經(jīng)濟政策不確定性對股票市場系統(tǒng)性風險的影響研究
——基于動態(tài)CoVaR 模型的實證分析

楊 璐，劉永文

（貴州大學(xué) 經(jīng)濟學(xué)院，貴州 貴陽 550000）

一、引言

近幾年黑天鵝事件頻發(fā)，國際形勢日益緊張，新冠疫情的爆發(fā)以及疫情常態(tài)化的背景下，我國乃至世界政府持續(xù)發(fā)布一系列經(jīng)濟政策，伴隨而來的是經(jīng)濟政策不確定性與系統(tǒng)性風險的升高。股市是經(jīng)濟的晴雨表，系統(tǒng)性風險表現(xiàn)在股市上即大范圍震蕩，甚至波動實體經(jīng)濟。本文從股票市場的角度出發(fā)研究經(jīng)濟政策不確定性對系統(tǒng)性風險的影響與經(jīng)濟政策不確定性對系統(tǒng)性風險的影響機制，實證分析研究經(jīng)濟政策不確定性對系統(tǒng)性風險的影響。

二、理論分析

（一）經(jīng)濟政策不確定性與系統(tǒng)性風險

本文將分別運用理論和實證來對經(jīng)濟政策不確定性對系統(tǒng)性風險的影響進行闡述?，F(xiàn)有文章的研究中，經(jīng)濟政策不確定性會顯著加劇市場系統(tǒng)性風險。例如，王金明和王心培（2021）[1]利用主成分分析方法，研究得出經(jīng)濟政策不確定性的升高會對金融穩(wěn)定帶來顯著的負向影響的結(jié)論。楊子輝等（2020）[2]基于非線性關(guān)聯(lián)網(wǎng)絡(luò)研究發(fā)現(xiàn)，股票市場是風險的主要輸出方，外匯市場是風險的主要接受者，兩者之間存在雙向非對稱傳染效應(yīng)。Roukny 等（2018）[3]、黃寧和郭平（2015）[4]、田磊和林建浩（2016）[5]、朱睿博（2017）[6]均實證研究得出隨著經(jīng)濟政策不確定性的增加，系統(tǒng)性風險會顯著增加的結(jié)論。

因此，本文提出假設(shè)1：經(jīng)濟政策不確定性的上升會使市場系統(tǒng)性風險升高，給市場的穩(wěn)定性帶來負面影響。

（二）經(jīng)濟政策不確定性對市場系統(tǒng)性風險的影響路徑

第一，本文認為匯率波動是經(jīng)濟政策不確定性影響系統(tǒng)性風險的路徑之一，即經(jīng)濟政策不確定性的上升會通過匯率波動使系統(tǒng)性風險發(fā)生變化。匯率決定的流量導(dǎo)向模型和股價導(dǎo)向模型的觀點均表明匯率的變動會導(dǎo)致股市波動，從而使系統(tǒng)性風險升高。吳成頌和陸雨晴（2020）[7]實證分析得出匯率波動與銀行系統(tǒng)性風險具有正相關(guān)關(guān)系。對于經(jīng)濟政策不確定性對匯率的影響文獻中，均發(fā)現(xiàn)經(jīng)濟政策不確定性上升會顯著影響匯率波動。Krol（2014）[8]最早研究發(fā)現(xiàn)隨著經(jīng)濟政策不確定性的上升，同期匯率波動性上升。王盼盼（2021）[9]的研究也在一定程度上說明經(jīng)濟政策不確定性與匯率波動相關(guān)。卜林等（2021）[10]、劉強和陶士貴（2021）[11]均實證得出對大多數(shù)經(jīng)濟體而言，經(jīng)濟政策不確定性會推動本經(jīng)濟體的匯率波動水平顯著上升。因此，本文提出假設(shè)2：經(jīng)濟政策不確定性影響系統(tǒng)性風險的路徑之一為匯率波動。

第二，本文認為投資者情緒是經(jīng)濟政策不確定性對影響系統(tǒng)性風險的渠道之一。

靳光輝等（2016）[12]從投資者層面分析發(fā)現(xiàn)，經(jīng)濟政策不確定性加劇了投資者的風險感知，對投資者情緒產(chǎn)生負面影響；張本照等（2021）[13]、陳曙亮（2008）[14]研究發(fā)現(xiàn)經(jīng)濟政策不確定性的升高會通過影響投資者情緒使市場系統(tǒng)性風險升高。佟孟華等（2018）[15]研究發(fā)現(xiàn)較高的投資者情緒伴隨著較高的系統(tǒng)性風險。因此，本文提出假設(shè)3：經(jīng)濟政策不確定性影響系統(tǒng)性風險的路徑之一為投資者情緒。

三、數(shù)據(jù)、變量與模型

（一）變量說明

1.被解釋變量：系統(tǒng)性風險

目前測量系統(tǒng)性風險的方法有很多種，如VaR方法、CoVaR 方法、MES 等方法。由于條件在險價值CoVaR 法能反映金融機構(gòu)對整個金融系統(tǒng)的風險貢獻度，將單個機構(gòu)聯(lián)系起來，度量當其遇到困境或倒閉時，與之相關(guān)的整個市場所面臨的損失。因此本文選擇基于分位數(shù)回歸的動態(tài)CoVaR 模型測度系統(tǒng)性風險。

（2）CoVaR 估計方法：分位數(shù)回歸。首先建立分析兩機構(gòu)回報率之間的關(guān)系，這里定義兩機構(gòu)為系統(tǒng)system 和機構(gòu)i，在機構(gòu)損失為Xi的情況下：

本文根據(jù)Adrian 等提出的CoVaR 模型，構(gòu)建股票市場的系統(tǒng)性風險溢出分位數(shù)回歸模型。

首先，建立單個機構(gòu)的收益率序列分位數(shù)回歸模型：

單個機構(gòu)對整個股票市場的風險溢出分位數(shù)回歸模型為：

到這里只是各個股票關(guān)于股票市場的靜態(tài)溢出效應(yīng)模型，下面將根據(jù)各股票以及股票市場的收益率時間序列，引入狀態(tài)變量，將收益率看作狀態(tài)變量的函數(shù)，運用分位數(shù)回歸模型進一步得到各股票的吟CoVaR 序列的計算方法如下：

本文采用A 股市場的4 432 只股票對數(shù)收益率和滬深300 指數(shù)對數(shù)收益率的2006—2021 年面板數(shù)據(jù)測算吟CoVaR。

2.解釋變量

本文采取Baker 等（2016）[17]基于新聞測算法計算并公布的經(jīng)濟政策不確定性指數(shù)作計算數(shù)據(jù)。Bake 等（2016）[17]從美國最具影響力的雜志和報紙?zhí)暨x出相關(guān)的關(guān)鍵詞，計算出上述關(guān)鍵詞的頻率，對該計算出來的頻率進行正態(tài)化處理并驗算其有效性后得出經(jīng)濟政策不確定性指數(shù)EPU，數(shù)據(jù)來源于World Bank。

3.交叉變量

本文理論分析中提到經(jīng)濟政策不確定性對系統(tǒng)性風險影響的路徑可能：一是通過影響匯率波動性影響系統(tǒng)性風險；二是通過影響投資者情緒影響系統(tǒng)性風險。

（1）匯率波動（CFETS）。人民幣實際有效匯率指數(shù)（CFETS）客觀衡量一國貨幣的價值，真實反映了一國匯率的穩(wěn)定性和波動性[18]。因此本文采用何啟志（2017）[19]的方法，以CFETS 的對數(shù)收益率的標準差對匯率波動進行衡量。數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

（2）中國投資者情緒（CICSI）。本文選取CSMAR中，與金融市場上重大事件相吻合的中國投資者情緒指數(shù)（CICSI）作為對投資者情緒的度量，將該指數(shù)進行z 標準化后即得到本文所需投資者情緒指標。

4.控制變量

本文的控制變量選取為：

（1）資金流動性（TED）。選用反映資金流動性松緊和投資者風險偏好的TED 指標，該指標衡量市場上資金流動性的好壞以及融資難度。

（2）宏觀經(jīng)濟因素（GDPrate、CPI）。宏觀因素是影響系統(tǒng)性風險的重要因素。本文的宏觀經(jīng)濟因素以月度國民生產(chǎn)總值同比增長率和月度通貨膨脹率兩個指標數(shù)據(jù)進行實證。數(shù)據(jù)來源國泰安數(shù)據(jù)庫。

（3）社會融資規(guī)模（logcredit）。社會融資規(guī)模存量能夠較好地反映全社會系統(tǒng)性風險積累的狀況。本文選取2006—2021 年的月度社會融資規(guī)模存量數(shù)據(jù)取自然對數(shù)，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

（4）杠桿率（leverage）。本文選取高于全社會平均水平的金融部門杠桿率作為控制變量，用金融部門的總資產(chǎn)與權(quán)益的比值計量，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

（5）市場波動性（MarkV）。隨著經(jīng)濟政策不確定性的增加，市場感知到的風險升高，市場波動率增加。本文采用滬深300 指數(shù)日收盤價的對數(shù)收益率月度標準差來度量市場波動性，數(shù)據(jù)來源于tushare。

（二）數(shù)據(jù)描述性統(tǒng)計

表1 數(shù)據(jù)描述性統(tǒng)計

圖1 是經(jīng)濟政策不確定性標準化后與匯率波動、投資者情緒標準化后的對比圖，可以看出投資者情緒、匯率的波動與經(jīng)濟政策不確定性的走勢基本吻合。

圖1 經(jīng)濟政策不確定性與匯率波動、投資者情緒時序圖

（三）模型構(gòu)建

為了分析經(jīng)濟政策不確定性對市場系統(tǒng)性風險的影響，本文構(gòu)建如下模型：

模型（16）反映經(jīng)濟政策不確定性對基于CoVaR模型的系統(tǒng)性風險的影響，進一步的為了檢驗經(jīng)濟政策不確定性影響系統(tǒng)性風險的途徑，在模型（17）、模型（18）中分別引入經(jīng)濟政策不確定性與匯率波動、投資者情緒的交互項：

四、實證分析

本文對基準模型（16）、模型（17）、模型（18）進行回歸，結(jié)果如表2 所示。第2 列為模型（17）EPUi×CFETSi的回歸結(jié)果，第3 列為模型（18）EPUi×CICSI的回歸結(jié)果。

表2 基準模擬回歸結(jié)果

第一，解釋變量對基于CoVaR 模型度量的系統(tǒng)性風險的影響。表2 為經(jīng)濟政策不確定性對基于CoVaR 模型度量的系統(tǒng)性風險影響的回歸結(jié)果。從回歸結(jié)果可以看出，模型的擬合度達到了99%，模型解釋力強，經(jīng)濟政策不確定性系數(shù)為正且有顯著統(tǒng)計學(xué)差異，即隨著經(jīng)濟政策不確定性升高，股票市場系統(tǒng)性風險顯著升高，假設(shè)1 成立。

第二，影響渠道。表2 中的第2 列、第3 列為交互項。由實證結(jié)果可以看出，經(jīng)濟政策不確定性可以通過影響投資者情緒來影響系統(tǒng)性風險，而匯率波動的交互項不顯著，經(jīng)濟政策不確定性影響系統(tǒng)性風險與匯率波動指標無關(guān)，即只有假設(shè)3 成立。從表2 第4 列可以看出，交互項系數(shù)顯著為負，說明投資者情緒的升高會顯著造成股票市場系統(tǒng)性風險的升高，但隨著經(jīng)濟政策不確定性增大，投資者情緒影響系統(tǒng)性風險能力減弱。

第三，控制變量對基于CoVaR 模型度量的系統(tǒng)性風險的影響。實證結(jié)果顯示控制變量中，杠桿率、社會融資規(guī)模和國民生產(chǎn)總值增長率對系統(tǒng)性風險有顯著影響，且表2 中第2 列、第3 列引入交互項后實證結(jié)果均沒有發(fā)生變化，可以得出：金融部門杠桿率上升會顯著增加股票市場系統(tǒng)性風險；社會融資規(guī)模和國民生產(chǎn)總值增長率的系數(shù)為負，說明隨著社會融資規(guī)模和國民生產(chǎn)總值增長率的提高，股票市場系統(tǒng)性風險顯著減弱。

五、結(jié)論與政策建議

本文以計量出的CoVaR 數(shù)據(jù)實證分析了經(jīng)濟政策不確定性對系統(tǒng)性風險影響，以及其影響渠道。本文結(jié)論如下：

1.基于實證結(jié)果可以得出，經(jīng)濟政策不確定性對系統(tǒng)性風險具有顯著正向影響。

2.經(jīng)濟增長率、杠桿率和社會融資規(guī)模是影響系統(tǒng)性風險的重要原因，且隨著經(jīng)濟增長率和社會融資規(guī)模減小，系統(tǒng)性風險升高；金融部門杠桿率越高，市場系統(tǒng)性風險越大。

3.經(jīng)濟政策不確定性影響系統(tǒng)性風險的路徑之一為投資者情緒，經(jīng)濟政策不確定性升高時，投資者情緒呈悲觀態(tài)勢，系統(tǒng)性風險升高。

為了防范系統(tǒng)性風險，維持市場穩(wěn)定，基于上述結(jié)論，結(jié)合當下經(jīng)濟形勢提出以下政策建議：首先，由于經(jīng)濟政策不確定性的增加會顯著拉升市場系統(tǒng)性風險，因此政府應(yīng)該盡量避免“朝令夕改”，政策調(diào)控除了能給經(jīng)濟帶來助推效果，頻繁的政策變動會給市場帶來負荷，因此，政府在制定和發(fā)布政策時，應(yīng)注重政策連續(xù)性、一致性，減少頻繁的經(jīng)濟政策變更帶來的系統(tǒng)性風險；其次，貫徹“三去”，將全社會杠桿率控制在可接受范圍內(nèi)是降低系統(tǒng)性風險的可靠手段；最后，對投資者的教育是穩(wěn)定系統(tǒng)性風險的重要環(huán)節(jié)，加強對投資者理性投資知識的普及，落實各公共平臺對投資知識的宣傳，減少投資者的投機行為、情緒投資。