jīng)濟(jì)變量影響效應(yīng)的差異性研究*
——基于金融摩擦區(qū)制的視角

喻世友，宋曉飛

一、引 言

金融市場動(dòng)蕩與經(jīng)濟(jì)不確定性上升被認(rèn)為是2008 年金融危機(jī)之后西方發(fā)達(dá)經(jīng)濟(jì)體經(jīng)濟(jì)衰退和復(fù)蘇緩慢的兩個(gè)最主要原因（Stock&Watson，2012）。國內(nèi)外學(xué)者對(duì)這兩方面因素的宏觀經(jīng)濟(jì)波動(dòng)效應(yīng)分別進(jìn)行了許多研究。最新文獻(xiàn)把關(guān)注點(diǎn)放在兩者交互上，考察金融市場在傳導(dǎo)不確定性沖擊對(duì)宏觀經(jīng)濟(jì)影響中的作用（Gilchrist et al.，2014）。這兩者間的聯(lián)系是：由于經(jīng)濟(jì)中的個(gè)體對(duì)風(fēng)險(xiǎn)定價(jià)，當(dāng)經(jīng)濟(jì)不確定性更高的時(shí)候，可能會(huì)導(dǎo)致金融市場功能①如：融資，提供流動(dòng)性以及風(fēng)險(xiǎn)控制功能。減弱，由此不確定性沖擊能夠通過金融市場放大其對(duì)經(jīng)濟(jì)的影響。現(xiàn)有研究表明：不僅金融摩擦能夠明顯放大不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)（Gilchrist et al.，2014），并且金融市場狀況更差的情況下這種宏觀經(jīng)濟(jì)效應(yīng)會(huì)更大（Alessandri & Mumtaz，2019）。而到目前為止，研究中國不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)的文獻(xiàn)鮮有考慮金融市場因素。本文以此為切入點(diǎn)，研究中國不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)與金融市場摩擦之間的聯(lián)系，提出并試圖回答以下問題：在中國經(jīng)濟(jì)情境下，在不同的金融摩擦程度之下，中國經(jīng)濟(jì)不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)具有怎樣的差異？金融摩擦程度更高時(shí)，不確定性沖擊的影響是否更大？

為回答上述問題，本文使用中國2006年3月到2018年6月的月度數(shù)據(jù)，由信貸利差刻畫金融摩擦程度①文獻(xiàn)中使用信貸利差衡量金融摩擦程度已有不少先例（例如：戰(zhàn)明華和應(yīng)誠煒（2015），Matvos et al.（2018））。在此感謝審稿專家提醒筆者在理論上金融摩擦與信貸利差是不同的。，建立非線性波動(dòng)均值VAR 模型，研究并比較不確定性沖擊對(duì)中國宏觀經(jīng)濟(jì)的影響效應(yīng)在不同金融摩擦區(qū)制下的差異性。與多數(shù)實(shí)證研究所使用的方法相比，本文方法有兩個(gè)特點(diǎn)：第一，使用結(jié)構(gòu)沖擊的隨機(jī)波動(dòng)率刻畫不確定性，通過波動(dòng)均值的方式將之引入VAR 模型，此設(shè)定使不確定性變量和前定內(nèi)生變量一起直接影響宏觀經(jīng)濟(jì)內(nèi)生變量，與Mumtaz&Surico（2018）的設(shè)定類似，與國內(nèi)學(xué)者常將不確定性代理指標(biāo)變量直接作為系統(tǒng)的內(nèi)生變量加以研究不同（孟慶斌和師倩，2017；田磊等，2017）。第二，使用一年期公司債與一年期國債之間的信貸利差刻畫金融摩擦程度，由信貸利差是否超過某個(gè)內(nèi)生閾值定義金融摩擦所在的區(qū)制，允許模型動(dòng)態(tài)依賴于所處金融摩擦區(qū)制，即在不同金融磨擦區(qū)制下，允許模型參數(shù)結(jié)構(gòu)存在差異性。這有別于上述學(xué)者對(duì)中國經(jīng)濟(jì)不確定性問題的研究。

本文非線性波動(dòng)均值VAR 模型的設(shè)定具有靈活性，其優(yōu)點(diǎn)是：允許宏觀經(jīng)濟(jì)變量面對(duì)不確定性沖擊時(shí)的響應(yīng)隨著金融磨擦程度的高低而存在差異性，避免無差異情形下參數(shù)估計(jì)的非一致性及后續(xù)的不恰當(dāng)推斷。通過對(duì)比不同金融摩擦區(qū)制下不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)，可以直接回答本文提出的問題。

本文研究發(fā)現(xiàn)，在我國經(jīng)濟(jì)情境下，不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)在不同金融摩擦區(qū)制下存在明顯差異。在低金融摩擦區(qū)制下，不確定性沖擊會(huì)導(dǎo)致產(chǎn)出降低，政策利率和信貸利差上升，對(duì)通脹具有不顯著的提高效應(yīng)；在高金融摩擦區(qū)制下，不確定性沖擊對(duì)產(chǎn)出沒有顯著影響，但通脹提高的程度比低金融摩擦區(qū)制下更大，并且對(duì)政策利率和信貸利差有明顯的抑制效應(yīng)。進(jìn)一步分析表明，貨幣當(dāng)局在不同金融摩擦區(qū)制下的行為是導(dǎo)致上述差異的原因，在高金融摩擦區(qū)制下，貨幣當(dāng)局對(duì)不確定性沖擊做出了正面的響應(yīng)，對(duì)沖了不確定性沖擊的不利影響。對(duì)兩種區(qū)制下不確定性沖擊宏觀經(jīng)濟(jì)效應(yīng)的差異性的研究，在一定程度上解釋了為何現(xiàn)有研究認(rèn)為中國經(jīng)濟(jì)政策不確定性不具有明顯的產(chǎn)出效應(yīng)（田磊等，2017）。其原因是：現(xiàn)有研究中線性SVAR 的設(shè)定忽略了兩個(gè)區(qū)制效應(yīng)的差異，導(dǎo)致其無法識(shí)別不確定性沖擊對(duì)產(chǎn)出的負(fù)面影響。

進(jìn)一步通過預(yù)測(cè)方差分解發(fā)現(xiàn)，不確定性沖擊能夠解釋相當(dāng)比例的宏觀經(jīng)濟(jì)波動(dòng)，而且在金融摩擦更高區(qū)制下其解釋的比例更高。最后，使用反事實(shí)分析發(fā)現(xiàn)，不確定性沖擊對(duì)解釋內(nèi)生變量歷史波動(dòng)具有明顯的重要性。預(yù)測(cè)方差分解以及反事實(shí)分析表明，不確定性沖擊是中國宏觀經(jīng)濟(jì)波動(dòng)的重要來源，值得宏觀經(jīng)濟(jì)當(dāng)局對(duì)其加以關(guān)注。

基于本文發(fā)現(xiàn)可得到以下結(jié)論：第一，中國不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)在不同金融摩擦程度下具有明顯差異，并且未被高金融摩擦放大，這與現(xiàn)有文獻(xiàn)關(guān)于國外經(jīng)濟(jì)的研究結(jié)論不同（Alessandri &Mumtaz，2019）。其原因是：在高金融摩擦區(qū)制下，中國貨幣當(dāng)局通過降低政策利率，有效降低信貸利差，及時(shí)對(duì)不確定性沖擊做出了響應(yīng)，對(duì)沖了不確定性沖擊對(duì)宏觀經(jīng)濟(jì)的不利影響。第二，不確定性沖擊是中國宏觀經(jīng)濟(jì)波動(dòng)的一個(gè)重要來源，并且在金融摩擦程度更高時(shí)對(duì)宏觀經(jīng)濟(jì)波動(dòng)影響的比例更大。

本文的研究貢獻(xiàn)在于：首先，與目前國內(nèi)大部分文獻(xiàn)不同，本文通過在VAR模型中加入服從于AR（1）過程的不確定性變量作為解釋變量，并允許波動(dòng)率可以影響內(nèi)生變量，使實(shí)證模型與理論DSGE 模型更加一致，從而具有理論文獻(xiàn)基礎(chǔ)。其次，在模型中引入內(nèi)生金融摩擦變量的閾值效應(yīng)，考察不確定性沖擊在不同金融摩擦區(qū)制下對(duì)宏觀經(jīng)濟(jì)變量的影響效應(yīng)，所得結(jié)論更具有啟發(fā)性。最后，基于非線性波動(dòng)均值VAR 模型的估計(jì)，通過預(yù)測(cè)方差分析以及反事實(shí)分析，量化并比較了不同金融摩擦區(qū)制下不確定性沖擊對(duì)中國宏觀經(jīng)濟(jì)波動(dòng)的重要性?？傮w而言，本文在考察不確定性沖擊與金融摩擦交互對(duì)中國宏觀經(jīng)濟(jì)的影響方面邁出了新的一步，拓展了此研究領(lǐng)域的內(nèi)容。

下文安排如下：第二部分是文獻(xiàn)綜述；第三部分介紹本文使用的模型框架；第四部分是實(shí)證分析；第五部分是結(jié)論與政策建議。

二、文獻(xiàn)綜述

經(jīng)濟(jì)不確定性的概念可以追溯到Knight（1921）。Knight 首先將不確定性的概念引入經(jīng)濟(jì)學(xué)分析，并進(jìn)一步按照個(gè)體是否知道可能事件的分布而區(qū)分為風(fēng)險(xiǎn)和不確定性。在此之后大多數(shù)研究對(duì)不確定性和風(fēng)險(xiǎn)的概念不作完全區(qū)分，而是在統(tǒng)一的“不確定性”概念下展開研究。Bloom（2014）將經(jīng)濟(jì)不確定性定義為“人們對(duì)未來可能狀況的不確定”，并認(rèn)為經(jīng)濟(jì)不確定性能夠造成經(jīng)濟(jì)衰退（Bloom，2014；Stock&Watson，2012）。傳統(tǒng)不確定性影響實(shí)體經(jīng)濟(jì)變量的傳導(dǎo)機(jī)制依賴于投資或雇傭決策的不可逆轉(zhuǎn)性，近年來對(duì)不確定性沖擊傳導(dǎo)機(jī)制的研究重點(diǎn)開始轉(zhuǎn)移到金融摩擦上（Gilchrist et al.，2014）。當(dāng)金融合同面臨代理或者道德風(fēng)險(xiǎn)問題時(shí)，不確定性的上升會(huì)提升外部融資溢價(jià)，導(dǎo)致資本形成成本上升以及投資的降低。這種“金融視角”的傳導(dǎo)機(jī)制表明，金融因素在不確定性沖擊影響實(shí)體經(jīng)濟(jì)的過程中具有關(guān)鍵作用。

目前關(guān)于不確定性沖擊與金融摩擦關(guān)聯(lián)性的VAR 實(shí)證文獻(xiàn)較少。Benati（2016）發(fā)現(xiàn)，把信貸利差與不確定性代理變量同時(shí)放入VAR 模型會(huì)帶來識(shí)別問題：當(dāng)把金融摩擦考慮在內(nèi)時(shí)，不確定性沖擊的作用變得微弱。Caldara et al.（2016）研究發(fā)現(xiàn)，允許信貸狀況對(duì)不確定性的影響做出反應(yīng)是不確定性沖擊能夠影響經(jīng)濟(jì)活動(dòng)的關(guān)鍵。

國內(nèi)文獻(xiàn)關(guān)于不確定性沖擊對(duì)宏觀經(jīng)濟(jì)影響的研究與國外以發(fā)達(dá)國家為對(duì)象的研究有所不同。中國作為最大的發(fā)展中國家和新興市場經(jīng)濟(jì)體，政府在經(jīng)濟(jì)運(yùn)行和資源配置中扮演著更為關(guān)鍵的角色，這驅(qū)動(dòng)國內(nèi)學(xué)者從新政治經(jīng)濟(jì)學(xué)的視角研究政策不確定性對(duì)實(shí)體經(jīng)濟(jì)的影響。張軍和高遠(yuǎn)（2007）將政府周期性換屆和官員的人事調(diào)動(dòng)作為自然實(shí)驗(yàn)，研究官員更替引發(fā)的不確定性對(duì)經(jīng)濟(jì)增長和私人投資的影響。后續(xù)陸續(xù)有學(xué)者沿著這個(gè)思路考察官員變動(dòng)帶來的不確定性對(duì)中國經(jīng)濟(jì)的影響（徐業(yè)坤等，2013）。但官員變動(dòng)導(dǎo)致的不確定性與本文討論的不確定性具有明顯的區(qū)別。一般而言，前者對(duì)經(jīng)濟(jì)的影響是區(qū)域性的，且具有明顯的周期性，因?yàn)橹袊墓賳T更替周期是與地方政府換屆周期強(qiáng)關(guān)聯(lián)的，而本文考察的不確定性不存在與制度安排相關(guān)帶來的周期性。另有部分國內(nèi)學(xué)者使用Baker et al.（2016）構(gòu)建的經(jīng)濟(jì)政策不確定性指標(biāo)作為不確定性的代理指標(biāo)，從宏觀與微觀層面考察經(jīng)濟(jì)政策不確定性對(duì)區(qū)域經(jīng)濟(jì)增長、企業(yè)投資融資等的影響（孟慶斌和師倩，2017；王義中和宋敏，2014）。此外，也有學(xué)者研究經(jīng)濟(jì)政策不確定性對(duì)宏觀經(jīng)濟(jì)波動(dòng)的影響。田磊等（2017）使用混合識(shí)別SVAR 模型，研究了經(jīng)濟(jì)政策不確定性沖擊以及其他三種傳統(tǒng)結(jié)構(gòu)沖擊對(duì)中國宏觀經(jīng)濟(jì)波動(dòng)的相對(duì)影響程度，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性沖擊不是中國經(jīng)濟(jì)波動(dòng)的主要因素，經(jīng)濟(jì)政策不確定性對(duì)產(chǎn)出具有微弱的影響作用，但對(duì)價(jià)格水平的打壓作用明顯，貨幣政策當(dāng)局沒有對(duì)經(jīng)濟(jì)政策不確定性做出針對(duì)性反應(yīng)，并認(rèn)為國有企業(yè)投資行為、政府對(duì)經(jīng)濟(jì)增長的底線思維等中國經(jīng)濟(jì)特征弱化了不確定性沖擊對(duì)產(chǎn)出的影響效應(yīng)。

由上面文獻(xiàn)梳理可見，當(dāng)前文獻(xiàn)對(duì)金融摩擦與不確定性沖擊互動(dòng)的研究不夠充分，關(guān)于中國不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)與金融摩擦之間關(guān)系的研究更是缺乏。在中國經(jīng)濟(jì)情境下，金融摩擦在不確定性沖擊影響宏觀經(jīng)濟(jì)變量過程中的作用怎樣？或者說，在不同的金融摩擦區(qū)制下，不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)是否顯著不同？為此，本文定義金融摩擦區(qū)制變量，將之嵌入非線性波動(dòng)均值VAR 模型中，由此閾值模型的估計(jì)并通過脈沖響應(yīng)分析，研究中國不確定性沖擊在不同金融摩擦程度下的宏觀經(jīng)濟(jì)效應(yīng)。另外，通過預(yù)測(cè)方差分解分析以及構(gòu)建關(guān)于不確定性沖擊的反事實(shí)模擬，說明在不同金融摩擦區(qū)制設(shè)定下不確定性沖擊在中國宏觀經(jīng)濟(jì)波動(dòng)分析中的重要性。

三、非線性波動(dòng)均值VAR模型

較高的金融摩擦程度會(huì)引起宏觀當(dāng)局更多的關(guān)注，并按金融摩擦程度對(duì)宏觀經(jīng)濟(jì)進(jìn)行適時(shí)調(diào)控。為研究不確定性沖擊和金融摩擦交互對(duì)中國宏觀經(jīng)濟(jì)變量的影響效應(yīng)，本節(jié)將經(jīng)濟(jì)按金融摩擦程度的高低分為兩種金融摩擦區(qū)制，將它們嵌套進(jìn)入隨機(jī)波動(dòng)均值VAR模型。

（一）模型設(shè)定

本文設(shè)定的模型包含以下幾類變量：（i）四個(gè)宏觀經(jīng)濟(jì)內(nèi)生變量：實(shí)際GDP（Yt）、消費(fèi)者價(jià)格指數(shù)（Pt）、銀行間市場七天逆回購利率（Repo7Dt）①央行行長易綱在公開談到貨幣政策時(shí)都是以7天逆回購利率來說明貨幣政策立場。這表明，7天逆回購利率是央行看重的政策利率。本文選用此利率作為貨幣政策利率。和AAA 級(jí)一年期公司債與一年期國債之間的信貸利差（Spreadt），其中信貸利差Spreadt用于度量金融摩擦的程度；（ii）隨機(jī)不確定性變量λt，滿足以下AR（1）過程：

其中α和F是未知參數(shù)，ηt是具有方差Q的獨(dú)立同分布新息，代表不確定性沖擊；（iii）金融摩擦區(qū)制變量= 1{Spreadt≤Z*}，由信貸利差變量Spreadt和未知閾值參數(shù)Z*生成，即當(dāng)Spreadt其值低于閾值Z*時(shí)，= 1，表示經(jīng)濟(jì)處于“低金融摩擦”區(qū)制；當(dāng)其取值高于閾值Z*時(shí)，= 0，表示經(jīng)濟(jì)處于“高金融摩擦”區(qū)制。這里信貸利差的取值決定了經(jīng)濟(jì)所在的區(qū)制。

本文參考Mumtaz&Surico（2018）引入的VAR 模型框架②在此模型設(shè)定下，結(jié)構(gòu)沖擊具有時(shí)變隨機(jī)波動(dòng)率，且波動(dòng)率直接影響內(nèi)生變量。，設(shè)定以下允許兩種金融摩擦區(qū)制的非線性波動(dòng)均值VAR模型：

其中，Zt=(Yt，Pt，Repo7Dt，Spreadt)'是四個(gè)內(nèi)生變量組成的列向量，M為內(nèi)生變量的滯后階數(shù)；經(jīng)濟(jì)不確定性變量λt（由式（1）定義）及其J階滯后直接影響內(nèi)生變量? = 1{Spreadt≤Z*}為金融摩擦區(qū)制變量，Z*為閾值參數(shù)；et是具有零均值和單位方差矩陣的獨(dú)立同分布隨機(jī)向量，并與不確定性沖擊ηt不相關(guān)，分別為對(duì)應(yīng)于低金融磨擦區(qū)制（S?t= 1）和高金融磨擦區(qū)制（? = 0）的VAR 模型的隨機(jī)擾動(dòng)項(xiàng)，它們的方差協(xié)方差矩陣Ω1t和Ω2t都具有如下時(shí)變性：

其中A1和A2是對(duì)角化分解得到的下三角矩陣，Ht是對(duì)角矩陣，使不確定性變量λt通過如下方程影響上述方差協(xié)方差矩陣：

此處S是不隨時(shí)間變化的常對(duì)角矩陣，s1，s2，s3，s4為參數(shù)。模型（2）中{ci，βij，γij，Ai，S，Z*，i= 1，2}是未知系數(shù)或矩陣。

注1：由（2）至（6）可見，經(jīng)濟(jì)不確定性變量λt及其滯后既直接影響產(chǎn)出、通脹、貨幣政策以及信貸利差等內(nèi)生變量（模型系統(tǒng)性部分），使它們對(duì)不確定性更高（以及更加不可預(yù)測(cè)）的經(jīng)濟(jì)環(huán)境作出反應(yīng)，又通過驅(qū)動(dòng)Ht影響模型擾動(dòng)項(xiàng)的協(xié)方差矩陣，使之隨時(shí)間變動(dòng)。由（1）（5）知，經(jīng)濟(jì)不確定性沖擊ηt影響模型中變量的路徑為：正向的不確定性沖擊（ηt＞0）提高了經(jīng)濟(jì)中的不確定性λt，使模型中變量擾動(dòng)項(xiàng)的協(xié)方差矩陣特征值增大，進(jìn)而導(dǎo)致內(nèi)生變量預(yù)測(cè)精確度降低。相對(duì)于現(xiàn)有大多數(shù)研究，本文對(duì)波動(dòng)均值的設(shè)定將經(jīng)濟(jì)變量一階矩和二階矩放在一個(gè)統(tǒng)一的內(nèi)在一致框架中考察。

注2：模型（2）對(duì)不確定性的設(shè)定具有以下特征：（i）不確定性與經(jīng)濟(jì)中結(jié)構(gòu)沖擊的波動(dòng)性直接相關(guān)（見（5）式）；（ii）不確定性服從一個(gè)AR(1)過程；（iii）不確定性λt不會(huì)被內(nèi)生變量Zt的滯后所影響，且一階矩和二階矩沖擊之間正交（即E(etηt)= 0），這意味著，不確定性外生于內(nèi)生經(jīng)濟(jì)變量水平變化。注意到，具有隨機(jī)波動(dòng)率的DSGE 模型也具有上述特征；此外，Carriero et al.（2018）也從實(shí)證的角度論證了不確定性外生于經(jīng)濟(jì)變量水平變化設(shè)定的合理性。所以，模型（2）對(duì)不確定性的設(shè)定具有文獻(xiàn)基礎(chǔ)。

注3：模型中Spread取值代表了經(jīng)濟(jì)面臨的金融摩擦程度，它與閾值參數(shù)Z*結(jié)合決定經(jīng)濟(jì)所處的區(qū)制。在不同的金融摩擦區(qū)制下，模型方程（2）具有兩組不同的結(jié)構(gòu)系數(shù){ci，βij，γij，Ai}，i= 1，2。因此，不確定性沖擊對(duì)模型中內(nèi)生變量的影響效應(yīng)在不同區(qū)制下可能是不同的。下文實(shí)證考察金融摩擦是否對(duì)不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)具有放大作用，主要是通過比較兩種金融摩擦區(qū)制下各宏觀經(jīng)濟(jì)內(nèi)生變量關(guān)于不確定性沖擊ηt的脈沖響應(yīng)來實(shí)現(xiàn)。

注4：模型（2）的設(shè)定具有獨(dú)特性，是國內(nèi)現(xiàn)有不確定性宏觀經(jīng)濟(jì)效應(yīng)研究文獻(xiàn)常用的兩步法所無法實(shí)現(xiàn)的?，F(xiàn)有國內(nèi)文獻(xiàn)（如：田磊等（2017））將不確定性看作內(nèi)生變量，按以下兩步形成VAR 模型：先構(gòu)造不確定性度量指標(biāo)（例如，常用的經(jīng)濟(jì)政策不確定性指數(shù)），然后將之與宏觀基本面內(nèi)生變量通過回歸方程連接起來。

（二）模型估計(jì)方法

注意到，在給定λt一個(gè)抽樣的情況下，模型（2）退化為具有已知異方差形式的閾值VAR 模型，由GLS（Generalized Least Squares）變換可將之變換成標(biāo)準(zhǔn)閾值VAR 模型，由Alessandri&Mumtaz（2017）的方法估計(jì)。由此思路，VAR模型（2）的估計(jì)可按以下步驟進(jìn)行：

第一步：記初始不確定性狀態(tài)變量λt= 0。設(shè)模型（2）滯后項(xiàng)系數(shù)的條件后驗(yàn)分布是一個(gè)多重正態(tài)分布，通過Metropolis 步驟從非標(biāo)準(zhǔn)后驗(yàn)分布中抽樣得到閾值參數(shù)；然后根據(jù)此閾值把觀測(cè)樣本分成兩個(gè)區(qū)制，接著從正態(tài)分布中抽樣得到VAR自回歸系數(shù)，由此計(jì)算VAR模型（2）兩個(gè)區(qū)制下的殘差向量。

第二步：給定第一步得到的殘差序列，由Cogley&Sargent（2005）方法得到矩陣A1和A2的后驗(yàn)分布；從一個(gè)逆Gamma分布抽樣得到方差S。給定這些參數(shù)，使用針對(duì)隨機(jī)波動(dòng)率模型的Metropolis算法進(jìn)行抽樣得到新的狀態(tài)變量λt。

第三步：將第二步抽樣得到的λt視為給定，重復(fù)上述兩個(gè)步驟不斷迭代直到估計(jì)的λt收斂①估計(jì)時(shí)設(shè)定迭代次數(shù)為100 000次，以保證模型達(dá)到收斂狀態(tài)，并取后10 000次迭代作為模型的后驗(yàn)估計(jì)。，并得到模型的參數(shù)估計(jì)。

估計(jì)模型（2）后，我們應(yīng)用Koop et al.（1996）的廣義脈沖響應(yīng)方法對(duì)不確定性沖擊進(jìn)行脈沖響應(yīng)分析。具體地，在估計(jì)出所有參數(shù)的后驗(yàn)分布之后，通過模擬有沖擊以及無沖擊情形下的模型，得到內(nèi)生變量在兩種情況下的條件期望，計(jì)算兩種條件期望之差得到脈沖響應(yīng)：給定區(qū)制（s = 0，1）以及特定的歷史路徑（），廣義脈沖響應(yīng)計(jì)算為其中Ψt代表模型中所有的參數(shù)，k是考察脈沖響應(yīng)的期限，μ代表考察的沖擊（詳見Mumtaz&Surico（2018））。這里有兩點(diǎn)需要注意：第一，計(jì)算過程中區(qū)制之間的轉(zhuǎn)移被視為內(nèi)生，經(jīng)濟(jì)系統(tǒng)是否會(huì)進(jìn)行區(qū)制轉(zhuǎn)移取決于沖擊的符號(hào)和大小，也就是說上述模擬同時(shí)考慮到了內(nèi)生變量Yt以及參數(shù)Ψt的動(dòng)態(tài)。第二，即使在給定的區(qū)制內(nèi)，脈沖響應(yīng)也依賴于沖擊發(fā)生之前的歷史路徑（）。實(shí)際上，信貸利差在歷史低位與略低于閾值時(shí)，模型中的內(nèi)生變量對(duì)結(jié)構(gòu)沖擊的響應(yīng)形式可能是不同的，故本文關(guān)注的是每個(gè)區(qū)制內(nèi)的平均響應(yīng)。通過計(jì)算區(qū)制內(nèi)脈沖響應(yīng)的平均水平，研究每個(gè)區(qū)制內(nèi)內(nèi)生變量關(guān)于不確定性沖擊的最具代表性的平均動(dòng)態(tài)響應(yīng)。

四、數(shù)據(jù)和實(shí)證結(jié)果分析

（一）數(shù)據(jù)處理及滯后階數(shù)的設(shè)定

本文使用中國2006年3月到2018年6月的月度數(shù)據(jù)（因信貸利差數(shù)據(jù)可得性），其中，實(shí)際國內(nèi)生產(chǎn)總值（實(shí)際GDP）、消費(fèi)者價(jià)格指數(shù)（CPI）、銀行間市場七天逆回購利率（Repo7D）的數(shù)據(jù)來自于Chang et al.（2016）①Chang et al.（2016）提供了各個(gè)頻率季節(jié)處理后的中國宏觀經(jīng)濟(jì)數(shù)據(jù)庫，詳見網(wǎng)頁https：//www.frbatlanta.org/cqer/research/china-macroeconomy.aspx？panel=1，信貸利差（Spread）數(shù)據(jù)由來自于CEIC 數(shù)據(jù)庫②https：//insights.ceicdata.com/的一年期AAA 公司債券收益率以及一年期國債收益率計(jì)算所得。根據(jù)Pfeifer（2014）關(guān)于處理觀測(cè)數(shù)據(jù)的建議，同王曦等（2017）的處理，我們將實(shí)際GDP取對(duì)數(shù)后再使用單邊HP濾波得到周期項(xiàng)③在宏觀經(jīng)濟(jì)波動(dòng)文獻(xiàn)中常用此數(shù)據(jù)處理方式（王曦等，2017）。，作為模型（2）中Yt；對(duì)CPI取對(duì)數(shù)差分得到環(huán)比增速，作為（2）中的Pt；Repo7D和Spread直接使用原數(shù)據(jù)。對(duì)經(jīng)過處理的數(shù)據(jù)集進(jìn)行單位根檢驗(yàn)，結(jié)果表明這些變量序列不存在單位根。

模型（2）內(nèi)生變量滯后階數(shù)M的選擇綜合了多種標(biāo)準(zhǔn)：AIC、FPE標(biāo)準(zhǔn)選擇為滯后4階，而HQIC顯示滯后3 階，SBIC 標(biāo)準(zhǔn)選擇滯后2 階。本文采取滯后4 階的設(shè)定④田磊等（2017）將VAR模型滯后階數(shù)設(shè)定為2，本文設(shè)定內(nèi)生變量滯后階數(shù)為4應(yīng)能足以刻畫數(shù)據(jù)。，即（2）中M= 4；參照文獻(xiàn)Alessandri&Mumtaz（2019），不確定性變量λt的滯后階數(shù)設(shè)定為3，即取J= 3。

（二）估計(jì)結(jié)果分析

先考察非線性波動(dòng)均值VAR 模型估計(jì)得到的金融摩擦區(qū)制，見圖1，其中閾值Z*的估計(jì)值約為1.7，陰影區(qū)表示信貸利差超過閾值的時(shí)期?？梢姡?008年全球金融危機(jī)前夕、2012年初以及2014年初等時(shí)期，信貸利差都超過了閾值，表明這幾個(gè)時(shí)期的金融摩擦程度顯著高于其他時(shí)期。與實(shí)際情況比較來看，模型較好地捕捉到高金融摩擦區(qū)制時(shí)期。

圖1 信貸利差與閾值Z*

圖2 估計(jì)的不確定性序列λt

其次，關(guān)于不確定性序列λt的估計(jì)見圖2。其中，實(shí)線代表估計(jì)的不確定性變量序列，陰影區(qū)間是序列的68%置信區(qū)間⑤宏觀經(jīng)濟(jì)波動(dòng)實(shí)證研究中，采用68%置信區(qū)間是常見的做法（Sims&Zha，2006）。下同。?？梢姡淮_定性變量在不同時(shí)間具有明顯的差異性，并且在高經(jīng)濟(jì)不確定性時(shí)期伴隨著標(biāo)志性宏觀經(jīng)濟(jì)事件發(fā)生變動(dòng)：在2007年股市動(dòng)蕩期間、2008年國際金融危機(jī)期間、2011年中國經(jīng)濟(jì)過熱期間、2013 年中“錢荒”以及2015 年中國股票市場動(dòng)蕩等期間，不確定性都明顯上升。此外，通過與常見的不確定性度量指標(biāo)——中國交易型開放指數(shù)基金（Exchange Traded Funds，簡稱“ETF”）月度波動(dòng)率比較來看，本文估計(jì)得到的不確定性序列與ETF 月度波動(dòng)率之間的相關(guān)性系數(shù)為0.253，并且在5%的顯著性水平上顯著（P-value=0.0181）。這表明，本文估計(jì)的不確定性與經(jīng)濟(jì)實(shí)際相符，模型具有可靠性。

接下來對(duì)模型中四個(gè)內(nèi)生變量關(guān)于不確定性沖擊進(jìn)行脈沖響應(yīng)分析。我們依低、高兩種金融摩擦區(qū)制，分別作出各內(nèi)生變量對(duì)一單位標(biāo)準(zhǔn)差的外生不確定性沖擊ηt的脈沖響應(yīng)圖，見圖3。其中，橫軸表示月份，縱軸是脈沖響應(yīng)的大?。粚?shí)線和陰影表示低金融摩擦區(qū)制（信貸利差小于閾值）時(shí)的脈沖響應(yīng)及其68%的置信區(qū)間；虛線表示高金融摩擦區(qū)制（信貸利差大于等于閾值）時(shí)的脈沖響應(yīng)及其68%的置信區(qū)間。以下按兩種區(qū)制分別進(jìn)行分析和比較。

圖3 不同金融摩擦區(qū)制下不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)

由圖3 各圖中的實(shí)線和陰影部分知，在低金融摩擦區(qū)制下，GDP對(duì)不確定性沖擊的脈沖響應(yīng)小于零，即不確定性沖擊會(huì)降低產(chǎn)出，這與國內(nèi)學(xué)者關(guān)于政策不確定性的研究結(jié)果不同（田磊等，2017）；CPI對(duì)不確定性沖擊的脈沖響應(yīng)為正，即不確定性沖擊會(huì)提高通脹，但在初始10個(gè)月內(nèi)置信區(qū)間較寬，此沖擊的作用在統(tǒng)計(jì)上不具有顯著性；Repo7D對(duì)不確定性沖擊的脈沖響應(yīng)初期為正，但置信區(qū)間很寬，即不確定性沖擊對(duì)銀行間七天逆回購利率同樣具有不顯著的提升作用，不確定性沖擊的上升會(huì)導(dǎo)致銀行間市場利率一定程度的升高；Spread對(duì)不確定性沖擊的脈沖響應(yīng)為正，且置信區(qū)間較窄，即不確定性沖擊使信貸利差出現(xiàn)顯著上升，這表明不確定性沖擊通過金融市場表現(xiàn)出來并傳導(dǎo)到實(shí)體經(jīng)濟(jì)，從而對(duì)宏觀經(jīng)濟(jì)產(chǎn)生影響。

由圖3 各圖中的虛線部分知，在高金融摩擦區(qū)制下，不確定性沖擊對(duì)產(chǎn)出的影響程度為正，比較小且統(tǒng)計(jì)上不顯著（置信區(qū)間很寬）；不確定性沖擊對(duì)通貨膨脹同樣具有不顯著的正向影響，但是影響程度高于低金融摩擦區(qū)制下的影響；而銀行間市場七天逆回購利率以及信貸利差對(duì)不確定性沖擊的脈沖響應(yīng)均為負(fù)，且不具有統(tǒng)計(jì)顯著性①高金融摩擦區(qū)制結(jié)果不夠顯著的原因可能是高金融摩擦區(qū)制的樣本比例小，從計(jì)量經(jīng)濟(jì)學(xué)角度來說，樣本少容易出現(xiàn)顯著性不高的情況。。

比較圖3兩種金融摩擦區(qū)制下各變量的脈沖響應(yīng)結(jié)果，我們發(fā)現(xiàn)；各變量對(duì)不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)在兩種不同區(qū)制下具有一定的差異性。高區(qū)制下GDP的脈沖響應(yīng)為正，低區(qū)制下GDP的脈沖響應(yīng)為負(fù)，差異明顯。高、低區(qū)制下CPI的脈沖響應(yīng)均為正，但高區(qū)制下CPI的脈沖響應(yīng)更大，這也是一個(gè)突出差異。有更大差異的是Repo7D和Spread的脈沖響應(yīng)，在高區(qū)制下兩者的脈沖響應(yīng)均為負(fù)，但在低區(qū)制下兩者的脈沖響應(yīng)均為正。本文認(rèn)為，貨幣當(dāng)局在不同金融摩擦區(qū)制下不同的行為是導(dǎo)致不同金融摩擦區(qū)制下不確定性沖擊宏觀經(jīng)濟(jì)效應(yīng)差異的原因，其中，金融摩擦程度的閾值Z*起到了類似于信號(hào)傳遞的作用。在高金融摩擦區(qū)制下（Spreadt＞Z*），貨幣當(dāng)局更為關(guān)注宏觀經(jīng)濟(jì)出現(xiàn)衰退的可能性，對(duì)產(chǎn)出賦予更高的權(quán)重。此時(shí)，當(dāng)經(jīng)濟(jì)中出現(xiàn)不確定性沖擊時(shí)，貨幣政策當(dāng)局會(huì)及時(shí)降低政策利率，穩(wěn)定金融市場，進(jìn)而降低信用利差，較好地對(duì)沖了不確定性沖擊對(duì)產(chǎn)出的不利影響。

由上述脈沖響應(yīng)分析結(jié)果可知，在低金融摩擦區(qū)制下，不確定性沖擊導(dǎo)致產(chǎn)出降低的同時(shí)使通脹升高；在高金融摩擦區(qū)制下，貨幣政策當(dāng)局采取了擴(kuò)張性的貨幣政策，對(duì)沖了不確定性沖擊對(duì)總產(chǎn)出的影響，同時(shí)也導(dǎo)致了更高的通脹。這表明，不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)類似于典型的負(fù)向供給沖擊，這有兩種可能的解釋：一個(gè)是不確定性升高使得生產(chǎn)者出于風(fēng)險(xiǎn)規(guī)避行為從而減少生產(chǎn)，導(dǎo)致負(fù)向供給沖擊；另一個(gè)是不確定性的升高導(dǎo)致經(jīng)濟(jì)中資源錯(cuò)配升高，從而資源利用效率降低，導(dǎo)致負(fù)向供給沖擊（Su，2019）。

上述脈沖響應(yīng)結(jié)果也可以由新凱恩斯DSGE 模型下的數(shù)值模擬得到驗(yàn)證。我們的模擬結(jié)果表明，面對(duì)不確定性沖擊，貨幣政策當(dāng)局不同的響應(yīng)行為所導(dǎo)致的不確定性宏觀經(jīng)濟(jì)效應(yīng)與圖3 中不同金融摩擦區(qū)制下的宏觀經(jīng)濟(jì)效應(yīng)相類似。而且，貨幣政策當(dāng)局在高金融摩擦區(qū)制下不僅增加了對(duì)產(chǎn)出的響應(yīng)權(quán)重，還會(huì)對(duì)不確定性本身作出響應(yīng)。這逆向驗(yàn)證了上述脈沖響應(yīng)結(jié)果的分析結(jié)論。

上述分析結(jié)果還表明，不確定性沖擊在兩種不同金融摩擦區(qū)制下的宏觀經(jīng)濟(jì)效應(yīng)具有較大的差異性，這與政策利率（Repo7D）沖擊和信貸利差（Spread）沖擊在不同區(qū)制下的宏觀經(jīng)濟(jì)效應(yīng)相比具有獨(dú)特性。我們對(duì)這兩種金融沖擊在不同金融摩擦區(qū)制下也進(jìn)行了脈沖響應(yīng)分析（過程從略），結(jié)果顯示，每種沖擊的宏觀經(jīng)濟(jì)效應(yīng)在兩種金融摩擦區(qū)制下的脈沖響應(yīng)圖非常接近，幾乎沒有差異。這與圖3 中不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)在兩種區(qū)制下的明顯差異形成對(duì)比。這表明，在兩種區(qū)制分析框架下，不確定性沖擊與這兩種金融沖擊相比具有特殊性，在研究不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)時(shí)，應(yīng)考慮金融摩擦與不確定性沖擊的交互作用。

上述結(jié)果與Alessandri&Mumtaz（2019）的研究結(jié)果相似，不確定性沖擊總體而言類似于負(fù)向的供給沖擊，并且不確定性沖擊在不同金融摩擦區(qū)制下的宏觀經(jīng)濟(jì)效應(yīng)具有明顯差異。但在中國情形下，我們的研究發(fā)現(xiàn)與他們不同的是：在低金融摩擦區(qū)制，宏觀當(dāng)局沒有對(duì)不確定性沖擊作出積極響應(yīng)，不確定性沖擊對(duì)宏觀經(jīng)濟(jì)具有顯著的打壓作用，導(dǎo)致了產(chǎn)出降低；而在高金融摩擦區(qū)制，貨幣當(dāng)局及時(shí)對(duì)不確定性作出反應(yīng)，對(duì)沖了不確定性對(duì)產(chǎn)出的不利影響。這是因?yàn)?，與發(fā)達(dá)經(jīng)濟(jì)體相比，具有中國特色的政策決策機(jī)制以及經(jīng)濟(jì)結(jié)構(gòu)使得政策出臺(tái)速度更快和執(zhí)行效率更高。在金融摩擦相對(duì)較高時(shí)，中國宏觀調(diào)控對(duì)于經(jīng)濟(jì)狀況關(guān)注度更高，當(dāng)不利沖擊出現(xiàn)時(shí)，宏觀調(diào)控能夠及時(shí)有效地做出響應(yīng)，對(duì)沖了不確定性上升對(duì)經(jīng)濟(jì)的不利影響。

（三）不確定性沖擊在宏觀經(jīng)濟(jì)波動(dòng)中的重要性分析

在上文基礎(chǔ)上，本節(jié)通過預(yù)測(cè)方差分解與反事實(shí)分析來考察不確定性沖擊對(duì)中國宏觀經(jīng)濟(jì)波動(dòng)的重要程度。

圖4給出兩個(gè)區(qū)制下各內(nèi)生變量預(yù)測(cè)方差分解中不確定性沖擊解釋部分，其中，實(shí)線表示對(duì)預(yù)測(cè)方差的解釋比例（%），陰影是其68%的置信區(qū)間?？梢姡海╥）對(duì)于GDP而言，不確定性解釋的比重在兩個(gè)區(qū)制下都超過了10%，而在高金融摩擦區(qū)制下比在低金融摩擦區(qū)制下的解釋比例高；（ii）不確定性沖擊能夠解釋CPI 和Repo7D 高金融摩擦區(qū)制下超過20%的波動(dòng)，是低金融摩擦區(qū)制下的兩倍以上；（iii）對(duì)于信貸利差（Spread）而言，在兩個(gè)區(qū)制內(nèi)不確定性沖擊都解釋了其超過15%的波動(dòng)，并且在高金融摩擦區(qū)制下，不確定性沖擊解釋的比例更高。

圖4 宏觀變量預(yù)測(cè)方差分解中不確定性沖擊的解釋比例（%）

另外，政策利率（Repo7D）沖擊和信貸利差（Spread）沖擊對(duì)各內(nèi)生變量預(yù)測(cè)方差的解釋比例在兩種金融摩擦區(qū)制下無明顯差異①限于篇幅，此結(jié)果不作報(bào)告，感興趣讀者可來信索取。。結(jié)合圖3的分析結(jié)論，這進(jìn)一步確認(rèn)了在研究不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)時(shí)應(yīng)將金融摩擦因素考慮進(jìn)來。

除了通過預(yù)測(cè)方差分解來看不確定性沖擊的重要性之外，還可以通過反事實(shí)分析來看不確定性沖擊在解釋各個(gè)變量歷史序列中的作用。具體反事實(shí)分析的設(shè)計(jì)如下：假設(shè)不存在不確定性沖擊，即式（1）中ηt= 0，將所有水平變量波動(dòng)率設(shè)定在樣本均值，模擬這個(gè)“常數(shù)不確定性”的世界得到反事實(shí)內(nèi)生變量序列，然后計(jì)算真實(shí)數(shù)據(jù)與反事實(shí)序列之差作為不確定性沖擊重要性的度量。

圖5 給出反事實(shí)模擬的結(jié)果，圖中實(shí)線代表各個(gè)變量實(shí)際值與反事實(shí)模擬值之差，陰影區(qū)域表示68%置信區(qū)間。首先，GDP 實(shí)際數(shù)據(jù)與其反事實(shí)模擬值之差，在2008 下半年至2009 年上半年的金融危機(jī)期間以及2011至2012年抑制通脹期間均為負(fù)數(shù)，表明去掉不確定性沖擊之后，模型無法捕捉GDP 在此期間的產(chǎn)出下降。其次，對(duì)于通貨膨脹（CPI）來說，去掉不確定性沖擊后，模型無法捕捉到2007 年下半年至2008 年上半年通脹上升，以及2008 年下半年至2009 年上半年國際金融危機(jī)導(dǎo)致的通脹降低。再次，不確定性沖擊對(duì)于政策利率（Repo7D）的分析也是重要的，忽略不確定性沖擊之后，模型無法捕捉到2008至2009年國際金融危機(jī)期間、2012年以及2014年上半年政策利率的幾次下調(diào)。最后，對(duì)于信貸利差（Spread）而言，去掉不確定性沖擊之后，同樣使得模型不能捕捉其于2011 年至2014 年間幾次明顯的上升以及2016 之后的降低。這些結(jié)果均說明，不確定性沖擊在解釋宏觀經(jīng)濟(jì)波動(dòng)中具有相當(dāng)?shù)闹匾浴?/p>

圖5 去掉不確定性沖擊的反事實(shí)分析

綜合上述預(yù)測(cè)方差分解以及反事實(shí)分析可知，無論是低金融摩擦區(qū)制還是高金融摩擦區(qū)制，不確定性沖擊都是宏觀經(jīng)濟(jì)波動(dòng)的重要影響因素，且在高金融摩擦區(qū)制下它對(duì)宏觀經(jīng)濟(jì)波動(dòng)的影響比例更大。

（四）對(duì)金融摩擦區(qū)制、經(jīng)濟(jì)不確定性以及央行行為的探討

根據(jù)上述模型設(shè)定及其分析結(jié)果可知，不同金融區(qū)制下不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)出現(xiàn)明顯差異的原因是：貨幣政策當(dāng)局以信貸利差是否超過閾值Z*為信號(hào)，在不同金融摩擦區(qū)制下采取了不同的應(yīng)對(duì)方式。從歷史數(shù)據(jù)來看，信貸利差確是宏觀經(jīng)濟(jì)狀況的一個(gè)不錯(cuò)的指標(biāo)，較好地反映了幾次重要的宏觀經(jīng)濟(jì)事件。例如，2008年全球金融危機(jī)，2011年底與2012年初城投債危機(jī)以及2013年底與2014年初銀行間市場流動(dòng)性降低導(dǎo)致的“二次錢荒”，均在本文模型估計(jì)所得的金融摩擦區(qū)制上得到了很好的反映（見圖1陰影部分）。

由圖2 估計(jì)的不確定性序列λt的時(shí)間序列圖知，有幾個(gè)不確定性比較高的時(shí)間段，如2007 年以及2015年股票市場的兩次巨幅震蕩、2013年中銀行間市場流動(dòng)性緊缺，卻不在圖1所估計(jì)的高金融摩擦區(qū)制內(nèi)。這些發(fā)現(xiàn)與事實(shí)是相符的，央行在此期間內(nèi)的確沒有針對(duì)這些事件導(dǎo)致的經(jīng)濟(jì)不確定性上升作出及時(shí)有力的應(yīng)對(duì)。我們對(duì)此作以下分析。

對(duì)于前兩次股票市場的巨幅震蕩來說，究其原因，從歷史沿革上來說，央行沒有對(duì)前兩次震蕩做更多響應(yīng)，可能的原因有兩個(gè)：第一，中國股票市場在設(shè)立之初定位之一就是當(dāng)國有企業(yè)融資紓困，更重視一級(jí)市場融資功能，而對(duì)二級(jí)市場的健康發(fā)展較為忽視。第二，中國股票市場發(fā)展程度不高，市場參與主體多為散戶，羊群效應(yīng)明顯，使得市場本身就更容易出現(xiàn)暴漲暴跌，而宏觀政策當(dāng)局不能為群體非理性行為負(fù)責(zé)。雖然央行無法針對(duì)上述兩種原因?qū)善笔袌鼍薹▌?dòng)作出響應(yīng)，但從股票市場波動(dòng)帶來不確定性的角度思考，央行其實(shí)有必要對(duì)股票市場的巨幅震蕩帶來的不確定性作出積極響應(yīng)。具體操作上，當(dāng)股票市場出現(xiàn)明顯異常波動(dòng)證據(jù)的時(shí)候，在其進(jìn)一步發(fā)展成為資產(chǎn)價(jià)格泡沫之前，央行可以通過增加與公眾溝通等方式來預(yù)警，必要時(shí)應(yīng)積極使用貨幣政策來對(duì)沖不確定性上升對(duì)宏觀經(jīng)濟(jì)的不利影響，達(dá)到合理管控宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)的目的。

對(duì)于2013年銀行間市場流動(dòng)性緊缺來說，其帶來的不確定性部分地反映了當(dāng)時(shí)央行缺乏足夠的貨幣政策工具，對(duì)市場短期利率的控制能力相對(duì)較弱。但在2014年之后，央行逐漸創(chuàng)新貨幣政策工具，為銀行間市場提供新的調(diào)控流動(dòng)性工具，基本解決了銀行間市場可能出現(xiàn)流動(dòng)性短缺的問題。

從上述分析可知，貨幣當(dāng)局僅根據(jù)信貸利差來決定是否對(duì)不確定性沖擊作出應(yīng)對(duì)是不足夠的，央行作為最重要的宏觀調(diào)控當(dāng)局之一，需要在未來調(diào)整當(dāng)前的做法，即使在信貸利差沒有超過閾值的情況下，也應(yīng)該關(guān)注和應(yīng)對(duì)股票市場異常波動(dòng)帶來的經(jīng)濟(jì)不確定性對(duì)宏觀經(jīng)濟(jì)的不利影響。事實(shí)上，目前政府對(duì)股票市場改革發(fā)展逐漸重視，十九大報(bào)告中明確提出“提高直接融資比重，促進(jìn)多層次資本市場健康發(fā)展”，所以，可以預(yù)見，未來股票市場的地位必將顯著提升，股票市場對(duì)宏觀經(jīng)濟(jì)的影響也將加強(qiáng)。

五、結(jié) 論

本文研究不確定性沖擊對(duì)中國宏觀經(jīng)濟(jì)變量的影響效應(yīng)以及金融摩擦在不確定性沖擊效應(yīng)傳導(dǎo)中的作用。此研究拓展了中國經(jīng)濟(jì)情境下關(guān)于金融摩擦與不確定性沖擊宏觀經(jīng)濟(jì)效應(yīng)的交互作用的學(xué)術(shù)研究。

相對(duì)于文獻(xiàn)中常把不確定性代理指標(biāo)作為內(nèi)生變量建立傳統(tǒng)VAR 模型的設(shè)定，本文將經(jīng)濟(jì)不確定性變量設(shè)定成外生于內(nèi)生經(jīng)濟(jì)變量變化的一個(gè)狀態(tài)AR（1）過程，還允許不確定性沖擊作用于經(jīng)濟(jì)波動(dòng)率，并按內(nèi)生金融磨擦變量的變化范圍將經(jīng)濟(jì)進(jìn)行區(qū)制分類，最終將不確定性與金融磨擦區(qū)制分類的交互作用嵌套于宏觀內(nèi)生經(jīng)濟(jì)變量VAR 模型中，形成非線性波動(dòng)均值VAR 模型。這種設(shè)定具有文獻(xiàn)基礎(chǔ)，并與中國特色經(jīng)濟(jì)發(fā)展相一致。利用中國2006 年3 月到2018 年6 月份月度數(shù)據(jù)估計(jì)非線性波動(dòng)均值VAR模型，結(jié)果發(fā)現(xiàn)：第一，在低金融摩擦區(qū)制下，不確定性沖擊會(huì)導(dǎo)致產(chǎn)出下降，銀行間市場利率上行以及信貸利差上升。第二，在高金融摩擦區(qū)制下，不確定性沖擊對(duì)宏觀經(jīng)濟(jì)沒有明顯打壓作用，原因是貨幣政策當(dāng)局采取了相對(duì)寬松的貨幣政策，對(duì)沖了不確定性沖擊對(duì)宏觀經(jīng)濟(jì)的沖擊。第三，通過預(yù)測(cè)方差分解以及反事實(shí)分析，發(fā)現(xiàn)不確定性沖擊能夠解釋產(chǎn)出波動(dòng)超過15%的比例，且在高金融摩擦區(qū)制下，不確定性沖擊的重要性明顯高于低金融摩擦區(qū)制。

上述結(jié)果中，高金融摩擦區(qū)制下的發(fā)現(xiàn)與現(xiàn)有國內(nèi)經(jīng)濟(jì)政策不確定性沖擊的研究一致，而在低金融摩擦區(qū)制下，不確定性沖擊對(duì)宏觀經(jīng)濟(jì)有顯著的負(fù)面影響。這與國內(nèi)現(xiàn)有研究結(jié)論不同（田磊等，2017），此差異源于國內(nèi)現(xiàn)有研究沒有考慮到經(jīng)濟(jì)在不同金融摩擦區(qū)制下不確定性沖擊效應(yīng)的差異性。這表明，在研究不確定性沖擊的宏觀經(jīng)濟(jì)效應(yīng)時(shí)，諸如金融摩擦等金融因素的影響效應(yīng)應(yīng)在模型中得到反映。

基于本文結(jié)論，可以得到以下幾點(diǎn)政策建議：第一，貨幣政策當(dāng)局在高金融摩擦?xí)r期應(yīng)繼續(xù)對(duì)經(jīng)濟(jì)不確定性作出及時(shí)響應(yīng)；第二，在金融摩擦較低時(shí)期，應(yīng)關(guān)注經(jīng)濟(jì)不確定性沖擊對(duì)宏觀經(jīng)濟(jì)的影響，尤其是股票市場帶來的經(jīng)濟(jì)不確定性，加強(qiáng)貨幣政策預(yù)調(diào)微調(diào)，以更好地進(jìn)行政策響應(yīng)；第三，不確定性沖擊會(huì)通過金融市場表現(xiàn)出來，并經(jīng)由金融市場進(jìn)一步傳導(dǎo)到實(shí)體經(jīng)濟(jì)，故宏觀當(dāng)局應(yīng)多關(guān)注金融市場的變化，從而更好地管控宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)。