中美日三国经济政策不确定性的双向溢出

摘要：根据1995年以来的月度数据，利用TVP-SV-VAR模型分析了中美日三国经济政策不确定性的双向溢出，并考察关键时间点上各国对来自国外的外部冲击的脉冲响应。研究发现，美国对中国EPU的影响总体大于日本，长期影响均逐渐减弱，但是特朗普执政这一关键时间对中国的长期影响不断增强;日本对中美两国EPU的影响在经历短期的震荡后，在长期收敛，2016年5月日本消费税调整推迟这一事件对中国EPU的影响虽然较大，且长期内收敛趋势不明显;中国对美日两国EPU的影响总体大于两国对中国的影响，中短期内推高了两国EPU，长期内影响减弱，但收敛趋势不明显，随着中国经济的持续高速增长，特别是2020年8月以来，对新冠疫情的有效控制等各方面原因，中国对对日美两国EPU的长期影响明显持续增强。

关键词：经济政策不确定性;双向溢出;TVP-SV-VAR模型

中图分类号：F202      文献标志码：A      文章编号：1008-4657（2021）06-0009-08

引言

近年来，难民危机、霸权主义、民粹主义的滥觞，左翼政治势力的崛起，频繁的贸易战、债务危机等因素不断冲击着脆弱的世界经济，这种冲击一方面导致各国经济政策不确定性（以下简称EPU）增加，另一方面在贸易、投资和生产全球化的背景下，一国的EPU不但影响本国的宏观经济变量，也通过各种渠道影响他国宏观经济变量，即EPU的溢出效应。虽然近年来全球化遭受严重的冲击，但是，经济全球化是不可阻挡的历史潮流（习近平在第二届进口博览会上的讲话），随着各国之间的经济、金融和政治联系日益加强，经济行为者不仅有理由对国内的EPU保持警惕，也有理由对国外的EPU保持警惕。在美国，关于债务上限的讨论、取消贸易协定和重新谈判的威胁、税收制度的变化及总统大选，使政策更难预测，并对伙伴国家产生影响。在欧洲，英国脱欧、难民危机、“左翼”政党的执政和“民粹主义”的泛滥也产生了全球溢出效应，这些冲击之间的相互作用可能会放大不确定性的影响[ 1 ]。

当前大量的研究探讨了大国（主要是美国）EPU对一国宏观经济变量的影响，这些变量包括了：GDP增长率、通胀率、失业率、短期或长期利率、短期或长期汇率等指标。虽然当前的研究考虑了大多数的宏观经济变量，却忽略了一个基本的问题，即EPU本身就是反映宏观经济的重要指标，EPU影响他国宏观经济变量，当然也在影响他国的EPU。本文利用中美日三国1995年1月到2021年7月的数据，利用TVP-SV-VAR模型分析经EPU的双向溢出，有利于深刻揭示三国EPU在国家间的溢出以及溢出效应随时间变化的特征。

1       文献综述

当前理论文献认为经济政策不确定性对宏观经济的影响主要通过三个途径：消费、投资、金融成本或更一般的金融变量。Romer[ 2 ]解释了经济政策不确定性对消费的影响，认为如果未来收入不确定，耐用品消费也会受到类似程度的不可逆性影响，导致家庭推迟消费决策，直到不确定性得到解决。这种渠道有时被称为预防性储蓄渠道。也就是说，不确定性会影响家庭作出的跨期消费决策。此后，一些学者利用实证研究提供了该渠道的证据[ 3-5 ]。

经济政策不确定性对投资的影响主要是Bernanke  B  S[ 6 ]考虑的实物期权理论，Bernanke  B  S认为：投资和就业决策的恢复代价高昂，如果决策者对经济前景不确定，他们可能会采取观望态度，推遲投资和招聘。因此，当不确定性较高时，期权价值较高，反之亦然。多项研究支持这一证据，例如Bloom   N等[ 7 ]、Carriere-Swallow  Y等[ 4 ]在投资方面，以及Alexopoulos  M等[ 8 ]和Scheffel  E  M[ 9 ]在就业方面的研究。

消费和投资是拉动GDP的主要驱动力。Baker   S   R等[ 10 ]认为如果一方或双方都受到EPU的负面影响，GDP也应该下降。此外，GDP的下降可以解释为总需求的放缓，在供应不变的假设下，将会导致通胀下降。Colombo   V[ 11 ]和Caldara   D等[ 5 ]将通货膨胀纳入了他们的数据集，他们都发现了有利于负相关关系的证据。

经济政策不确定性对金融市场的影响体现在两个方面。一方面，EPU影响融资成本，不确定性的增加可能会降低企业的预期盈利能力，从而增加企业的感知风险。随后，投资者要求更高的利率来补偿更高的风险，因此额外债务的发行成本更高，并对投资产生不利影响。Gilchrist   S等[ 12 ]在一般均衡模型中探索这一假设，Nodari[ 13 ]等提供了经验证据。

另一方面，经济政策不确定性可能影响股票市场。金融理论表明，股票价格由预期未来现金流的总和决定，并以适当的风险调整贴现率贴现。因此，现金流的减少或风险调整贴现率的增加可能会降低股票价格。Popp   A等[ 14 ]的实证研究支持了这一效应。

一国的EPU不但可以影响本国的宏观经济指标，还可以通过“溢出效应”影响到其他国家的宏观经济变量，这些研究大部分聚焦于源自美国的冲击。Mumtaz   H等[ 15 ]研究了源自美国国内生产总值的冲击对英国宏观经济的影响，研究发现冲击导致英国国内生产总值下降，通胀上升，与美国的反应在规模上相似。Caggiano   G等[ 16 ]考察了美国经济政策不确定性对加拿大实际活动指标（工业生产、失业）和名义活动指标（通货膨胀、短期利率和美元/加元汇率）的影响，并指出1985年至2015年期间，源自美国的同等规模的经济政策不确定性上升，在加拿大引发了一场强劲而持久的衰退，而在繁荣时期则引发了一场温和的衰退。在衰退中，工业生产增长率下降约1%，失业率在冲击后上升超过0.1%，而通货膨胀下降0.2%，名义利率下降近30个基点，并实现持续贬值。Fernández-Villaverde   J等[ 17 ]研究了源自美国的经济政策不确定性冲击对欧元区的溢出效应，认为这种冲击是欧洲政策利率的重要驱动力。Carriere-Swallow  Y等[ 4 ]研究了源自美国的不确定性冲击对一些发达国家和发展中国家的影响。他们发现，各国投资和消费的反应有很大的差异。特别是，发展中国家的反应更为突出。Belke   A等[ 18 ]比较了美国和欧洲的EPU对18个经合组织国家的四个变量的影响，也明确了经济政策不确定性在国家间的溢出。

当前对EPU溢出效应的研究主要采用溢出指数的方法[ 19-20 ]，并分析了溢出效应的存在性、时变性以及影响因素。李政等[ 21 ]分析了跨国溢出的机理，并采用广义方差分解谱表示方法，从频域视角考察EPU的短期与长期溢出效应。张元萍等[ 22 ]研究了全球、中国内地、中国香港和中国澳门之间的EPU跨区域溢出效应进行了实证检验，认为中国内地、香港和澳门与全球间的溢出效应具有非对称性，全球对中国三地存在同期单向溢出。

从当前研究可以看出，经济政策不确定性对宏观经济的研究比较充分。宏观经济指标通常选取了产出增长率、消费、投资、通胀、利率和汇率等，在溢出效应的分析中，也考虑上述变量。虽然当前研究涉及了主要的宏观经济指标，但是忽略了经济政策不确定性本身也是反映宏观经济运行的重要指标，此外当前的研究主要考虑了单向的溢出，忽视了双向溢出。

2       理论模型

Sims   C   A[ 23 ]引入的VAR模型已成为宏观经济变量之间动态关系建模的常用工具，但由于传统VAR模型中各变量的参数估计是固定的，无法在结构突变时的非线性关系进行有效解释。Primiceri[ 24 ]提出了时变参数随机波动VAR模型，并采用马尔科夫链蒙特卡洛算法（MCMC）从样本的后验分布中抽取样本，假定待估参数服从一阶随机游走过程，可以有效捕捉宏观经济变量的关系特征。本文借鉴Primiceri[ 24 ]，TVP-SV-VAR可写为如下形式：

其中yt是一个n维列向量，表征因变量。Bi，t为时变的缩减型系数矩阵，其值为：Bi，t = AA1，t 。ut为提前一期的预测标准误，其值为：ut = AΣtεt。

各时变参数服从如下随机游走过程：

假定uβ，t、uα，t和Σβ为正态分布，具有零均值和对角协方差矩阵和Σα、Σα和Σh。并假设设结构冲击与时变参数无关，则有：

本文采用MCMC算法估计时变参数，并从样本的后验分布中抽取样本，进行10   000次MCMC抽样得到相关时变参数的估计值。估计脉冲响应共有两种方法，第一种是使用时变参数的后验平均值计算时变脉冲响应;第二种是每次MCMC迭代计算脉冲响应，并在迭代结束时取平均值，以计算其后验平均值。后一种方法大大降低了计算速度，但提供了基于响应和模型中所有参数的联合后验分布的估计，本文采用后一种方法计算脉冲响应，并包含时变截距项和对角协方差矩阵。

3       实证分析

3.1       数据来源与说明

本文的核心变量为中美日三国的EPU。EPU不能被直接观察到，实证研究使用各种可观察的替代物来表征。当前实证研究中常见的是Baker S R等[ 10 ]提出的EPU指数，该指数基于报纸上与EPU相关的关键词频率计数来衡量经济政策相关的不确定性。本文数据来自Scott R  B，Bloom  N和Steven   J   D开发的经济政策不确定性网站，数据为月度数据。

日本EPU指数实际由Elif C   A等主持测算，他们统计了日本四大报纸（读卖新闻、朝日新闻、每日新闻和日经新闻）上的文章，这些文章至少包含三个类别中的一个术语：“经济”“税收”“政府支出”“监管”“央行”或某些其他与政策相关的术语;“和”“不确定”;“或”“不确定”。他们通过同一份报纸和月份的文章数量来对原始EPU计数进行缩放，将每份报纸的一系列缩放计数标准化为相同的随时间的可变性，然后按月对所有报纸进行平均，以获得它们的总体EPU指数。

美国EPU指数由Scott   B等主持测算，他们统计了今日美国、迈阿密先驱报、芝加哥论坛报等10家大型报纸的结果索引，每月对每篇文章进行搜索，寻找与经济和政策不确定性相关的术语。然后对每个月的文章归一化值进行求和，得到一个多文章索引，最后，将多指数重新标准化为平均值。

中国的EPU指数由两个研究团队开发，其一是由Scott  B等开发的基于《南华早报》的EPU指数，从1995年1月开始;其二是由Steven   J   D等开发的基于中国大陆报纸的EPU指数，从2000年1月开始。鉴于数据起点的原因，本文采用了前一种指数。值得说明的是，上述三国的EPU指数均采用了Baker   S  R等[ 10 ]的测算方法。

3.2        描述性分析

中美日三國EPU指数取自然对数后的折线图如图1所示。

由图1可以看出，中国EPU明显大于日本，而日本EPU明显大于美国。但是需要注意的是，虽然三国EPU采用的是同样的测算方法，但是由于研究团队、选取的报纸、选取报纸的份数和选取的关键词的差异，以及各国新闻媒体制度、政治认同、基本价值观的不同，EPU指数在国家间的横向比较意义不大。

虽然EPU在国家间的横向比较意义不大，但是由于测算方法的一致性，EPU在国家内的纵向比较，以及EPU变化率在国家间的比较具有参考价值。

中美日三国EPU（取自然对数后）变化率折线图如图2所示。

4    实证结果

根据FPE、AIC、HQIC和SBIC等信息准则，确定滞后阶数为4阶。MCMC抽样次数为10 000次，包含截距项和对角协方差矩阵，TVP-SV-VAR模型的实证结果（三个协方差矩阵的前两个参数的统计性描述、Geweke收敛判断结果以及无效因子情况）如表2所示。

由表2可以看出所有參数后验均值均位于95%的置信区间之内，且Geweke收敛判断数值均小于5%的临界水平1.96，因此不能拒绝收敛于后验分布的原假设。最大无效因子数值为98.12，小于100，且其他数值均在80以下，表明可以使用MCMC方法抽样获得充足的样本进行贝叶斯后验推断。

图3是样本的自相关系数、样本路径以及后验密度图。

从图3第一张自相关图可以看出样本的自相关系数从接近1的高位迅速下降至零点，此后在零值附近波动，认为样本内不存在较大的自相关。从第二行样本取值路径看极端值较少，且呈上下波动，表明抽样数据平稳。从第三行后验密度图看样本基本呈正态分布。综合可以认为所获得的样本为有效样本。

以提前4、8和12期表征短期、中期和长期冲击，图4显示了不同提前期的脉冲响应图。

由图4可以看出：（1）美国对日本EPU、日本对中国PEU、中国对美国和日本EPU的短期、中期和长期冲击无显著差异;2016年之前美国对中国EPU的短期冲击大于中期和长期冲击;日本对美国EPU的短期冲击大于中期和长期冲击。（2）美国对中国EPU的冲击为正，且大于对日本EPU的冲击;日本对中国和美国EPU的冲击大部分年份为正，且无显著差异;中国对美国和日本EPU的冲击在零值附近波动;2012年以后，中国对美国EPU的冲击为正且显著增加。

为考察不同时间点的外部冲击对本国EPU的影响，本文选取三国EPU的4个关键极值点考察对他国EPU的持续影响。三国EPU的4个关键极值点的选取分别如表3～5所示。

对于美国，本文选择2010.9、2011.8、2012.6和2017.1四个时点作为外部冲击，从图5可以看出，除2017.1外，其他时点对日本的冲击大部分为正，在从0.25迅速下降至零点，后经短期反弹后逐渐趋近零值。对于2017.1，在第三期迅速下降到负值后，一直在（- 0.05，0）之间波动。而对于中国，该四个时间点对中国的冲击至少在16期的时间内为正，从接近0.5迅速下降，但是对于2017.1，在第八期后，冲击止跌反升。

对于日本，本文选择2008.9、2011.8、2012.6和2016.5四个时点作为外部冲击，从图6可以看出日本对美国EPU的冲击总体为正，在经历0到5期的震荡后，逐步趋于零值。对于中国，日本对中国EPU持续下降，趋于零值，但是对于2016.5时间点，日本对中国EPU的冲击在0期超过0.04，虽然此后一直下滑，但一直在0.02附近。

对于中国，本文选取2013.11、2015.7、2015.11和2017.10四个时点作为外部冲击。从图7可以看出，除了2013.11时点对美国EPU的冲击在第5期达到高点接近0.02，并迅速回落外，其他时点对美国EPU的冲击都持续上升，在2017.10时点表现尤为明显。对于日本，前三个时点表现出了和美国一致的特征，而在2017.10时点，在第10期之前，冲击为负，此后冲击为正，且不断上升。

5   结论

（1）美国对中日两国EPU的影响：美国对中国EPU的影响总体大于日本，长期影响均逐渐减弱，但是第四个时间点对中国的长期影响（在8期以后）不断增强。从4个时间点的重要事件来看，前3个时间点所对应的重要事件主要影响美国的国内经济，所以对中日两国EPU的影响有限，第4个时间点即特朗普竞选成功后，特别是在2018年以后，特朗普发动的贸易战严重影响了中美关系，并导致了中国EPU长期的持续提升。目前虽然美国总统易主，但是特朗普时期贸易政策的影响仍然需要关注。

（2）日本对中美两国EPU的影响：日本对中美两国EPU的影响在经历短期的震荡后，在长期收敛，第4个时间点，日本对中国EPU的影响虽然较大，且长期内收敛趋势不明显。从四个时间点的重要事件来看，前3个时间点所对应的重要事件对中美两国经济影响较小，这要影响日本国内经济，而第四个事件为消费税调高的推迟对美国影响有限，但是对中国影响较大。日本在1997年4月将消费税从3%提高到5%，2014年5月调高到8%，原定于2016年5月调高到10%，由于国内反对而推迟。虽然消费税调高推迟，但是影响了民众和市场对未来的预期，由于中国连续12年成为日本第一大贸易伙伴国，因此对消费税调高的预期严重影响了中国的EPU。

（3）中国对美日两国EPU的影响：中国对美日两国EPU的影响总体大于两国对中国的影响，中短期内（短期为4期以内，中期为8期以内）推高了两国EPU，长期内影响减弱，但收敛趋势不明显，第四个时间点的长期内影响不断增强。从4个时间点的重要事件来看，这些事件都秉承了中国一以贯之的和平外交政策，特别是“一带一路”的实质性推进更是促进了沿线国家基础设施投资和国际贸易，同时也冲击了日美同盟对中国经济的围堵和打压，从而推高了日美两国的EPU，但由于日本在美国打压中国经济的过程中扮演了更加灵活和务实的角色，因此对日本EPU的长期影响不断减弱。值得注意的是，在第4个时间点，即中国共产党19大的召开，随着中国经济的持续高速增长，特别是2020年8月以来，对新冠疫情的有效控制等各方面原因，中国对对日美两国EPU的长期影响明显持续增强。

中美日三国的经济融合度较高，因此经济政策不确定性通过贸易、投资等渠道而溢出就较为明显。正如习近平在第二届中国国际进口博览会上讲话指出的，经济全球化是历史潮流，随着全球化的发展，经济政策不确定性的溢出也愈发显得重要。中国在一心一意谋发展，实现中华民族伟大复兴的同时，需要时刻警惕来自外部的经济冲击。

参考文献：

[1] Lubos P，Veronesi P. Political uncertainty and risk premia[J]. Journal of Financial Economics，2013，110（3）： 520-545.

[2] Romer C D. The great crash and the onset of the great depression[J]. Quarterly Journal of Economics，1990（3）： 597-624.

[3] Benito A，Thompson J，Waldron M，et al. House prices and consumer spending[R]. Bank of England Quarterly Bulletin， 2006： 142-155.

[4] Carriere-Swallow Y，Cespedes L F. The impact of uncertainty shocks in emerging economies[J]. Journal of International Economics，2013，90（2）： 316-325.

[5] Caldara D，Fuentes-Albero C，Gilchrist S，et al. The macroeconomic impact of financial and uncertainty shocks[J]. European Economic Review，2016（88）： 185-207.

[6] Bernanke B S. Irreversibility， uncertainty and cyclical investment[J]. Quarterly Journal of Economics，1983，98（1）： 85-106.

[7] Bloom N， Bond S， Reenen J V. Uncertainty and investment dynamics[J]. Review of Economic Studies，2007，74（2）： 391-415.

[8] Alexopoulos M， Cohen J. The power of print： uncertainty shocks， markets， and the economy[J]. International Review of Economics & Finance，2015，40： 8-28.

[9] Scheffel E M. Accounting for the political uncertainty factor[J]. Journal of Applied Econometrics，2015（31）：1 048-1 064.

[10] Baker S R，Bloom N， Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics，2016，131（4）： 1 593-1 636.

[11] Colombo V. Economic policy uncertainty in the US： Does it matter for the Euro area？[J]. Economics Letters， 2013， 121（1）： 39-42.

[12] Gilchrist S， Sim J W， Zakrajek E. Uncertainty， financial frictions， and investment dynamics[J]. SSRN Electronic Journal， 2010： 20-38.

[13] Nodari， Gabriela. Financial regulation policy uncertainty and credit spreads in the US[J]. Journal of Macroeconomics， 2014， 41： 122-132.

[14] Popp A， Zhang Fang. The macroeconomic effects of uncertainty shocks： The role of the financial channel[J]. Journal of Economic Dynamics and Control， 2016， 69：319-349.

[15] Mumtaz H， Theodoridis K. The international transmission of volatility shocks： an empirical analysis[J]. Journal of the European Economic Association，2014，13（3）： 512-533.

[16] Caggiano G， Castelnuovo E， Figueres J M. Economic policy uncertainty and unemployment in the United States： a nonlinear approach[J]. Economics Letters，2017（151）： 31-34.

[17] Fernández-Villaverde J， Guerron-Quintana P A， Kuester K， et al. Fiscal volatility shocks and economic activity[J]. CEPR Discussion Papers，2011，105（11）： 3 352-3 384.

[18] Belke A， Osowski T. International effects of Euro area versus US policy uncertainty： a FAVAR Approach[R]. Glo Discussion Paper，2017： 1-54.

[19] Diebold F X， YiLmaz K. On the network topology of variance decompositions： Measuring the connectedness of financial firms[J]. Journal of Econometrics，2014，182（1）： 119-134.

[20] 金春雨，張德园.中国宏观经济不确定性的时变冲击效应[J].首都经济贸易大学学报，2019，21（4）：12-22.

[21] 李政，朱明皓，温博慧.经济政策不确定性的跨国溢出效应及其形成机理[J].财贸经济，2021，42（1）：92-106.

[22] 张元萍，施健伟.经济政策不确定性跨区域溢出效应研究——以中国内地、香港和澳门为例[J].国际经贸探索，2021，37（4）：50-63.

[23] Sims C A. Macroeconomics and Realitys[J]. Economitrica，1980（48）： 1-54.

[24] Primiceri， Giorgio E. Time varying structural vector autoregressions and monetary policy[J]. Review of Economic Studies， 2005，72： 821-852.

[责任编辑：许立群]

收稿日期：2021-09-25

作者简介：焦雨生（1976-），男，河南南阳人，武昌首义学院教授，博士。主要研究方向：制度与演化分析。