陳樂一，楊依筠

(湖南大學 經(jīng)濟與貿易學院，湖南 長沙 410079)

一 引 言

在進行各種投資行為時，人們通常會對未來的經(jīng)濟政策進行預測，以期做出順應經(jīng)濟政策的最佳決策。然而，經(jīng)濟政策不確定性(Economic Policy Uncertainty，簡稱EPU)，即經(jīng)濟政策變化中無法預測的部分，對人們的投資決策帶來了很大困擾。當EPU上升時，投資者對未來經(jīng)濟政策的預測能力顯著減弱，無法做出順應經(jīng)濟政策的最佳決策，因此通常會推遲或擱置投資決策。這種現(xiàn)象壓低了資產(chǎn)價格，擾亂了資產(chǎn)市場的正常秩序。資產(chǎn)市場低迷一直是引發(fā)金融危機和經(jīng)濟衰退的重要因素[1]。近年來，世界面臨的不確定性日益突出，為了維護經(jīng)濟金融穩(wěn)定，越來越多的研究開始關注EPU對資產(chǎn)價格的負向影響。大量研究表明，EPU會降低股票價格和收益率。Kang和Ratti使用VAR模型，發(fā)現(xiàn)EPU上升會導致美國股價下降[2]。Antonakakis 等基于DCC-GARCH模型研究發(fā)現(xiàn)，美國股票收益率、波動性和EPU之間具有隨時間變化的相關關系，并指出EPU的上升會降低股價收益率[3]。Chang 等以OECD國家為樣本，發(fā)現(xiàn)政策不確定性會導致一些國家股價下跌[4]。Brogaard和Detzel通過對21國數(shù)據(jù)進行實證研究，發(fā)現(xiàn)EPU對全球股票價格具有負向影響[5]。Arouri等通過研究美國1900-2014年EPU對股票市場的影響，發(fā)現(xiàn)經(jīng)濟政策不確定性會顯著降低股票收益率[6]。Chen等通過實證研究發(fā)現(xiàn)EPU對中國股票價格造成了消極影響[7]。

現(xiàn)有研究普遍指出了EPU的不利影響，然而EPU本身并不是一個純粹的負面概念，它的提高并不意味著經(jīng)濟政策將發(fā)生不利變化。Segal等提出了“好”的不確定性和“壞”的不確定性的概念。根據(jù)與宏觀經(jīng)濟變量正創(chuàng)新和負創(chuàng)新相關的方差，將總不確定性分為“好”的部分與“壞”的部分，并發(fā)現(xiàn)“好”的部分會促進投資、推動股價上漲，而“壞”的部分則會壓低股票價格[8]。陳國進等采用半方差測度的方法，基于中國股市高頻數(shù)據(jù)，測度了與正收益、負收益相對應的股價波動，代表不確定性中“好”的部分與“壞”的部分。其研究發(fā)現(xiàn)，“好”的不確定性會對股票價格帶來正影響，而“壞”的不確定性會造成負影響[9]。Bloom指出，不確定性會降低企業(yè)的投資信心，但同時也可以提高企業(yè)的研發(fā)和創(chuàng)新意愿，通過增長期權效應，對研發(fā)型企業(yè)的市值和股票價格產(chǎn)生積極影響[10]。以上研究表明，不確定性不僅包含抑制股價的消極因素，還包含了提升股價的積極因素。然而，這些研究并未發(fā)現(xiàn)不確定性對股票價格的總影響為正的情況。

部分研究還發(fā)現(xiàn)，不確定性影響與外部經(jīng)濟環(huán)境具有較強的關聯(lián)性，良好的外部環(huán)境可以減輕或改善不確定性的負面影響。Zhang指出，好消息之后的不確定性與壞消息之后的不確定性會對股票價格造成不同的影響。好消息之后的不確定性可以促進股票價格上漲，而壞消息之后的不確定性則作用相反[11]。Pástor和Veronesi的研究表明，不確定性上升會導致風險溢價。經(jīng)濟狀況越弱時，不確定性導致的風險溢價越高；經(jīng)濟狀況越好時，不確定性導致的風險溢價越低[12,13]。陳國進等的研究也表明，不確定性對風險溢價的影響與經(jīng)濟環(huán)境關系密切。在經(jīng)濟景氣程度低的情況下，不確定性會導致更高的風險溢價；而在經(jīng)濟景氣程度高的情況下，不確定性導致的風險溢價較低[9]。

綜上所述，經(jīng)濟政策不確定性通常會抑制投資，壓低股票價格。與此同時，不確定性也包含了促進股價上漲的積極因素，且良好的外部環(huán)境有利于積極作用的發(fā)揮。由此可見，不確定性在繁榮的經(jīng)濟環(huán)境下存在促進投資，推動股價上漲的可能性?，F(xiàn)有絕大多數(shù)實證研究并未發(fā)現(xiàn)不確定性對股票價格的正向影響，通過文獻梳理可知主要原因有三。其一，已有文獻的研究對象多為西方國家。這些國家的經(jīng)濟增速較為緩慢，不具備有利于不確定性發(fā)揮積極作用的經(jīng)濟環(huán)境。其二，已有研究大多使用的是固定參數(shù)模型，只能得到影響作用的平均值，未能捕捉到其中少量積極影響。其三，未使用多區(qū)制模型，因而未能將產(chǎn)生正向影響的情況分離出來。為了避免這些問題，本文利用中國2003-2019年相關數(shù)據(jù)，構建時變參數(shù)向量自回歸(TVP-SV-VAR)模型，獲取EPU對股票價格的時變影響，從中發(fā)現(xiàn)EPU產(chǎn)生的積極影響。然后運用門限向量自回歸(TVAR)模型，以經(jīng)濟狀況作為門限變量，區(qū)分不同經(jīng)濟狀況下EPU對股票價格的不同影響。

本研究具有較為豐富的理論和現(xiàn)實意義。不同于已有研究將EPU單純視為不利因素的做法，本研究試圖探討EPU在何種條件下可以促進投資，推動股票價格上漲。以一個更為全面的視角對不確定性進行探討，避免了對不確定性的片面認識，豐富了相關理論研究，為應對不確定性影響提供了新的思路。相關文獻大多以西方國家為研究對象，本研究深入探討了EPU對我國投資者情緒和股票價格的影響，加深了對中國經(jīng)濟環(huán)境和股票市場的認識，為我國應對不確定性影響提供了針對性的政策建議。

二 理論假說

EPU對資產(chǎn)價格的影響機制較為復雜，投資者情緒在其中產(chǎn)生了重要影響[14-16]。通常而言，EPU是投資者情緒的格蘭杰因果原因，會對投資者情緒產(chǎn)生負面影響[16]。當投資者情緒陷入低迷時，EPU的上升會顯著壓低股票價格[17]。然而，很多時候EPU對投資者情緒的影響是非線性的[16]，當投資者情緒依舊維持在較高水平，EPU對股票價格的抑制作用會顯著降低甚至消失[17]。這表明EPU對股票價格的影響與投資者情緒密切相關。當EPU顯著壓低投資者情緒時，EPU會對股票價格產(chǎn)生負向影響；而當EPU未能壓低投資者情緒時，EPU對股票價格的負向影響通常并不顯著。由此可見，當EPU對投資者情緒起到了積極影響，將同時促進股票價格上漲。

相關研究表明，人們對不確定性并非總是持有厭惡的態(tài)度。總不確定性可以分為與積極影響相關的“好”的不確定性和與消極影響相關的“壞”的不確定性[8-9]。不確定性一方面會降低企業(yè)的投資信心，另一方面也可以提升企業(yè)的創(chuàng)新意愿[10]。因此，EPU對投資者情緒并非只有負面影響，某些時候也可以提升投資者情緒，促進股票價格上漲?；谝陨戏治?，提出以下假說：

假說1：EPU對投資者情緒和股票價格并非僅有負向影響，在一些時期可以產(chǎn)生正向影響。

政策變動主要通過現(xiàn)金流效應和折現(xiàn)率效應影響股票價格。當現(xiàn)金流效應超過折現(xiàn)率效應時，股價會上升；當折現(xiàn)率效應超過現(xiàn)金流效應時，股價會下降[12-13]。EPU作為政策變動中無法預測的一部分，可以通過影響投資者情緒，引起預期現(xiàn)金流和貼現(xiàn)率中的風險溢價變化，從而造成股票價格波動[9,26]。EPU對股票價格的傳導作用與經(jīng)濟狀況密切相關。經(jīng)濟狀況越弱時，投資者情緒越低迷，風險溢價越高，投資受到抑制，股票價格傾向于下降；經(jīng)濟狀況越好時，投資者情緒越高，風險溢價越低，投資得到促進，股價傾向于上升[9,12-13,18]。預期現(xiàn)金流也受到經(jīng)濟狀況影響。如果投資者認為經(jīng)濟環(huán)境較好，有利于企業(yè)提高利潤，對現(xiàn)金流的預期也較高，從而對投資和股價產(chǎn)生正向的激勵作用。因此，經(jīng)濟狀況大好時，EPU會提升投資者情緒，引起較高的預期現(xiàn)金流和較低的風險溢價，對股票價格產(chǎn)生正向影響；而當經(jīng)濟狀況較弱時，EPU會抑制投資者情緒，引起較低的預期現(xiàn)金流和較高的風險溢價，對股票價格產(chǎn)生負向影響?；谝陨戏治觯岢鲆韵录僬f：

假說2：繁榮的經(jīng)濟狀況下，EPU會提升投資者情緒，促進股票價格上漲。

三 研究設計與數(shù)據(jù)說明

(一)研究設計

現(xiàn)有相關研究大多以經(jīng)濟增速較緩的西方國家為研究對象，這些國家不具備有利于經(jīng)濟政策不確定性發(fā)揮積極作用的經(jīng)濟環(huán)境，因此這些研究中不確定性主要產(chǎn)生消極影響。21世紀以來，中國經(jīng)濟飛速發(fā)展，適合作為探討不確定性發(fā)揮積極影響的研究對象。本研究通過中國的相關數(shù)據(jù)研究EPU對投資者情緒和股票價格的影響。

為了驗證假說1，本文構建時變參數(shù)向量自回歸(TVP-SV-VAR)模型，獲取EPU對投資者情緒和股票價格的時變影響，從中考察EPU產(chǎn)生的正向作用。在此基礎上，進一步運用門限向量自回歸(TVAR)模型對假說2進行驗證。以經(jīng)濟狀況作為門限變量，區(qū)分不同經(jīng)濟狀況下EPU對股票價格的不同影響，從而探討EPU在繁榮經(jīng)濟環(huán)境下是否產(chǎn)生積極影響。

(二)TVP-SV-VAR模型的變量與數(shù)據(jù)

時變參數(shù)模型的非線性估計方法計算密集，不適合包含過多變量[19]，已有文獻中的TVP-SV-VAR模型通常只包含三到四個變量[20-23]。因此，選取經(jīng)濟政策不確定性(EPU)、GDP、股票價格(SP)、投資者情緒(IS)等四個變量的季度數(shù)據(jù)進行實證研究。四個變量的指標選取和數(shù)據(jù)來源如下：(1)EPU：Baker 等基于新聞指數(shù)構建的EPU指數(shù)受到廣泛的認可[24]。然而，Baker等人計算的中國EPU指數(shù)，并不是基于我國內地中文報刊，而是基于香港出版的英文報紙《南華早報》。Huang和Luk認為，這樣計算的指數(shù)并不能很好地反映我國EPU真實狀況，因此選取10份中國內地中文報紙，在Baker等的基礎上，計算了更貼近國情的中國EPU指數(shù)[25]。本研究采用Huang和Luk計算的中國EPU指數(shù)，數(shù)據(jù)來自https://economicpolicyuncertaintyinchina.weebly.com/。(2)IS：選取中國股市投資者綜合情緒指數(shù)(CICSI)來代表投資者情緒。數(shù)據(jù)來自國泰安數(shù)據(jù)庫。(3)SP：選取上證指數(shù)來代表股票價格。數(shù)據(jù)來自萬德數(shù)據(jù)庫。(4)GDP：由于名義GDP相較真實GDP更容易被投資者感知，選取名義GDP來代表經(jīng)濟狀況。數(shù)據(jù)來自萬德數(shù)據(jù)庫。

在使用季度數(shù)據(jù)構建基準模型以后，我們改變數(shù)據(jù)頻率，采用月度數(shù)據(jù)進行穩(wěn)健性檢驗。由于GDP沒有月度數(shù)據(jù)，因此參考相關研究，選取工業(yè)生產(chǎn)指數(shù)(IPI)代替GDP，數(shù)據(jù)來自BVD-EIU數(shù)據(jù)庫[26]。采用經(jīng)濟政策不確定性(EPU)、工業(yè)生產(chǎn)指數(shù)(IPI)、股票價格(SP)、投資者情緒(IS)等四個變量的月度數(shù)據(jù)構建TVP-SV-VAR模型，進行穩(wěn)健性檢驗。

(三)TVAR模型的變量與數(shù)據(jù)

通過TVP-SV-VAR模型得到EPU對股票價格的時變影響后，本文采用門限向量自回歸(TVAR)模型進一步探討EPU對股票價格的非對稱影響。由于季度數(shù)據(jù)長度較短，劃分區(qū)制后，每個區(qū)制的數(shù)據(jù)量太少，可能影響實驗結果的準確性，因此采用月度數(shù)據(jù)構建TVAR模型。選取經(jīng)濟政策不確定性(EPU)、工業(yè)生產(chǎn)指數(shù)(IPI)、股票價格(SP)、投資者情緒(IS)等四個變量的月度數(shù)據(jù)。除此之外，考慮到通貨膨脹、貨幣供給和國際油價對股票價格的影響[23,27-28]，還增加了消費者價格指數(shù)(CPI)、廣義貨幣供給量(M2)和國際油價指數(shù)(OIL)等三個控制變量，數(shù)據(jù)來自同花順數(shù)據(jù)庫和美國FRED數(shù)據(jù)庫。

(四)數(shù)據(jù)處理與平穩(wěn)性檢驗

中國股市投資者綜合情緒指數(shù)(CICSI)從2003年2月開始公布，以此時為數(shù)據(jù)起始點。受疫情影響，2020年第一季度的GDP數(shù)據(jù)和工業(yè)生產(chǎn)指數(shù)較為異常，可能存在結構性突變，不適宜加入時間序列模型，因此數(shù)據(jù)截至2019年12月。采用從2003-2019年的季度和月度數(shù)據(jù)集來進行實證研究，季度數(shù)據(jù)用q加變量名表示，月度數(shù)據(jù)用m加變量名表示。為了避免季節(jié)性干擾，參考現(xiàn)有研究的通行做法，運用X-13ARIMA-SEATS方法對所有變量數(shù)據(jù)進行了季節(jié)性調整[29,30]。為了統(tǒng)一量綱和確保數(shù)據(jù)平穩(wěn)性，將所有數(shù)據(jù)轉化為它們的對數(shù)增長率(1)對數(shù)增長率計算公式：ln(xt/xt-1)×100。。

對處理后的所有變量數(shù)據(jù)進行ADF單位根檢驗。檢驗類型(c,t,k)中，c代表檢驗中包含常數(shù)項，t代表包含趨勢項，k代表最優(yōu)滯后階數(shù)。最優(yōu)滯后階數(shù)由AIC準則(Akaike Information Criterion)確定。季度數(shù)據(jù)的檢驗結果如表1所示，月度數(shù)據(jù)的檢驗結果如表2所示。根據(jù)檢驗結果，所有變量均在1%的顯著性水平上拒絕了存在單位根的原假設，說明所有變量都是平穩(wěn)的。

表1 季度數(shù)據(jù)的ADF單位根檢驗

表2 月度數(shù)據(jù)的ADF單位根檢驗

四 經(jīng)濟政策不確定性對股票價格的時變影響

已有研究大多使用固定參數(shù)模型來獲取EPU對股票價格的影響。然而，固定參數(shù)模型只能得到研究時段內影響作用的平均值，無法反映不同時期的不同影響。為了探討EPU是否可以在某些時期促進股票價格上漲，本文采用時變參數(shù)自回歸(TVP-SV-VAR)模型，獲取EPU對股票價格的時變影響。

(一)TVP-SV-VAR模型介紹

Nakajima等[20]在Primiceri[31]的研究基礎上建立了時變參數(shù)自回歸(TVP-SV-VAR)模型，運用該模型可以得到變量之間的時變影響。將SVAR模型改寫為向量移動平均(VMA)形式，并為時變矩陣(β,A,Σ)加上下角標t，可得TVP-SV-VAR的基本表達式：

(1)

其中，βt,At以及∑t都是時變矩陣，εt～N(0,IK)。αt為At矩陣中的下三角堆疊向量元素，ht=(h1t,…,hkt)'，且hjt=logσ2jt,j=1,…,k,t=s+1,…,n. 所有參數(shù)服從隨機游走：

βt+1=βt+μβt,αt+1=αt+μαt,ht+1=ht+μht

(2)

(3)

其中，βs+1～N(μβ0,Σβ0),αs+1～N(μα0,Σα0),hs+1～N(μh0,Σh0)。

(二)參數(shù)估計結果

運用OXMetrics6軟件估計一個包含四變量的TVP-SV-VAR模型。參考時間序列模型的通常做法，按照外生性強弱安排變量順序，變量順序為qEPU、qGDP、qIS、qSP。根據(jù)HQ準則(Hannan-Quinn Criterion)和SC準則(Schwarz Criterion)，將滯后期設定為1。遵循Nakajima 等的做法，預設先驗分布作為MCMC(Markov Chain Monte Carlo)模擬的起點，抽樣次數(shù)為10000次。將前10%的抽樣結果舍棄，并檢驗后驗分布的有效性和收斂性[20]。由表3可見，根據(jù)收斂診斷CD統(tǒng)計量，估計結果收斂的原假設在5%的顯著性水平下不能被拒絕(低于1.96%)，且所有無效因子均處于較低水平。因此，可以認為參數(shù)估計結果具有良好的收斂性和有效性，實證結果可靠。

表3 參數(shù)估計結果

(三)時變影響分析

不同于一般的固定參數(shù)模型，TVP-SV-VAR模型具有時變性，在每一個時間點都可以做出一條脈沖響應曲線。因此，主要有兩種展現(xiàn)實驗結果的方式，分別是等間隔脈沖響應和時點脈沖響應[20,32]。要獲取等間隔脈沖響應，首先要選取一個固定的提前期，例如一個季度，然后在每一時間點對應的脈沖響應曲線中選取提前期為一個季度的點按序連接起來。等間隔脈沖響應顯示了自變量對因變量在固定提前期后的影響，反映在整個研究時段中變量間相互影響的時變關系。時點脈沖響應是指在特定時點下的脈沖響應，即自變量某一時點沖擊對因變量產(chǎn)生的逐漸衰減的影響[32]。為了全面了解EPU對投資者情緒和股票價格的影響，我們先后構建等間隔脈沖響應和時點脈沖響應，并對結果做出分析。

一般而言，政策變動的周期較長，“朝令夕改”的現(xiàn)象極少出現(xiàn)，人們有一定的時間對EPU做出反應和應對，EPU的影響通常較為持續(xù)。因此，選取2、4、8個季度為提前期構建等間隔脈沖影響，觀察EPU對投資者情緒和股票價格在2、4、8個季度后的影響。由圖1可見，EPU對投資者情緒和股票價格不僅可以產(chǎn)生負向影響，還可以起到正向影響。具體而言，2003-2007年，EPU對投資者情緒和股票價格的影響以促進作用為主。2008年，EPU的影響迅速降至負值，對股票價格和投資者情緒產(chǎn)生抑制作用。2009年，EPU對股票價格的影響快速上升，短期(2個季度后)影響仍然為負，中長期(4、8個季度后)影響升至正值。2010-2012年，EPU對股票價格主要產(chǎn)生正向影響，對投資者情緒產(chǎn)生了短期抑制，中長期促進的作用。2012年以后，EPU對股票價格和投資者情緒主要產(chǎn)生負向影響。

(a) (b)

根據(jù)以上觀察，我們將EPU的影響分為前中后三個階段。前期為2003-2007年，EPU主要產(chǎn)生積極影響；中期為2008-2012年，EPU產(chǎn)生的積極影響與消極影響交替出現(xiàn)；后期為2013-2019年，該時期EPU主要產(chǎn)生消極影響。為了進一步觀察EPU影響的細節(jié)特征，從三個階段各選取一個時間點：2003Q2、2009Q1、2015Q1，構建時點脈沖響應，獲取EPU在這些時間點的完整影響路徑。結果如圖2所示。

(a) (b)

由圖2可見，2003年，EPU對投資者情緒和股票價格主要產(chǎn)生積極影響。2009年，EPU對投資者情緒的影響較為微弱，表現(xiàn)為先正后負，對股票價格產(chǎn)生了較為微弱的負向影響。2015年，EPU對投資者情緒和股票價格主要產(chǎn)生負向作用?？梢园l(fā)現(xiàn)，三個時點脈沖響應中EPU的影響基本符合其所在階段的特征：前期以積極影響為主，中期有一定的負向影響，后期負向影響十分顯著。還可以發(fā)現(xiàn)，EPU影響在2期以前波動較大，在2期以后趨于穩(wěn)定。因此，以2、4、8個季度為提前期的等間隔脈沖響應可以較好地反映EPU影響的長期規(guī)律，但由于沒有包含影響較大的即時和1期影響，未能很好地反映影響程度。通過時點脈沖響應可以進一步發(fā)現(xiàn)，產(chǎn)生正向影響時，影響程度較小，而產(chǎn)生負向影響時，影響程度明顯更大。這為已有研究只發(fā)現(xiàn)EPU的負向影響提供一個合理的解釋。已有研究大多使用固定參數(shù)模型獲取影響作用的平均值，研究中較弱的正向影響被強烈的負向影響所掩蓋，因而未被發(fā)現(xiàn)。

結合GDP增長率數(shù)據(jù)還可以發(fā)現(xiàn)，EPU的正向影響主要集中在GDP高速增長時期。2003-2007年中國名義GDP季度增長率維持在一個較高的水平，EPU影響始終維持正值。2008-2012年，受美國金融危機和國內經(jīng)濟下行壓力影響，中國GDP季度增長率變化較大。2008年末與2009年初，季度增長率跌至極低水平，隨后快速上升，并保持在較高水平。2011和2012年，在“穩(wěn)增長”和緊縮政策的影響下，GDP季度增長率再次明顯下滑。由此可見，在2008-2012年期間，GDP增長率起伏較大，EPU影響也變化較大，正向影響與負向影響交替出現(xiàn)。2013-2019年，GDP增速相較之前明顯放緩，這一時期EPU主要產(chǎn)生負面影響?？梢猿醪脚袛啵珽PU對投資者情緒和股票價格的影響與經(jīng)濟狀況聯(lián)系緊密。當經(jīng)濟狀況大好、GDP快速增長時，EPU會對投資者情緒和股票價格產(chǎn)生積極影響；而在經(jīng)濟狀況一般、GDP增速放緩時，EPU會對投資者情緒和股票價格產(chǎn)生消極影響。

(四)穩(wěn)健性檢驗

本文通過改變數(shù)據(jù)頻率，使用月度數(shù)據(jù)代替季度數(shù)據(jù)來進行穩(wěn)健性檢驗。選取經(jīng)濟政策不確定性(mEPU)、工業(yè)生產(chǎn)指數(shù)(mIPI)、投資者情緒(mIS)和股票價格(mSP)等四個變量的月度數(shù)據(jù)構建TVP-SV-VAR模型。根據(jù)AIC準則和FPE準則(Final Prediction Error Criterion)，設定4個滯后期。MCMC抽樣次數(shù)為10000次。參數(shù)估計結果的收斂診斷CD統(tǒng)計量在5%的顯著性水平下無法拒絕估計結果收斂的原假設，所有無效因子均處于較低水平，表明參數(shù)估計結果可靠。

基準模型中采用的是季度數(shù)據(jù)，1期代表了1個季度；穩(wěn)健性檢驗中采用的是月度數(shù)據(jù)，1期代表了1個月。因此穩(wěn)健性檢驗中適當延遲了影響期數(shù)，選取2、5、10個月為提前期構建等間隔脈沖響應。由圖3可見，在研究時段的前期，經(jīng)濟政策不確定性對投資者情緒和股票價格產(chǎn)生了顯著的正向影響，在中期和后期以負向影響為主。根據(jù)工業(yè)生產(chǎn)指數(shù)(mIPI)的數(shù)據(jù)情況可知，工業(yè)生產(chǎn)前期增速較快，中后期增速逐漸放緩。由此可見，前期工業(yè)生產(chǎn)快速增長時，經(jīng)濟政策不確定性對投資者情緒和股票價格主要產(chǎn)生促進作用，中后期工業(yè)生產(chǎn)增速放緩，經(jīng)濟政策不確定性對投資者情緒和股票價格主要產(chǎn)生負向影響。穩(wěn)健性檢驗的結果與基準模型的結果大體一致，說明實驗結果穩(wěn)健可靠。

(a) (b)

五 經(jīng)濟政策不確定性對股票價格的非對稱影響

通過觀察EPU對投資者情緒和股票價格時變影響，發(fā)現(xiàn)在經(jīng)濟高速增長的時期，EPU主要產(chǎn)生正向影響；在經(jīng)濟增長放緩的時期，EPU主要產(chǎn)生負向影響。這一節(jié)中，將運用TVAR模型，以代表經(jīng)濟增長狀況的工業(yè)生產(chǎn)指數(shù)(mIPI)為門限變量，定量研究不同經(jīng)濟增長狀況下，EPU對投資者情緒和股票價格的不同影響。

(一)TVAR模型介紹

TVAR模型可以表示為如下形式：

Yt=[c1+A1(L)Yt-1]I(Xt-1<γ)+[c2+A2(L)Yt-1]I(Xt-1≥γ)+εt

(4)

其中，Yt包含k個變量，I(·)是指示函數(shù)，Xt是門限變量，γ是門限值，A1,2(L)為滯后多項式，εt為誤差項。根據(jù)門限變量與門限值的關系，可以實現(xiàn)在兩個VAR模型之間的轉換。當門限變量Xt-1小于門限值時γ，模型服從第一個VAR表達式Yt=c1+A1(L)Yt-1+εt；當門限變量Xt-1大于或等于門限值時γ，模型服從第二個VAR表達式Yt=c2+A2(L)Yt-1+εt。

通過TVAR模型，可以得到研究變量在以門限值劃分的不同區(qū)制下產(chǎn)生的不同影響，這種影響通常被稱為非對稱影響。一些研究已經(jīng)利用TVAR模型、分位數(shù)模型探討了EPU的非對稱影響[26,33]。這些研究都是以EPU為門限變量，比較EPU較高時和較低時產(chǎn)生的不同影響。本研究以經(jīng)濟增長狀況為門限變量，探討在經(jīng)濟增長水平較高和較低時，EPU所產(chǎn)生的不同影響。

(二)TVAR模型構建

本文采用月度數(shù)據(jù)構建TVAR模型。在TVP-SV-VAR模型采用的四個變量(mEPU、mIPI、mIS、mSP)的基礎上，增加三個控制變量：消費者價格指數(shù)(mCPI)、廣義貨幣供給量(mM2)以及國際油價指數(shù)(mOIL)。采用以上7個變量2003-2019年的月度數(shù)據(jù)構建TVAR模型。其中，工業(yè)生產(chǎn)指數(shù)(mIPI)代表了經(jīng)濟增長狀況，在模型中作為門限變量。

當數(shù)據(jù)不具有非線性特征時，使用VAR模型比TVAR模型更為合適，只有當數(shù)據(jù)具有非線性特征時，才適合TVAR模型。因此，在構建TVAR模型以前，需要對數(shù)據(jù)進行非線性檢驗。采用Lo和Zivot在Hansen研究基礎上擴展的多變量LR檢驗，以工業(yè)生產(chǎn)指數(shù)(mIPI)為門限變量，對數(shù)據(jù)進行非線性檢驗[34,35]。根據(jù)AIC和FPE準則，設定2個滯后期，包含趨勢項和常數(shù)項。檢驗的原假設為線性，備擇假設為兩區(qū)制非線性。如表4所示，p值小于0.05，即在5%的顯著性水平下可以拒絕線性的原假設。檢驗結果表明，研究數(shù)據(jù)具有非線性特征，適合構建以工業(yè)生產(chǎn)指數(shù)(mIPI)為門限變量的TVAR模型。

表4 LR非線性檢驗

構建TVAR模型時，合理的變量順序是實證結果可靠的前提。參考時間序列模型的通常做法，按照外生性強弱安排變量順序，外生性強的變量放在前面，內生性強的變量放在后面。運用R軟件估計包含7個變量(mOIL、mEPU、mIPI、mM2、mCPI、mIS、mSP)的兩區(qū)制TVAR模型，以代表經(jīng)濟增長狀況的工業(yè)生產(chǎn)增長率(mIPI)為門限變量。根據(jù)AIC準則和FPE準則，設定2個滯后期，包含趨勢項和常數(shù)項。

(三)非對稱影響分析

根據(jù)模型估計結果，門限值(γ)為1.24，即工業(yè)生產(chǎn)月度增長率1.24%。有77.8%的觀測值低于該門限值，22.2 %觀測值高于或等于該門限值。工業(yè)生產(chǎn)月度增長率高于1.24%的觀察值為高區(qū)制，代表繁榮的經(jīng)濟狀況。月度增長率低于1.24%的觀察值為低區(qū)制，代表普通的經(jīng)濟狀況。

表5 TVAR模型門限值

圖4展示了EPU在高區(qū)制和低區(qū)制下對投資者情緒和股票價格的影響。可以發(fā)現(xiàn)，低區(qū)制下，EPU對投資者情緒和股票價格產(chǎn)生了顯著的負向影響。而在高區(qū)制下，不確定性雖然對股票價格和投資者情緒產(chǎn)生了一定的負向影響，但主要表現(xiàn)為正向影響。由此可見，工業(yè)生產(chǎn)快速發(fā)展時，EPU對投資者情緒和股票價格主要產(chǎn)生正向影響，而當工業(yè)生產(chǎn)增速放緩時，EPU主要產(chǎn)生負向影響。

(a) (b)

通過TVP-SV-VAR模型，我們初步判斷EPU的影響與經(jīng)濟狀況緊密聯(lián)系。通過TVAR模型可以進一步得出結論，經(jīng)濟高速增長時，EPU對投資者情緒和股票價格主要產(chǎn)生積極影響，經(jīng)濟增速放緩時，EPU主要產(chǎn)生負向影響。由此可見，經(jīng)濟增長較緩慢的環(huán)境下，當EPU上升，出于對不確定性的厭惡，投資者情緒會受到抑制，人們對企業(yè)現(xiàn)金流的預期值較低，風險溢價較高，投資者將選擇拋出股票，致使股價下降。經(jīng)濟高速增長的環(huán)境下，當EPU上升，人們對政策變動富有信心，投資信心受到鼓舞，對企業(yè)現(xiàn)金流的預期值較高，風險溢價較低，投資者將繼續(xù)購入股票，從而推動股票價格上升。

此外還可以發(fā)現(xiàn)，高區(qū)制只占全部樣本量的22.2%，遠小于低區(qū)制78.8%的占比。這一現(xiàn)象表明，即使是在以經(jīng)濟高速增長著稱的中國，EPU產(chǎn)生正向影響的樣本量遠小于產(chǎn)生負向影響的樣本量。并且，EPU正向影響的絕對值明顯小于負向影響的絕對值。低區(qū)制下，EPU產(chǎn)生的是十分顯著的負向作用；高區(qū)制下，EPU產(chǎn)生的是較為溫和的促進作用，且伴隨著負向波動?？偠灾?，EPU產(chǎn)生正向影響的時期較少，且影響程度較弱。這與本文通過時變模型發(fā)現(xiàn)的結果基本一致，同時也為多數(shù)研究只發(fā)現(xiàn)EPU的負向影響提供了合理解釋。已有研究通常使用的是線性模型，只能獲得影響作用在研究時段內的平均值。時間較短、程度較弱的正向影響被更為主流的負向影響所掩蓋，因而未被多數(shù)研究所發(fā)現(xiàn)。

隨著我國經(jīng)濟發(fā)展進入新常態(tài)，發(fā)展方式由規(guī)模速度型轉向質量效率型，曾經(jīng)的高增速神話已成過去，EPU在經(jīng)濟高增速環(huán)境下產(chǎn)生促進作用的情況難以再現(xiàn)。然而，EPU可以促進投資的這一發(fā)現(xiàn)，仍然具有較大的理論和現(xiàn)實意義。在過去的研究中，不確定性通常被視為經(jīng)濟發(fā)展的負面因素。而本研究發(fā)現(xiàn)，人們對不確定性并非總是持有厭惡態(tài)度。經(jīng)濟高速增長可以帶給投資者充足的信心，使投資者無懼潛在變化，甚至勇于在變化中尋求機遇。在這種情況下，經(jīng)濟政策變動帶來的不確定性很可能被視為創(chuàng)新和機遇，鼓舞投資信心，促進股票價格上漲。這為應對不確定性影響提供了新的思路：除了將不確定性視為負面因素加以防范，還可以考慮如何促使不確定性發(fā)揮積極作用。在經(jīng)濟增速放緩不可逆轉的背景下，大力優(yōu)化經(jīng)濟結構，提高經(jīng)濟政策效率，增強投資者對國家政策和經(jīng)濟環(huán)境的信心，減少投資者對不利變化的擔憂。與此同時，完善投資環(huán)境、健全破產(chǎn)制度，盡可能減少投資失敗的損失。通過這些措施，增強投資者面對不確定性時的信心，減少不確定性的消極影響。美國前總統(tǒng)羅斯福在面對大蕭條時曾經(jīng)說過：“我們唯一需要恐懼的是恐懼本身”。不確定性本身并不意味著不利改變，甚至不意味著改變。然而，出于對未知變化的恐懼，不確定性成為經(jīng)濟發(fā)展的不利因素。本研究認為，當人們對國家政策和經(jīng)濟環(huán)境持有充足的信心，不確定性將不再代表負面因素，而是意味著機遇與挑戰(zhàn)。

(四)穩(wěn)健性檢驗

通過改變滯后期來進行穩(wěn)健性檢驗。AIC準則和FPE準則選擇的最優(yōu)滯后期為2，而HQ準則和SC準則選擇的最優(yōu)滯后期為1?；鶞誓Ｐ椭校瑴笃陂L度設定為2，在穩(wěn)健性檢驗中，將滯后期長度改為1。根據(jù)模型估計結果，門限值(γ)為1.24，與基準模型結果一致。圖5展示了滯后期為1時，經(jīng)濟政策不確定性對投資者情緒和股票價格的影響。

如圖5所示，雖然經(jīng)濟政策不確定性在高、低區(qū)制下，均對投資者情緒產(chǎn)生了負向影響，但低區(qū)制下負向影響更為顯著，高區(qū)制下負向影響相對較弱，且很快轉為正向影響；經(jīng)濟政策不確定性對股票價格的影響在不同區(qū)制下差異顯著。高區(qū)制下，經(jīng)濟政策不確定性對股票價格主要產(chǎn)生正向影響；低區(qū)制下，產(chǎn)生了顯著的負向影響。結果表明，當工業(yè)生產(chǎn)月度增長率高于1.24%時，經(jīng)濟政策不確定性對投資者情緒產(chǎn)生了先負后正的影響，對股票價格產(chǎn)生了較高的正向影響。當增長率低于1.24%時，經(jīng)濟政策不確定性對投資者情緒和股票價格產(chǎn)生了顯著的負向影響。穩(wěn)健性檢驗結果與基準模型結果大體一致，說明實證結果穩(wěn)健可靠。

(a) (b)

六 結 論

已有研究通常將不確定性視為經(jīng)濟發(fā)展的負面因素，認為不確定性會抑制投資，造成股票價格下降。本文采用中國2003-2019年相關數(shù)據(jù)研究發(fā)現(xiàn)，不確定性對投資并非僅有抑制作用。當經(jīng)濟高速增長時，經(jīng)濟政策不確定性可以對投資者情緒和股票價格產(chǎn)生積極影響。

本研究豐富了不確定性影響投資的理論研究，避免了對不確定性的片面認識，有利于更好地應對我國的不確定性影響。根據(jù)研究發(fā)現(xiàn)，我們獲得了一些啟示，并提出了相應建議。首先，本研究發(fā)現(xiàn)人們對不確定性并非總是持有厭惡態(tài)度。當經(jīng)濟高度繁榮時，投資者情緒高漲，不確定性更可能被視為創(chuàng)新和機遇。因此，在應對不確定性影響時，除了將不確定性視為負面因素加以防范，還可以考慮如何促使不確定性發(fā)揮積極作用。當經(jīng)濟增速放緩時，可以考慮通過提高經(jīng)濟政策效率、優(yōu)化投資環(huán)境等方式增強投資者面對不確定性時的信心，避免不確定性造成消極影響。其次，經(jīng)濟管理部門在防范不確定性影響的時候，應當充分考慮不確定性在不同經(jīng)濟狀況下的不同影響，不能一概而論，要根據(jù)具體情況采取適當?shù)膽獙Υ胧?。最后，也要謹防在?jīng)濟繁榮的情況下，對不確定性抱有過于樂觀的態(tài)度，忽視其中的風險因素，盲目擴大投資，最后造成個人財產(chǎn)損失甚至加劇經(jīng)濟波動。