中国宏观经济不确定性的时变冲击效应

金春雨，张德园

(吉林大学 a.数量经济研究中心;b.商学院，吉林 长春 130012)

一、问题提出

近年来，随着经济全球化进程的加快，世界经济不确定性因素明显增加，例如金融危机、欧债危机、英国脱欧以及中美贸易摩擦等，这些不确定性因素使得世界经济不确定水平随之增加。在此背景下，经济不确定性问题已成为当前宏观经济学研究领域的热点问题之一。

对于经济不确定性的研究，学者们以发达国家为主要对象，并且对于不确定性冲击的经济效应并未取得一致性的研究结论。一部分学者认为，不确定性是经济衰退的重要驱动因素，它通过“实物期权效应”和“预防性储蓄效应”分别抑制投资和消费进而抑制实际经济活动[1-4]。一部分学者认为，不确定性通过“增长期权效应”和“Oi-Hartman-Abel效应”对经济长期增长产生正向影响[5-6]。还有一部分学者认为，宏观不确定性上升仅仅是对经济增长放缓的反应，所有的不确定性都是内生的[7-8]。

卡里尔-斯沃洛和塞斯佩德斯(Carriere-Swallow & Cespedes，2013)认为，在遭受突发性外生冲击时，新兴经济体投资和消费的降幅比发达经济体投资和消费的降幅更大，且突发性外生冲击对新兴经济体投资和消费的不利影响更为持久，从而使得新兴经济体经济恢复的时间和过程更长[2]。新兴经济体工业基础较弱，且主要承接的是相对比较单一且易于波动的国际转移产业，加之受自身经济发展和改革困境等国内不稳定因素的影响，致使不确定性冲击对新兴经济体的影响较发达经济体更大。

作为世界上最大的新兴经济体，中国正处于全面深化供给侧结构性改革的关键阶段，国内经济政策频繁调整引致的政策不确定性和面临的国际贸易保护主义与贸易摩擦等因素势必直接或间接地增加中国宏观经济的不确定性预期，进而对中国宏观经济的运行产生影响。因此，研究经济不确定性对中国宏观经济的影响，对于把握宏观经济变化形势，制定和采取必要措施防范宏观经济剧烈波动具有重要意义。

二、文献述评

学者们度量经济不确定性的方式虽然各异，但大体上可以分为两种：一是采用经济金融指标的波动率来衡量，例如国外有学者采用恐慌指数(VIX)来衡量不确定性[1，9-10]；国内有学者分别采用工业增加值、宏观经济景气指数和GDP等经济变量的波动率来加以衡量[11-13]，也有学者采用股票波动率来直接度量[14]。二是采用经济金融指标的横截面离散度来衡量，例如有学者采用横截面离散度来加以衡量[15-16]。此外，有学者直接采用EPU指数来衡量中国经济不确定性[17]。然而，无论是宏观经济变量的波动率，或是股票市场波动率，还是EPU指数，都仅能捕捉经济金融某一方面的特征，难以反映宏观经济的整体情况。就股市波动率而言，非宏观经济不确定性因素，例如投资者投资情绪和风险规避倾向同样会引起股市波动；况且，股市波动率不仅包含投资者的未预期因素，还包含投资者的预期因素，这些预期因素并不属于不确定性的范畴。更为重要的是，对于经济决策者或者投资者而言，相较于经济金融系统自身的变化程度，经济金融的可预测性或者说不确定性程度更为重要[18]。

关于不确定性冲击的经济效应，国外学者展开了比较深入的研究并取得了丰硕的研究成果[19-20]。在国内，大多数相关研究都是围绕着贝克等(Baker et.al，2016)[20]的经济政策不确定性指数展开的，例如才国伟等(2018)、郝威亚等(2018)以及王朝阳等(2018)从公司层面研究了经济政策不确定性对企业投融资行为、创新行为以及资本结构的影响[21-23]；夏婷和闻岳春(2018)以及雷立坤等(2018)从金融层面研究了经济政策不确定性与股市波动的联动性及其溢出效应[24-25]；田磊和林建浩(2016)、许志伟和王文甫(2018)从宏观层面研究了经济政策不确定性对宏观经济波动的影响[26-27]。然而，经济政策不确定性并不等同于经济不确定性，它只是引起宏观经济不确定性的因素之一。国外学者对宏观经济不确定性的研究较多，就整个国内研究情况而言，对于中国宏观经济不确定性及其经济效应的研究还比较缺乏。

国内外学者对不确定性及其宏观经济效应展开了诸多研究，就已有研究而言仍然存在着两个需要进一步解决的问题：(1)目前关于经济不确定性的研究，主要是以发达国家或发达经济体为研究对象展开的，而对于发展中国家的研究比较欠缺，有待进一步的挖掘，并且已有研究对于不确定性的宏观经济效应并未取得一致性的结论；(2)现有研究大多基于经济金融变量的单一指标加以展开，这类指标要么包含诸多非不确定性信息，要么与经济不确定性的范畴不符，更重要的是这些指标均难以反映宏观经济的整体情况，尤其是难以全面反映中国宏观经济不确定性的整体情况。

本文立足于宏观经济的不可预测性，首先运用胡拉多等(Jurado et.al，2015)[18]的研究方法从大量宏观经济变量中提取宏观经济不确定性成分并合成中国宏观经济不确定性指标，以更为全面地反映中国宏观经济不确定性的整体水平；然后结合中国实际运用TVP-VAR-SV模型实证考察中国宏观经济不确定性对中国宏观经济的时变冲击效应，以期能够进一步检验和丰富经济不确定性理论在发展中国家的适用性，并为政府制定和实施宏观经济政策提供决策依据。

本文的贡献主要在于：(1)立足于宏观经济的不可预测性，从大量宏观经济变量中提取宏观经济不确定性成分并合成宏观经济不确定性指标，既克服了单一指标存在的缺陷，又剔除了经济金融系统中投资者预期等非不确定性因素；(2)运用TVP-VAR-SV模型实证研究了中国宏观经济不确定性对中国宏观经济的时变影响效应，进一步检验并丰富经济不确定性理论在发展中国家的适用性，同时对于政府把握中国当前经济形势、制定宏观经济政策具有重要的现实价值。

三、中国宏观经济不确定性的测度

(一)不确定性测度方法

(1)

(2)

(二)变量选取与数据处理

为全面地衡量中国宏观经济整体的不确定性情况，在综合考虑已有研究[28-31]的基础上，充分考虑数据的长度与可获取性。

本文最终选择的数据情况如下：宏观数据Xm包含产出与进出口、消费、就业、房地产、货币与信贷、价格、汇率和股票等8类共49个经济指标；金融数据Xf由所有A股市场的Fama-French三因子股票组合月收益率、Fama-French五因子模型因子(按流通市值加权的市场风险溢价因子、市值因子、账面市值比因子、盈利能力因子和投资模式因子)以及动量因子等共38个指标构成。宏观和金融数据样本区间均为1996年第1季度至2017年第3季度，采用CPI平减指数对产出、消费额等需要消除价格因素影响的宏观变量均进行平减处理，同时对需要进行季节性调整的宏观变量采用X12方法进行季节性调整。所有月度数据取季内平均值转化为季度数据。同时，为保证数据的平稳性，对宏观数据进行平稳性处理。对于金融数据Xf，参照已有做法[18]，所有收益率均进行年化率处理，即乘以1200ln(1+x/100)进行转化，且经ADF检验所有金融数据均是平稳的。为消除量纲的影响，在模型的具体计算中所有数据进行标准化处理。所有数据均来源于中经网数据库、万得数据库以及锐思金融数据库。

(三)中国宏观经济不确定性估计与分析

图1 中国宏观经济不确定性指标结果

图1清晰地展示了本文测度的中国宏观经济不确定性(EU)指标结果，其中虚线为EU的85%分位数线，样本时间区间为1997Q4—2017Q4。

从图1中可以看到，中国宏观经济不确定性峰期主要出现在如下三个阶段：1997年亚洲金融危机后期(1998Q4—1991Q1)、2008年全球金融危机(2008Q1—2009Q1)以及2015—2016年经济下行(2015Q3—2017Q1)。1997年7月东南亚金融危机爆发，席卷整个东南亚并逐渐蔓延至东亚地区，东南亚金融风暴演变成亚洲金融危机。受2008年全球金融危机的影响，世界经济大衰退，导致中国外贸出口下降、股市暴跌，进而对其实体经济造成冲击，在此期间宏观经济不确定性水平上升。2015年伴随着中国经济步入“新常态”，金融市场风险骤增，进一步增加了整个宏观经济的不确定性。此外，通过计算EU与GDP增长率的相关性可知，EU与领先或滞后0～3期的GDP增长率的相关系数均为显著为负，表明EU具有明显的反周期性特征。

四、中国经济不确定性的宏观经济效应分析

TVP-VAR-SV模型不仅能够捕捉模型系统中数据生成过程中的时变系数，而且还包含了随机波动率的冲击，较好地弥补了TVP-VAR模型中常系数波动的缺陷。为有效地刻画中国宏观经济不确定性的时变冲击效应，本部分采用TVP-VAR-SV模型来考察中国宏观经济不确定性(EU)对中国宏观经济变量的时变冲击效应。

(一)TVP-VAR-SV模型

给定一个SVAR模型：

Ayt=F1yt-1+…+Ft-s+ut，t=s+1，…，n

(3)

进一步，可将式(3)改写成：

yt=B1yt-1+…+Bsyt-s+A-1Σεt，εt～N(0，Ik)

(4)

yt=Xtβ+A-1∑εt

(5)

在式(5)中，系数β、参数A以及∑均非时变。

对于TVP-VAR-SV模型，其基本形式为：

(6)

其中系数βt、参数At以及∑t均是时变的。

(7)

其中t=s+1，…，n，βs+1～N(uβ0，∑β0)，as+1～N(ua0，∑a0)，hs+1～N(uh0，∑h0)。

(二)变量选取与数据处理

为充分反映中国经济不确定性对宏观经济变量的动态影响，本文构建的内生变量模型为yt=(Rt，CPIt，GDPt，SHIt，EUt)′。其中R为银行间同业拆借7天利率，CPI为消费者价格定基指数，GDP为当期国内生产总值，SHI为上证指数收盘价格指数，EU为前文构建的宏观经济不确定性指标。GDP采用CPI平减指数进行平减处理，同时采用X12方法对平减GDP和CPI指数进行季节性调整。除R和EU外，其余数据均采用一阶对数差分进行处理以保证数据的平稳性。为与前文构建的中国宏观经济不确定性时间区间相匹配，本部分样本数据(处理后的数据)区间为1997Q4至2017Q4。除EU外，所有数据均来源于中经网数据库。

(三)中国宏观经济不确定性对宏观经济变量的时变影响分析

在参数估计过程中，TVP-VAR-SV模型的滞后阶数为2，MCMC抽样次数为10 000次，前1 000次作为预烧值，采用Gibbs抽样方法进行参数估计，结果如表1所示。从表1中可以看到，参数估计的均值均落在95%的置信区间内，Geweke值和无效影响因子均比较小，表明本文构建的TVP-VAR-SV模型参数估计的可靠性和有效性较好，模型估计结果符合统计与推断要求。

表1 MCMC参数抽样结果

1.随时间演化的脉冲响应分析

图2展示了中国宏观经济不确定性(EU)冲击对利率R、通货膨胀率CPI、GDP和上证指数SHI四个经济变量的动态脉冲响应函数。

图2 中国经济不确定性对经济变量的等间隔脉冲响应

从图2中可以看到：(1)总体上看，中国宏观经济不确定性冲击对利率、通货膨胀率、GDP和上证指数的向前3期、向前6期和向前10期脉冲响应值在整个样本期内并非一成不变，而是呈现出明显的时间变化趋势。就其响应值大小而言，向前3期脉冲响应曲线偏离0水平线最大，向前6期次之，向前10期偏离程度最小。这表明中国宏观经济不确定性在短期(向前3期)、中期(向前6期)和长期(向前10期)内对利率、通货膨胀率、GDP和上证指数的冲击效应均具有时变性特征，且随着时间的推移(向前期数增加)，中国宏观经济不确定性对利率、通货膨胀率、GDP和上证指数的冲击效应随之减弱。(2)就利率响应曲线来看，向前3期响应曲线在整个样本期内均位于0水平线以下，且在1998Q1—2003Q4期间呈现逐渐减弱的趋势，而在2003Q4—2017Q3期间呈现逐渐增强的趋势。向前6期和10期的响应曲线除在1998Q1—2002Q4期间明显位于0水平线以下外，其余年份均接近于0。这意味着在整个样本期间宏观经济不确定性在短期内对利率产生了明显的负向冲击效应，引起了利率的下降，而在中长期内仅在1988Q1—2002Q4期间对利率产生了较为明显的冲击效应，并引起利率的下降。(3)就CPI响应曲线来看，向前3期脉冲响应曲线在整个样本期内均位于0水平线以下，且呈现逐渐减弱的趋势。向前6期脉冲响应曲线仅在2007Q1—2017Q3期间呈现较为明显的正向效应，其余年份处于0水平线附近。向前10期脉冲响应曲线在整个样本期内均接近于0。这表明宏观经济不确定性在短期内引起了通货膨胀率的下降，而在中期内仅在2007Q1—2017Q3期间产生了较为明显的影响效应，引起了通货膨胀率的上升。(4)就GDP响应曲线来看，向前3期响应曲线在整个样本期内均处于0水平线以下，且在整个样本期内大致呈现增强的趋势。向前6期响应曲线在1998Q1—2001Q4和2008Q1—2013Q4期间均位于0水平线以上，而在2002Q1—2007Q4期间位于0水平线以下，呈现“正向-负向-正向”交替的趋势。向前10期响应曲线除1998Q1—2001Q4期间位于0水平线以上外，其余年份均接近于0。这表明宏观经济不确定性在短期内对GDP产生了明显的负向效应，引起了GDP的下降，而在中期内对GDP产生了较弱的正向和负向影响效应。此外，实证结果显示上证指数短期响应曲线在整个样本期内均位于0水平线以上，且在1998Q1—2006Q2期间大致呈现下降的趋势，而在2006Q3—2017Q3期间趋于平稳。而中长期的响应曲线近似于0。这表明在短期内宏观经济不确定性对上证指数产生了正向影响效应，引起了上证指数的增加，但在中长期并未产生实质影响。

总之，中国宏观经济不确定性对利率、通货膨胀率和GDP的冲击效应具有明显的时变性特征，并且其冲击效应主要表现为短期效应。具体地，在短期内宏观经济不确定性在整个样本期对利率、通货膨胀率和GDP产生了负向冲击效应，引起了利率、通货膨胀和GDP的下降。利率短期响应曲线在1998Q1—2003Q4和2003Q4—2017Q3期间分别呈现逐渐减弱和逐渐增强的趋势，通货膨胀率短期响应曲线在1998Q1—2017Q3期间呈现逐渐减弱的趋势，而GDP短期响应曲线在1998Q1—2017Q3期间呈现逐渐增强的趋势。

2.不同时点的脉冲响应分析

根据中国宏观经济不确定性状态，本部分选取1998Q4、2008Q1、2015Q3三个时间点作为1997年亚洲金融危机、2008年全球金融危机以及2015—2016年经济下行三个时期的典型代表来实证考察中国利率、通货膨胀率、GDP和上证指数四个经济变量对中国宏观经济不确定性冲击的时点脉冲响应情况，其时点脉冲响应函数如图3所示。

从图3中可以看到：在1998Q4、2008Q1、2015Q3三个时点上，中国经济不确定性EU对利率R、CPI、GDP和上证指数SHI的冲击效应曲线趋势基本一致，且在初期(向前1期)均呈现负向的冲击响应。(1)就利率响应曲线而言，三条响应曲线均呈现先下降后上升的趋势，但三条响应曲线也存在明显的差异。利率对经济不确定性冲击的响应值在1997东南亚金融危机阶段明显大于在2008年金融危机和2015—2016年经济下行时期的值，且在整个16期内均为负；而其他两条响应曲线分别在第7期(2008年金融危机)和第9期(2015—2016年经济下行)转向为0附近的正值。(2)同样地，CPI对宏观经济不确定性冲击的响应值在1998Q4、2008Q1和2015Q3三个时点上大同小异，均是在第1期负值后迅速上升，约在第4期前后穿越0水平线转为正值，并最终收敛于0。(3)对于GDP响应曲线来讲，其响应曲线一开始下降，在第2期后开始上升并在第5期时穿过0水平线，反转为正向的冲击反应。此外，就上证指数而言，其曲线在第1期呈现出负值后，在第2期迅速转向为正向响应值，并在第5期收敛于0附近，总体上更多地表现出正向的冲击效应。

图3 中国经济不确定性(EU)对经济变量的时点脉冲效应

总之，中国宏观经济不确定性在1997亚洲金融危机、2008全球金融危机以及2015—2016年经济下行三个重要时期对利率、通货膨胀率和GDP均产生了负向冲击效应，引起了利率、通货膨胀率和GDP的下降，这与“不确定性是经济衰退的重要驱动因素”的理论观点相符合。

综合以上实证结果可知，中国宏观经济不确定性对利率、通货膨胀率和产出GDP的冲击效应具有明显的时变特征，且其冲击效应主要表现为经济不确定性的短期冲击效应。在短期内，中国宏观经济不确定性对GDP增长率产生了明显的负向冲击效应，尤其是在1997年亚洲金融危机、2008年全球性金融危机以及2015—2016年经济下行时期。对于这一结果，可以用“实物期权效应”和“预防储蓄效应”理论来加以解释。“实物期权效应”理论认为，企业的投资项目存在不可逆性，加之雇佣或解聘员工会产生新的成本等，使得企业决策的调整成本非凸。当面临不确定性时，企业就会采取观望的态度，谨慎行事，推迟或者延缓投资，直到新的信息出现或者不确定性得到缓解。然而，“实物期权效应”必须满足三个条件才能存在：一是投资决策的调整成本极高以至于做出的决策行为不能轻易逆转；二是企业认为未来有更好的发展机遇，因而能够耐心地等待机遇的到来；三是企业当前的行为对后续行为的回报具有影响。而“预防储蓄效应”理论认为，不确定性会引致家庭延迟或者减少当前消费，尤其是耐用消费品的消费，以建立流动资产缓冲储备。然而，这种效应虽然在短期内会对经济产生紧缩作用，但其长期影响并不明确。此外，勒杜克和刘(Lduc & Liu，2016)研究认为，不确定性冲击类似于负需求冲击，致使短期内失业增加、通货膨胀率和名义利率下降，而劳动力市场的搜寻摩擦以及名义刚性增强了不确定性冲击对宏观经济的负向影响[3]。

(四)稳健性检验

1.调整变量EU的顺序

在前文的基准模型中，中国宏观经济不确定性(EU)被放置在内生变量向量中的末位，最大化了中国宏观经济不确定性遭受到其他经济变量的冲击影响。有鉴于此，为检验变量排序对实证结果可能产生的实质性影响，借鉴布卢姆(Bloom，2009)[1]的做法，将上证指数(SHI)放置于首位，同时将中国宏观经济不确定性(EU)置于内生变量向量的第二位，即yt=(SHIt，EUt，Rt，CPIt，GDPt)′，以最大化“纯”中国宏观经济不确定性(即排除金融市场SHI的干扰)对利率、通胀和产出的影响。图4和图5分别给出了调整中国宏观经济不确定性(EU)位置后其他宏观经济变量的脉冲响应函数。对比图2与图4、图3与图5，发现调整变量排序后R、CPI、GDP和SHI对中国宏观经济不确定性(EU)的响应曲线的方向、趋势并未发生变化，仅是脉冲响应值的数值发生了变化，即“纯”宏观经济不确定性冲击对R、CPI、GDP和SHI的影响大为降低。

图4 稳健性检验之调整变量顺序：等间隔脉冲响应

图5 稳健性检验之调整变量顺序：时点隔脉冲响应

2.控制金融市场不确定性

在基准模型中本文考察了中国宏观经济不确定性对其他经济变量的影响，然而中国宏观经济不确定性中包含有金融市场不确定性信息，在此将股票市场波动率(FV)[注]股票市场波动率(FV)是基于上证指数对手收益率的GARCH(1，1)计算得到的。作为金融市场不确定性的代理指标纳入内生变量向量中并加以控制，以剔除金融市场不确定性对宏观经济不确定性的影响。为此，将FV放置在SHI指标之后，即第2位置，即yt=(SHIt，FVt，EUt，Rt，CPIt，GDPt)′，以同时剔除SHI和FV对EU的影响，获得更为“纯净”的宏观经济不确定性对R、CPI和GDP的影响效应。图6和图7分别给出了控制金融市场不确定性(FV)后其他宏观经济变量对中国经济不确定性(EU)的脉冲响应函数，对比图2与图6、图3与图7，发现控制金融市场不确定性(FV)后，SHI、R、CPI和GDP对中国宏观经济不确定性(EU)的脉冲响应曲线的趋势和方向均是一致的，仅脉冲响应值发生了变化。这表明本文构建的基准模型所得到的结果是可靠的。

图6 稳健性检验之控制金融市场不确定性：等间隔脉冲响应

图7 稳健性检验之控制金融市场不确定性：时点脉冲响应

五、结论

经济不确定问题是当前宏观经济学研究的前沿和热点。然而，已有的研究主要以发达国家为主，而对于发展中国家来讲，经济不确定性冲击的经济效应研究比较欠缺。基于此，本文首先提取大量宏观经济变量不确定性成分并合成中国宏观经济不确定性指标，然后运用TVP-VAR-SV模型实证分析中国宏观经济不确定性对中国宏观经济变量的时变影响效应，以进一步检验和丰富经济不确定性理论在发展中国家的适用性，并为中国政府制定和实施宏观经济政策提供决策依据。实证结果显示：(1)中国宏观经济不确定性具有反周期性特征，其高不确定性时期主要体现在1998Q4—1991Q1、2008Q1—2009Q1以及2015Q3—2017Q1这三个时期，这与1997年亚洲金融危机后期、2008年全球金融危机以及2015—2016年经济下行这三个重要时期相符合，表明本文构建的中国宏观经济不确定性指标能够准确捕捉中国宏观经济的不确定性情况。(2)中国宏观经济不确定性的冲击效应具有明显的时变特征，并且其冲击效应主要表现为短期效应，即中国宏观经济不确定性对利率、通货膨胀率和GDP产生了负向冲击效应，引起利率、通货膨胀率和GDP的下降。时间演化间隔脉冲响应分析结果显示，利率短期响应曲线在1998Q1—2003Q4和2003Q4—2017Q3期间分别呈现逐渐减弱和逐渐增强的趋势，而通货膨胀率和GDP短期响应曲线在1998Q1—2017Q3期间分别呈现出逐渐减弱和逐渐增强的趋势。时点脉冲响应结果显示，在1998Q4、2008Q1和2015Q3三个重要经济时点上，中国经济不确定性对利率、通货膨胀率和GDP的冲击效应曲线趋势一致，在整体上均呈现出明显的负向冲击效应。

鉴于中国宏观经济不确定性对中国经济产出产生了负向影响，政府部门应采取相应措施来降低其负面效应。诸如，宏观经济管理部门主动积极地对宏观经济进行把握和预测，在对经济进行宏观调控的同时，及时发布和释放相应的政策调控消息，增强政府宏观操作的公开透明性和可预测性。加强市场消息沟通与引导，协调公众与市场预期，提高公众对市场和政府宏观调控的匹配度。建立和健全层次清晰的宏观调控体系，尤其是建立不确定性预警和处置机制，增强政府经济部门对经济不确定性的处理能力。