中國經(jīng)濟政策與金融市場波動的內(nèi)在邏輯※
——基于大數(shù)據(jù)挖掘的視角

李超杰 鄭凱鑫

內(nèi)容提要：文章主要研究了中國經(jīng)濟政策與市場波動的內(nèi)在邏輯關(guān)系。首先以Baker等(2016)的方法為藍本重新構(gòu)建了適合中國新聞媒體用語習慣的術(shù)語庫和經(jīng)濟政策不確定性指數(shù)，并發(fā)現(xiàn)該指數(shù)是造成金融市場波動的原因。然后將經(jīng)濟政策進一步細分為財政政策、貨幣政策和貿(mào)易政策三大類，并按行業(yè)計算了A股所有上市公司相對于特定政策類別的暴露程度，發(fā)現(xiàn)債券市場受貨幣政策不確定性的影響更大，且受影響的渠道較為集中；財政政策不確定性對于股市波動的影響在微觀層面顯著而在宏觀層面并不顯著；貿(mào)易政策不確定性對于股市波動來說在控制了凈出口和匯率變量時均有顯著影響，但對于債券市場來說只在控制了凈出口變量時有顯著影響。

一、 引 言

經(jīng)濟政策不確定性是指經(jīng)濟活動參與者無法準確預(yù)期到經(jīng)濟政策決策層會制定哪些措施，從而在實際的投資、消費或生產(chǎn)活動中采取更為謹慎和保守的行為(Bloom, 2014)。經(jīng)濟活動參與者的這一行為也會反映到金融市場上，尤其是股票市場，很多學者的研究(Connolly等，2005; Zhang, 2006；Arnold和Vrugt, 2008; Beber和Brandt, 2009; Baker等，2016；Bloom, 2014)都表明當經(jīng)濟政策存在較大的不確定的時候，投資者的買賣交易更為頻繁，股票價格的波動往往更為劇烈，市場的系統(tǒng)性風險凸顯。如何去測度經(jīng)濟政策的不確定性困擾著以往的許多學者，而Baker等(2016)提出的基于新聞報道的創(chuàng)新性測度研究更加符合經(jīng)濟政策不確定性的實際內(nèi)涵。由于新聞媒體文章的內(nèi)容來源為實際的經(jīng)濟活動參與人，并且通常會對業(yè)界的權(quán)威專家進行深入采訪，或者對各行業(yè)的從業(yè)人員進行調(diào)查和走訪，因此通過該方法構(gòu)建出來的EPU指數(shù)往往更能反映人們的預(yù)期，符合經(jīng)濟政策不確定性的實際內(nèi)涵。

為了研究更加具體的經(jīng)濟政策的影響，例如財政政策、貨幣政策和貿(mào)易政策的影響，Baker等(2016)還在每個具體的政策下面構(gòu)建對應(yīng)的詞條庫研究其對公司股價波動、投資率和就業(yè)率的影響。他發(fā)現(xiàn)在次貸危機之后的2008-2012年這段時期貨幣政策和財政政策是經(jīng)濟政策不確定的主要來源，主要是源于人們對于美國政府和美聯(lián)儲會實施什么樣的經(jīng)濟政策來引導復蘇不是特別清晰和明朗，而從2016年特朗普當選總統(tǒng)之后，中美貿(mào)易摩擦加劇，全球貿(mào)易保護主義抬頭，貿(mào)易和匯率方面的不確定性開始不斷上升，并在2018年末到2019年初成為經(jīng)濟政策不確定性的主要來源。國內(nèi)也有不少學者分析了特定政策的不確定性對于金融市場波動性的影響，但關(guān)于特定政策是如何影響金融市場并沒有形成統(tǒng)一的意見。例如，姜再勇和鐘正生(2010)專注于研究利率市場化對于市場波動的影響，認為利率市場化有助于股票市場的價格發(fā)現(xiàn)功能，因此能在一定程度上降低金融市場的波動性。儲成兵(2011)認為在利率提高的時候，投入股票市場的機會成本就會增加，一部分投資者會選擇存入銀行，因此，投入股票市場的資金數(shù)量就會減少，股票市場換手及交易量會降低，從而會降低股票市場波動性。屈新和康媛璐(2011)認為財政支出的增加，可以在一定程度上提醒人們有更多的、更好的其他投資機會，比如房地產(chǎn)投資，此時人們會將一部分資金從股票市場拿出來去投資收益更大的產(chǎn)品，因此會在一定程度上降低股票市場的波動。孫研和王春艷(2013)發(fā)現(xiàn)以存款準備金率改變?yōu)榇淼呢泿耪咴谥虚L期對投資者投資行為表現(xiàn)出統(tǒng)計上顯著的影響：以利率調(diào)整為代表的貨幣政策對股票市場波動的影響不顯著；以印花稅為代表的財政政策的改變表現(xiàn)出對股票市場波動和投資者投資行為的顯著影響。周宙和魏杰(2015)認為由于財政支出具有擠出效應(yīng)，會加劇中小企業(yè)的融資困境，這些企業(yè)為了生存下去會不惜大肆舉債加大杠桿率，引發(fā)金融市場動蕩。楊偉中等(2018)認為利率市場化下國家的管控能力缺失，反而會助長金融市場的投機行為，引起異常波動。

本文主要考察的是中國經(jīng)濟政策的不確定性和金融市場波動的關(guān)系，因此會在參考中國新聞媒體的用詞習慣上重新構(gòu)建EPU指數(shù)。雖然Baker等(2016)也做過將EPU指數(shù)應(yīng)用在中國市場上的工作，但他們選取的內(nèi)容來源僅為《南華早報》一家新聞媒體，而且該報紙主要的經(jīng)營范圍地處香港。為了更全面地反映中國經(jīng)濟活動參與者的預(yù)期，本文主要選取了中國境內(nèi)權(quán)威的2家官方媒體、5家主流經(jīng)濟媒體，以及3家網(wǎng)絡(luò)媒體。

在研究經(jīng)濟政策不確定性對微觀層面的影響時，Baker等(2016)的研究方式是選擇企業(yè)級別的個股隱含波動率，并在僅考慮政府支出不確定性單一傳導渠道的基礎(chǔ)上計算每家企業(yè)對政府支出的暴露程度，通過面板數(shù)據(jù)的分析方式來達到研究目的。但是，由于中國目前個股期權(quán)并沒有放開，因此本文采用個股的已實現(xiàn)波動率來刻畫企業(yè)股價的波動性。此外，為了綜合分析各種政策對于股市波動的影響，本文還加入了貨幣政策的不確定性和各企業(yè)相對于貨幣政策的暴露、貿(mào)易及匯率不確定性以及各企業(yè)相對于貿(mào)易政策的暴露。

本文對該領(lǐng)域的研究者、金融市場的投資者以及行業(yè)的監(jiān)管者來說都有重要的理論意義和現(xiàn)實意義。理論意義表現(xiàn)在：第一，重新構(gòu)建了適合中國經(jīng)濟的EPU指數(shù)并提供了切實可行的方法，這為后續(xù)的研究奠定了良好的基礎(chǔ)；第二，分析比較了財政政策、貨幣政策和貿(mào)易政策不確定性對于股市波動的影響，彌補了Baker等人只分析單一影響渠道的不足?，F(xiàn)實意義表現(xiàn)在：第一，為相關(guān)部門的政策實施提供了一定的參考價值；第二，經(jīng)濟政策的不確定性和金融市場波動也是普惠金融研究的重要方面。本文從政策面角度為資本市場的參與者提供了有效的投資建議。

二、 經(jīng)濟政策不確定性與金融市場波動的相關(guān)性

要構(gòu)建經(jīng)濟政策不確定性指數(shù)，首先最重要的是要確定相關(guān)的術(shù)語集，由于中文特殊的用語習慣和英文表達的顯著差異，本文最終采用通過人為審查和最小化錯誤率的方式來確定整體經(jīng)濟政策和特定政策的術(shù)語集。此外，本文還初步分析了其與股票市場波動的相關(guān)性并探究異常波動和跳躍情況下背后的歷史事件。

1.經(jīng)濟政策不確定指數(shù)的構(gòu)建

本文參考Baker等(2016)關(guān)于經(jīng)濟政策不確定性指數(shù)的構(gòu)建，首先選取的新聞報道來源是2家官方媒體：《人民網(wǎng)》《新華網(wǎng)》；5家主流經(jīng)濟媒體：《21世紀經(jīng)濟報道》《第一財經(jīng)日報》《經(jīng)濟觀察報》《中國經(jīng)營報》《財經(jīng)網(wǎng)》；以及3家網(wǎng)絡(luò)媒體：新浪財經(jīng)、網(wǎng)易財經(jīng)、鳳凰財經(jīng)。選取這10家新聞媒體的主要目的是力求達到全面覆蓋各行各界對于某一時期經(jīng)濟政策的看法和預(yù)期。其中《人民網(wǎng)》和《新華網(wǎng)》分別隸屬于人民日報和新華社，兩者實際上都由中國的黨政機關(guān)負責和管轄，其報道內(nèi)容一定程度上反映了政府的政策意圖，為了排除掉不相關(guān)話題的噪聲影響和提高處理的速度，本文僅選取兩大網(wǎng)站上的財經(jīng)板塊內(nèi)容。5家主流經(jīng)濟媒體是目前國內(nèi)用戶數(shù)量和影響范圍排名均比較靠前的經(jīng)濟類雜志報刊。此外，由于以上7家新聞媒體的發(fā)文通常比較正式和嚴謹，因此后臺的審核往往較為嚴格，有時無法及時捕捉到市場上的信息，而另3家網(wǎng)絡(luò)媒體正好彌補了這點不足，新聞的及時性較高，有時能捕捉到不是特別顯眼的信息，而這些信息可能恰恰是后面爆發(fā)性事件的前兆，3家財經(jīng)門戶網(wǎng)站中新浪財經(jīng)的市場占有率最高，約為33%，其中網(wǎng)易財經(jīng)的占有率為28%，鳳凰財經(jīng)占有率為19%，因此選取這3家具有極高的代表性。

表1 人為審計和最小化錯誤率方式得到的術(shù)語集

具體的確定過程中有幾個問題值得注意和考究：第一，選取的時段問題。由于每個雜志報刊的創(chuàng)辦時間不同，如果選取的時間段跨度太長可能導致某一家新聞媒體文本數(shù)據(jù)在某一時期的缺失。此外，由于經(jīng)濟體制和外部環(huán)境的結(jié)構(gòu)性變化，術(shù)語集可能也會隨之發(fā)生變化，比如在中國2001年加入WTO前后，人們對于政策不確定性的關(guān)注開始更加注重外部環(huán)境，并且決策當局和監(jiān)管者的政策實施也會更多地考慮內(nèi)部和外部條件的聯(lián)動性，貿(mào)易和匯率等術(shù)語會更多地被提及，綜合考慮以上兩點原因，本文只統(tǒng)計2002年以后的新聞報道。第二，主觀判斷的偏差。在人為審查部分對于隨機抽選的文章進行識別的時候，不同的人受自身學識水平和直覺感受的影響可能對于同一篇報道給出不同的判斷，因此需要對同一篇文章進行交叉審查，按照大多數(shù)原則對于報道的性質(zhì)進行判斷。第三，分詞技術(shù)和無主題傾向的組織性詞組處理。在文本分析中，通常會過濾掉停用詞，中文中的停用詞包括一些助詞虛詞、指示代詞、語氣詞以及部分形容詞等，這些詞通常沒有主題傾向，本文通過Jieba庫來過濾掉這些詞組(2)Jieba庫是Python語言中做中文文本分析較為流行的第三方庫。。第四，第一類錯誤和第二類錯誤。第一類錯誤指人為識別的文章屬于經(jīng)濟政策不確定性類但通過計算機文本分析得出了相反的結(jié)果(即EPU_H=1，EPU_C=0)，第二類錯誤指人為識別出來的文章不屬于經(jīng)濟政策不確定性類但通過計算機文本分析卻將該文章歸入該類(即EPU_H=0，EPU_C=1)，當術(shù)語集中的元素增加的時候，理論上來說，犯第一類錯誤的可能性會下降，但犯第二類錯誤的可能性會上升，合理的術(shù)語集規(guī)模是最小化兩類錯誤的總和。

如果選擇的計數(shù)頻率太高的話，會出現(xiàn)大部分時間節(jié)點上的經(jīng)濟政策不確定性指標數(shù)值都在0附近徘徊，因此本文按月度計算每家新聞媒體標記為EPU_C=1的文章數(shù)量，同時由于某段時期內(nèi)生產(chǎn)文章數(shù)量越多的新聞媒體傾向于擁有越多的被標記為EPU_C=1的文章數(shù)量，因此本文通過將標記為EUP_C=1的文章數(shù)量除以月內(nèi)總文章數(shù)量方式進行標準化處理，得到每家媒體的標準化目標文章頻率之后，還需要對10家新聞媒體的該比率進行平均化處理，最后將期初值標準化到100得到本文所需要的月頻EPU指標，用公式可以表示為：

(1)

此外本文還需要尋找經(jīng)濟政策不確定背后的歷史原因，以便更好地完成后續(xù)的實證研究部分，采用的方法是以90%分位數(shù)確定歷史上的極端情況，并對照相應(yīng)時間段內(nèi)新聞媒體報道的主要內(nèi)容，發(fā)現(xiàn)關(guān)于經(jīng)濟政策不確定從性質(zhì)角度可以劃分為兩類：第一，由于當下宏觀形勢的微妙性導致人們無法確切預(yù)期到政府和有關(guān)部門可能采取的政策；第二，政府和有關(guān)部門實行或者將要實施的某項重大政策對市場影響和潛在后果的不確定性。而從政策的實施主體角度可以劃分為三類(4)對于諸如戰(zhàn)爭等地緣政治風險引發(fā)的對于本國經(jīng)濟的沖擊，這里不進行單獨列出，理由是相關(guān)決策部門在運用政策工具時必須將這種沖擊納入考量的范圍，歸根結(jié)底也屬于上述三類不確定性的其中之一或者幾類兼有。：第一，政府的財政政策和一些重要的規(guī)章制度變革；第二，央行的貨幣和匯率政策；第三，貿(mào)易和外交政策。另外需要注意的是按照上述方法識別出來的具有經(jīng)濟政策不確定性特征的文章其政策實施者既包括國內(nèi)有關(guān)當局也包括國外的決策部門。

為了進一步說明本文所構(gòu)建EPU指數(shù)識別的有效性，圖2對比了Baker等人構(gòu)建的中國經(jīng)濟政策不確定性和本人所確立的指數(shù)在2002年1月至2019年6月的走勢(5)Baker等人構(gòu)建的中國EPU指數(shù)詳見http:∥www.policyuncertainty.com/scmp_monthly.html，2021年12月1日。，可以發(fā)現(xiàn)本文的EPU指數(shù)相比于Baker等人的版本具有如下幾點優(yōu)勢：第一，Baker等人所構(gòu)建的中國EPU指數(shù)呈現(xiàn)不斷上升的趨勢，但并沒有證據(jù)表明現(xiàn)階段的經(jīng)濟政策不確定性程度要比過去十幾年嚴重很多，而相比較而言本文的EPU指數(shù)相對來說比較平穩(wěn)；第二，Baker等人所構(gòu)建的中國EPU指數(shù)未能有效識別中國歷史上幾次重要的經(jīng)濟政策變革，如2003年的中國央行公開市場操作改革，以及2005年和2010年的兩次匯改；第三，Baker等人所構(gòu)建的中國EPU指數(shù)在識別效果上具有一定的滯后性，比如2008年受美國次貸危機影響，中國政府出臺了一系列擴大投資、減稅和增加市場流動性的政策，著名的“四萬億財政刺激計劃”就是在那個時候出臺的，而Baker等人的中國EPU指數(shù)直到2008年底才緩慢上升到峰值，相比于本文的EPU指數(shù)滯后了3～6個月。

如政策按照上文提到的政策實施主體角度進行劃分，就可以構(gòu)建出特定政策的EPU，由于匯率通常來說和貿(mào)易聯(lián)系比較密切，因此需要對該劃分進行細微的調(diào)整，將所有的政策分為三大類：貨幣政策、財政政策、貿(mào)易政策。按照前文中所提到的人為審計和最小化錯誤率的方法得到額外的特定政策術(shù)語集，見表2。

表2 特定政策術(shù)語集

特定政策EPU是在原有的“經(jīng)濟”“政策”和“不確定”三個基本術(shù)語集上新增指定的術(shù)語集進行文本分析，因此得到的目標文章數(shù)量必定小于整體的經(jīng)濟政策不確定文章數(shù)量，本文分別記財政政策不確定性指標為FEPU、貨幣政策不確定性指標為MEPU、貿(mào)易政策不確定性指標為TEPU。在相同樣本期間內(nèi)得到的相應(yīng)指標變化見圖3。EPU、FEPU、MEPU和TEPU的相關(guān)系數(shù)矩陣見表3。

從圖3和表3中可以總結(jié)出如下幾個規(guī)律：第一，貨幣政策的不確定通常高于其他兩類不確定指標，除了少數(shù)時間段(7)可以看到2008末至2009末的時間段內(nèi)財政政策不確定性指數(shù)高于其它兩類，這是因為在此時期內(nèi)政府出臺了一系列的財政刺激政策來穩(wěn)定經(jīng)濟，比如著名的“四萬億財政刺激計劃”。。這是因為貨幣政策的靈活性和微調(diào)性較高，因此被央行廣泛而普遍地使用，比如公開市場操作幾乎每個工作日都會實施。第二，三類特定政策不確定性指數(shù)走勢不僅相互之間一致性較高，并且和整體EPU高度吻合，大部分情況下同時達到峰值和低谷。這可能是由于宏觀經(jīng)濟的各個部門聯(lián)系較為緊密，沖擊通常會相互傳導，比如經(jīng)濟疲軟通常會伴隨流動性不足、投資萎縮和出口需求的下降，因此會同時對貨幣政策、財政政策和貿(mào)易政策發(fā)出挑戰(zhàn)。第三，政策不確定指數(shù)的波動均較為劇烈，而其中又以貨幣政策的不確定性為甚。但這是否意味著人們對于未來經(jīng)濟預(yù)期的調(diào)整比較迅速還有待考證，因為政策不確定性指數(shù)的高波動特征也從一個側(cè)面反映了人們的預(yù)期具有短視性，對于當下發(fā)生的事件賦予極高的權(quán)重。

表3 EPU、FEPU、MEPU和TEPU的相關(guān)系數(shù)矩陣

2.與金融市場波動的相關(guān)性

大量的實證研究和經(jīng)驗數(shù)據(jù)表明經(jīng)濟政策的不確定性和金融市場的波動是密切相關(guān)的，因為人們在無法準確預(yù)期到未來經(jīng)濟政策的走向的時候，會調(diào)整自己的資產(chǎn)配置行為，而這些行為會反映在金融資產(chǎn)價格的波動上。目前學術(shù)界關(guān)于兩者的關(guān)系存在兩種假說：一種是“政策風險假說”：Weber和Johnson(2009)、Bernal等(2016)、Tsai(2017)等人將經(jīng)濟政策的不確定視為一種政策風險，而這種不確定性通常伴隨著較差的宏觀環(huán)境，此時金融資產(chǎn)價格的波動性也會上升，比如金融危機時期經(jīng)濟政策不確定性和資產(chǎn)價格波動性往往具有雙高的特征；與該解釋相反的是，另一種是“預(yù)期一致性假說”：假設(shè)基于新聞媒體構(gòu)建出來的EPU指數(shù)能夠正確反映人們的預(yù)期(8)對于該命題依然存疑，主要是由于新聞媒體報道在有些情況下反映不如股票市場及時，因為媒體報道從撰寫、審核到發(fā)布具有一定的周期，不像股票的交易行為通常比較迅速。，那么較高的EPU指數(shù)意味著人們預(yù)期的不一致性，Branch(2007)、Eusepi和Preston(2012)等人認為這種不一致性會弱化投資行為的趨同性，金融資產(chǎn)價格的波動性反而會比較平整，比如牛市中的正反饋效應(yīng)推動股價不斷上升正是由于投資者對于市場具有一致性的預(yù)期。

本文為了更具體地觀察經(jīng)濟政策不確定性和金融市場波動之間的關(guān)系，首先尋找相關(guān)的指標刻畫市場的波動性，然后比較兩列時間序列在坐標軸上的變化趨勢，初步觀察兩者的同步性和領(lǐng)先滯后關(guān)系，并對其中的急劇波動和跳躍情形尋找背后的歷史原因，以便進一步佐證本文的猜想。

由于金融市場包含各種各樣的金融產(chǎn)品，不同的金融產(chǎn)品具有不同的特征和相應(yīng)的交易機制，本文暫且只考慮金融市場中的股票市場和債券市場。在指標刻畫方面，分別用上證綜指日頻數(shù)據(jù)按每月計算的已實現(xiàn)波動率刻畫股票市場的波動性，用10年期的國債收益率日頻數(shù)據(jù)按每月計算的已實現(xiàn)波動率刻畫債券市場的波動性，并和前文構(gòu)建出來的經(jīng)濟政策不確定指數(shù)進行比較，見圖4。采用上證綜指和10年期國債來分別刻畫股市和債市波動率的原因是受限于選取的時間跨度，本文希望在樣本的存續(xù)期內(nèi)，同一品種的相關(guān)數(shù)據(jù)一直存在并且容易獲??；此外，鑒于深證綜指等其他股市指數(shù)和上證綜指的變動高度一致，本文只選取其中具有代表性的進行分析，而10年期國債收益率往往是債券市場其他固定收益類品種的基準，并且數(shù)據(jù)容易獲取，本文以樣本期間內(nèi)活躍品種的價格變化率作為債券市場波動的衡量指標。

初步觀察不難發(fā)現(xiàn)金融市場波動率和經(jīng)濟政策不確定指數(shù)兩者的走勢在大部分時期較為一致，似乎驗證了前文的“政策風險假說”，除了部分時間段外。比如2007年和2015年兩波著名的牛市導致股票市場的波動率急劇飆升，但經(jīng)濟政策不確定性指數(shù)分別直到2008年初和2016年才開始集中爆發(fā)，并且爆發(fā)的主要原因是受美國次貸危機和英國脫歐事件的影響，和前期的牛市并無直接聯(lián)系，從這個角度來說又似乎驗證了“預(yù)期一致性假說”。而在2002-2008年間，金融市場的向上波動似乎領(lǐng)先于經(jīng)濟政策不確定性指數(shù)的走勢，比如2004年和2007年兩次巨幅波動，但到了2008年之后這種現(xiàn)象減弱了很多，意味著在早期新聞媒體并沒有起到很好地反映人們預(yù)期的作用。

理論上來說債市和宏觀經(jīng)濟的聯(lián)系更加緊密一些，因此債市波動率和經(jīng)濟政策不確定性指數(shù)的相關(guān)性應(yīng)該比股市波動率和后者的相關(guān)性更大一些，但從圖4來看，并不能很直觀地感受到這一點，雖然說債市波動率更為平滑，符合先驗邏輯和現(xiàn)實特征，但單從波動的幅度來看股市波動率的走勢似乎和經(jīng)濟政策不確定指數(shù)更為接近，并且從相關(guān)系數(shù)來看后者也要更大一些。此外，如果僅僅看貨幣政策不確定指數(shù)和債市波動率相關(guān)系數(shù)的話，該指標高達0.63。說明債市波動率和貨幣政策不確定的相關(guān)性更高，直觀上的解釋也比較容易理解，貨幣政策主要影響的是市場利率和貨幣供給，而前者和債券的收益率是息息相關(guān)的。

總的來說，經(jīng)濟政策不確定性和金融市場波動存在一定的聯(lián)系，但是單從時間序列上看難以得出確切的結(jié)論，在某些時期“政策風險假說”成立，而在其他時期似乎“預(yù)期一致性假說”成立。而對債券市場來說，經(jīng)濟政策不確定性指數(shù)和其以國債收益率刻畫的波動率指標相關(guān)性較弱，但在考慮特定政策不確定性的情況下，只有貨幣政策不確定性和債市波動的相關(guān)性較強。

三、 經(jīng)濟政策不確定性對市場影響的實證研究

從上文分析可以看出經(jīng)濟政策不確定性和金融市場的波動性存在一定的相關(guān)性，大多數(shù)情況下當不確定性較高的時候，往往伴隨著金融市場的波動率的上升，但也有部分時間段兩者表示出相反的走勢。本文進一步將分析兩者之間是否存在因果效應(yīng)，即經(jīng)濟政策的不確定是否是造成金融市場波動的原因；如果是的話，那么影響的方向如何(屬于正向影響還是負向影響)？影響的程度是多少？在考慮特定政策的情況下，財政政策、貨幣政策及貿(mào)易政策不確定性對于這種波動性的各自影響程度如何？本文分別從宏觀影響機制和微觀影響機制兩個角度來分析這一問題。

1.經(jīng)濟政策不確定性的宏觀影響機制

首先，本文將國內(nèi)金融市場簡單地劃分為股票市場和債券市場，由于兩大市場性質(zhì)的不同，分別考慮經(jīng)濟政策不確定性對于股市和債市波動率的影響，對于股市來說，被解釋變量選擇滬深300指數(shù)回報的30天已實現(xiàn)波動率；對于債市來說，被解釋變量選擇10年期國債收益率的30天已實現(xiàn)波動率。

其次，為了更為細致地研究在經(jīng)濟政策不確定對于金融市場的波動性具有顯著影響的前提下，究竟哪類特定的經(jīng)濟政策對于金融市場的影響更為明顯，本文將解釋變量分為兩組：一組是考慮整體影響下的經(jīng)濟政策不確定性指數(shù)，另一組是考慮局部影響下的財政、貨幣和貿(mào)易政策不確定性指數(shù)。

此外，在控制變量的選取上本文分別考慮數(shù)量型指標和價格型指標兩大類別：第一，數(shù)量型指標：政府支出、貨幣供給量和進出口總額各自相對于GDP的占比。第二，價格型指標：基準利率和人民幣實際匯率。

當控制變量為數(shù)量型指標時，分析經(jīng)濟政策不確定性對股票市場波動率的回歸模型可以寫作(2)式，而以價格型指標為控制變量的回歸模型可以寫作(3)式。具體模型如下：

(2)

log(Volt)=c+α1log(EPUt)+α2BRt+α3log(REERt)+ut

(3)

其中Vol為滬深300指數(shù)回報的30天已實現(xiàn)波動率，EPU代表按月度衡量的整體經(jīng)濟政策不確定性指數(shù)；GovPur/GDP、M2/GDP和EXP/GDP分別代表政府購買、M2供給量及出口額與GDP的比值，除了GDP為季度數(shù)據(jù)以外，政府購買、M2和出口額都為月度數(shù)據(jù)，均來自國家統(tǒng)計局數(shù)據(jù)庫；BR為1年期貸款基準利率(日頻數(shù)據(jù))，REER為人民幣的實際有效匯率(月度數(shù)據(jù))，BR可以作為反映財政政策和貨幣政策的一階代理變量(9)這里假設(shè)財政政策具有擠出效應(yīng)，會影響市場利率水平，另一種可以作為財政政策價格型一階代理變量的是印花稅稅率，但由于國內(nèi)印花稅稅率調(diào)整的頻率很低，難以完全反映財政政策的調(diào)整。，REER可以作為反映貿(mào)易政策的一階代理變量。為了保持回歸變量數(shù)據(jù)頻率的一致性，本文對低頻數(shù)據(jù)進行升頻處理(10)本文中將季度GDP調(diào)整為月度數(shù)據(jù)的做法是做平均化處理。，對高頻數(shù)據(jù)進行降頻處理，使所有的變量都為月度數(shù)據(jù)。

公式(2)和(3)的回歸結(jié)果在表4中展示，從該表的實證結(jié)果中本文可以得出以下幾點結(jié)論。

第一，無論是債券市場還是股票市場，經(jīng)濟政策不確定性都對市場波動率具有顯著正向影響，即“政策風險假說”在本文中成立，經(jīng)濟政策不確定性更多地表現(xiàn)為一種系統(tǒng)性風險，會加劇金融市場波動幅度。

第二，在控制了政府支出、貨幣供應(yīng)量和進出口等變量后，經(jīng)濟政策不確定性在債券市場和股票市場都對波動率有顯著影響；并且當控制了基準利率和實際有效匯率等變量后，這種顯著影響在股票市場和債券市場依然存在?？赡苁且驗楫斍爸袊噬形磳崿F(xiàn)完全市場化，難以真正反映資金供求狀況，經(jīng)濟政策的不確定性仍然會通過其他渠道影響股票市場或債券市場的流動性，進而影響金融市場波動程度。

第三，財政政策不確定性在本文中對于市場波動性的影響并不顯著，即使是與之相關(guān)的控制變量也不顯著?？赡艿脑蚴秦斦弑旧韺嵤╊l率比較低，加上由于本文所選取樣本時間跨度較長，因此大部分時期對應(yīng)政策指數(shù)的波動屬于噪聲，對于金融市場的解釋力度較差，并且財政政策對實體經(jīng)濟的作用時間較長，短時間內(nèi)難以體現(xiàn)在金融市場波動上。雖然說2007年的牛市很大程度上是由于印花稅下調(diào)引起的，而印花稅在本文中被歸于財政政策的范疇，但這畢竟是少有的事件沖擊，難以對2002-2018年間將近17年時間跨度的市場波動做出解釋(11)為了使該論斷更具說服力，本文單單截取了2007-2008年兩年的數(shù)據(jù)進行回歸分析，發(fā)現(xiàn)此時財政政策不確定性對于股票市場波動率的統(tǒng)計系數(shù)在5%的統(tǒng)計水平上顯著。。

第四，貨幣政策不確定性指數(shù)對于金融市場波動性的影響程度最深?？梢钥吹皆诳刂曝斦С觥⒇泿殴?yīng)量和凈出口等數(shù)量型指標上，貨幣政策不確定性指數(shù)每上升1%，股市和債市波動率的上升幅度分別為0.317%和0.307%，遠高于財政政策和貿(mào)易政策的對應(yīng)值，即使控制的是數(shù)量型指標；此外，貨幣政策不確定性在控制數(shù)量型指標時對于股市波動率的影響小于在控制價格型指標時，而該現(xiàn)象在債券市場上并不明顯，可能的原因是中國的股票市場受流動性的約束比較大，由于利率等價格型指標在尚未完成市場化的前提下難以反映資金的實際供求狀況，因此貨幣政策會通過除利率以外的其他影響渠道作用于股票市場。

表4 經(jīng)濟政策不確定性對于整體股市和債市的影響

第五，貿(mào)易政策不確定性對于股市波動來說在控制了凈出口和匯率變量時均有顯著影響，但對于債券市場來說只在控制了凈出口變量時有顯著影響；并且對于股票市場來說控制變量中實際有效匯率的影響并不顯著?？赡艿脑蚴菄鴥?nèi)的貿(mào)易政策大多針對人民幣的匯率制度改革，如2005年的那次匯改引起了股市和債市的極大波動(圖3)，而國外針對中國貿(mào)易政策大多為限制部分商品的進口和加征關(guān)稅，再加上中國經(jīng)濟在近十幾年來對于貿(mào)易的依存度較高，尤其是A股的大部分上市公司銷售收入很大一部分來源于海外市場，因此本文可以看到貿(mào)易政策不確定性和控制變量中的凈出口額對于金融市場的波動具有極強的解釋力度，而人民幣匯率即使經(jīng)歷過歷史上的幾次匯改，總體的波動其實非常小，特別是本文所選取的實際有效匯率，受央行的干預(yù)力度較大，因此對歷史上的市場波動解釋能力其實相當有限。

2.經(jīng)濟政策不確定性的微觀影響機制

接下來本文分析企業(yè)層面的經(jīng)濟政策不確定性對于股價波動的影響，Baker等人在該方面的分析中只考慮了政府支出這一單一渠道的影響，即假設(shè)經(jīng)濟政策的不確定只包括財政政策不確定性，但經(jīng)過本文上面的分析，實際中還應(yīng)該包括貨幣政策的不確定性和貿(mào)易政策的不確定性，并且不同企業(yè)對于三大政策的暴露程度應(yīng)該是不一樣的。出于數(shù)據(jù)可得性的需要，本文只考慮A股的上市公司，得到每家公司在樣本期內(nèi)30天股價波動率的面板數(shù)據(jù)。

為了計算每家上市公司分別對于財政政策、貨幣政策和貿(mào)易政策的暴露程度，理想情況下本文需要每家上市公司銷售收入中政府購買部分占總購買的比例、企業(yè)負債中銀行貸款額占總貸款額的比例以及銷售收入中出口創(chuàng)收部分占總出口額的比例。但由于無法從年報中獲得相應(yīng)的數(shù)據(jù)，本文需要尋找相關(guān)的代理變量。首先本文按照Baker等人的方法，獲得每家公司的所屬行業(yè)類型，具體的行業(yè)分類標準采用申銀萬國一級行業(yè)分類；然后從國家統(tǒng)計局每年的統(tǒng)計年鑒中得到每年屬于該行業(yè)的政府購買額，將該值除以該行業(yè)該年的總銷售收入得到其相對于財政政策的暴露程度。同樣本文從統(tǒng)計年鑒中可以得到每年屬于該行業(yè)的新增貸款額以及出口額，分別對行業(yè)的年收入求比值得到相對于貨幣政策和貿(mào)易政策的暴露程度。對于跨行業(yè)的企業(yè)，那么該企業(yè)相對于某政策的暴露程度為該企業(yè)所涉及所有的行業(yè)的暴露程度以各行業(yè)銷售收入占比為權(quán)重的加權(quán)平均值。此外，Baker等人取某行業(yè)暴露值在樣本期間內(nèi)的平均值作為回歸變量，但這就假設(shè)了暴露值在較長的時間跨度內(nèi)較為穩(wěn)定，例如政府在某行業(yè)的投入和扶持力度在10年甚至20年的時間段內(nèi)都保持相對較高的水平，這在較短的時間內(nèi)是成立的，或者對于某一代表長遠的未來核心競爭力的行業(yè)是如此(比如通信設(shè)備等高技術(shù)產(chǎn)業(yè))，但實際情況下大多數(shù)行業(yè)并非如此，因此本文認為不同行業(yè)的暴露是一個隨時間變化的變量。

此外，按照申銀萬國標準劃分的行業(yè)類別總共有27個一級行業(yè)，但這樣的行業(yè)劃分仍然過多，不僅會帶來實際數(shù)據(jù)獲取的困難，而且存在某一行業(yè)在某段時期需要獲取的數(shù)據(jù)指標缺失的問題，因此本文參照勞蘭珺和邵玉敏(2012)的研究，利用股價波動的相似性對行業(yè)進行聚類，重新劃分為7個大的行業(yè)類別，這七個行業(yè)大類分別為大金融、上游周期、中游制造、典型消費、其他消費、TMT和其他周期。

圖5給出了2002-2018年間各行業(yè)分別對于三大政策的暴露程度變化情況。可以發(fā)現(xiàn)：第一，TMT行業(yè)對于財政政策的暴露程度最高，而大金融行業(yè)最低?？赡艿脑蚴荰MT行業(yè)集中了很多高新技術(shù)產(chǎn)業(yè)，而國家近十幾年十分注重對該產(chǎn)業(yè)的扶持力度，包括采取各種財政補貼、稅收優(yōu)惠、政府采購等財政工具來支持高新技術(shù)產(chǎn)業(yè)的發(fā)展。第二，大金融和中游制造對于貨幣政策的暴露程度最高，且兩者的長期走勢呈現(xiàn)相互交叉的形態(tài)。金融業(yè)作為資金融通的中介部門，本身與貨幣政策的聯(lián)系就比較密切，而房地產(chǎn)業(yè)和制造業(yè)的杠桿率通常較高，與銀行業(yè)的業(yè)務(wù)往來比較密切，具有較高的暴露程度符合理論直覺，而對于兩者相反的走勢比較合理的解釋是來源于國內(nèi)產(chǎn)業(yè)結(jié)構(gòu)的變化，以金融業(yè)為代表的第三產(chǎn)業(yè)占GDP的比重穩(wěn)步上升。第三，中游制造對于貿(mào)易政策的暴露程度不斷上升且在近幾年占據(jù)領(lǐng)導地位，而大金融從2002年以來不斷下降并開始與除了中游制造以外的其他行業(yè)趨同。這也與中國經(jīng)濟近十幾年的對外依賴程度的變化和市場化進程推進非常吻合。

得到某上市公司相對于某一政策的暴露值以后，其與該政策EPU的交叉項即為該公司的股價波動率相對于特定政策EPU的敏感程度?？紤]財政政策、貨幣政策和貿(mào)易政策不確定性對公司個股波動率影響程度的回歸式可以表示為(4)式：

(4)

其中Vol為公司個股的30天已實現(xiàn)波動率，F(xiàn)EPU、MEPU和TEPU分別代表財政政策、貨幣政策和貿(mào)易政策的不確定性指數(shù)，控制變量選取的是數(shù)量型指標，分別對應(yīng)特定政策不確定性的一階變量，λ1、λ2和λ3表示某上市公司所屬行業(yè)相對于特定政策EPU的暴露程度。

表5為控制個體和時間固定效應(yīng)之后的公司個股30天波動率相對于政策不確定性指數(shù)的回歸結(jié)果。第1欄是Baker等(2016)的文章中假設(shè)只存在政府支出單一影響渠道的回歸結(jié)果，此時整體EPU即代表了財政政策的EPU，因此暴露程度是λ1。第2至4欄是只考慮某一特定政策不確定性單獨影響的回歸結(jié)果，第5欄是綜合考慮財政政策、貨幣政策和貿(mào)易政策不確定性影響及不同行業(yè)的暴露程度的回歸結(jié)果。

表5 經(jīng)濟政策不確定性對于公司個股波動的影響

從表5中可以得出如下幾點結(jié)論：第一，微觀層面的實證結(jié)果同樣支持“政策風險假說”。無論是財政、貨幣和貿(mào)易政策不確定性指數(shù)對應(yīng)的系數(shù)還是整體經(jīng)濟不確定性指數(shù)對應(yīng)的系數(shù)都顯著為正，說明不確定性的上升的確會加大金融市場的波動率。第二，從行業(yè)層面看，特定政策暴露程度越高的行業(yè)對相應(yīng)不確定性指數(shù)變化的敏感程度越高，例如貨幣政策不確定性指數(shù)每上升1%，電氣設(shè)備等中游制造行業(yè)的波動率上升約0.086%，而食品飲料等典型消費行業(yè)波動率的上升僅為0.011%。第三，財政政策不確定性在微觀層面對于金融市場波動率的影響顯著，而在宏觀層面卻不顯著?？赡艿脑蚴歉咝录夹g(shù)產(chǎn)業(yè)雖然在總體經(jīng)濟的占比不高，但在A股所有的上市公司數(shù)量中占比較高。而上文提到國內(nèi)的高新技術(shù)產(chǎn)業(yè)更容易受到財政補貼和稅收優(yōu)惠等政策的青睞，因此在宏觀和微觀層面的統(tǒng)計結(jié)果上會得出不同的結(jié)論。第四，貨幣政策不確定性指數(shù)對于金融市場波動性解釋力度最大的論斷在公司個股層面上同樣成立。可以看到對應(yīng)系數(shù)約為0.12，高于財政政策的0.077和貿(mào)易政策的0.08。

四、 研究結(jié)論與啟示

本文的主旨是研究經(jīng)濟政策不確定性和金融市場波動之間的內(nèi)在邏輯關(guān)系，為了具體而深入地探究這一課題，首先從經(jīng)濟政策不確定性實際內(nèi)涵著手，確定了Baker的構(gòu)建方法更加符合人們的預(yù)期視角，并在此基礎(chǔ)上，結(jié)合中國新聞媒體數(shù)據(jù)和符合中文用語習慣的術(shù)語集，重新構(gòu)建了經(jīng)濟政策不確定性指數(shù)；其次，對于所構(gòu)建的EPU指數(shù)歷史上的極端波動情形，查閱對應(yīng)的新聞報道來進一步佐證指數(shù)識別的有效性，此外本文還發(fā)現(xiàn)所涉及的新聞報道從政策來源角度可以分為政府的財政政策和一些重要的規(guī)章制度變革、央行的貨幣和匯率政策以及貿(mào)易和外交政策，由此又構(gòu)建了財政政策、貨幣政策和貿(mào)易政策三大特定政策不確定性指數(shù)；再者，在探究經(jīng)濟政策不確定性與金融市場波動的關(guān)系上，本文先是尋求兩者傳導途徑的理論基礎(chǔ)，發(fā)現(xiàn)兩者不僅在傳導渠道上存在多樣性而且在影響方向上學術(shù)界也未達成一致性的論斷，此外本文也通過比較兩者的時間序列來觀察是否存在同步性和領(lǐng)先滯后關(guān)系；最后，本文通過宏觀和微觀兩個層面分析整體經(jīng)濟政策不確定性和特定政策不確定性對于金融市場波動率影響的強弱。

在指數(shù)的識別效果上，本文發(fā)現(xiàn)：第一，所識別的內(nèi)容從性質(zhì)上可以分為由宏觀形勢引發(fā)的對政策預(yù)期的不確定性和由政策直接影響預(yù)期的不確定性，并且政策的實施主體既可以是本國政府和有關(guān)機構(gòu)也可以是國外部門；第二，整體政策經(jīng)濟不確定指數(shù)和三大特定政策不確定指數(shù)之間存在較高的相關(guān)關(guān)系，并且貨幣政策不確定指數(shù)在三大特定政策不確定性指數(shù)中占主導地位。

在指數(shù)和金融市場波動率的相關(guān)性研究上，本文發(fā)現(xiàn)：第一，現(xiàn)有的文獻理論關(guān)于政策不確定性對于市場波動的傳導機制上研究很多，渠道多樣，但在具體的影響方向上難以達成統(tǒng)一的意見；第二，通過比較指數(shù)和金融市場波動率的時間序列只能初步判斷兩者存在較弱的相關(guān)性，無法在影響方向上作出判斷。

在指數(shù)對于金融市場波動率的影響分析上，本文發(fā)現(xiàn)：第一，不管是整體的政策不確定性還是特定的政策不確定性指數(shù)都對金融市場的波動率有正向影響，“政策風險假說”在本文中更容易成立；第二，財政政策不確定性在宏觀層面對于股市波動率的影響不顯著，但在公司個股層面的影響卻顯著，可能是和A股上市公司的產(chǎn)業(yè)結(jié)構(gòu)有關(guān)；第三，貨幣政策不確定性對于金融市場波動率的解釋力度最強，同時債券市場更容易受到貨幣政策的單渠道影響，這可能和國內(nèi)金融市場具有“資金導向型”的特征有關(guān)；第四，在微觀層面的研究中，如果公司所屬行業(yè)受特定政策暴露程度越高，該公司更容易受到該政策影響，這也符合經(jīng)濟學理論。

同樣，本文也存在幾點亟待解決的問題：第一，是否有必要考慮隨時間變化動態(tài)調(diào)整的術(shù)語集并納入指數(shù)的構(gòu)建。本文所選用的術(shù)語集是固定不變的，這實際上就假設(shè)了新聞媒體在有關(guān)該主題報道時所使用的用語習慣和措詞也是固定不變的，而這與現(xiàn)實中的情況有所偏差，但如果將這一現(xiàn)象考慮進來會極大提高本文的工作量，更何況識別術(shù)語集的轉(zhuǎn)換時間區(qū)間也是一件十分困難的事情。第二，如何將結(jié)構(gòu)性變化納入到經(jīng)濟政策不確定性對于金融市場波動的影響分析上。本文比較的是2002-2018年整個時間段財政政策、貨幣政策和貿(mào)易政策影響的強弱，但實際上這種影響可能由于國內(nèi)經(jīng)濟體制的變化或外部環(huán)境的改變而發(fā)生相應(yīng)的調(diào)整，或者是分階段的，比如在分析牛市階段和熊市階段的影響、又或者是經(jīng)濟周期的不同階段時可能會得出不一樣的論斷。這種現(xiàn)象從人的預(yù)期角度也可以得到解釋，人們在對未來作出預(yù)期時通常會對當下的事件沖擊賦予較高的權(quán)重，比如在2018年底到2019年初的時候受中美貿(mào)易摩擦的影響，貿(mào)易政策不確定性對于股市波動的解釋力度會比較高，但隨著美國方面不斷出爾反爾，人們反而對這種事件沖擊習以為常，弱化對股市波動造成的影響。第三，本文在實證部分都是對同期數(shù)據(jù)做回歸，但經(jīng)濟政策不確定性、股市波動率和其他控制變量之間可能存在某些領(lǐng)先滯后關(guān)系，并且這種滯后關(guān)系背后存在某些經(jīng)濟學機理值得后續(xù)深入研究。