劉金全 王梓任

（廣州大學(xué)經(jīng)濟(jì)與統(tǒng)計(jì)學(xué)院，廣東 廣州 510006）

一、引言

近年來，全球經(jīng)濟(jì)復(fù)蘇放緩，經(jīng)濟(jì)增速下降，美國(guó)、加拿大、歐盟、英國(guó)、日本等國(guó)家和地區(qū)實(shí)施了低利率、超低利率政策，甚至負(fù)利率政策，試圖以寬松的貨幣政策降低融資成本，刺激消費(fèi)、投資，推動(dòng)經(jīng)濟(jì)增長(zhǎng)。美國(guó)聯(lián)邦儲(chǔ)備委員會(huì)在2020年3月3日突然宣布降息50 個(gè)基點(diǎn)，緊接著3月15日再次下調(diào)聯(lián)邦基金利率1 個(gè)百分點(diǎn)，達(dá)到0%至0.25%區(qū)間，觸及零利率。在美伊沖突事件、英國(guó)脫歐事件、新冠肺炎疫情（以下簡(jiǎn)稱疫情）暴發(fā)事件等負(fù)面沖擊下，在美國(guó)降息前后，超過40 個(gè)國(guó)家紛紛下調(diào)利率以提振經(jīng)濟(jì)，全球已經(jīng)進(jìn)入低利率時(shí)代。在全球低利率環(huán)境大背景下，雖然我國(guó)貨幣政策始終保持著獨(dú)立性，但是在經(jīng)濟(jì)下行壓力下，為保證經(jīng)濟(jì)穩(wěn)步增長(zhǎng)，實(shí)現(xiàn)共同富裕的終極目標(biāo)，2021年7月15日和12月15日分別下調(diào)存款準(zhǔn)備金率0.5%，12月20日下調(diào)1年期貸款市場(chǎng)報(bào)價(jià)利率0.05%，12月7日下調(diào)支農(nóng)、支小再貸款利率0.25%。盡管我國(guó)名義利率相對(duì)較高，但是我國(guó)實(shí)際利率（名義利率-通貨膨脹率）已經(jīng)較低。我國(guó)實(shí)際利率演變路徑（1996年1月—2020年9月）如圖1 所示，可以看到，我國(guó)在2003—2004年、2007—2009年、2010—2011年、2019—2020年等時(shí)間段的實(shí)際利率已降為負(fù)利率。圖1 中陰影部分為本文模型估算的低利率區(qū)制。在新常態(tài)背景下，加上疫情沖擊，我國(guó)利率正逐步緩慢下降，并且預(yù)計(jì)我國(guó)未來將在中長(zhǎng)期處于低利率環(huán)境。大量學(xué)者和政策制定者開始關(guān)注和研究低利率環(huán)境。誠(chéng)然，正確認(rèn)識(shí)到低利率環(huán)境的即將到來并為之做好一切準(zhǔn)備，系統(tǒng)理解在低利率環(huán)境下各經(jīng)濟(jì)變量的相互傳導(dǎo)機(jī)制以及評(píng)估低利率環(huán)境對(duì)經(jīng)濟(jì)系統(tǒng)的影響效應(yīng)，對(duì)于保持平穩(wěn)健康的經(jīng)濟(jì)環(huán)境具有非常重要的理論意義和現(xiàn)實(shí)意義。

圖1：我國(guó)1996年1月—2020年9月實(shí)際利率演變路徑

改革開放以來，我國(guó)金融體系逐漸完善并且與國(guó)際接軌。伴隨著經(jīng)濟(jì)全球化，經(jīng)濟(jì)開放程度不斷加大，國(guó)際金融風(fēng)險(xiǎn)向國(guó)內(nèi)蔓延，國(guó)內(nèi)金融體系系統(tǒng)性風(fēng)險(xiǎn)也不可忽視。經(jīng)濟(jì)波動(dòng)對(duì)金融風(fēng)險(xiǎn)沖擊非常敏感，并且金融風(fēng)險(xiǎn)沖擊對(duì)經(jīng)濟(jì)的影響較為劇烈。最近幾年來，隨著經(jīng)濟(jì)金融的發(fā)展，金融脫媒進(jìn)程不斷深化，我國(guó)金融系統(tǒng)趨于完善，金融部門之間的聯(lián)系愈發(fā)緊密，金融不確定性的增加使得系統(tǒng)性金融風(fēng)險(xiǎn)暴發(fā)概率大大提高。穩(wěn)定金融市場(chǎng)和防范化解金融風(fēng)險(xiǎn)具有重要性以及迫切性。金融不確定性的上升顯然會(huì)增大金融機(jī)構(gòu)內(nèi)部的系統(tǒng)性風(fēng)險(xiǎn)，對(duì)規(guī)模較大的金融機(jī)構(gòu)的影響更為嚴(yán)重。研究金融不確定性，使我們可以更好地理解其對(duì)金融市場(chǎng)以及實(shí)體經(jīng)濟(jì)的影響，特別是對(duì)于助力金融穩(wěn)定和防范化解系統(tǒng)性風(fēng)險(xiǎn)有重要意義和實(shí)際作用。因此，本文重點(diǎn)關(guān)注的不確定性特指金融不確定性。

低利率的出現(xiàn)（或者說下調(diào)利率）與不確定性沖擊息息相關(guān)，因?yàn)椴淮_定性沖擊不可避免地增大利率下行壓力，最終導(dǎo)致利率下調(diào)。不確定性來自經(jīng)濟(jì)主體對(duì)未來經(jīng)濟(jì)形勢(shì)無法判斷的現(xiàn)狀或者說不確定性干擾經(jīng)濟(jì)主體對(duì)未來經(jīng)濟(jì)形勢(shì)的預(yù)測(cè)，無法形成穩(wěn)定的預(yù)期，從而導(dǎo)致經(jīng)濟(jì)主體的行為不再是完全理性行為，這些行為進(jìn)而放大成為一些宏觀現(xiàn)象。地緣政治、金融危機(jī)、自然災(zāi)害、局部戰(zhàn)爭(zhēng)、公共衛(wèi)生等“黑天鵝”事件充分說明了全球經(jīng)濟(jì)面臨大量的不確定性因素，這些不確定性因素通過各種傳導(dǎo)機(jī)制進(jìn)入實(shí)體經(jīng)濟(jì)。全球在應(yīng)對(duì)不確定性劇增的挑戰(zhàn)，我國(guó)同樣不可避免地面對(duì)不確定性沖擊的挑戰(zhàn)，引發(fā)政策制定者的擔(dān)憂和思考。于是，國(guó)內(nèi)外涌現(xiàn)出大量關(guān)于不確定性沖擊的研究。

在全球低利率大背景下，Caggiano 等（2017）認(rèn)為金融不確定性沖擊在零利率下限時(shí)期引發(fā)了比無約束貨幣政策時(shí)期更深的衰退，而且這一結(jié)果并非由在大衰退期間發(fā)生的其他宏觀經(jīng)濟(jì)沖擊或出現(xiàn)更嚴(yán)重的金融狀況導(dǎo)致的。簡(jiǎn)而言之，零利率下限約束放大了不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)。由于我國(guó)實(shí)際利率處于低利率環(huán)境，與零利率下限有所不同，并未觸發(fā)零利率下限約束。因此，本文探究在低利率環(huán)境下，金融不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)是被放大了還是有所緩解甚至是出現(xiàn)正效應(yīng)。盡管我國(guó)還未正式在中長(zhǎng)期處于低利率環(huán)境，但是可以預(yù)期到未來我國(guó)將在中長(zhǎng)期處于低利率環(huán)境下，甚至?xí)艿搅憷氏孪藜s束或者出現(xiàn)負(fù)利率政策。因此，探究低利率環(huán)境下不確定性的經(jīng)濟(jì)效應(yīng)，不僅是不確定性沖擊的經(jīng)濟(jì)效應(yīng)主旨類文獻(xiàn)的重要補(bǔ)充，而且為將來我國(guó)在中長(zhǎng)期處于低利率環(huán)境乃至零利率下限做好文獻(xiàn)理論準(zhǔn)備，甚至可以給出一些應(yīng)對(duì)政策，具有非常重要的現(xiàn)實(shí)意義和理論意義。

鑒于金融經(jīng)濟(jì)條件瞬息萬變，金融不確定性沖擊可能對(duì)經(jīng)濟(jì)系統(tǒng)產(chǎn)生非線性效應(yīng)。又考慮到低利率環(huán)境和高利率環(huán)境時(shí)期，經(jīng)濟(jì)變量對(duì)金融不確定性沖擊的不同反應(yīng)，而線性結(jié)構(gòu)向量自回歸（SVAR）模型只能捕獲不同利率時(shí)期的平均經(jīng)濟(jì)效應(yīng)，所以本文使用一種平滑遷移向量自回歸（STVAR）模型。相對(duì)于門限向量自回歸（TVAR）模型，STVAR 模型比較適合本文區(qū)分低利率環(huán)境和高利率環(huán)境下不確定性沖擊的經(jīng)濟(jì)效應(yīng)差異。STVAR 模型旨在研究從一個(gè)狀態(tài)到另一個(gè)狀態(tài)的逐步過渡，這種平滑過渡并不會(huì)減少樣本信息。與其他分區(qū)制估計(jì)模型相對(duì)比，STVAR模型的優(yōu)勢(shì)在于，其利用每個(gè)時(shí)點(diǎn)的條件概率給原始數(shù)據(jù)相應(yīng)的權(quán)重，然后使用相應(yīng)權(quán)重進(jìn)行估計(jì)，因此，可用信息的數(shù)量大幅增加，從而避免其他分區(qū)制估計(jì)模型因樣本規(guī)模小或丟棄樣本較多所導(dǎo)致的樣本信息量不足從而使得估計(jì)不準(zhǔn)確的問題。換言之，在低利率區(qū)制下估計(jì)模型時(shí)，部分使用了高利率區(qū)制的樣本，反之亦然。此外，本文的計(jì)量經(jīng)濟(jì)學(xué)模型不僅給出了非線性模型結(jié)果，還給出了線性模型結(jié)果。

二、不確定性沖擊的經(jīng)濟(jì)效應(yīng)相關(guān)文獻(xiàn)梳理

從本文研究的核心問題出發(fā)，即探究在低利率環(huán)境和高利率環(huán)境下，金融不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的異質(zhì)性影響，本文將從以下兩個(gè)方面對(duì)國(guó)內(nèi)外現(xiàn)有的文獻(xiàn)進(jìn)行梳理和總結(jié)。國(guó)內(nèi)外有大量文獻(xiàn)探討不確定性沖擊的經(jīng)濟(jì)效應(yīng)，但國(guó)外從零利率下限視角分析不確定性沖擊的文獻(xiàn)寥寥無幾，國(guó)內(nèi)該方面文獻(xiàn)更是空白。鑒于我國(guó)還未受到零利率下限約束，但預(yù)期將在中長(zhǎng)期處于低利率環(huán)境的現(xiàn)實(shí)狀況，本文探究在低利率環(huán)境和高利率環(huán)境下，不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的異質(zhì)性影響，正好可以作為國(guó)內(nèi)外研究的一個(gè)文獻(xiàn)補(bǔ)充，特別地，我國(guó)還沒有從低利率視角研究不確定性沖擊的經(jīng)濟(jì)效應(yīng)的文獻(xiàn)，這也是本文的貢獻(xiàn)之一。

（一）不確定性的經(jīng)濟(jì)效應(yīng)研究文獻(xiàn)

關(guān)于不確定性的研究，不確定性的定義、不確定性的測(cè)度方法以及估算不確定性的經(jīng)濟(jì)效應(yīng)的實(shí)證結(jié)論等在學(xué)術(shù)界都沒有統(tǒng)一標(biāo)準(zhǔn)。梳理相關(guān)文獻(xiàn)后，本文將不確定性分為宏觀經(jīng)濟(jì)不確定性、金融不確定性和經(jīng)濟(jì)政策不確定性等。下面將按照這種分類梳理不確定性的經(jīng)濟(jì)效應(yīng)的相關(guān)文獻(xiàn)。

大多數(shù)文獻(xiàn)認(rèn)為不確定性增大對(duì)經(jīng)濟(jì)系統(tǒng)具有負(fù)效應(yīng)。例如，Bloom 等（2018）使用GARCH模型測(cè)度了宏觀經(jīng)濟(jì)不確定性，研究發(fā)現(xiàn)，不確定性沖擊是經(jīng)濟(jì)衰退的主要驅(qū)動(dòng)因素之一，同時(shí)精確估算出不確定性增大使得GDP 減少約3%。對(duì)于金融危機(jī)導(dǎo)致我國(guó)貿(mào)易過度反應(yīng)，特別是我國(guó)出口出現(xiàn)大幅波動(dòng)的事實(shí)，魯曉東和劉京軍（2017）討論了不確定性和我國(guó)出口的關(guān)系，研究發(fā)現(xiàn)，不確定性對(duì)我國(guó)出口有負(fù)效應(yīng)，且這個(gè)負(fù)效應(yīng)不僅來自供給、需求和匯率等經(jīng)濟(jì)變量一階沖擊，而且可能存在信心或心理二階沖擊。但是也有文獻(xiàn)認(rèn)為，不確定性增大對(duì)經(jīng)濟(jì)系統(tǒng)也存在正效應(yīng)。比如，余杰和黃孝武（2020）使用高維數(shù)據(jù)測(cè)度了我國(guó)宏觀經(jīng)濟(jì)不確定性指數(shù)，同時(shí)利用TVPSV-FAVAR 模型研究了宏觀經(jīng)濟(jì)不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的影響，研究發(fā)現(xiàn)，宏觀經(jīng)濟(jì)不確定性不僅具有顯著的逆周期特征，而且對(duì)經(jīng)濟(jì)系統(tǒng)具有顯著的時(shí)變影響。具體而言，在短期宏觀經(jīng)濟(jì)不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)具有顯著的負(fù)效應(yīng)，而在長(zhǎng)期宏觀經(jīng)濟(jì)不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)具有顯著的正效應(yīng)。Kraft 等（2018）發(fā)現(xiàn)不確定性上升會(huì)使得研發(fā)投入和創(chuàng)新活動(dòng)以及某些特殊行業(yè)投資增加，從而使得不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)具有正效應(yīng)。

2008年金融危機(jī)之后，學(xué)術(shù)界和政策制定者開始關(guān)注到金融不確定性及其對(duì)經(jīng)濟(jì)系統(tǒng)的影響。Choi（2018）研究美國(guó)金融不確定性對(duì)新興經(jīng)濟(jì)體外溢性影響，實(shí)證結(jié)果發(fā)現(xiàn)，美國(guó)金融不確定性對(duì)新興經(jīng)濟(jì)體產(chǎn)出有顯著的負(fù)效應(yīng)。Ludvigson 等（2015）發(fā)現(xiàn)金融不確定性沖擊導(dǎo)致實(shí)際經(jīng)濟(jì)活動(dòng)持續(xù)急劇下降，因此，得到的結(jié)論是不確定性增大是導(dǎo)致衰退的外生沖擊。在經(jīng)濟(jì)衰退期間，實(shí)體經(jīng)濟(jì)、金融市場(chǎng)等方面的不確定性都將大幅上升，而金融不確定性可能是經(jīng)濟(jì)波動(dòng)的來源之一。國(guó)內(nèi)關(guān)于金融不確定性主題的研究也不少。劉玉榮等（2019）使用SV 模型構(gòu)建了我國(guó)金融不確定性指數(shù)，探究了金融不確定性對(duì)城鎮(zhèn)居民消費(fèi)的影響，研究發(fā)現(xiàn)，金融市場(chǎng)的波動(dòng)會(huì)抑制城鎮(zhèn)居民消費(fèi)，而金融市場(chǎng)的財(cái)富上升對(duì)城鎮(zhèn)居民消費(fèi)的影響不顯著。陳雨露等（2016）使用68 個(gè)經(jīng)濟(jì)體的面板數(shù)據(jù)進(jìn)行實(shí)證研究，結(jié)果發(fā)現(xiàn)，金融波動(dòng)較大時(shí)，實(shí)體經(jīng)濟(jì)增長(zhǎng)率較低并且金融危機(jī)可能隨時(shí)暴發(fā)，而金融平穩(wěn)運(yùn)行時(shí)，實(shí)體經(jīng)濟(jì)增長(zhǎng)率較高，同時(shí)金融市場(chǎng)的風(fēng)險(xiǎn)也較低。

經(jīng)濟(jì)政策不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的影響文獻(xiàn)也不少。經(jīng)濟(jì)政策不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的影響效應(yīng)有負(fù)效應(yīng)也有正效應(yīng)。較多文獻(xiàn)表明經(jīng)濟(jì)政策不確定性對(duì)經(jīng)濟(jì)系統(tǒng)有顯著的負(fù)效應(yīng)。許志偉和王文甫（2018）使用SVAR 模型研究發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性沖擊表現(xiàn)出需求沖擊的特征，導(dǎo)致產(chǎn)出和價(jià)格均明顯降低，同時(shí)還通過DSGE 模型研究發(fā)現(xiàn)約10%的產(chǎn)出下降和15%的價(jià)格下降可以由經(jīng)濟(jì)政策不確定性解釋，并且公眾預(yù)期、我國(guó)勞動(dòng)收入份額和勞動(dòng)供給彈性與經(jīng)濟(jì)政策不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)呈負(fù)相關(guān)關(guān)系。Fernández-Villaverde 等（2015）使用新凱恩斯模型模擬分析發(fā)現(xiàn)，財(cái)政政策不確定性通過改變經(jīng)濟(jì)主體的預(yù)期對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生負(fù)效應(yīng)，導(dǎo)致總產(chǎn)出、消費(fèi)、投資和工作時(shí)長(zhǎng)都大幅下降，同時(shí)出現(xiàn)通貨膨脹。Mumtaz 和Zanetti （2013）利用隨機(jī)波動(dòng)率來測(cè)度時(shí)變貨幣政策不確定性，并探討了貨幣政策不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的影響，研究發(fā)現(xiàn)，貨幣政策不確定性的實(shí)際效果和名義效果均為負(fù)效應(yīng)。貨幣政策不確定性對(duì)實(shí)體經(jīng)濟(jì)的影響效應(yīng)可能與執(zhí)行貨幣政策的時(shí)間段有關(guān)（Huang， 2016）。張玉鵬和王茜（2016）使用門限VAR 模型研究發(fā)現(xiàn)，在經(jīng)濟(jì)低迷時(shí)期，經(jīng)濟(jì)政策不確定性對(duì)產(chǎn)出的影響為正，而在經(jīng)濟(jì)繁榮階段為負(fù)，文中反事實(shí)分析進(jìn)一步佐證了這個(gè)觀點(diǎn)。經(jīng)濟(jì)政策不確定性的正效應(yīng)一般從企業(yè)研發(fā)或者創(chuàng)新活動(dòng)角度來解釋。孟慶斌和師倩（2017）使用DSGE模型探討了經(jīng)濟(jì)政策不確定性對(duì)企業(yè)研發(fā)支出的影響，結(jié)果發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性增大會(huì)激勵(lì)企業(yè)研發(fā)支出增加。此外，對(duì)于風(fēng)險(xiǎn)偏好型企業(yè)，經(jīng)濟(jì)政策不確定性對(duì)研發(fā)支出的激勵(lì)更明顯。

（二）低利率環(huán)境下不確定性的經(jīng)濟(jì)效應(yīng)研究文獻(xiàn)

在全球部分經(jīng)濟(jì)體進(jìn)入低利率環(huán)境或零利率下限甚至出臺(tái)了負(fù)利率政策后，學(xué)術(shù)界關(guān)于低利率環(huán)境下不確定性的經(jīng)濟(jì)效應(yīng)的文獻(xiàn)相對(duì)較少，我國(guó)甚至沒有相關(guān)文獻(xiàn)。Johannsen（2014）將零利率下限約束納入新凱恩斯模型中，研究財(cái)政政策不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的影響，研究發(fā)現(xiàn)財(cái)政政策不確定性對(duì)經(jīng)濟(jì)系統(tǒng)有顯著的負(fù)效應(yīng)，即消費(fèi)、投資和產(chǎn)出等大幅萎縮。此外，零利率下限約束將放大財(cái)政政策不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)。Bekaert 等（2013）研究貨幣政策沖擊對(duì)實(shí)體經(jīng)濟(jì)的影響時(shí)，發(fā)現(xiàn)寬松的貨幣政策能有效降低不確定性的負(fù)面影響。Basu和Bundick（2017）也證明了在包含有零利率下限約束的模型中不確定性增大對(duì)產(chǎn)出的抑制作用比沒有零利率下限約束的基準(zhǔn)模型更大，該結(jié)論佐證2008年金融危機(jī)期間不確定性劇增，名義利率到達(dá)零利率下限可能是導(dǎo)致金融危機(jī)后產(chǎn)出大幅下降的一個(gè)主要因素。

三、數(shù)據(jù)來源和金融不確定性的產(chǎn)出效應(yīng)模型構(gòu)建

考慮到低利率環(huán)境和高利率環(huán)境時(shí)期的不同反應(yīng)，本文使用STVAR 模型估算在低利率和高利率兩個(gè)不同區(qū)制下，金融不確定性沖擊對(duì)實(shí)體經(jīng)濟(jì)的異質(zhì)性影響。

（一）數(shù)據(jù)來源及說明

考慮數(shù)據(jù)的可得性，本文數(shù)據(jù)選用了1996年1月—2020年9月的金融不確定性指數(shù)（unfin）、消費(fèi)同比增長(zhǎng)率（C）、投資同比增長(zhǎng)率（I）、規(guī)模以上工業(yè)增加值同比增長(zhǎng)率（GY）、CPI、實(shí)際利率（rate）和上證指數(shù)收盤價(jià)（sh_index）等月度數(shù)據(jù)。其中，金融不確定性指數(shù)由上證指數(shù)收盤價(jià)通過使用GARCH（1，1）模型計(jì)算得到；消費(fèi)同比增長(zhǎng)率數(shù)據(jù)選用社會(huì)消費(fèi)品零售總額同比增長(zhǎng)率；投資同比增長(zhǎng)率數(shù)據(jù)選用固定資產(chǎn)投資（不含農(nóng)戶）同比增長(zhǎng)率；實(shí)際利率由名義利率減去通貨膨脹率得到；名義利率使用銀行間7 天同業(yè)拆借利率代替，通貨膨脹率使用CPI 同比增長(zhǎng)率代替。表1 為主要變量的描述性統(tǒng)計(jì)，表2是主要變量的單位根檢驗(yàn)結(jié)果。從表2 可知，本文主要變量數(shù)據(jù)均為平穩(wěn)時(shí)間序列。本文所有數(shù)據(jù)均為月度數(shù)據(jù)，均來自中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫。本文實(shí)證結(jié)果均由Eviews10.0和matlab軟件給出。

表1：主要變量的描述性統(tǒng)計(jì)

表2：主要變量的單位根檢驗(yàn)

（二）GARCH模型的構(gòu)建

自Engle（1982）首先提出自回歸條件異方差模型（ARCH）后，Bollerslevb（1986）在其基礎(chǔ)上將ARCH 模型拓展為廣義自回歸條件異方差模型（GARCH）。隨著GARCH 模型的深入研究，出現(xiàn)了各種形式的GARCH 模型，而且廣泛地應(yīng)用于經(jīng)濟(jì)和金融等領(lǐng)域（Gourieroux，1997）。其主要原因就是可以利用條件方差來度量風(fēng)險(xiǎn)或者收益率的波動(dòng)程度，并且使得這些波動(dòng)性和風(fēng)險(xiǎn)度量具有時(shí)變性質(zhì)，從而體現(xiàn)了新信息獲得和新沖擊出現(xiàn)所產(chǎn)生的動(dòng)態(tài)影響。GARCH（1，1）模型所含信息較多，預(yù)測(cè)能力較強(qiáng)，且模型階數(shù)較小、擬合效果較好，這一點(diǎn)已在波動(dòng)性研究中得到證實(shí)，例如鄭振龍和黃薏舟（2010）運(yùn)用GARCH（1，1）模型對(duì)相關(guān)股票指數(shù)進(jìn)行研究，發(fā)現(xiàn)GARCH（1，1）模型預(yù)測(cè)一周波動(dòng)率的能力更強(qiáng)。因此，本文通過使用GARCH（1，1）模型計(jì)算得到金融不確定性指數(shù)，構(gòu)建標(biāo)準(zhǔn)的GARCH（1，1）模型如下：

（三）STVAR模型的構(gòu)建

使用STVAR 模型刻畫低利率環(huán)境和高利率環(huán)境下的不同響應(yīng)，其中，低利率區(qū)制和高利率區(qū)制之間的轉(zhuǎn)換是平滑的。參考Auerbach 和Gorodnichenko（2012）的模型，STVAR模型的構(gòu)建方程如下：

Z轉(zhuǎn)移變量的變化代表著從一種狀態(tài)向另一種狀態(tài)的轉(zhuǎn)移。 Z值主要用于高低利率區(qū)制的劃分，Z＞0 時(shí)代表高利率區(qū)制，Z＜0 時(shí)代表低利率區(qū)制。本文主要是用平滑轉(zhuǎn)移函數(shù)劃分利率的高低不同時(shí)期，進(jìn)而檢驗(yàn)不同時(shí)期下金融不確定性的產(chǎn)出效應(yīng)，因此，在這里將實(shí)際利率設(shè)定為Z。一般來說，當(dāng)Z＜0 時(shí)，即為低利率時(shí)期時(shí)， F( Z)∈( 0.5,1) ；當(dāng)Z＞0 時(shí)，即為高利率時(shí)期時(shí)，F(xiàn)( Z)∈( 0 ,0.5) 。本文參考Auerbach 和Gorodnichenko（2012）的設(shè)置，將F( Z)＜0.3 定為高利率時(shí)期，將F( Z)＞0.7 定為低利率時(shí)期，這樣可以使得低利率時(shí)期和高利率時(shí)期的劃分更加明顯。當(dāng)γ →∞時(shí)，利率區(qū)制之間的轉(zhuǎn)變變得非常突然（突變），而當(dāng)γ=0 時(shí)，整個(gè)計(jì)量模型變成了線性VAR 規(guī)范。理論上，雖然在估計(jì)模型時(shí)，可以 同時(shí)得到模型中的5個(gè)參數(shù)Γ={γ ,Ω,Ω,Π( L ),Π( L )}，但是估計(jì)參數(shù)γ 時(shí)要用到非線性矩，所以在短樣本中，少量觀察結(jié)果的模型估計(jì)結(jié)果可能存在誤差。參考Granger 和Teravistra（1993）的建議，使用grid search 方法給模型校準(zhǔn)一個(gè)固定的γ值， 從而確保γ值的變化對(duì){Ω,Ω,Π( L ),Π( L )}的估計(jì)沒有影響。為了方便運(yùn)算，本文參考Auerbach 和Gorodnichenko（2012）的設(shè)置，將γ 校準(zhǔn)為1.5，用以捕獲特定利率狀態(tài)。這樣的模型設(shè)置，不僅允許模型對(duì)結(jié)構(gòu)沖擊有不同動(dòng)態(tài)響應(yīng)，而且允許模型對(duì)同期的結(jié)構(gòu)沖擊有不同動(dòng)態(tài)響應(yīng)。此外，使用平滑遷移函數(shù)還有兩個(gè)優(yōu)點(diǎn)：第一，本文的完整樣本都可以放進(jìn)模型中進(jìn)行估計(jì)推斷，樣本的全部信息都能得到，而且不會(huì)出現(xiàn)因?yàn)檫z棄樣本較多或者樣本規(guī)模較小從而導(dǎo)致樣本量太少的問題；第二，可以很容易地得到從政策變化到狀態(tài)變化的動(dòng)態(tài)響應(yīng)。

對(duì)模型進(jìn)行估計(jì)測(cè)度部分詳細(xì)細(xì)節(jié)參考Auerbach和Gorodnichenko（2012）。本文使用Chernozhukov和Hong（2003）提出的馬爾可夫鏈蒙特卡羅（MCMC）方法進(jìn)行估算。在標(biāo)準(zhǔn)已知條件下，該方法在擬合迭代方面能找到全局最優(yōu)解，并且可以得到所要估計(jì)的參數(shù)的概率分布函數(shù)。本文設(shè)定該模型的滯后長(zhǎng)度為4，使用Hasting-Metropolis算法得到長(zhǎng)度為N的馬爾可夫鏈。參考Gelman 等（2004）提出的做法，Ω初始值被校準(zhǔn)為參數(shù)值的1%左右，模型估計(jì)迭代100000次，前20000次作為預(yù)燒值舍掉，使得接受率抵達(dá)0.3 的界限。使用一系列診斷程序來檢驗(yàn)從生成的馬爾可夫鏈中得到的結(jié)果分布函數(shù)的性質(zhì)，結(jié)果發(fā)現(xiàn)模擬鏈?zhǔn)諗坑谄椒€(wěn)分布，模擬的參數(shù)值吻合較好，參數(shù)識(shí)別效果良好。

四、低利率環(huán)境下金融不確定性的產(chǎn)出效應(yīng)檢驗(yàn)

本文使用STVAR 模型估算在低利率和高利率兩個(gè)不同區(qū)制下，金融不確定性對(duì)實(shí)體經(jīng)濟(jì)的異質(zhì)性影響。GARCH（1，1）模型測(cè)度的金融不確定性指數(shù)與我國(guó)實(shí)際經(jīng)濟(jì)狀況高度耦合。

（一）金融不確定性指數(shù)測(cè)度結(jié)果

本文測(cè)算的金融不確定性指數(shù)如圖2 所示?？傮w來看，金融不確定性指數(shù)具有明顯的上下起伏、波動(dòng)較大的周期性特征，與我國(guó)實(shí)際經(jīng)濟(jì)狀況相吻合。在1997年、2008年、2015年左右等時(shí)間段金融不確定性指數(shù)較大，與1997年亞洲金融風(fēng)暴、2008年全球金融危機(jī)和2015年股災(zāi)等大型金融危機(jī)事件暴發(fā)的時(shí)間段相吻合，我國(guó)經(jīng)濟(jì)運(yùn)行實(shí)際狀況可以很好地解釋模型估算的金融不確定性指數(shù)。其他時(shí)間段金融不確定性指數(shù)相對(duì)較小且波動(dòng)不大，甚至在2003年非典型肺炎疫情和2020年疫情期間金融不確定性指數(shù)都比較小。由此可見，公共衛(wèi)生事件對(duì)金融不確定性的影響較小，只有出現(xiàn)金融危機(jī)事件時(shí)，金融不確定性指數(shù)才會(huì)大幅度上漲，此結(jié)論與劉玉榮等（2019）的研究相吻合。所以，GARCH（1，1）模型測(cè)度的金融不確定性指數(shù)比較符合我國(guó)實(shí)際經(jīng)濟(jì)狀況。

圖2：我國(guó)1996年1月—2020年9月金融不確定性指數(shù)

（二）金融不確定性的產(chǎn)出效應(yīng)檢驗(yàn)結(jié)果

本小節(jié)呈現(xiàn)了金融不確定性沖擊對(duì)消費(fèi)同比增長(zhǎng)率、投資同比增長(zhǎng)率、規(guī)模以上工業(yè)增加值同比增長(zhǎng)率和CPI 的脈沖響應(yīng)函數(shù)，包含有線性模型脈沖響應(yīng)函數(shù)和非線性模型脈沖響應(yīng)函數(shù)、低利率脈沖響應(yīng)函數(shù)和高利率脈沖響應(yīng)函數(shù)。很明顯可以看到，在低利率環(huán)境和高利率環(huán)境下，線性估計(jì)模型的脈沖響應(yīng)函數(shù)是無差別的，而非線性估計(jì)模型即STVAR 模型的脈沖響應(yīng)函數(shù)則是不同的，從側(cè)面驗(yàn)證了線性估計(jì)模型是有偏差的，同時(shí)證明了本文所選擇的計(jì)量經(jīng)濟(jì)學(xué)模型和得到的實(shí)證結(jié)果較為準(zhǔn)確。

圖3 給出了金融不確定性沖擊對(duì)消費(fèi)同比增長(zhǎng)率、投資同比增長(zhǎng)率的脈沖響應(yīng)函數(shù)。圖3 左側(cè)是低利率區(qū)制的脈沖響應(yīng)函數(shù)，右側(cè)是高利率區(qū)制的脈沖響應(yīng)函數(shù)，淺灰色區(qū)域是非線性模型估計(jì)結(jié)果的置信水平為68%的置信區(qū)間，深灰色區(qū)域是線性模型估計(jì)結(jié)果的置信水平為68%的置信區(qū)間。在高利率區(qū)制時(shí)，金融不確定性正向沖擊對(duì)消費(fèi)同比增長(zhǎng)率的脈沖響應(yīng)函數(shù)的初始值為-10，總體呈現(xiàn)跌宕起伏狀態(tài)。在高利率區(qū)制時(shí)，金融不確定性正向沖擊對(duì)投資同比增長(zhǎng)率的脈沖響應(yīng)函數(shù)的初始值為負(fù)數(shù)，總體同樣呈現(xiàn)上下起伏波動(dòng)狀態(tài)。因此，在高利率區(qū)制時(shí)，金融不確定性增大會(huì)導(dǎo)致消費(fèi)縮減、投資減少，與金融不確定性對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生負(fù)效應(yīng)的經(jīng)濟(jì)直覺相吻合，且與大多數(shù)文獻(xiàn)的研究結(jié)論相一致。具體來看，當(dāng)利率較高時(shí)，即實(shí)施緊縮性貨幣政策，緊縮性貨幣政策會(huì)導(dǎo)致企業(yè)借款成本增加，同時(shí)抑制消費(fèi)欲望，進(jìn)而使得消費(fèi)和投資減少；同時(shí)，現(xiàn)金流可能會(huì)從實(shí)體經(jīng)濟(jì)流入金融市場(chǎng)，也會(huì)使得消費(fèi)和投資減少，并且未來不確定性的增加會(huì)誘導(dǎo)預(yù)防性儲(chǔ)蓄增加、消費(fèi)和投資減少。多重傳導(dǎo)機(jī)制下，在高利率區(qū)制下，金融不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)被放大。

圖3：金融不確定性沖擊對(duì)消費(fèi)、投資的脈沖響應(yīng)函數(shù)

在低利率區(qū)制時(shí)，金融不確定性增加時(shí)，消費(fèi)同比增長(zhǎng)率的脈沖響應(yīng)函數(shù)一直為正數(shù)，初始值為5，最后收斂于0；投資同比增長(zhǎng)率的脈沖響應(yīng)函數(shù)也一直為正數(shù)，初始值低于2，最后收斂于0。由此可見，利率較低時(shí)，金融不確定性增大會(huì)導(dǎo)致消費(fèi)增加、投資增加。當(dāng)利率較低時(shí)，即實(shí)施寬松的貨幣政策時(shí)，寬松的貨幣政策會(huì)導(dǎo)致企業(yè)借款成本降低，使得消費(fèi)的機(jī)會(huì)成本降低，進(jìn)而使得消費(fèi)和投資增加；同時(shí)，金融市場(chǎng)的現(xiàn)金流出于風(fēng)險(xiǎn)規(guī)避原則和盈利原則等可能流入實(shí)體經(jīng)濟(jì)，而利率較低導(dǎo)致儲(chǔ)蓄較少，因此，消費(fèi)和投資會(huì)增加。不完全理性和風(fēng)險(xiǎn)厭惡心理等能解釋金融不確定性沖擊導(dǎo)致消費(fèi)增加，即當(dāng)金融不確定性增大時(shí)，不完全理性和風(fēng)險(xiǎn)厭惡心理等會(huì)導(dǎo)致資金從股票、證券、基金等金融投資產(chǎn)品流出從而增加消費(fèi)和儲(chǔ)蓄；增長(zhǎng)期權(quán)理論能較好地解釋金融不確定性正向沖擊導(dǎo)致投資增加，增長(zhǎng)期權(quán)理論認(rèn)為一項(xiàng)長(zhǎng)期投資的價(jià)值不僅取決于這項(xiàng)投資所能帶來的現(xiàn)金流，而且取決于其能為企業(yè)帶來的其他發(fā)展機(jī)會(huì)。Stein 和Stone（2013）研究發(fā)現(xiàn)，衰退時(shí)期是增加R&D 投資的“抄底”時(shí)期，同時(shí)認(rèn)為增長(zhǎng)期權(quán)理論能較好解釋不確定性增加能促進(jìn)R&D 的觀點(diǎn)。李杰等（2020）使用23 個(gè)發(fā)達(dá)國(guó)家數(shù)據(jù)研究實(shí)際存款利率與私人儲(chǔ)蓄之間的非線性關(guān)系，得到的結(jié)論是：當(dāng)實(shí)際利率大于1%時(shí)，利率對(duì)儲(chǔ)蓄的影響以替代效應(yīng)為主，即兩者關(guān)系為正向關(guān)系；當(dāng)實(shí)際利率為0.5%～1%時(shí)，利率對(duì)儲(chǔ)蓄的影響以收入效應(yīng)為主，即兩者的關(guān)系為負(fù)向關(guān)系；當(dāng)實(shí)際利率低于0.5%時(shí)，利率對(duì)儲(chǔ)蓄的影響又以替代效應(yīng)為主，即兩者關(guān)系為正向關(guān)系；甚至當(dāng)實(shí)際利率為負(fù)時(shí)，利率對(duì)儲(chǔ)蓄的影響也是替代效應(yīng)為主，即兩者的關(guān)系為正向關(guān)系。因此，在利率較低時(shí)，利率對(duì)儲(chǔ)蓄的影響以替代效應(yīng)為主導(dǎo)，即兩者的關(guān)系為正向關(guān)系，而儲(chǔ)蓄與消費(fèi)、投資又是此消彼長(zhǎng)的關(guān)系，所以出現(xiàn)利率下降時(shí)，儲(chǔ)蓄下降而消費(fèi)、投資增加的現(xiàn)象。此外，從實(shí)證結(jié)果來看，消費(fèi)對(duì)金融不確定性沖擊比投資更為敏感，上述解釋也能說明這點(diǎn)。簡(jiǎn)而言之，在低利率環(huán)境下，金融不確定性正向沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)有所緩解，甚至出現(xiàn)正效應(yīng)。

圖4給出了金融不確定性沖擊對(duì)規(guī)模以上工業(yè)增加值同比增長(zhǎng)率的脈沖響應(yīng)函數(shù)。在高利率區(qū)制時(shí)，金融不確定性正向沖擊對(duì)規(guī)模以上工業(yè)增加值同比增長(zhǎng)率的脈沖響應(yīng)函數(shù)的初始值為負(fù)數(shù)，隨后在正數(shù)和負(fù)數(shù)之間波動(dòng)，最后收斂于零。所以，在高利率區(qū)制時(shí)，金融不確定性增加會(huì)使得工業(yè)增加值減少，即金融不確定性增加對(duì)實(shí)體經(jīng)濟(jì)具有負(fù)效應(yīng)，與大多數(shù)文獻(xiàn)的研究結(jié)論相一致，且符合金融不確定性正向沖擊對(duì)經(jīng)濟(jì)系統(tǒng)產(chǎn)生負(fù)效應(yīng)的經(jīng)濟(jì)直覺。在低利率區(qū)制時(shí)，金融不確定性正向沖擊對(duì)規(guī)模以上工業(yè)增加值增長(zhǎng)率的脈沖響應(yīng)函數(shù)的初始值為正數(shù)，隨后下降為負(fù)數(shù)，然后又恢復(fù)到正數(shù)，最后趨于收斂。因此，在低利率區(qū)制時(shí)，金融不確定性增加會(huì)導(dǎo)致工業(yè)增加值增加，即此時(shí)金融不確定性增加對(duì)實(shí)體經(jīng)濟(jì)具有正效應(yīng)。當(dāng)利率較低時(shí)，金融市場(chǎng)不確定性越大，與金融市場(chǎng)相比，實(shí)體經(jīng)濟(jì)發(fā)展就越好，資本盈利可能性越大。因?yàn)樨泿耪攮h(huán)境比較寬松，出于風(fēng)險(xiǎn)規(guī)避心理和追逐利潤(rùn)原則，金融市場(chǎng)的資金可能流入實(shí)體經(jīng)濟(jì)，獲取更多的收益。當(dāng)利率很高時(shí)，即貨幣政策較為緊縮時(shí)，由于貨幣政策利率比較高，籌集資金成本較大，此時(shí)實(shí)體經(jīng)濟(jì)可能也沒有較高的收益，因此，金融市場(chǎng)的不確定性增大就會(huì)對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生負(fù)面影響。這也說明，在高利率環(huán)境下，金融不確定性正向沖擊對(duì)經(jīng)濟(jì)系統(tǒng)具有負(fù)效應(yīng)；而在低利率環(huán)境下，金融不確定性正向沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)有所緩解，甚至出現(xiàn)正效應(yīng)。

圖4：金融不確定性沖擊對(duì)工業(yè)增加值的脈沖響應(yīng)函數(shù)

綜上，因?yàn)槲覈?guó)的低利率環(huán)境與國(guó)外的零利率下限有所不同，我國(guó)的低利率并不是一個(gè)下限，可以把它看成是一種貨幣政策環(huán)境，屬于一種較為特殊的利率狀態(tài)。在正常時(shí)期，貨幣政策在抵消不確定性沖擊的負(fù)面影響方面發(fā)揮著關(guān)鍵作用；當(dāng)零利率下限約束存在，即就算是實(shí)施擴(kuò)張性貨幣政策也不能再發(fā)揮其通常的穩(wěn)定功能時(shí)，那么更高的不確定性就會(huì)產(chǎn)生更多的負(fù)面影響，即零利率下限約束的存在放大了不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)。簡(jiǎn)而言之，標(biāo)準(zhǔn)的貨幣政策規(guī)則表明，在沒有零利率下限約束時(shí)，中央銀行通常通過降低名義政策利率來抵消不確定性增加的影響；但如果貨幣當(dāng)局被名義利率的零利率下限約束，不確定性的增加對(duì)經(jīng)濟(jì)有更大的負(fù)面影響。

圖5 給出了金融不確定性沖擊對(duì)CPI 的脈沖響應(yīng)函數(shù)。從理論上來說，不確定性沖擊對(duì)物價(jià)變動(dòng)的影響主要取決于它是供給端沖擊還是需求端沖擊。當(dāng)不確定性沖擊主要是總需求沖擊（即總需求減少）時(shí)，它會(huì)導(dǎo)致通貨緊縮（Christiano 等，2014）；但如果不確定性沖擊是影響企業(yè)的邊際成本和企業(yè)面臨的市場(chǎng)需求的總供給沖擊，這種不確定性沖擊就會(huì)引起通貨膨脹（Fernández-Villaverde等，2015）。在高利率區(qū)制時(shí)，金融不確定性正向沖擊對(duì)CPI 的脈沖響應(yīng)函數(shù)一直為正數(shù)，初始值低于0.5，最后收斂于零，即在高利率區(qū)制時(shí)，金融不確定性增加使得CPI 上升即通貨膨脹。因此，在高利率區(qū)制時(shí)，金融不確定性沖擊是總供給沖擊。因?yàn)楫?dāng)利率很高時(shí)，企業(yè)的邊際成本大幅上漲，且這種總供給沖擊使得CPI 上升的影響大于緊縮的貨幣政策所引致的CPI 下降的影響。在低利率區(qū)制時(shí)，金融不確定性正向沖擊對(duì)CPI 的脈沖響應(yīng)函數(shù)一直為負(fù)數(shù)，初始值大于-0.5，即在低利率區(qū)制時(shí)，金融不確定性增加使得CPI 下降即通貨緊縮。因此，在低利率區(qū)制時(shí)，金融不確定性沖擊是總需求沖擊，且這種總需求沖擊使得CPI 下降的影響大于寬松的貨幣政策所引致的CPI上升的影響。

圖5：金融不確定性沖擊對(duì)CPI的脈沖響應(yīng)函數(shù)

五、主要結(jié)論和政策建議

本文使用GARCH 模型測(cè)算了我國(guó)金融不確定性指數(shù)，并使用STVAR 模型測(cè)度了低利率環(huán)境下金融不確定性的產(chǎn)出效應(yīng)。研究發(fā)現(xiàn)，本文使用GARCH（1，1）模型測(cè)度的金融不確定性指數(shù)與我國(guó)實(shí)際經(jīng)濟(jì)狀況比較吻合。在測(cè)度樣本范圍內(nèi)，金融不確定性指數(shù)在1997年、2008年、2015年左右的3 個(gè)時(shí)間段比較大，分別與1997年亞洲金融風(fēng)暴、2008年全球金融危機(jī)和2015年股災(zāi)等大型金融危機(jī)事件暴發(fā)的時(shí)間段相吻合。此外，公共衛(wèi)生事件對(duì)金融不確定性的影響較小，只有在出現(xiàn)金融危機(jī)事件時(shí)，金融不確定性指數(shù)才會(huì)大幅度上漲。

基于STVAR 計(jì)量模型實(shí)證分析，得到以下四點(diǎn)結(jié)論：首先，在高利率環(huán)境下，金融不確定性增大會(huì)使得消費(fèi)減少、投資減少、工業(yè)增加值減少和CPI 上漲，說明在高利率環(huán)境下，金融不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)有顯著的負(fù)效應(yīng)。其次，在低利率環(huán)境下，金融不確定性增大會(huì)導(dǎo)致消費(fèi)增加、投資增加、工業(yè)增加值增加和CPI 下降，說明在低利率環(huán)境下，金融不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)有顯著的正效應(yīng)。再次，高利率環(huán)境下與低利率環(huán)境下的實(shí)證結(jié)果相對(duì)比可知，低利率環(huán)境不僅使得金融不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)減弱，甚至使得金融不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的效應(yīng)變?yōu)檎?。在沒有零利率下限約束時(shí)，中央銀行通常通過降低名義政策利率來抵消不確定性增加的影響；但如果存在名義利率的零利率下限約束，不確定性增加對(duì)經(jīng)濟(jì)有更大的負(fù)面影響。最后，在高利率區(qū)制時(shí)，金融不確定性沖擊是總供給沖擊；在低利率區(qū)制時(shí)，金融不確定性沖擊是總需求沖擊。

鑒于以上發(fā)現(xiàn)，提出以下三點(diǎn)政策建議：

第一，由于零利率下限約束會(huì)放大不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)的負(fù)效應(yīng)，并且“流動(dòng)性陷阱”的存在會(huì)大大降低貨幣政策的有效性，因此，要盡量避免出現(xiàn)零利率下限約束以及“流動(dòng)性陷阱”，為貨幣政策操作預(yù)留充足的調(diào)控空間。我國(guó)利率持續(xù)走低，并預(yù)期進(jìn)入低利率環(huán)境，考慮到低利率環(huán)境下金融不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)有顯著的正效應(yīng)，中央銀行應(yīng)及時(shí)把握住低利率環(huán)境機(jī)遇，財(cái)政政策和貨幣政策相互配合，穩(wěn)扎穩(wěn)打、穩(wěn)中求進(jìn)，進(jìn)一步提振宏觀經(jīng)濟(jì)并保持平穩(wěn)健康的經(jīng)濟(jì)環(huán)境。

第二，部分經(jīng)濟(jì)體超低利率政策或者負(fù)利率政策的實(shí)際效果不好，表明我國(guó)中央銀行貨幣政策不僅要提質(zhì)增效，努力為貨幣政策操作預(yù)留充足的調(diào)控空間，而且要充分考慮到進(jìn)入零利率下限約束后可能出現(xiàn)的負(fù)面影響。盡管本文研究結(jié)論表明在低利率環(huán)境下，金融不確定性增大會(huì)導(dǎo)致消費(fèi)增加、投資增加、工業(yè)增加值增加和CPI 下降，即金融不確定性沖擊對(duì)經(jīng)濟(jì)系統(tǒng)有顯著的正效應(yīng)，但是依舊需要對(duì)低利率環(huán)境經(jīng)濟(jì)給予充分重視，準(zhǔn)確把握導(dǎo)致利率持續(xù)走低的主要?jiǎng)恿σ蛩?，研究在低利率環(huán)境下貨幣政策如何提質(zhì)增效以及財(cái)政與貨幣政策協(xié)調(diào)聯(lián)動(dòng)的調(diào)控模式。

第三，考慮到在高利率時(shí)期和低利率時(shí)期，金融不確定性對(duì)經(jīng)濟(jì)系統(tǒng)的影響效應(yīng)差異，一方面，要對(duì)實(shí)體經(jīng)濟(jì)和金融市場(chǎng)以及它們之中的不確定性因素充分關(guān)注，嚴(yán)防經(jīng)濟(jì)與金融風(fēng)險(xiǎn)相互傳導(dǎo)，準(zhǔn)確把握我國(guó)經(jīng)濟(jì)金融實(shí)際運(yùn)行狀況，及時(shí)與市場(chǎng)主體溝通，讓市場(chǎng)主體充分理解政策意圖，加強(qiáng)市場(chǎng)主體預(yù)期管理；另一方面，應(yīng)將金融市場(chǎng)穩(wěn)定作為政策調(diào)控目標(biāo)，加強(qiáng)金融風(fēng)險(xiǎn)監(jiān)控，積極引導(dǎo)市場(chǎng)主體預(yù)期朝政府政策方向靠攏，完善金融系統(tǒng)建設(shè)，讓金融市場(chǎng)更好地支持實(shí)體經(jīng)濟(jì)發(fā)展。

②STVAR 模型的滯后階數(shù)是根據(jù)AIC 和BIC 準(zhǔn)則選擇滯后四階的，限于篇幅，相關(guān)滯后階數(shù)檢驗(yàn)結(jié)果不再呈現(xiàn)，作者備索。

③本文所有脈沖響應(yīng)函數(shù)結(jié)果的左側(cè)是低利率區(qū)制的脈沖響應(yīng)函數(shù)，右側(cè)是高利率區(qū)制的脈沖響應(yīng)函數(shù)。

④本文所有脈沖響應(yīng)函數(shù)結(jié)果的淺灰色區(qū)域都是非線性模型估計(jì)結(jié)果的置信水平為68%的置信區(qū)間。

⑤本文所有脈沖響應(yīng)函數(shù)結(jié)果的深灰色區(qū)域都是線性模型估計(jì)結(jié)果的置信水平為68%的置信區(qū)間。