經(jīng)濟政策不確定性對我國股票市場的動態(tài)時變影響

郎鴻裕

摘?要：基于Huang?&?Luk編制的中國經(jīng)濟政策不確定性指數(shù)以及上證指數(shù)，采用TVP-SV-VAR模型考察我國經(jīng)濟政策不確定性對股票市場的動態(tài)時變影響。研究結(jié)果表明：滯后短期的經(jīng)濟政策不確定性沖擊對股票市場收益呈現(xiàn)顯著負(fù)向影響，隨著滯后期增長負(fù)向影響逐漸趨向于零；股票市場波動對短期經(jīng)濟政策不確定性具有穩(wěn)定的正向影響；經(jīng)濟政策不確定性對股票市場的沖擊在不同重大事件時點呈現(xiàn)分異趨勢。根據(jù)研究結(jié)論，本文提出相關(guān)政策建議。

關(guān)鍵詞：經(jīng)濟政策不確定性；股票市場；TVP-SV-VAR模型

中圖分類號：F23?????文獻(xiàn)標(biāo)識碼：A??????doi：10.19311/j.cnki.16723198.2023.12.048

0?引言

2008年次貸危機的爆發(fā)對世界各國經(jīng)濟造成不同程度的沖擊，盡管各國積極出臺一系列刺激政策和救助措施，但世界經(jīng)濟依然復(fù)蘇緩慢，這引起了學(xué)者的關(guān)注。2013年《世界經(jīng)濟展望報告》中，國際貨幣基金組織（IMF）通過研究發(fā)現(xiàn)經(jīng)濟政策的不確定性會導(dǎo)致家庭和企業(yè)減少消費和投資，是導(dǎo)致世界經(jīng)濟復(fù)蘇緩慢的重要原因。

為應(yīng)對新的經(jīng)濟政策，各經(jīng)濟主體會對即將發(fā)布的政策內(nèi)容及出臺時間進(jìn)行預(yù)測，并依照其預(yù)測的結(jié)果做出相應(yīng)的市場行為。經(jīng)濟政策不確定性指經(jīng)濟主體對于經(jīng)濟政策變動的方向、影響程度和出臺時間不明確。在嚴(yán)峻復(fù)雜的內(nèi)外部形勢下，考察經(jīng)濟政策不確定性對股票市場的動態(tài)時變影響，具有重要的理論和現(xiàn)實意義?；趦?nèi)部環(huán)境的視角，我國產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化，經(jīng)濟結(jié)構(gòu)處于戰(zhàn)略性調(diào)整和轉(zhuǎn)型升級的關(guān)鍵時期，宏觀調(diào)控發(fā)揮著不可或缺的重要作用?；谕獠凯h(huán)境的視角，我國正面臨“百年未有之大變局”，面對重大突發(fā)事件如何合理應(yīng)對經(jīng)濟政策的不確定性，保障金融穩(wěn)定，防范化解金融風(fēng)險是國家重點關(guān)注的問題?；谙嚓P(guān)數(shù)據(jù)的視角，我國在2008年次貸危機、2011年歐債危機、2015年股災(zāi)、2018年中美貿(mào)易戰(zhàn)以及2020年新冠肺炎疫情發(fā)生時，經(jīng)濟政策不確定性指數(shù)迅速上升并到達(dá)階段性峰值，表明經(jīng)濟系統(tǒng)在這些時點很可能發(fā)生了結(jié)構(gòu)性突變。股票市場作為金融市場重要組成部分，其波動會通過直接或間接的渠道影響政府政策的出臺和實施。因此探究我國經(jīng)濟政策不確定性與股票市場的時變影響關(guān)系有助于提高宏觀調(diào)控的科學(xué)性，增強金融系統(tǒng)的穩(wěn)定性。

1?文獻(xiàn)綜述

1.1?經(jīng)濟政策不確定性與股票市場收益的關(guān)系

國內(nèi)外學(xué)者大多采用Baker?et?al.（2012）發(fā)布的EPU指數(shù)研究經(jīng)濟政策不確定性與股票市場收益之間的關(guān)系。Sum（2012）以及Sum（2013）分別使用線性回歸和VAR模型研究歐洲和美國經(jīng)濟政策不確定性對股票市場收益的單向影響，結(jié)論表明影響程度一般為負(fù)向并且經(jīng)濟政策不確定性的變化是股票市場收益變化的格蘭杰原因。汪弘等（2018）通過多元回歸分析、時間序列和定價分析發(fā)現(xiàn)經(jīng)濟政策不確定性會對未來3個月的股票市場收益產(chǎn)生顯著的正向影響，是中國股票市場的重要定價因子。

同時也有學(xué)者研究表明經(jīng)濟政策不確定性與股票市場收益之間可能存在雙向影響。Li?et?al.（2016）以中國和印度為研究對象，采用自助滾動窗口因果關(guān)系檢驗法，發(fā)現(xiàn)兩個國家經(jīng)濟政策不確定性和股票市場收益之間互為格蘭杰因果原因。翟曉英等（2020）以G7國家和金磚國家為研究對象，發(fā)現(xiàn)G7國家中經(jīng)濟政策不確定性和股票市場收益之間互為格蘭杰因果關(guān)系，但這一結(jié)論在金磚國家中不成立。

1.2?經(jīng)濟政策不確定性與股票市場波動的關(guān)系

Baker?et?al.（2016）研究公司層面股價數(shù)據(jù)與經(jīng)濟政策不確定性的關(guān)系，發(fā)現(xiàn)經(jīng)濟政策不確定性與公司層面的股票波動呈現(xiàn)顯著的正相關(guān)。Yu?et?al.（2018）構(gòu)建GARCH－MIDAS模型，發(fā)現(xiàn)全球經(jīng)濟政策不確定（GEPU）與中國股市波動率之間有顯著正向關(guān)系。卜林等（2020）采用廣義脈沖響應(yīng)函數(shù)和廣義方差分解，發(fā)現(xiàn)中國股市波動對中國經(jīng)濟政策不確定性具有一定的單向解釋力。潘長春等（2022）對中美兩國3種類型經(jīng)濟政策不確定性和股票市場波動性之間的跨類及跨國關(guān)聯(lián)進(jìn)行了靜態(tài)和動態(tài)分析，發(fā)現(xiàn)經(jīng)濟政策不確定性對中美股票市場波動性都存在非對稱溢出效應(yīng)。

2?模型構(gòu)建與變量選取

2.1?TVP－SV－VAR模型構(gòu)建

考慮到我國當(dāng)前的宏觀經(jīng)濟結(jié)構(gòu)下經(jīng)濟變量之間的影響很可能具有時變特征，帶有隨機波動率的時變參數(shù)向量自回歸模型（TVP－SV－VAR）可以考察模型變量因經(jīng)濟政策變動引起的動態(tài)時變沖擊，是描述宏觀經(jīng)濟系統(tǒng)動態(tài)時變特性的較好選擇，因此本文選取TVP－SV－VAR模型進(jìn)行實證研究。當(dāng)結(jié)構(gòu)向量自回歸模型（SVAR）的參數(shù)具有時變性時即為TVP－SV－VAR模型，一般的SVAR模型可以表示如下：

Ayt=B1yt-1+B2yt-2+…+Bsyt-s+μt，t=s+1，…，n（1）

其中，yt是k×1維可觀測向量，在本文中包括CNEPU、SYR及VOL三個變量。A，B1，…Bs是k×k維系數(shù)矩陣，μt為結(jié)構(gòu)沖擊矩陣且μt～N0，ΣΣ，μt的標(biāo)準(zhǔn)差為σk。假定矩陣A為下三角矩陣形式，即結(jié)構(gòu)沖擊服從遞歸識別，參考Nakajima（2011），可將矩陣Σ和A表示為：

Σ=σ1?0?…?00????…??00?…?0?σk，A=1??0?…?0a21???…?…??0ak1?…?ak，k-1?1（2）

將式（1）重寫為簡化的VAR形式：

yt=ω1yt-1+ω2yt-2+…+ωsyt-s+A-1Σεt，εt～N0，Ik（3）

其中，εt是殘差項，Ik為單位矩陣，ωi=A-1B，i=1，2，…，n；ωi的每一行元素按列排序堆疊得到β，為k2s×1維列向量，定義Xt=Iky′t-1，…，y′t-s，表示克羅內(nèi)克積，由此上述?VAR模型可以表示為下式：

yt=Xtβ+A-1Σεt，t=s+1，…，n（4）

當(dāng)經(jīng)濟系統(tǒng)發(fā)生結(jié)構(gòu)性突變時，為刻畫變量之間的非線性關(guān)系，需要式（4）中參數(shù)β、A以及∑具有時變性，此時對應(yīng)的帶有隨機波動的時變參數(shù)向量自回歸模型（TVP－SV－VAR）模型可表示如下：

yt=Xtβt+A-1tΣtεt，t=s+1，…，n（5）

在式（5）中，參數(shù)βt，At，Σt均已轉(zhuǎn)化為時變參數(shù)，令α1=α21，α31，…，αk，k-1′表示下三角矩陣At中的元素按行堆疊向量，ht=h1t，h2t，…，hkt′，且hjt=lnσ2jt，j=1，2，…，k;t=s+1，…，n。同時假定式（5）中的參數(shù)服從如下的隨機游走過程：

βt+1=βt+uβt，αt+1=αt+uαt，ht+1=αt+uht（6）

εtuβtuαtuht～N0，I0000Σβ0000Σα0000Σh（7）

在式（7）中，βs+1～Nμβ0，Σβ0、αs+1～Nμα0，Σα0、hs+1～Nμh0，Σh0。時變參數(shù)的隨機沖擊εt、uβt、uαt、uht之間互不相關(guān)，Σβ、Σα、Σh定義為對角矩陣。

TVP－SV－VAR模型需要估計的參數(shù)較多，結(jié)構(gòu)性沖擊方差的隨機波動導(dǎo)致運用似然函數(shù)進(jìn)行估計非常困難，因此本文通過馬爾科夫鏈蒙特卡洛模擬方法（MCMC）進(jìn)行模擬抽樣，抽樣方法使用基于后驗分布的Gibbs抽樣。對于模型的參數(shù)初值，本文設(shè)定μβ0=μα0=μh0=0，Σβ0=Σα0=Σh0=10×Ik，Σβ-2i～Gamma40，0.02，Σα－2i～Gamma4，0.02，Σh－2i～Gamma4，0.02。

此外，設(shè)定抽樣次數(shù)為20000，其中前2000次抽樣為樣本的預(yù)期模擬值，為避免迭代初期不平穩(wěn)情況將前2000次抽樣結(jié)果舍棄，后18000次抽樣用于后驗分布的參數(shù)估計。

2.2?數(shù)據(jù)的選取及處理

本文選取經(jīng)濟政策不確定性、股票市場收益與股票市場波動數(shù)據(jù)展開實證分析，數(shù)據(jù)選取范圍為2002年1月至2022年1月，數(shù)據(jù)類型為月度數(shù)據(jù)，數(shù)據(jù)來源于Wind數(shù)據(jù)庫以及中國經(jīng)濟政策不確定性官網(wǎng)（https：//economicpolicyuncertaintyinchina.weebly.com）。各指標(biāo)選取和說明如下。

2.2.2?中國經(jīng)濟政策不確定性（CNEPU）

Baker?et?al.（2012）發(fā)布的經(jīng)濟政策不確定性指數(shù)（EPU）被學(xué)者廣泛采納并用于研究，但Baker?et?al.構(gòu)建的中國地區(qū)經(jīng)濟政策不確定性指數(shù)（EPU）是基于香港的《南華晨報》英文版計算得出，沒有將中國內(nèi)地報紙納入考慮范圍，新聞信息的代表性有所欠缺。有鑒于此，香港浸會大學(xué)Huang?&?Luk（2020）通過慧科（Wisenews）電子報紙資訊庫進(jìn)行文本挖掘，選取10份中國內(nèi)地代表性報紙，重新編制了中國經(jīng)濟政策不確定指數(shù)（CNEPU）。本文采用此指數(shù)（CNEPU）進(jìn)行后續(xù)實證分析并采用Baker?et?al.發(fā)布的經(jīng)濟政策不確定性指數(shù)（EPU）進(jìn)行穩(wěn)健性檢驗。參考其他學(xué)者對于數(shù)據(jù)平穩(wěn)性的處理方法，首先對中國經(jīng)濟政策不確定指數(shù)做取對數(shù)處理。

2.2.3?股票市場收益（SYR）

股票價格指數(shù)選取上證綜合指數(shù)，該指數(shù)是國內(nèi)最具影響力的股票指數(shù)。本文采用連續(xù)復(fù)利計算公式對股票市場收益進(jìn)行計算：

SYRt=lnPtPt-1（8）

其中，Pt和Pt-1分別表示t時刻和t-1時刻上證綜合指數(shù)收盤價。

2.2.4?股票市場波動（VOL）

本文使用歷史波動率度量股票市場波動，計算方法如下：選擇一個時間窗口n，本文選擇時間窗口為一個月；求出股票日波動率，即股票日收益率的標(biāo)準(zhǔn)差；最后乘以時間窗口n的平方根，具體公式如下：

VOL=∑nt=1Rt-Ravg2n-1×n（9）

其中，n表示一個月中除去閉市的天數(shù)，Rt表示t時刻上證指數(shù)收益率，Ravg表示一個月中除去閉市這一階段內(nèi)上證指數(shù)收益率的平均值。

3?實證結(jié)果與分析

3.1?數(shù)據(jù)的平穩(wěn)性及協(xié)整檢驗

本文通過ADF單位根檢驗法對CNEPU、SYR、VOL三個時間序列進(jìn)行平穩(wěn)性檢驗，表1為ADF單位根檢驗的結(jié)果，借助Eviews12.0完成。其中SYR為0階單整平穩(wěn)序列，CNEPU、VOL一階差分后平穩(wěn)。非平穩(wěn)序列很可能出現(xiàn)偽回歸，需要借助協(xié)整檢驗進(jìn)行判斷，即檢驗變量之間是否存在穩(wěn)定的關(guān)系。協(xié)整檢驗的前提是同階單整，因此本文接下來采用CNEPU、SYR、VOL三個時間序列序列取一階差分構(gòu)建TVP－SV－VAR模型。

本文采用Johansen協(xié)整檢驗的方法判斷CNEPU、SYR、VOL三個時間序列是否存在協(xié)整關(guān)系，其思想是采用極大似然估計檢驗多變量之間的協(xié)整關(guān)系。由表2可知，在5%的顯著性水平下，本文所選取的三個指標(biāo)間不會產(chǎn)生偽回歸結(jié)果并且存在兩個長期穩(wěn)定的關(guān)系。

3.2?參數(shù)估計與模型診斷

對于如何確定變量順序，本文根據(jù)時間序列模型按照外生性的強弱確定變量順序的通常做法，設(shè)定順序為CNEPU、SYR、VOL。在進(jìn)行實證前需要確定模型滯后階數(shù)，估計結(jié)果見表3。參考姚登寶（2017）根據(jù)VAR模型中的AIC準(zhǔn)則確定最優(yōu)滯后期的做法，并依據(jù)信息準(zhǔn)則最小值原則，確定模型中各變量最優(yōu)滯后期數(shù)為4，因此建立滯后4期的TVP-SV-VAR模型。

基于OxMetrics?6.0平臺實現(xiàn)TVP－SV－VAR模型的相關(guān)模擬結(jié)果。使用MCMC算法對TVP－SV－VAR模型進(jìn)行參數(shù)估計并通過Geweke檢驗和無效因子分析模型估計效果。在MCMC產(chǎn)生的馬氏鏈前一部分與后一部分漸進(jìn)獨立的假設(shè)條件下，Geweke構(gòu)造的檢驗統(tǒng)計量漸進(jìn)服從標(biāo)準(zhǔn)正態(tài)分布，此時說明MCMC抽樣是平穩(wěn)的。無效因子用于判斷MCMC抽取樣本的有效性。相關(guān)參數(shù)的后驗估計結(jié)果見表4。

由表4可知，所有參數(shù)的后驗均值在95%置信區(qū)間內(nèi)。Geweke診斷值均未拒絕趨于后驗分布的5%置信水平原假設(shè)。同時所有參數(shù)的無效影響因子數(shù)值均較小，其中最大的無效影響因子數(shù)值為62.09，說明在20000次的MCMC抽樣中，可以至少獲得322（20000?/62.09≈322）個不相關(guān)樣本觀測值進(jìn)行后驗估計，滿足進(jìn)行后驗分布推斷的基本數(shù)量要求。綜上所述，TVP－SV－VAR模型的?MCMC?模擬是有效的。

圖1從上到下三排分別是樣本的自相關(guān)系數(shù)、樣本路徑以及后驗分布。如圖所示，∑β、∑α、∑h的樣本自相關(guān)系數(shù)均隨著模擬次數(shù)的增加趨向于零，表明經(jīng)過20000次MCMC模擬能在一定程度上消除抽樣方法導(dǎo)致的樣本自相關(guān)性；同時，樣本路徑圍繞后驗均值上下波動，呈現(xiàn)“白噪音”波動軌跡，整體較為平穩(wěn)，表明MCMC算法抽樣得出的樣本具有獨立性和有效性。

3.3?TVP－SV－VAR模型的時變脈沖響應(yīng)分析

對于經(jīng)濟政策不確定性（CNEPU）、股票市場收益率（SYR）與股票市場波動率（VOL）三者之間的動態(tài)脈沖響應(yīng)分析，TVP－SV－VAR模型通過兩種函數(shù)刻畫不同時期變量之間的動態(tài)反應(yīng)情況，分別為等間隔脈沖響應(yīng)函數(shù)和時點脈沖響應(yīng)函數(shù)。

3.3.1?等間隔脈沖響應(yīng)分析

等間隔脈沖響應(yīng)用于分析變量間脈沖響應(yīng)的滯后性與時變性。由于政策變動的周期一般較長，本文分別設(shè)定時間間隔為滯后1期（一個月）、滯后3期（一個季度）、滯后6期（半年）和滯后12期（一年），衡量了短期、中期和長期時變效應(yīng)。

圖2是經(jīng)濟政策不確定性對股票市場收益的等間隔脈沖響應(yīng)εCNEPU↑→SYR。針對不同滯后期的脈沖效應(yīng)而言，滯后1期的脈沖響應(yīng)表現(xiàn)為正負(fù)向影響交替出現(xiàn)且負(fù)向影響程度較大；滯后3期表現(xiàn)出微弱的正向影響，這與汪弘等（2018）得出的結(jié)論“EPU?增加一單位標(biāo)準(zhǔn)差將會使未來?3?個月的股票市場收益上升?0.151%”相一致；滯后6期以及滯后12期的脈沖效應(yīng)圍繞零值上下波動，表明經(jīng)濟政策不確定性沖擊的影響會隨著時間逐漸減弱并趨于零。針對不同時間段的脈沖效應(yīng)而言，2004-2007年、2014年經(jīng)濟政策不確定性對股票市場收益產(chǎn)生正向影響，其余時期經(jīng)濟政策不確定性沖擊對股票市場收益主要產(chǎn)生強烈的負(fù)向影響。與零線相交的兩個時間點對應(yīng)次貸危機（2008年）以及中國宏觀經(jīng)濟步入“新常態(tài)”（2014年）。

圖3是經(jīng)濟政策不確定性對股票市場波動的等間隔脈沖響應(yīng)εCNEPU↑→VOL。各個滯后期的脈沖響應(yīng)線具有相同的趨勢，均在2008年次貸危機、2011年歐債危機、2015年股災(zāi)以及2018年中美貿(mào)易戰(zhàn)達(dá)到正向影響的階段性峰值并且在達(dá)到階段性峰值后脈沖響應(yīng)迅速下降。這種現(xiàn)象的產(chǎn)生可能是因為在經(jīng)濟危機時市場虛假繁榮，投機泡沫膨脹，金融系統(tǒng)穩(wěn)定性降低導(dǎo)致股票市場波動增大。隨著后續(xù)政府出臺的救助措施使得資產(chǎn)價格波動幅度回到正常范圍，如次貸危機時的問題資產(chǎn)救助計劃、歐債危機時的歐洲穩(wěn)定機制?（ESM）的設(shè)立。

圖4是股票市場收益對經(jīng)濟政策不確定性的等間隔脈沖響應(yīng)εSYR↑→CNEPU。其中滯后1期、滯后3期以及滯后12期的脈沖效應(yīng)表現(xiàn)出負(fù)向而滯后6期的脈沖效應(yīng)表現(xiàn)出正向，表明股票市場收益對經(jīng)濟政策不確定性的負(fù)向影響在半年后會逐漸減弱直至零值上下波動。

圖5是股票市場波動對經(jīng)濟政策不確定性的等間隔脈沖響應(yīng)εVOL↑→CNEPU。滯后1期的脈沖響應(yīng)為正向且非常平穩(wěn)，影響程度維持在2.5%左右；隨著時間增加，滯后3期、滯后6期以及滯后12期的脈沖效應(yīng)呈現(xiàn)微弱正向效應(yīng)并維持在零線附近上下波動。就影響程度的持續(xù)時間而言，股票市場波動對經(jīng)濟政策不確定性的影響表現(xiàn)為即期影響較為顯著，遠(yuǎn)期影響不顯著。

3.3.2?不同時點脈沖響應(yīng)分析

時點脈沖響應(yīng)用于分析在特殊時點上變量對結(jié)構(gòu)沖擊的動態(tài)影響。本文根據(jù)中國經(jīng)濟政策不確定性指數(shù)的階段性峰值選取四個代表性脈沖時點進(jìn)行研究，即2008年10月（次貸危機）、2011年8月（歐債危機）、2015年8月（股災(zāi)）和2020年5月（新冠肺炎疫情），脈沖反應(yīng)長度為?18?期（?1?期為?1?個月）?。

圖6是經(jīng)濟政策不確定性對股票市場收益的時點脈沖響應(yīng)εCNEPU↑→SYR。在第0期至第3期，四個時點脈沖效應(yīng)程度有一定差異但總體趨勢呈現(xiàn)出V型變動，即先減小后增大。在2011年8月歐債危機以及2020年5月新冠疫情這兩個時點，經(jīng)濟政策不確定性沖擊對同期股票市場收益影響程度為正，隨后迅速下降表現(xiàn)為負(fù)影響程度，證明股票市場對經(jīng)濟政策的反饋可能存在一定滯后性。半年（第6期）以后，四個時點的影響程度基本趨于零，唯獨2015年8月股災(zāi)這一時點的脈沖效應(yīng)在第15期仍存在異常波動。

圖7是經(jīng)濟政策不確定性對股票市場波動的時點脈沖響應(yīng)εCNEPU↑→VOL。第?0?期各個時點的脈沖響應(yīng)值均為正值，表明經(jīng)濟政策不確定性沖擊會加劇同期股票市場波動性經(jīng)濟政策不確定性。就影響程度而言，經(jīng)濟政策不確定性對同期股票市場波動的正向影響程度在2015年8月股災(zāi)這一時點上達(dá)到最大，為3.3%。4期以后，四個時點的影響程度非常緩慢地趨向于零。2008年10月次貸危機表現(xiàn)為穩(wěn)定的正向影響而其他三個時點表現(xiàn)為穩(wěn)定的負(fù)向影響，表明2008年10月次貸危機對股票市場波動性的影響程度較為持久。

圖8是股票市場收益對經(jīng)濟政策不確定性的時點脈沖響應(yīng)εSYR↑→CNEPU。第0期至第4期，脈沖響應(yīng)函數(shù)均呈現(xiàn)U型走勢并且在第3期達(dá)到最大負(fù)向影響，隨后各脈沖響應(yīng)的影響程度逐漸趨向于零。在這一過程中，2008年10月次貸危機走勢和2011年8月歐債危機類似，2015年10月股災(zāi)走勢和2020年5月新冠疫情類似，表明我國的宏觀經(jīng)濟結(jié)構(gòu)具有時變性，不同時點之間越接近，股票市場收益對經(jīng)濟政策不確定性的影響程度就越相似。對比不同時點負(fù)向影響程度趨向于零值的速度，反映出國家通過供給側(cè)結(jié)構(gòu)性改革、規(guī)范金融監(jiān)管等舉措優(yōu)化了股票市場的結(jié)構(gòu)，因而經(jīng)濟不確定性造成的負(fù)面影響能被市場更迅速地消化。

圖9是股票市場波動對經(jīng)濟政策不確定性的時點脈沖響應(yīng)εVOL↑→CNEPU。四個時點的脈沖響應(yīng)函數(shù)走勢基本一致，均在第1期達(dá)到正向極大值，影響程度達(dá)到2.5%，與前文等間隔脈沖應(yīng)的結(jié)論一致。就中長期而言，股票市場波動對經(jīng)濟政策不確定性的影響程度呈現(xiàn)微弱的正向，并且從第4期開始逐漸趨向于零，表明股票市場波動增大時會導(dǎo)致經(jīng)濟政策不確定性小幅度上升。

3.4?穩(wěn)健性檢驗

為保證結(jié)論的穩(wěn)健性，本文通過改變數(shù)據(jù)頻率以及使用其他經(jīng)濟政策不確定性指數(shù)兩種方式進(jìn)行檢驗。

3.4.1?改變數(shù)據(jù)頻率

本文使用月度數(shù)據(jù)的算術(shù)平均值作為季度數(shù)據(jù)，模型結(jié)果表明經(jīng)濟政策不確定性對股票市場收益的影響程度仍表現(xiàn)為滯后1期（一季度）微弱正向，滯后2期（半年）和滯后4期（一年）趨向于零；經(jīng)濟政策不確定性沖擊對股票市場波動的主要表現(xiàn)為正向影響。結(jié)論表明，改變數(shù)據(jù)頻率后前文所述結(jié)論依然成立。

3.4.2?使用其他經(jīng)濟政策不確定性指數(shù)

較多學(xué)者在研究經(jīng)濟不確定性相關(guān)問題時選用Baker?et?al.編制的經(jīng)濟政策不確定性指數(shù)（EPU）作為被解釋變量，其階段性峰值與Huang?&?Luk編制的中國經(jīng)濟政策不確定性指數(shù)（CNEPU）不同。本文利用該指數(shù)的四個階段性峰值即2008年9月、2011年11月、2017年1月以及2020年5月作為代表性的脈沖時點進(jìn)行時點脈沖響應(yīng)分析。研究結(jié)果表明，2017年1月這一時點經(jīng)濟政策不確定性對股票市場收益的影響程度表現(xiàn)為正負(fù)向交替并且在8期后趨于零，經(jīng)濟政策不確定性對股票市場波動的影響程度主要表現(xiàn)為負(fù)向。其余時點的脈沖效應(yīng)與前文結(jié)果基本一致，驗證了本文結(jié)論的穩(wěn)健性。

4?結(jié)論與建議

后疫情時代全球經(jīng)濟形勢面臨巨大的不確定性，加之國內(nèi)經(jīng)濟內(nèi)生動力的下降，導(dǎo)致宏觀經(jīng)濟下行壓力增大。為維護(hù)股票市場穩(wěn)定，防范、化解金融風(fēng)險，本文基于2002年1月至2022年1月Huang?&?Luk編制的中國經(jīng)濟政策不確定性指數(shù)以及中國股票市場相關(guān)數(shù)據(jù)，通過TVP－SV－VAR模型考察我國經(jīng)濟政策不確定性對股票市場的動態(tài)時變影響。得出的研究結(jié)論主要如下。

（1）經(jīng)濟政策不確定性沖擊對滯后1個月的股票市場收益有顯著的負(fù)向影響，只有部分經(jīng)濟高度穩(wěn)定的時期，經(jīng)濟政策不確定性沖擊對滯后1個月的股票市場收益具有正向影響；經(jīng)濟政策不確定性沖擊對滯后3個月的股票市場收益呈現(xiàn)微弱正向影響，并隨著滯后期增加趨向于零。

（2）經(jīng)濟政策不確定性沖擊會增加股票市場波動，由于國家的宏觀調(diào)控的有效性，經(jīng)濟政策不確定性沖擊對股票市場波動的正向影響會迅速減弱直至趨向于零；股票市場波動對滯后1期的經(jīng)濟政策不確定性具有顯著且穩(wěn)定的正向影響，對滯后3期、滯后6期和滯后12期的影響不顯著。

（3）經(jīng)濟事件性質(zhì)、影響范圍的差異性導(dǎo)致不同時點經(jīng)濟政策不確定性沖擊對股票市場的影響程度呈現(xiàn)分異趨勢。隨著我國金融漸進(jìn)性改革的推進(jìn)、政府積極的政策干預(yù)，經(jīng)濟政策不確定性對股票市場的負(fù)向影響程度減輕并且能更快被市場消化。

針對本文的實證結(jié)論，給出的政策建議如下。

（1）統(tǒng)籌把握經(jīng)濟政策的連續(xù)性、穩(wěn)定性和可持續(xù)性。

2021年中央經(jīng)濟工作會議指出，“宏觀政策要保持連續(xù)性、穩(wěn)定性、可持續(xù)性”。連續(xù)性強調(diào)政策方向的變化不能太快，穩(wěn)定性強調(diào)政策支持力度，可持續(xù)性強調(diào)短期和長期的平衡。基于本文得出結(jié)論，經(jīng)濟政策不確定性沖擊在短期內(nèi)會對股票市場產(chǎn)生顯著影響。因此頻繁地變更政策會引起股票市場過度反應(yīng)，導(dǎo)致不同政策的影響彼此交叉，造成資產(chǎn)價格異常波動，增加金融系統(tǒng)不穩(wěn)定性。

（2）提升經(jīng)濟政策信息的公開性、透明度和可預(yù)期性。

一方面，政府公開透明是法治政府的基本特征，市場規(guī)范透明運行有助于穩(wěn)定投資者情緒。為此政府可設(shè)立相關(guān)部門或召開新聞發(fā)布會加大經(jīng)濟政策解讀力度，對投資者進(jìn)行正確引導(dǎo)，減少非理性行為的產(chǎn)生，降低經(jīng)濟政策不確定帶來的負(fù)向影響。另一方面，投資者自身需要基于公開的經(jīng)濟政策設(shè)立合理心理預(yù)期，由短期的投機行為逐漸轉(zhuǎn)向長期的投資行為。

（3）強化特定時間節(jié)點經(jīng)濟政策的時效性和針對性。

經(jīng)濟政策要更加精準(zhǔn)有效地實施定向調(diào)控和相機調(diào)控才能發(fā)揮其政策效力。本文在時點脈沖效應(yīng)分析中發(fā)現(xiàn)經(jīng)濟政策的影響效應(yīng)具有一定的滯后性與時變性，金融市場有時無法對動態(tài)的政策信息做出及時反應(yīng)，這一現(xiàn)象在特定經(jīng)濟事件的時點表現(xiàn)得更為明顯。因此強化經(jīng)濟政策的時效性和針對性有利于政府更加科學(xué)、有預(yù)見地進(jìn)行宏觀調(diào)控。

參考文獻(xiàn)

[1]Baker?S?R，Bloom?N，Davis?S?J.Policy?Uncertainty-A?New?Indicator[J].Centre?Piece-The?Magazine?for?Economic?Performance，2012：2123.

[2]Sum?V.Economic?Policy?Uncertainty?and?Stock?Market?Economic?Performance：Evidence?from?the?European?Union，Croatia，Norway，Russia，Switzerland，Turkey，and?Ukraine[J].Journal?of?Money，Investment?and?Banking，2012，25：99104.

[3]SumV.The?Asean?Stock?Market?Performance?and?Economic?Policy?Uncertainty?in?the?United?States[J].Economic?Papers，2013，32（4）：512521.

[4]汪弘，宋登輝，陳立慧，等.經(jīng)濟政策不確定性與股票收益[J].金融學(xué)季刊，2018，12（04）：120.

[5]Li?X?Y，Balcilarm，Gupta?R，et?al.The?Causal?Relationship?between?Economic?Policy?Uncertainty?and?Stock?Returns?in?China?and?India：Evidence?from?a?Bootstrap?Rolling?Window?Approach[J].Emerging?Markets?Finance?＆?Trade，2016，52（3）：674689.

[6]翟曉英，楊嚴(yán)鈞.經(jīng)濟政策不確定性與股票市場收益的動態(tài)關(guān)系研究——基于G7國家和金磚國家分析[J].經(jīng)濟問題，2020，（08）：3745.

[7]Baker?S?R，Bloom?N，Davis?S?J.Measuring?Economic?Policy?Uncertainty[J].The?Quarterly?Journal?of?Economics，2016，131（4）：15931636.

[8]YU?H，F(xiàn)ANG?L，SUN?W.Forecasting?Performance?of?Global?Economic?Policy?Uncertainty?for?Volatility?of?Chinese?Stock?Market[J].Physica?A：?Statistical?Mechanics?and?its?Applications，2018，（505）：931940.

[9]卜林，孫麗玲，李政，等.地緣政治風(fēng)險、經(jīng)濟政策不確定性與股票市場波動[J].南開經(jīng)濟研究，2020，（05）：185205.

[10]潘長春，王偉強.經(jīng)濟政策不確定性與股票市場波動性之間的跨類及跨國關(guān)聯(lián)：來自中美兩國的經(jīng)驗證據(jù)[J].世界經(jīng)濟研究，2022，（11）：89105+136137.

[11]Nakajima?J.TimeVarying?Parameter?VAR?Model?with?Stochastic?Volatility：An?Overview?of?Methodology?and?Empirical?Applications[J].Monetary?and?Economic?Studies，2011，（29）：107142.

[12]Huang?Y，Luk?P.Measuring?Economic?Policy?Uncertainty?in?China[J].China?Economic?Review，2020，59（2）：101367.

[13]后小仙，馬融，鄭田丹，等.突發(fā)事件沖擊與財政政策效應(yīng)的動態(tài)評價[J].當(dāng)代經(jīng)濟研究，2021，（10）：93104.

[14]姚登寶.投資者情緒、市場流動性與金融市場穩(wěn)定——基于時變分析視角[J].金融經(jīng)濟學(xué)研究，2017，32（05）：94106+128.