宏觀經(jīng)濟不確定性測度研究
——基于GA-SVR模型

■ 袁 帥

（南京航空航天大學經(jīng)濟與管理學院 江蘇南京 211106）

一、引言

自2008年全球金融危機以來，全球化經(jīng)濟體系的改革轉(zhuǎn)型以及歐債危機、西亞北非動蕩、英國脫歐、中美貿(mào)易摩擦等不確定性事件的發(fā)生，都極大地沖擊了全球經(jīng)濟運行和發(fā)展。2020年初爆發(fā)的新冠肺炎疫情（COVID-19）導致國內(nèi)大量企業(yè)停工、生產(chǎn)停滯、供應鏈斷裂，經(jīng)濟發(fā)展不得不按下暫停鍵。緊隨而來，受疫情全球大流行的影響，部分國家和地區(qū)施行了進出口管制甚至是禁運等貿(mào)易限制措施，這些措施疊加近年來不斷升溫的單邊主義和貿(mào)易保護主義，大大提升了全球經(jīng)濟的不確定性（張麗娟，2020）。

宏觀經(jīng)濟不確定性（Macroeconomic Uncertainty，簡記為MEU）是重要的經(jīng)濟參數(shù)，與經(jīng)濟運行和諸多經(jīng)濟指標密切相關(guān)。在宏觀層面，Bloom（2014）認為外生事件的沖擊會造成不確定性的增加并引發(fā)經(jīng)濟衰退，而衰退期間經(jīng)濟增長放緩會造成更大的不確定性。Sylvain和Zheng（2016）發(fā)現(xiàn)不確定性的增加會導致失業(yè)率上升、通貨緊縮和名義利率下降。在微觀層面，Bloom等（2018）發(fā)現(xiàn)不確定性使企業(yè)決策變得更加謹慎，包括在短期內(nèi)縮減招聘和投資等，這也將在很大程度上減弱經(jīng)濟對刺激性政策的反應。王義中和宋敏（2014）認為高不確定性會減弱外部需求、流動性資金需求和長期資金需求對公司投資的正向促進作用。因此，完善宏觀經(jīng)濟不確定性的測度方法對于精準量化不確定性、分析宏觀經(jīng)濟波動、制定新常態(tài)下的經(jīng)濟政策等具有重要意義。

隨著數(shù)據(jù)科學和計算機技術(shù)的快速發(fā)展，人們能夠獲取的信息越來越多，對信息的處理能力越來越強。本文根據(jù)機器學習理論，提出了一種基于GA-SVR模型的宏觀經(jīng)濟不確定性測度方法，旨在利用豐富的數(shù)據(jù)環(huán)境和前沿的學習方法，構(gòu)建中國的宏觀經(jīng)濟不確定性指數(shù)，在一定程度上改善經(jīng)典的不確定性測度方法中存在的不足，為建立和完善中國經(jīng)濟不確定性理論提供參考，也為后續(xù)相關(guān)研究提供新的視角。

二、文獻綜述

對于宏觀經(jīng)濟不確定性，目前應用較為廣泛的測度方法主要可以歸納為五類：代理指標法、信息挖掘法、專家預測法、預測誤差法和合成指標法。以國外研究文獻為例，代理指標法是使用能反映經(jīng)濟運行狀態(tài)的變量或指標作為經(jīng)濟不確定性的替代指標。例如Bloom（2009）將芝加哥期權(quán)期貨交易所使用的市場波動性指數(shù)（VIX）作為不確定性的代理指標，并利用代理指標研究了不確定性沖擊對產(chǎn)出和就業(yè)等經(jīng)濟變量的影響。信息挖掘法是通過對包含不確定性信息的新聞報道、網(wǎng)絡搜索等內(nèi)容進行挖掘以構(gòu)建經(jīng)濟不確定性指數(shù)。例如Baker等（2016）定義了一個與“不確定性”相關(guān)的詞庫，并選取美國十家主流報紙1985年至2014年的12000篇文章，通過對詞庫中詞頻的統(tǒng)計構(gòu)建了美國經(jīng)濟政策不確定性指數(shù)（EPU，Economic Policy Uncertainty），并定期發(fā)布包括中國在內(nèi)的十余個經(jīng)濟體的經(jīng)濟政策不確定性指數(shù)。Dzielinski（2012）則認為互聯(lián)網(wǎng)上與經(jīng)濟相關(guān)搜索項的增加是不確定性增加的表現(xiàn)，并通過Google上與經(jīng)濟相關(guān)關(guān)鍵詞的搜索頻率構(gòu)造經(jīng)濟不確定性指數(shù)。與Baker等（2016）的方法相比，這種方法的優(yōu)勢在于網(wǎng)絡關(guān)鍵詞搜索的頻率更高，對比結(jié)果更具有代表性，且數(shù)據(jù)更能反映社會主體對于經(jīng)濟形勢的態(tài)度與看法。專家預測法通過不同專家對同一指標預測結(jié)果的差異來度量不確定性。國外機構(gòu)多采用這種方法監(jiān)測宏觀經(jīng)濟運行，Victor和Louis（1987）、Lahiri和Sheng（2010）等也采用此法測度不確定性。但是，此方法不具備完善的理論基礎，且難以應用于大型指標集。預測誤差法是剔除經(jīng)濟變量中的可預測部分，通過不可預測部分的波動衡量宏觀經(jīng)濟不確定性。例如Gilchrist等（2014）通過美國非金融類公司每日股票回報中的不可預測變化度量不確定性，并證明不確定性對投資的影響主要是通過信用利差的變化產(chǎn)生的。由于預測誤差法僅考察單一變量的波動水平，其結(jié)果的解釋力與可靠性相對不足。為了克服預測誤差法的缺陷，體現(xiàn)宏觀經(jīng)濟活動的復雜性，Jurado等（2015）使用包含132個宏觀經(jīng)濟變量和147個金融市場變量的大型指標集，通過個體指標不確定性的加權(quán)求和得到總體不確定性，可稱之為合成指標法。Ludvigson等（2015）、Carriero等（2018）等均采用此法測度不確定性。

受社會形態(tài)差異和經(jīng)濟指標體系不完善的影響，上述宏觀經(jīng)濟不確定性的測度方法難以直接應用于構(gòu)建中國的宏觀經(jīng)濟不確定性指數(shù)。為了更好地進行中國經(jīng)濟研究，近年來國內(nèi)很多學者在測度我國的宏觀經(jīng)濟不確定性指數(shù)方面取得了豐碩成果。Huang和Luk（2020）選取十家具有較高影響力的國內(nèi)主流報紙，構(gòu)建了新版中國經(jīng)濟政策不確定性指數(shù)。王維國和王蕊（2018）基于增廣因子向量自回歸（FAVAR）模型，使用158個宏觀經(jīng)濟變量的月度數(shù)據(jù)，測度了2003年至2016年我國的經(jīng)濟不確定性。馬丹等（2018）建立了含有潛在不可觀測變量的混頻動態(tài)因子隨機波動模型，利用60個月度統(tǒng)計指標和4個季度統(tǒng)計指標，測算了我國的宏觀經(jīng)濟不確定性。何婧和鄒瀟（2020）提出利用長短期記憶（LSTM）模型，對微博大數(shù)據(jù)進行分類計算的經(jīng)濟不確定性指數(shù)構(gòu)建方法。這些方法極大地豐富了我國的經(jīng)濟不確定性理論。

上述方法大多是通過文本信息挖掘或傳統(tǒng)計量經(jīng)濟模型來構(gòu)建宏觀經(jīng)濟不確定性指數(shù)。然而，隨著信息技術(shù)的發(fā)展，大數(shù)據(jù)逐漸成為一種重要的戰(zhàn)略資產(chǎn)。在宏觀經(jīng)濟層面，大數(shù)據(jù)使經(jīng)濟決策部門得以更敏銳地把握經(jīng)濟走向、預測經(jīng)濟形勢，進而制定并實施科學的經(jīng)濟決策。本文利用能夠充分反映宏觀經(jīng)濟活動的大型指標集，提出了一種基于GA-SVR模型的宏觀經(jīng)濟不確定性指數(shù)構(gòu)建方法，從新的角度量化了我國的宏觀經(jīng)濟不確定性。這種方法充分利用所有歷史數(shù)據(jù)，比文本信息更加客觀、真實地反映經(jīng)濟波動。實證研究表明這種新的指數(shù)測度結(jié)果穩(wěn)定，貼合實際經(jīng)濟運行情況，并且能夠清晰地識別不同程度的經(jīng)濟波動和外生沖擊。

三、宏觀經(jīng)濟不確定性的測度方法

（一）研究框架

本文通過構(gòu)建能夠反映中國宏觀經(jīng)濟活動和金融市場運行的大型數(shù)據(jù)指標集來測度中國宏觀經(jīng)濟不確定性，具體的理論框架如下：

對于單個變量yjt，其未來h期的不確定性Uyjt(h)可以表示為基于t期的信息It進行預測得到的期望值E(yjt+h|It)(h)與未來h期該變量的真實值yjt+h(h)之間的偏離程度，即：

根據(jù)上式，若對yjt的預測誤差增大，則表明該變量的不確定性增加。

將各變量的不確定性進行加權(quán)平均，即能夠得到總體的宏觀經(jīng)濟不確定性(h)，可以表示為：

（二）預測模型

本文采用基于遺傳算法的支持向量回歸模型計算變量yjt未來h期的預測值E(yjt+h|It)。該模型主要包括支持向量回歸模型和遺傳算法參數(shù)尋優(yōu)兩部分。

設定Yt=（Y1t,Y2t，…YMt）表示宏觀經(jīng)濟變量，Zt=（Z1t,Z2t，…ZFt）表示金融市場變量，Xt=（Yt，Zt）為總指標集，Xt，Yt，Zt均為平穩(wěn)序列。

1.支持向量回歸（SVR）模型。支持向量回歸（Support Vector Regression，簡記為SVR）是以統(tǒng)計學理論為基礎、以結(jié)構(gòu)風險最小化為原則的機器學習算法。其利用核函數(shù)處理非線性數(shù)據(jù)，進行高維內(nèi)積運算并增加泛化能力，以實現(xiàn)結(jié)構(gòu)風險最低和置信范圍最小。

其中ω為權(quán)重，b為閾值，φ(x)表示樣本x到高維特征空間的映射。

我們希望通過對訓練樣本集的學習，求解ω和b使得f(x)盡可能和y接近。與傳統(tǒng)計量回歸模型直接使用f(x)與y之間的差值衡量精度損失不同，SVR模型可以容忍f(x)與y之間有不大于ε的偏差。即構(gòu)建一個以f(x)為中心，寬度為2ε的隔離帶，對于處于隔離帶內(nèi)的訓練樣本，認為其預測準確，不計入損失，僅當f(x)與y差值的絕對值大于ε時才計入損失，如圖1，三角形樣本點不計入損失。此方法一定程度上保證了模型的魯棒性。

圖1 SVR模型示意圖

回歸方程（3）可轉(zhuǎn)化為最小化問題：

其中C為懲罰參數(shù)，lε為損失函數(shù)，即

引入松弛變量ζi和ζ*i，公式（4）可改寫為：

引入非負拉格朗日乘子αi，α*i，μi，μ*i，得到拉格朗日函數(shù)：

對變量w，b，ζ，ζ*求偏導，令偏導數(shù)為零，得到：

據(jù)此，原始問題的對偶問題為：

上述過程需要滿足KKT條件，即

求解對偶問題，得到模型的解：

求解式（10）需要計算φ(xi)Tφ(x)，這是樣本xi與x映射到高維特征空間之后的內(nèi)積。由于特征空間維數(shù)一般較高，甚至可能為無窮維，直接計算φ(xi)Tφ(x)通常較為困難。為了解決這一問題，構(gòu)造函數(shù)，將xi與x在高維空間的內(nèi)積轉(zhuǎn)化為在其原始樣本空間進行計算的結(jié)果。函數(shù)k被稱為“核函數(shù)”，是SVR模型進行非線性回歸的關(guān)鍵因素，不同的核函數(shù)決定了SVR模型的性能優(yōu)劣。本文選用高斯核函數(shù)：

其中參數(shù)g=1/2σ2，σ(＞0)為高斯核的帶寬，通過調(diào)整σ可以靈活改變高斯核函數(shù)的作用范圍。

結(jié)合核函數(shù)，得到SVR解的最終形式為：

2.遺傳算法（GA）。遺傳算法（Genetic Algorithms，簡記為GA）是一種模擬生物自然進化過程的隨機全局搜索優(yōu)化算法，具有并行高效、簡單實用、魯棒性強等特點。借鑒生物染色體編碼的機制，遺傳算法首先對問題的潛在解進行“數(shù)字化”編碼，然后隨機生成一定規(guī)模的初始種群。根據(jù)所求問題的目標函數(shù)設計適應度函數(shù)，并計算種群中每個個體的適應度和種群的總適應度。適應度既是對適者生存自然法則的數(shù)學抽象，也是下一代個體的選擇標準。對適應度較高、被選中用于“繁殖”下一代的個體進行交叉、變異等操作以產(chǎn)生新的個體。繼續(xù)對新的種群進行適應度評估，當最優(yōu)個體的適應度達到給定的閾值，或種群的總適應度不再上升時，算法結(jié)束，適應度最高的個體即為問題的最優(yōu)解。否則，通過選擇、交叉、變異等操作，生成新的種群，并循環(huán)執(zhí)行上述步驟。

3.GA-SVR算法流程。本文首先使用遺傳算法對SVR模型中的懲罰參數(shù)c和核函數(shù)系數(shù)g進行尋優(yōu)，繼而通過對訓練樣本集的學習構(gòu)建擬合效果最好的SVR模型，并使用該模型對未來指標進行預測。GA-SVR模型的整體算法流程如圖2所示。

圖2 GA-SVR算法流程圖

四、中國的宏觀經(jīng)濟不確定性

（一）指標選取和數(shù)據(jù)處理

借鑒Jurado等（2015）的研究，本文使用兩個數(shù)據(jù)集來構(gòu)建中國的宏觀經(jīng)濟不確定性指數(shù)。第一個數(shù)據(jù)集是由47個主要宏觀經(jīng)濟變量構(gòu)成的宏觀指標集，記為Y。該數(shù)據(jù)集中的指標包括物價、財政、利率、進出口等11個方面，能夠全面地反映宏觀經(jīng)濟運行情況，所選指標如表1所示。第二個數(shù)據(jù)集是由25個金融市場變量構(gòu)成的金融指標集，記為Z。該數(shù)據(jù)集中的指標主要反映了股票、期貨、同業(yè)拆借等金融市場的運行情況。本文所選指標的時間跨度為2000年1月至2020年6月，即每個指標有246個觀察值。所有數(shù)據(jù)均來自中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。

表1 宏觀經(jīng)濟變量

本文將宏觀指標集和金融指標集合并成一個總指標集，記為X，并使用總指標集作為自變量對未來指標進行預測。但是，本文僅對宏觀指標集中的指標進行預測，即僅利用宏觀指標集中指標的不確定性來合成總的宏觀經(jīng)濟不確定性，金融指標集中的指標不計算在內(nèi)。主要是因為宏觀指標集中已經(jīng)包括部分金融指標，為了獲得更加穩(wěn)定、客觀的不確定性指數(shù)，不宜過度使用金融指標。同時，金融指標遠比宏觀指標更加不穩(wěn)定，容易主導不確定性的計算結(jié)果。

對收集到的原始數(shù)據(jù)，首先通過以下方式進行預處理：第一，直接刪除缺失值較多且無法通過其他途徑獲得的指標。第二，對少量的缺失數(shù)據(jù)，通過其他途徑的搜索，或者利用插值、擬合等方法進行填補。第三，通過計算，將累計數(shù)據(jù)轉(zhuǎn)化為當期數(shù)據(jù)。第四，通過取對數(shù)或差分的方式，對非平穩(wěn)序列進行平穩(wěn)化處理；第五，將數(shù)據(jù)進行標準化處理。

對預處理后的數(shù)據(jù)進行主成分分析（Principal Components Analysis，簡記為PCA）以降低數(shù)據(jù)集的維數(shù)。為了保持結(jié)果的穩(wěn)健，將宏觀指標集和金融指標集的方差貢獻率分別設置為90%、80%。分析結(jié)果如圖3。選取宏觀指標集的前六個主成分和金融指標集的前兩個主成分作為初始數(shù)據(jù)輸入GA-SVR 模型。

圖3 PCA計算結(jié)果

（二）實證與結(jié)果分析

首先，設置遺傳算法的初始參數(shù)，其中最大進化代數(shù)100，種群最大數(shù)量20，懲罰參數(shù)C的取值范圍0～100，核函數(shù)參數(shù)g的取值范圍0～100，并采用5折交叉驗證,以保證尋優(yōu)結(jié)果更加準確可靠。然后，選取2000年1月至2004年12月的60組數(shù)據(jù)作為初始訓練樣本訓練SVR模型，并對2005年1月至2005年6月的6組數(shù)據(jù)進行預測。遺傳算法屬于啟發(fā)式算法，對同一組數(shù)據(jù)多次尋優(yōu)得到的結(jié)果可能不同，因此本文對每組數(shù)據(jù)進行5次預測，將5次預測結(jié)果的平均值作為最終預測值,計算6個月的宏觀經(jīng)濟不確定性。下一步，將上述6組數(shù)據(jù)加入初始訓練集,生成包含66組數(shù)據(jù)的新訓練集，并對之后6個月，即2005年7月至2005年12月的數(shù)據(jù)進行預測，計算不確定性。重復上述步驟，直至得到所有時間節(jié)點的不確定性。

利用MATLAB 9.5軟件，通過GA-SVR模型得到提前1-12期的中國宏觀經(jīng)濟不確定性指數(shù)。為了觀察方便，圖4僅展示了=1，3，12時的不確定性指數(shù)，不同提前期的不確定性波動情況基本一致，表明測度結(jié)果穩(wěn)定。水平線為高于平均值的1.65倍標準差，用于分辨出現(xiàn)概率小于百分之十的異常波動。

如圖4所示，我國宏觀經(jīng)濟不確定性的最高峰出現(xiàn)在2008年10月至2009年6月，這次異常波動反映了2008年全球金融危機對我國宏觀經(jīng)濟造成的前所未有的巨大沖擊。實際上，自2007年2月美國最大的次級房貸公司Countrywide Financial Corporation開始減少放貸，美國抵押貸款風險就已經(jīng)開始顯露。2007年4月，美國新世紀金融公司在裁減超半數(shù)員工后申請破產(chǎn)保護，標志著美國次貸危機開始逐步蔓延。為應對次貸危機造成的負面影響，美國開始采取寬松的貨幣政策和弱勢美元的匯率政策。美元的大幅貶值，降低了我國產(chǎn)品的出口優(yōu)勢。而經(jīng)濟增長放緩導致歐美進口需求疲軟，對我國的出口形勢更是雪上加霜。另外，美國聯(lián)邦儲備局不斷降息、持續(xù)向金融系統(tǒng)注資，導致國際資本大量流向我國，加劇了我國資本市場的風險。經(jīng)濟領(lǐng)域的一系列劇變給人們生活造成巨大影響，未來的經(jīng)濟形勢愈發(fā)難以捉摸，人們越來越缺乏安全感。如圖4，自2007年4月，我國的宏觀經(jīng)濟不確定性指數(shù)開始上升并一直維持在較高水平。2008年9月，隨著雷曼兄弟申請破產(chǎn)保護、美國銀行收購美林證券等事件發(fā)生，全球金融危機全面爆發(fā)。受危機影響，中國的經(jīng)濟增長速度顯著放緩，進出口增長由升轉(zhuǎn)降且降幅不斷擴大，大量企業(yè)倒閉，出現(xiàn)農(nóng)民工返鄉(xiāng)潮，農(nóng)村隱性失業(yè)人口大量增加。到2008年12月，我國進出口總值同比下降11.1%，工業(yè)增加值同比增長由2008年6月的16%下降至5.7%。在圖4中，不確定性指數(shù)在2008年11月超過1.65倍標準差，并于2008年12月達到峰值。面對全球金融危機帶來的巨大沖擊，中國政府果斷部署，確定了進一步擴大內(nèi)需、促進經(jīng)濟增長十項措施，并預計到2010年底共需投資4萬億元。2009年初，為穩(wěn)定經(jīng)濟增長，十大產(chǎn)業(yè)振興規(guī)劃相繼出爐，經(jīng)濟不確定性指數(shù)降低至1.65倍標準差附近。隨著上調(diào)出口退稅率、完善進口貼息政策等穩(wěn)外需、擴進口舉措取得一定成效，自2009年第三季度開始，我國的進出口形勢不斷好轉(zhuǎn)，經(jīng)濟增長趨于穩(wěn)定。如圖4，2009年7月的不確定性指數(shù)顯著下降，并維持在正常水平。

第二次異常波動出現(xiàn)在2020年1月至2020年3月。2019年12月，湖北省武漢市發(fā)現(xiàn)新型冠狀病毒感染的肺炎病例，隨后確診病例逐漸增多。2020年1月下旬，新冠肺炎疫情在武漢大規(guī)模爆發(fā)并開始向全國快速蔓延。由于新冠病毒具有極強的傳染性，且彼時正值春節(jié)期間，人員流動性加大，給疫情防控造成了極大的挑戰(zhàn)。為了切斷病毒傳播途徑、控制疫情的擴散，武漢宣布“封城”，各省、區(qū)、市也開始嚴格限制人員流動并暫停部分商業(yè)活動。這些嚴格的防控措施對快速控制疫情發(fā)揮了積極作用，但是也對我國的經(jīng)濟發(fā)展造成一定程度的負面影響。一方面，居民因居家隔離，不得不減少在零售、餐飲、出行等方面的消費，對交通運輸、旅游、住宿等行業(yè)造成較大的沖擊。另一方面，春節(jié)假期延長、企業(yè)推遲復工等措施，影響了企業(yè)原本正常的生產(chǎn)經(jīng)營，導致企業(yè)資金鏈斷裂甚至破產(chǎn)倒閉。另外，新冠肺炎的全球大流行嚴重破壞了全球價值鏈，外需的下降導致我國的進出口貿(mào)易出現(xiàn)顯著縮水。國家統(tǒng)計局數(shù)據(jù)顯示，2020年2月，我國固定資產(chǎn)投資額同比下降24.5%，社會消費品零售總額同比下降20.5%，進出口總額同比下降11%，一季度GDP增速降至-6.8%，為1978年以來的新低。新冠肺炎疫情這只“黑天鵝”的出現(xiàn)，給我國經(jīng)濟運行帶來明顯沖擊，如圖4，不確定性指數(shù)在2020年2月出現(xiàn)峰值。2020年2月底，疫情防控工作取得階段性成效，全國各地開始有序推動復工復產(chǎn)。2020年3月，全國規(guī)模以上工業(yè)企業(yè)平均開工率98.6%，部分旅游景區(qū)恢復開放，餐飲、酒店等企業(yè)也陸續(xù)恢復營業(yè)，交通物流限制進一步放開，各項經(jīng)濟指標逐漸好轉(zhuǎn)，不確定性指數(shù)顯著回落，并保持較低水平。

圖4 中國宏觀經(jīng)濟不確定性指數(shù)

根據(jù)圖4，我國宏觀經(jīng)濟不確定性還存在兩個相對較高的時期：2010年11月至2011年6月、2014年12月至2015年6月。為應對2008年的全球金融危機，世界多個經(jīng)濟體紛紛采取超寬松貨幣政策刺激經(jīng)濟增長。進入2010年，此前超發(fā)的貨幣導致多個國家出現(xiàn)通貨膨脹的苗頭。2010年11月，我國居民消費價格指數(shù)同比上漲5.1%，顯著超出市場預期。此時美聯(lián)儲決定繼續(xù)推出第二輪量化寬松貨幣政策，導致國際流動性泛濫。為了保持國內(nèi)物價穩(wěn)定、抑制通貨膨脹，央行自2010年12月起連續(xù)上調(diào)存款準備金率、多次提高存貸款基準利率。2011年，我國由“適度寬松”的貨幣政策轉(zhuǎn)為“穩(wěn)健”的貨幣政策，并逐步構(gòu)建宏觀審慎政策框架。頻繁的政策調(diào)整導致經(jīng)濟不確定性一直保持高位。尤其是在疊加了日本地震引發(fā)核危機、利比亞戰(zhàn)爭全面爆發(fā)等事件的影響后，2011年3月的經(jīng)濟不確定性指數(shù)為該時期的最高值，且達到1.65倍標準差衡量的異常波動水平。

2012年開始，我國經(jīng)濟結(jié)束了近20年的高速增長，進入增速換擋期。2014年年度GDP增速7.3%，為1991年以來的最低值，經(jīng)濟發(fā)展延續(xù)了2012年以來的下行趨勢。為了穩(wěn)定經(jīng)濟增長水平、刺激投資與消費，央行于2014年11月宣布下調(diào)存貸款基準利率，這也是央行自2012年降息之后，首次對基準利率進行調(diào)整。同期，居民消費價格指數(shù)上漲1.4%，創(chuàng)五年來新低。面對不容樂觀的經(jīng)濟形勢，經(jīng)濟不確定性指數(shù)也在2014年12月驟增。進入2015年，歐盟宣布將中國排除出受惠國行列，取消對我國出口產(chǎn)品普惠制，這一舉措無疑給我國外貿(mào)行業(yè)蒙上一層陰影。面對經(jīng)濟下行的巨大壓力，央行于2015年2月宣布下調(diào)存款準備金率，并在之后的11個月中連續(xù)降息降準10次，釋放上萬億元流動性。2014年12月的第一周，滬深兩市A股成交額突破4.24萬億元，且當周最后一個交易日的成交額逾1.07萬億元，打破了單日成交額記錄。在猛烈上漲六個多月之后，上證指數(shù)于2015年6月12日到達七年多以來的最高點5178點，隨后急轉(zhuǎn)直下，短時間內(nèi)持續(xù)暴跌，多次出現(xiàn)千股跌停，市場恐慌情緒蔓延。在圖4中，經(jīng)濟不確定性指數(shù)在2015年6月達到高點。為了維護市場穩(wěn)定，央行首先宣布定向降準降息，隨后證監(jiān)會、銀監(jiān)會、保監(jiān)會、財政部、國資委等紛紛出手、合力救市。隨著各項利好政策的落實，不確定性于2015年7月開始回落，并維持在較低水平。

經(jīng)濟運行具有慣性，穩(wěn)定的宏觀經(jīng)濟環(huán)境可以有效避免經(jīng)濟變量出現(xiàn)過度波動，保持較低的宏觀經(jīng)濟不確定性。而不確定性的大幅上漲或劇烈波動往往是由經(jīng)濟環(huán)境變化或外生事件沖擊引起的。2008年全球金融危機對我國經(jīng)濟增長造成了相當嚴重的沖擊，該時期的不確定性遠超正常水平。2020年突然爆發(fā)的新冠肺炎疫情讓我國經(jīng)濟陷入了短暫的停滯，不確定性大幅增加，達到近十年的最高峰。2011年后金融危機時期的政策調(diào)整對經(jīng)濟發(fā)展的短期影響相對較小，因此不確定性有所增長但波動幅度不大。2015年熔斷機制對金融市場造成了較大沖擊，但是由于決策層迅速采取了強有力的救市措施，其對宏觀經(jīng)濟的影響較為有限，所以該時期的不確定性并未出現(xiàn)大幅上漲。根據(jù)以上分析可知，本文構(gòu)建的宏觀經(jīng)濟不確定性指數(shù)與實際經(jīng)濟運行情況吻合，能夠有效識別經(jīng)濟波動與外生沖擊，并且能夠準確反映其對宏觀經(jīng)濟的影響程度差異。

（三）相關(guān)性分析

為了進一步證明本文所構(gòu)建的宏觀經(jīng)濟不確定性指數(shù)的合理性，現(xiàn)利用相同的宏觀指標集和金融指標集，基于Jurado等（2015）的研究方法，構(gòu)造一組新的經(jīng)濟不確定性指數(shù)JLN，結(jié)果如圖5，水平線為高于平均值的1.65倍標準差。

圖5 經(jīng)濟不確定性指數(shù)JLN

根據(jù)圖5，JLN的波動情況與本文構(gòu)建的指數(shù)基本相符，均反映了2008年全球金融危機、2011年政策變動、2015年股災和2020年新冠肺炎疫情等事件對經(jīng)濟的沖擊，兩種指數(shù)的相關(guān)系數(shù)分別為0.727（h=1），0.684（h=3），0.592（h=12）。但是，根據(jù)上一節(jié)的分析，JLN顯著低估了2020年初新冠肺炎疫情對我國經(jīng)濟造成的巨大沖擊，且相對高估了2011年政策變動和2015年股災對經(jīng)濟的影響。因此，本文構(gòu)建的不確定性指數(shù)在反映經(jīng)濟運行方面更具優(yōu)勢。

五、結(jié)論與啟示

宏觀經(jīng)濟不確定性是重要的經(jīng)濟指標，與經(jīng)濟運行及諸多經(jīng)濟變量密切相關(guān)。準確測度宏觀經(jīng)濟不確定性有助于深入認識我國宏觀經(jīng)濟波動的形成機制，進而為新常態(tài)下經(jīng)濟發(fā)展戰(zhàn)略的制定及經(jīng)濟政策的調(diào)整提供參考。因此，本文詳細分析了國內(nèi)外關(guān)于不確定性測度方法的研究，首次將機器學習的思想用于不確定性的測度，提出了一種基于GA-SVR算法的宏觀經(jīng)濟不確定性指數(shù)構(gòu)建方法。本文的研究既豐富了我國的經(jīng)濟不確定性理論，也為后續(xù)的相關(guān)研究提供了參考和新的視角。

根據(jù)實證研究的結(jié)果，本文提出的不確定性測度方法結(jié)果穩(wěn)定，與實際的經(jīng)濟運行情況相吻合，既可以有效識別經(jīng)濟波動與外生沖擊，也能夠準確反映不同沖擊的影響程度差異。例如僅有的兩次超過平均值1.65倍標準差的指數(shù)波動準確反映了2008年全球金融危機和2020年新冠肺炎疫情對我國經(jīng)濟造成的沖擊。并且根據(jù)指數(shù)的大小可以判斷出金融危機對我國經(jīng)濟的沖擊更猛烈、造成的影響更大，這也與實際情況相符。同時，一些相對較小的經(jīng)濟波動與外生沖擊也可以在測度結(jié)果中得到準確的呈現(xiàn)。如2011年頻繁的政策變動和2015年股災雖然對我國經(jīng)濟的影響較小，但是也通過不確定性指數(shù)的上升和震蕩得以反映。最后，通過與其他測度方法進行比較，進一步證明了本文提出的測度方法較為合理，測度結(jié)果更加準確。

對于中國未來的經(jīng)濟發(fā)展，本文的研究具有以下啟示：第一，面對不斷上升的全球經(jīng)濟不確定性，中國應密切關(guān)注國內(nèi)外經(jīng)濟政治形勢，及時發(fā)現(xiàn)波動根源，科學預防外生沖擊。第二，應盡量保持經(jīng)濟政策的延續(xù)性，避免頻繁的政策變動，增強政策調(diào)控的透明度，加強對政策性沖擊的防范。第三，深化供給側(cè)結(jié)構(gòu)性改革，推動經(jīng)濟高質(zhì)量發(fā)展，提高我國的整體經(jīng)濟競爭力，增強應對經(jīng)濟波動與外生沖擊的能力。