內(nèi)外部經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的動態(tài)傳遞效應研究

邢天才 王笑

DOI： 10.13253/j.cnki.ddjjgl.2021.10.011

[摘 要]論文從銀行、外匯、股票、債券、保險和房地產(chǎn)等6個金融市場出發(fā)，選取2005年至2020年相關(guān)經(jīng)濟數(shù)據(jù)，采用動態(tài)修正CRITIC賦權(quán)法構(gòu)建中國金融市場壓力指數(shù)，分析中國金融市場穩(wěn)定的時變特征;并運用DCC-GARCH模型與BEKK-GARCH模型探究中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的動態(tài)相關(guān)效應與波動溢出效應。研究表明：中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定之間存在動態(tài)相關(guān)效應，且在面臨外部沖擊時相關(guān)程度較高;中國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定之間存在雙向波動溢出效應，而美國經(jīng)濟政策不確定性不能直接作用于中國金融市場。

[關(guān)鍵詞]經(jīng)濟政策;不確定性;金融市場壓力指數(shù);動態(tài)相關(guān)效應;波動溢出效應

[中圖分類號] F831.7[文獻標識碼] A[文章編號]? 1673-0461（2021）10-0082-09

一、引 言

習近平總書記在中共中央政治局就維護國家金融安全進行第四十次集體學習中強調(diào)：“準確判斷風險隱患是保障金融安全的前提”，為維護中國金融市場穩(wěn)定做出了重要指示。討論如何防范系統(tǒng)性金融風險的發(fā)生，首要任務是準確識別影響金融市場穩(wěn)定的因素。Baker等（2016）認為，政府部門在調(diào)整經(jīng)濟政策時必然引致經(jīng)濟政策不確定性，從而改變市場參與主體行為，最終將經(jīng)濟政策不確定性的經(jīng)濟效應傳導至金融市場[1]。同時，他國經(jīng)濟政策變化也將通過匯率、利率等渠道對本國金融市場施加影響，這種溢出效應在新興國家中更為明顯[2]。因此，國內(nèi)外經(jīng)濟政策不確定性作為影響金融市場穩(wěn)定的重要因素，在“國際環(huán)境日趨復雜，不穩(wěn)定性不確定性明顯增加”的今天，科學認識三者之間的影響機制成為我們亟待解決的問題。

經(jīng)濟政策不確定性與金融市場穩(wěn)定息息相關(guān)。政策調(diào)整引致的不確定性能夠通過降低政府向市場提供的隱性看跌期權(quán)保護價值[3]、提高失業(yè)率[4]、提高通貨膨脹[5]和改變金融資產(chǎn)定價[6]等方式對股票、債券和房地產(chǎn)等金融市場產(chǎn)生負向影響，進而放大金融體系波動性，導致金融資源錯配。此外，世界重要經(jīng)濟體經(jīng)濟政策不確定性產(chǎn)生的影響能夠通過多種渠道傳導至其他國家。研究表明：美國的經(jīng)濟政策會通過利率[7-8]、匯率[9]與外匯儲備[10]等渠道，對他國產(chǎn)出 [11-12]、通貨膨脹[2]與資本市場[13]產(chǎn)生影響。上述研究著重從經(jīng)濟政策不確定性對某一金融市場的影響機制與經(jīng)濟后果、世界主要經(jīng)濟體經(jīng)濟政策變化對他國宏觀經(jīng)濟的溢出效應等方面進行分析，然而這些研究多是在線性框架下討論經(jīng)濟政策不確定性對系統(tǒng)性金融風險影響的方向與強度，但是可能由于波動實際存在時變和雙向的非線性特征，所以導致研究結(jié)論出現(xiàn)偏誤;并且鮮有研究涉及他國經(jīng)濟政策不確定性對本國金融市場風險傳導機制的討論。那么內(nèi)外部經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的在不同情境下是否有所差異;在經(jīng)濟政策調(diào)節(jié)金融市場的同時，金融市場狀況能否反作用于經(jīng)濟政策的制定;國外重要經(jīng)濟體的經(jīng)濟政策不確定性能否引起中國金融市場的波動？

為回答上述問題，本文選取2005年1月至2020年12月相關(guān)經(jīng)濟數(shù)據(jù)，運用動態(tài)修正CRITIC賦權(quán)法分別構(gòu)建銀行、股票、債券、外匯、保險和房地產(chǎn)等6個金融子市場的壓力指數(shù)，并最終合成中國金融市場壓力指數(shù)，探究近年來中國金融市場穩(wěn)定性的變化。在此基礎(chǔ)上，本文構(gòu)建三元DCC-GARCH（1，1）模型，討論中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的動態(tài)相關(guān)關(guān)系;并運用三元BEKK-GARCH（1，1）模型，探究中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的波動溢出效應。文章力圖從實證角度揭示中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的關(guān)系，為調(diào)控宏觀經(jīng)濟政策、維護金融市場穩(wěn)定提供新的經(jīng)驗證據(jù)。

二、文獻綜述

（一）經(jīng)濟政策不確定性與金融市場穩(wěn)定

經(jīng)濟政策不確定性主要通過經(jīng)濟波動性、市場流動性與政策有效性3個渠道影響金融市場穩(wěn)定。在經(jīng)濟波動方面，金融市場是在實體經(jīng)濟的發(fā)展過程中形成的，因此經(jīng)濟增長的波動會對金融市場的結(jié)構(gòu)與效率產(chǎn)生深刻影響[14]。經(jīng)濟政策不確定性可以通過實物期權(quán)、預防性儲蓄和信息質(zhì)量3個途徑傳導至實體經(jīng)濟，從而影響金融市場穩(wěn)定性。具體地，企業(yè)投資決策具有實物期權(quán)效應，當政策不確定性上升時企業(yè)將延遲投資，這種效應在短期較為顯著 [15]。出于防范風險的目的，經(jīng)濟行為人具有預防性儲蓄的動機，當經(jīng)濟政策不確定性增加時微觀經(jīng)濟主體將提高預防性儲蓄，以應對潛在沖擊[16]。從信息質(zhì)量的角度來看，政策不確定性上升時信息的流通速度緩慢，經(jīng)濟將陷入低迷，這會進一步加劇政策不確定性并反作用于經(jīng)濟自身，使經(jīng)濟體陷入不確定性陷[17]。在市場流動性方面，當市場上的流動性受限時，金融系統(tǒng)往往表現(xiàn)的更為脆弱[18]。由于經(jīng)濟政策不確定性時期信息的不對稱性程度加劇，商業(yè)銀行將縮減資產(chǎn)端與表外業(yè)務的流動性創(chuàng)造，提高實體經(jīng)濟獲取流動性的成本，使經(jīng)濟系統(tǒng)中流動性供給減少[19]。同時，國際資本是對一國金融市場流動性的重要補充，當經(jīng)濟政策不確定性上升時，無論發(fā)達經(jīng)濟體還是新興經(jīng)濟體的國際資本都將呈現(xiàn)凈流出的趨勢，造成本國金融市場流動性短缺[20]。Kim和Yang（2012）在進一步考慮全球?qū)用媾c國家層面的經(jīng)濟政策不確定性后，發(fā)現(xiàn)政策不確定性降低資本流入的結(jié)論沒有改變，并且政策不確定性將對外匯市場產(chǎn)生直接沖擊[9]。在政策有效性方面，經(jīng)濟政策不確定性將使政策傳導途徑受阻、常規(guī)政策工具失效，這種現(xiàn)象在經(jīng)濟衰退時期更為顯著[21]。就中國而言，在2008年金融危機之后經(jīng)濟政策不確定性增加雖未改變政策作用的方向，但政策有效性有了明顯下降[22]。

（二）經(jīng)濟政策不確定性的動態(tài)相關(guān)效應

經(jīng)濟政策不確定性的動態(tài)相關(guān)效應可以從經(jīng)濟波動與市場傳染兩個視角進行分析。就經(jīng)濟波動視角而言，一國經(jīng)濟政策不確定性提高首先會對本國經(jīng)濟系統(tǒng)產(chǎn)生沖擊，具體表現(xiàn)為通貨膨脹上升、失業(yè)率增加和經(jīng)濟增速放緩[4-5]。之后，跨境投資者將基于不同國家經(jīng)濟狀況調(diào)整全球資產(chǎn)配置組合，使政策變化的影響傳導至他國[23]。隨著各國經(jīng)濟的增長與全球一體化的推進，資本、勞動等要素跨地區(qū)轉(zhuǎn)移的成本越來越低，經(jīng)濟政策變化的影響通過生產(chǎn)要素市場進行傳導的途徑進一步暢通[24]。以歐盟國家為例，歐元區(qū)的引入使歐洲各國相互依賴加強，導致資本市場的聯(lián)動效應顯著提升[25]。反之，若一國的經(jīng)濟增長主要來源于本國內(nèi)部需求，那么其受到外部經(jīng)濟政策不確定性的沖擊則較弱[26]。就市場傳染視角而言，各國經(jīng)濟政策不確定性的影響應從微觀經(jīng)濟主體的行為上尋找原因。市場參與者不僅關(guān)注本國的信息，也會對他國的重要信息做出反應。Becker（1995）認為，美國股票市場的信息公告會對美、英兩國的股票市場產(chǎn)生一致影響，這是由于投資者關(guān)注國際重要信息所導致[27]。投資者通常為有限理性，在不完全信息的情況下， 會表現(xiàn)出羊群效應等行為特征，這種特質(zhì)在新興經(jīng)濟體投資者身上更為顯著，導致本國經(jīng)濟對他國政策沖擊的反應更為劇烈[2]。基于上述兩個視角，肖小勇等（2019）對不同國家經(jīng)濟政策不確定性的關(guān)聯(lián)展開分析，研究發(fā)現(xiàn)，中國、美國、英國與日本之間經(jīng)濟政策不確定性具有較強的動態(tài)相關(guān)性，且中美兩國之間的相關(guān)程度最高，這種相關(guān)關(guān)系在“9·11”恐怖襲擊、2008年金融危機、英國脫歐與特朗普當選美國總統(tǒng)等特殊時期尤為顯著[28]。

（三）經(jīng)濟政策不確定性的波動溢出效應

Mundell（1963）提出了蒙代爾-弗萊明模型，用以分析在開放經(jīng)濟下一國財政政策與貨幣政策變動對他國經(jīng)濟的影響[29]。此后，諸多學者在此基礎(chǔ)上對主要經(jīng)濟體政策變化的溢出效應展開研究。在傳導途徑方面，一國經(jīng)濟政策變化的影響可以通過利率、匯率與外匯儲備等途徑向外傳導。Ammer等（2010）指出，當美國實行寬松的貨幣政策之后，美元利率下降將使全球?qū)嶋H利率隨之降低，對全球經(jīng)濟產(chǎn)生刺激作用，從而導致總產(chǎn)出上升[7]。美國作為國際貨幣發(fā)行國，其貨幣政策會直接影響全球經(jīng)濟周期，而全球經(jīng)濟周期則是美國以外其他國家的長期利率的主要影響因素，因此各國貨幣政策當局只能改變本國短期利率，無法對長期利率加以管控[8]。肖娛（2011）認為，美國的貨幣政策對亞洲國家的影響主要是通過利率和外匯儲備的渠道，由匯率渠道的傳導較為微弱[10]。Kimura（2013）研究發(fā)現(xiàn)美國貨幣政策對他國的影響逐漸削弱，這主要是由于美元霸權(quán)地位的降低與世界各國浮動匯率制度的實施所導致[12]。在經(jīng)濟后果方面，由于各國經(jīng)濟發(fā)展水平的不一致與政策周期的不同步，美國經(jīng)濟政策的溢出效應具有明顯的異質(zhì)性[30]。對發(fā)達經(jīng)濟體而言，美元利率上升會導致短期歐元貶值與大宗商品價格下降，從而刺激歐元區(qū)國家的總需求，導致總產(chǎn)出上升[11]。而對新興經(jīng)濟體來說，美國的經(jīng)濟政策可以通過改變新興經(jīng)濟體的匯率與利率來影響其實際產(chǎn)出與物價水平，并且新興經(jīng)濟體對美國經(jīng)濟政策的反應程度要超過美國自身[2]。Lu和Hamori（2014）運用MS-VAR模型實證分析了美國貨幣政策對東南亞國家股市的外溢效應，研究表明當經(jīng)濟處于上行時期時，美元利率對東南亞國家股市具有負向影響，而這種影響在經(jīng)濟危機時期不顯著[13]。

從對現(xiàn)有文獻的梳理來看，國內(nèi)外諸多學者在經(jīng)濟政策不確定性對金融市場穩(wěn)定的影響、經(jīng)濟政策不確定性的動態(tài)相關(guān)效應與波動溢出效應等方面展開了大量研究并取得了豐碩的成果。這些研究雖然從不同角度進行了充分探討，但對中國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的研究多局限于單一金融市場，二者雙向關(guān)系也較少討論，且鮮有研究涉及美國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的動態(tài)關(guān)系與溢出效應。基于上述分析，本文將在現(xiàn)有研究的基礎(chǔ)上構(gòu)建中國金融市場壓力指數(shù)來衡量中國金融市場的穩(wěn)定性，并將中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定納入統(tǒng)一分析框架，運用DCC-GARCH模型與BEKK-GARCH模型實證檢驗三者之間的動態(tài)相關(guān)效應與波動溢出效應。

三、中國金融市場壓力指數(shù)構(gòu)建

（一）度量指標與賦權(quán)方式選取

金融市場穩(wěn)定一直是國內(nèi)外學者討論的熱點話題。早期的研究中，有學者以杠桿率、VIX恐慌指數(shù)等指標來衡量金融市場面臨的壓力[31，21]，然而這些方法較為單一，難以綜合考察金融市場的穩(wěn)定性。加拿大學者Illing和Liu（2003）在研究中首次提出金融壓力指數(shù)，用以衡量金融體系面臨的系統(tǒng)性風險[32]。隨后，諸多學者從不同角度、采取不同方式構(gòu)建金融壓力指數(shù)。從現(xiàn)有研究來看，指標選取通常從銀行、股票、債券和外匯等市場出發(fā)，賦權(quán)方式有等方差權(quán)重法、主成分分析法、CDF轉(zhuǎn)換法和CRITIC賦權(quán)法等。這些指數(shù)雖然在不同程度上反映了金融市場穩(wěn)定性，但仍存在一定的局限性。在指標選取方面，多數(shù)研究集中在銀行、股票、債券和外匯市場的討論，保險市場與房地產(chǎn)市場常被忽略。隨著保險業(yè)的發(fā)展與完善，保險市場在當今中國金融市場中的規(guī)模與作用不斷增強，并且近年來中國房地產(chǎn)投資的金融屬性也日益凸顯，因此，本文在構(gòu)建金融壓力指數(shù)的過程中將保險市場與房地產(chǎn)市場納入考察范圍。在賦權(quán)方式方面，常見的方式有主成分分析法、等方差權(quán)重法、CDF轉(zhuǎn)換法與CRITIC賦權(quán)法等。這些方式雖然都有其優(yōu)勢所在，但也存在一些缺點。主成分分析法通過降維的方式提取變量所代表的主要信息，但該方法依賴于正態(tài)分布的假設，并且沒有考慮到變量間的依賴性與時間關(guān)聯(lián)性;等方差權(quán)重法計算相對簡單，但沒有考慮到不同的變量可能反映了同一信息，致使該信息在指數(shù)中的權(quán)重過高;CDF轉(zhuǎn)換法通過變量的樣本累積分布函數(shù)進行取值，然后賦予相同的權(quán)重，不需要正態(tài)分布的假設，然而該方法的權(quán)重是固定的，未能考慮金融市場結(jié)構(gòu)變化帶來的影響;CRITIC賦權(quán)法從變量自身的變異性與變量間的相關(guān)性出發(fā)進行賦權(quán)，能夠客觀地利用變量自身信息進行科學評價，然而該方法也未能將時變因素納入指數(shù)的構(gòu)建中。

為解決現(xiàn)有研究在構(gòu)建金融市場穩(wěn)定指數(shù)時的不足，本文參考Oet等（2015）[33]的做法并結(jié)合中國實際情況，分別選取17個具有代表性的指標，采用動態(tài)修正CRITIC賦權(quán)法構(gòu)建銀行、外匯、股票、債券、保險和房地產(chǎn)等6個金融子市場的金融壓力指數(shù)，并最終合成中國金融市場壓力指數(shù)（Financial Market Stress Index，F(xiàn)MSI），以衡量中國金融市場穩(wěn)定性。指標選取見表1。

（二）中國金融市場壓力指數(shù)構(gòu)建

在構(gòu)建金融市場壓力指數(shù)之前，首先對所選用指標進行標準化處理。本文采用極差變換法來消除各指標間由于計量單位差異導致的潛在影響，具體做法如下：

其中，xit為原有指標Xit在標準化之后得到的指標。經(jīng)過極差變換法處理后，各指標趨勢與原指標保持不變，對金融壓力的影響方向保持一致，取值范圍滿足xit∈[0，1]。

在標準化之后，對選取指標的變異性和沖突性進行考察，具體做法如下：

其中，x-i為均值，rij為相關(guān)系數(shù)，Sit指標變異性，Rit為指標沖突性?？紤]到金融市場結(jié)構(gòu)的變化，本文參考鄧創(chuàng)和趙珂（2018）[34]的做法，采用三年移動平均方差與協(xié)方差來計算Sit與Rit。由于正的相關(guān)系數(shù)與負的相關(guān)系數(shù)所反映的指標間相關(guān)程度是相同的，使用取相關(guān)系數(shù)絕對值的方法對指標的沖突性進行修正。

最后，根據(jù)所得指標變異性與沖突性，計算指標信息量，并以此為權(quán)重進行賦權(quán)：

其中，Cit為指標信息量，Wit為指標權(quán)重。

（三）金融市場壓力識別

基于上述指標選擇與賦權(quán)方式，本文構(gòu)建了銀行、外匯、股票、債券、保險和房地產(chǎn)市場壓力指數(shù)并最終合成了中國金融市場壓力指數(shù)。圖1為各金融市場的時變權(quán)重，由圖1可知，各金融市場的權(quán)重具有較強的時變效應，表明采用動態(tài)修正CRITIC賦權(quán)法能夠較好的反映金融市場的變化情況。圖2為中國金融市場壓力指數(shù)，金融市場壓力指數(shù)越大，金融市場穩(wěn)定性越差。如圖2所示，自2001年中國加入世貿(mào)組織之后，中國經(jīng)濟經(jīng)歷了一段時間的快速上漲，為預防經(jīng)濟過快增長帶來的一系列問題，在2006年央行頻繁出臺緊縮性貨幣政策，全年經(jīng)歷了3次存款準備金率調(diào)整、1次提高存款利率和2次提高貸款利率，

導致流動性收緊，金融市場壓力上升。2008年，美國次貸危機向世界各國蔓延，進一步惡化為全球性金融危機，此時中國金融市場壓力也達到峰值。隨后國家推出“四萬億”等一系列刺激經(jīng)濟的政策，金融市場面臨的壓力顯著下降。2010年前期為恢復經(jīng)濟推出的利好信息被嚴重透支，市場擔憂中國退出經(jīng)濟刺激政策以及“四萬億”信貸可能引起大量壞賬，使得投資者對中國股票市場產(chǎn)生擔憂。2011年，受前期刺激經(jīng)濟政策的影響CPI指數(shù)一度高企，為遏制快速上升的通貨膨脹，中國人民銀行6次上調(diào)存款準備金率并3次加息，導致銀行體系流動性緊張，銀行業(yè)資產(chǎn)質(zhì)量下降，債券市場壓力凸顯。2015年下半年，中國央行宣布調(diào)整人民幣對美元報價機制與股票市場大幅下跌使得外匯市場與股票市場波動性有所提高。2018年末開始的中美貿(mào)易戰(zhàn)使中國金融市場壓力維持在較高水平。2020年，受新冠疫情影響，中國經(jīng)濟面臨較大的下行壓力，金融市場的不穩(wěn)定性凸顯。通過上述分析可知，金融市場壓力指數(shù)與現(xiàn)實情況吻合，說明該指數(shù)能夠較好描述金融市場穩(wěn)定狀況。

四、實證模型設定

（一）DCC-GARCH模型

Engle（2003）提出了DCC-GARCH模型[35]，該模型假設變量間的相關(guān)系數(shù)具有時變效應，當期的相關(guān)系數(shù)是基于上一期的信息集所計算得到，因此，該模型能夠較好地描述變量間的聯(lián)動性。具體地，DCC-GARCH服從以下設定：

其中，Yt為時間序列向量;Φt-1為t-1時刻的信息集;μ為Yt在Φt-1條件下的均值向量;εt為序列擾動項向量;在Φt-1的條件下服從正態(tài)分布;Ht為擾動項εi，t的條件協(xié)方差矩陣;Dt為條件方差對角矩陣;Rt為條件相關(guān)系數(shù)矩陣。

相關(guān)系數(shù)矩陣Rt的動態(tài)過程由以下兩個方程來決定：

其中，εt-1為標準化后的滯后一期擾動項，Qt為對稱正定矩陣，Q-為標準化后擾動項的協(xié)方差矩陣，參數(shù)θ1與θ2皆為非負，且滿足：0≤θ1+θ2<1。

（二）BEKK-GARCH模型

Engle和Kroner（1995）提出了BEKK-GARCH模型[36]，該模型能夠確保協(xié)方差矩陣的正定性，較好描述了二階矩的波動特征，具體表達式如下：

均值方程：

方差方程：

以三元BEKK-GARCH（1，1）模型為例，方差方程中矩陣形式如下：

其中，Ht為協(xié)方差矩陣;C為常數(shù)矩陣;A為ARCH系數(shù)矩陣，用以衡量滯后一期的擾動項對當期條件方差的影響;B為GARCH系數(shù)矩陣，用以衡量滯后一期的條件方差對當期條件方差的影響。

將BEKK-GARCH（1，1）模型矩陣形式的方差方程展開成方程組的形式可以得到：

由上式可知，影響變量波動的因素主要來自兩個方面，一是變量的前期波動項hij，t-1，二是變量波動的前期擾動項εj，t-1εi，t-1。非主對角線元素aij和bij分別表示兩變量之間的ARCH效應與GARCH效應，當系數(shù)aij和bij顯著不為0時，兩變量之間存在波動溢出效應。

五、實證結(jié)果分析

（一）數(shù)據(jù)說明

本文選取月度頻率時間序列數(shù)據(jù)作為研究樣本，樣本檢驗區(qū)間為2005年1月至2020年12月。中國經(jīng)濟政策不確定性與美國經(jīng)濟政策不確定性指數(shù)的選取參考Baker等（2016）運用文本分析法構(gòu)建的經(jīng)濟政策不確定性指數(shù)，數(shù)據(jù)來自于http：//www.policyuncertainty.com/;中國金融市場壓力指數(shù)參考上文所得結(jié)果，構(gòu)建金融穩(wěn)定指數(shù)所選取的指標數(shù)據(jù)均來自于Wind數(shù)據(jù)庫。為降低因量綱不同而導致的潛在模型估計偏誤，本文對所有變量進行標準化處理。DCC-GARCH（1，1）模型與BEKK-GARCH（1，1）模型的此參數(shù)估計過程在WinRATS 7.0中完成。

（二）平穩(wěn)性檢驗與ARCH效應檢驗

時間序列不平穩(wěn)將導致偽回歸的發(fā)生，因此在分析前需進行平穩(wěn)性檢驗。表2列示了變量ADF平穩(wěn)性檢驗的結(jié)果。由表2可知，中國經(jīng)濟政策不確定性（EPU_CN）在5%的顯著性水平下平穩(wěn)，美國經(jīng)濟政策不確定性（EPU_US）在1%的顯著性水平下平穩(wěn)，中國金融市場壓力指數(shù)（FMSI）在5%的顯著性水平下平穩(wěn)。

在進行GARCH族模型建模前，首先需對序列的ARCH效應進行檢驗，若不存在ARCH效應，則不適合運用GARCH族模型進行分析。表3列示了單個序列ARCH效應檢驗結(jié)果。如表3所示，EPU_CN、EPU_US與FMSI均在1%的顯著性水平下顯著，3個序列均存在ARCH效應。

（三）中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的動態(tài)相關(guān)效應

表4列示了DCC-GARCH（1，1）模型的參數(shù)估計結(jié)果。由表4可知，θ1與θ2在1%的顯著性水平下顯著不為0，θ1+θ2=0.93<1且與1較為接近，這說明模型不僅整體是穩(wěn)定的，而且EPU_CN、EPU_US與FMSI之間有顯著的動態(tài)相關(guān)性，模型估計結(jié)果有效。

圖3至圖5分別為中國經(jīng)濟政策不確定性、美國經(jīng)濟政策不確定性與中國金融市場壓力指數(shù)三者之間的動態(tài)相關(guān)系數(shù)圖。由圖3可知，中美兩國經(jīng)濟政策不確定性的動態(tài)相關(guān)系數(shù)始終為正，在2008年金融危機、2011年至2013年歐洲債務危機、2015年人民幣匯率形成機制改革、2016年特朗普當選總統(tǒng)、2018年中美貿(mào)易戰(zhàn)以及2020年新冠疫情時期，中美兩國經(jīng)濟政策不確定性的相關(guān)性較高，在面臨重大經(jīng)濟政策調(diào)整與全球性事件沖擊時，中美兩國均會積極調(diào)整經(jīng)濟政策加

以應對，經(jīng)濟政策不確定性將同步增強。由圖4可知，2008年金融危機后中國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的動態(tài)相關(guān)系數(shù)為負，說明政策變化有效緩解了中國金融市場壓力;2011年至2012年，中國經(jīng)歷了金融市場流動性收緊、歐洲債務危機與政府換屆等事件，經(jīng)濟政策不確定性與金融市場壓力的動態(tài)相關(guān)系數(shù)達到0.8以上;2016年起，受國內(nèi)經(jīng)濟轉(zhuǎn)型與國際復雜形勢的雙重壓力影響，中國經(jīng)濟政策不確定性與中國金融市場壓力的相關(guān)程度一直維持在較高水平。由圖5可知，美國經(jīng)濟政策不確定性與中國金融市場壓力之間動態(tài)相關(guān)系數(shù)的總體趨勢和中國經(jīng)濟政策不確定性與中國金融市場壓力之間動態(tài)相關(guān)系數(shù)類似，在部分時期相關(guān)程度有所差異，因此，美國經(jīng)濟政策不確定性也可能會作用于中國金融市場。根據(jù)動態(tài)相關(guān)性的分析，中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定之間有顯著的動態(tài)相關(guān)關(guān)系并可能存在潛在的溢出效應，因此我們采用BEKK-GARCH（1，1）模型進行進一步分析。

（三）中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定的波動溢出效應

表5為BEKK-GARCH（1，1）模型的參數(shù)估計結(jié)果，其中，αi，j為ARCH系數(shù)矩陣的元素，βi，j為GARCH系數(shù)矩陣的元素。表6為波動溢出效應的聯(lián)合Wald檢驗，當拒絕原假設αi，j=βi，j=0時，序列之間存在波動溢出效應。由表6可知，原假設α1，2=β1，2=0與α2，1=β2，1=0的檢驗結(jié)果均在1%的水平上顯著，表明中美兩國經(jīng)濟政策不確定性之間存在雙向波動溢出效應。原假設α3，1=β3，1=0和α1，3=β1，3=0的檢驗結(jié)果分別在5%和10%的水平上顯著，表明中國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定之間存在雙向波動溢出效應。原假設α3，2=β3，2=0和α2，3=β2，3=0的檢驗結(jié)果均不顯著，表明美國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定之間不存在顯著的波動溢出關(guān)系。由此可知，中美兩國作為全球前兩大經(jīng)濟體，一方政策調(diào)整的影響將向另一方溢出，致使另一方政

策同步變化。中國經(jīng)濟政策不確定性會影響金融市場的穩(wěn)定性，而金融市場穩(wěn)定也會反作用于政策制定部門，使其根據(jù)金融市場情況調(diào)整經(jīng)濟政策。而美國的經(jīng)濟政策不確定性不能直接影響中國金融市場的穩(wěn)定，這可能與中國政府部門制定的一系列防范境外輸入性金融風險政策有關(guān)，這些調(diào)控政策削弱了外部風險向中國市場傳導。然而，美國經(jīng)濟政策不確定性仍可以通過對中國經(jīng)濟政策不確定性的溢出效應來間接影響中國金融市場穩(wěn)定。

六、結(jié)論與建議

本文在各金融市場中選取具有代表性的指標，運用動態(tài)修正CRITIC賦權(quán)法，構(gòu)建了銀行、股票、債券、外匯、保險和房地產(chǎn)等6個金融市場壓力指數(shù)，并合成中國金融市場壓力指數(shù)，以刻畫中國金融市場穩(wěn)定性。在此基礎(chǔ)上，本文進一步探究中美兩國經(jīng)濟政策不確定性與中國金融市場穩(wěn)定之間的動態(tài)相關(guān)效應與波動溢出效應。研

究發(fā)現(xiàn)：①中美兩國經(jīng)濟政策不確定性之間存在顯著的動態(tài)相關(guān)效應與波動溢出效應，在經(jīng)濟政策發(fā)生重大改變或面臨外部事件沖擊時兩者動態(tài)相關(guān)程度較高，中美兩國經(jīng)濟政策不確定性出現(xiàn)波動后均會向?qū)Ψ揭绯觯瑢е聦Ψ浇?jīng)濟政策不確定性出現(xiàn)波動。②中國經(jīng)濟政策不確定性和中國金融市場穩(wěn)定之間存在顯著的動態(tài)相關(guān)效應與波動溢出效應，中國經(jīng)濟政策調(diào)整能夠向中國金融市場穩(wěn)定溢出，而金融市場穩(wěn)定性變化也能夠反作用于政府部門對經(jīng)濟政策的制定。③美國經(jīng)濟政策不確定性和中國金融市場穩(wěn)定之間存在顯著的動態(tài)相關(guān)效應但不存在波動溢出效應，表明美國經(jīng)濟政策變化不能直接對中國金融市場穩(wěn)定性產(chǎn)生影響。

基于上述研究結(jié)論，本文提出如下政策建議：①增強政策信息透明度，提高預期管理能力。通過新聞媒體、發(fā)布會等形式加大經(jīng)濟政策解讀力度，提高政府公信力與執(zhí)行力，保障公眾知情權(quán)，增強經(jīng)濟主體信心，引導市場形成合理預期。加強輿情管理，及時糾正誤導性信息的傳播，防范和化解經(jīng)濟政策變化產(chǎn)生的不利影響。②深化金融體制改革，提高調(diào)控政策穩(wěn)定性。探索符合中國國情的金融體系制度，深入推進金融供給側(cè)結(jié)構(gòu)性改革，平衡好穩(wěn)增長和防風險的關(guān)系，推動金融業(yè)健康發(fā)展。強調(diào)政府宏觀調(diào)控政策的穩(wěn)定性與連續(xù)性，提高經(jīng)濟政策制定的前瞻性，立足中國實際情況與發(fā)展需要逐步調(diào)整政策，避免政策“朝令夕改”與“180度大轉(zhuǎn)向”。③建立長效風險預警機制，防范輸入性金融風險。完善金融市場監(jiān)管制度，關(guān)注世界主要經(jīng)濟體的經(jīng)濟情況與政策變化，提高在面臨全球性重大事件沖擊時的金融風險防控能力。在推進金融市場對外開放的同時，重點監(jiān)測利率、匯率與外匯儲備等跨境金融風險傳播的渠道，防止金融風險在不同經(jīng)濟體、不同金融市場間交叉?zhèn)魅?，守住不發(fā)生系統(tǒng)性金融風險的底線。

[參考文獻]

[1]BAKER S R， BLOOM N， DAVIS S J. Measuring economic policy uncertainty[J]. Quarterly journal of economics， 2016，131（4）：1593-1636.

[2]MAKOWIAK B. External shocks， U.S. monetary policy and macroeconomic fluctuations in emerging markets[J]. Journal of monetary economics， 2007，8：2512-2520.

[3]PSTOR L， VERONESI P. Uncertainty about government policy and stock prices[J]. Journal of finance， 2012， 67（4）：1219-1264.

[4]CAGGIANO G， CASTELNUOVO E， FIGUERES J M. Economic policy uncertainty and unemployment in the United States： a nonlinear approach[J]. Economics letters， 2017，57：31-34.

[5]朱軍， 蔡恬恬. 中國財政、貨幣政策的不確定性與通貨膨脹預期——基于中國財政貨幣政策不確定性指數(shù)的實證分析[J]. 財政研究， 2018， （1）：53-64.

[6]林建浩，陳良源，田磊.貨幣政策不確定性是中國股票市場的定價因子嗎？[J].經(jīng)濟學（季刊），2021，21（4）：1275-1300.

[7]AMMER J， VEGA C， WONGSWAN J. International transmission of U.S. monetary policy shocks： evidence from VARs[J]. Journal of money credit & banking， 2010， 48（2）：339-372.

[8]OBSTFELD M. Global dimensions of U.S. monetary policy[J]. International journal of central banking， 2020，16（1）：73-132.

[9]KIM S， YANG D Y. International monetary transmission in East Asia： floaters， non-floaters， and capital controls[J]. Japan and the world economy， 2012， 24（4）：305-316.

[10]肖娛. 美國貨幣政策沖擊的國際傳導研究——針對亞洲經(jīng)濟體的實證分析[J]. 國際金融研究， 2011（9）：18-29.

[11]NERI S， NOBILI A. The Transmission of US monetary policy to the Euro Area[J]. International finance， 2010， 13（1）：55-78.

[12]KIMURA Y. Cross-country transmission effect of the U.S. monetary shock under global integration[Z]. Bank of Japan working paper ，2013-13， 2003：1-55.

[13]LU Y， HAMORI S. Spillover effect of US monetary policy to ASEAN stock markets： evidence from Indonesia， Singapore， and Thailand[J]. Pacific-Basin finance journal， 2014， 26（1）：145-155.

[14]LEVINE R. Financial development and economic growth： views and agenda[J]. Journal of economic literature， 1997， 35（2）：688-726.

[15]LUND D. How to analyze the investment-uncertainty relationship in real option models？[J]. Review of financial economics， 2005， 14（3）：311-322.

[16]BORN B， PFEIFER J. Policy risk and the business cycle[J]. Journal of monetary economics， 2014， 68（1）：68-85.

[17]ALENTORN Y A. Network models and financial stability[J]. Journal of economic dynamics and control， 2007，31（6）：2033-2060.

[18]RAJAN D. Liquidity risk， liquidity creation， and financial fragility： a theory of banking[J]. Journal of political economy， 2001， 109（2）：287-327.

[19]田國強，李雙建.經(jīng)濟政策不確定性與銀行流動性創(chuàng)造：來自中國的經(jīng)驗證據(jù)[J].經(jīng)濟研究，2020，55（11）：19-35.

[20]譚小芬，張凱，耿亞瑩.全球經(jīng)濟政策不確定性對新興經(jīng)濟體資本流動的影響[J].財貿(mào)經(jīng)濟，2018，39（3）：35-49.

[21]BLOOM N. Fluctuations in uncertainty[J]. Journal of economic perspectives， 2014， 28（2）：153-175.

[22]蘇治，劉程程，位雪麗.經(jīng)濟不確定性是否會弱化中國貨幣政策有效性[J].世界經(jīng)濟，2019，42（10）：49-72.

[23]ADLER M， DUMAS B. The international portfolio choice and corporate finance[J].Journal of finance， 1983，38：925-984.

[24]GERRITS R J， YUCE A. Short-and long-term links among European and US stock markets[J]. Applied financial economics，1999， 9（1）：1-9.

[25]CONTESSI S， PACE P D， FRANCIS J L. The cyclical properties of disaggregated capital flows[J]. Journal of international money and finance， 2013， 32：528-555.

[26]張喜艷，陳樂一.經(jīng)濟政策不確定性的溢出效應及形成機理研究[J].統(tǒng)計研究，2019，36（1）：115-128.

[27]BECKER K G， FINNERTY J E， FRIEDMAN J. Economic news and equity market linkages between the U.S. and U.K.[J]. Journal of banking and finance，1995，19（7）：1191-1210.

[28]肖小勇，黃靜，田清淞.經(jīng)濟政策不確定性的國際關(guān)聯(lián)及其解釋[J].國際貿(mào)易問題，2019（4）：76-91.

[29]MUNDELL R. Capital mobility and stabilization policy under fixed and fixed and flexible exchange rates[J]. Canadian journal of economics and political science，1963，29： 475-485.

[30]SALTO M， PIETRA T. Welfare and excess volatility of exchange rates[J]. Economic theory，2013，52 （2）：501-529.

[31]MEIRELLES A， LIMA G. Debt， financial fragility， and economic growth： a post keynesian macro model[J]. Journal of post keynesian economics， 2006， 29（1）：93-115.

[32]ILLING M， LIU Y. An index of financial stress for Canada[Z]. Bank of Canada working paper 2003-14， 2003：1-52.

[33]OET M V， DOOLEY J M， ONG S J. The financial stress index： identification of systemic risk conditions [J]. Risks， 2015， 3： 420-444.

[34]鄧創(chuàng)，趙珂. 中國的金融壓力及其對宏觀經(jīng)濟景氣的影響動態(tài)[J]. 財經(jīng)研究， 2018， 44（7）：86-98.

[35]ENGLE R F. Dynamic conditional correlation： a simple class of multivariate generalized autoregressive conditional heteroscedasticity models[J]. Journal of business & economic statistics， 2003， 20（3）：339-350.

[36]ENGLE R F， KRONER K F. Multivariate simultaneous generalized ARCH[J]. Econometric theory，1995，11：122-150.

Research on the Dynamic Transfer Effect between Uncertainty of Internal

& External Economic Policy and Chinese Financial Market Stability

Xing? Tiancai，? Wang? Xiao

（Dongbei University of Finance and Economics， Dalian 116025， China）

Abstract：? ?Based? on the six financial markets of banking， foreign exchange， stocks， bonds， insurance and real estate， this paper takes the relevant economic data from January 2005 to December 2020 to construct Chinas financial market pressure index by using the dynamic modified critical weighting method and analyze the time-varying characteristics of Chinas financial market stability. The DCC-GARCH model and BEKK-GARCH model are used to explore the dynamic correlation effect and volatility spillover effect between China-US economic policy uncertainty and Chinas financial market stability. The results show that： There is a dynamic correlation between China-US economic policy uncertainty and Chinas financial market stability， and the correlation is higher in the period of high economic pressure; There is a two-way volatility spillover effect between the uncertainty of Chinas economic policy and the stability of Chinas financial market， while the uncertainty of American economic policy cannot directly affect Chinas financial market.

Key words：economic policy; uncertainty; financial market pressure index; dynamic correlation effect; volatility spillover effect

（責任編輯：蔡曉芹）