經(jīng)濟(jì)政策不確定性對我國股票價格的影響研究

陳樂一 楊依筠

[摘 要] ?經(jīng)濟(jì)政策不確定性通常會抑制投資，導(dǎo)致股票價格下降。選取中國2003-2019年的相關(guān)數(shù)據(jù)，通過估計TVP-SV-VAR模型，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性對投資并非僅有抑制作用，在一些時期可以對投資者情緒和股票價格產(chǎn)生正向影響。通過構(gòu)建TVAR模型進(jìn)一步研究發(fā)現(xiàn)，在常規(guī)的經(jīng)濟(jì)增長環(huán)境下，經(jīng)濟(jì)政策不確定性會對投資者情緒和股票價格產(chǎn)生負(fù)向影響;而當(dāng)經(jīng)濟(jì)高速增長時，經(jīng)濟(jì)政策不確定性會提升投資者情緒，推動股票價格上漲。研究表明，不確定性并非總是經(jīng)濟(jì)發(fā)展的負(fù)面因素，在經(jīng)濟(jì)高速增長的環(huán)境下可以對投資產(chǎn)生積極影響。

[關(guān)鍵詞] ?經(jīng)濟(jì)政策不確定性;股票價格;投資者情緒

[中圖分類號]? F832?? [文獻(xiàn)標(biāo)識碼] A?? [文章編號] 1008—1763（2022）01—0077—10

Research on the Influence of Economic Policy

Uncertainty on Stock Price in China

CHEN Le-yi，YANG Yi-yun

（School of Economics and Trade，Hunan University， Changsha 410079，China）

Abstract： Economic policy uncertainty usually discourages investment and causes share prices to fall. By estimating the TVP-SV-VAR model based on the relevant data of China from 2003 to 2019， it is found that economic policy uncertainty has not only a single inhibitory effect on investment， but also has a positive impact on investor sentiment and stock price in some periods. Through the construction of TVAR model， we find that under the general economic growth rate， economic policy uncertainty will have a negative impact on investor sentiment and stock price. When the economy keeps growing at a high rate， uncertainty about economic policy boosts investor sentiment and stock prices. Research shows that uncertainty is not always a negative factor of economic development， and can have a positive impact on investment under the environment of high economic growth.

Key words： ?economic policy uncertainty; stock price; investor sentiment

一 引 言

在進(jìn)行各種投資行為時，人們通常會對未來的經(jīng)濟(jì)政策進(jìn)行預(yù)測，以期做出順應(yīng)經(jīng)濟(jì)政策的最佳決策。然而，經(jīng)濟(jì)政策不確定性（Economic Policy Uncertainty，簡稱EPU），即經(jīng)濟(jì)政策變化中無法預(yù)測的部分，對人們的投資決策帶來了很大困擾。當(dāng)EPU上升時，投資者對未來經(jīng)濟(jì)政策的預(yù)測能力顯著減弱，無法做出順應(yīng)經(jīng)濟(jì)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(jī)和經(jīng)濟(jì)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(hù)經(jīng)濟(jì)金融穩(wěn)定，越來越多的研究開始關(guān)注EPU對資產(chǎn)價格的負(fù)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(dǎo)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(guān)關(guān)系，并指出EPU的上升會降低股價收益率? [3] 。Chang 等以O(shè)ECD國家為樣本，發(fā)現(xiàn)政策不確定性會導(dǎo)致一些國家股價下跌? [4] 。Brogaard和Detzel通過對21國數(shù)據(jù)進(jìn)行實證研究，發(fā)現(xiàn)EPU對全球股票價格具有負(fù)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(jì)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(fù)面概念，它的提高并不意味著經(jīng)濟(jì)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(jì)變量正創(chuàng)新和負(fù)創(chuàng)新相關(guān)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(jìn)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(jìn)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(fù)收益相對應(yīng)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(fù)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(quán)效應(yīng)，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(jì)環(huán)境具有較強(qiáng)的關(guān)聯(lián)性，良好的外部環(huán)境可以減輕或改善不確定性的負(fù)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(jìn)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(dǎo)致風(fēng)險溢價。經(jīng)濟(jì)狀況越弱時，不確定性導(dǎo)致的風(fēng)險溢價越高;經(jīng)濟(jì)狀況越好時，不確定性導(dǎo)致的風(fēng)險溢價越低? [12，13] 。陳國進(jìn)等的研究也表明，不確定性對風(fēng)險溢價的影響與經(jīng)濟(jì)環(huán)境關(guān)系密切。在經(jīng)濟(jì)景氣程度低的情況下，不確定性會導(dǎo)致更高的風(fēng)險溢價;而在經(jīng)濟(jì)景氣程度高的情況下，不確定性導(dǎo)致的風(fēng)險溢價較低? [9] 。

綜上所述，經(jīng)濟(jì)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(jìn)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(jì)環(huán)境下存在促進(jìn)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(xiàn)梳理可知主要原因有三。其一，已有文獻(xiàn)的研究對象多為西方國家。這些國家的經(jīng)濟(jì)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(jì)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(guān)數(shù)據(jù)，構(gòu)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(yùn)用門限向量自回歸（TVAR）模型，以經(jīng)濟(jì)狀況作為門限變量，區(qū)分不同經(jīng)濟(jì)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(jìn)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(jìn)行探討，避免了對不確定性的片面認(rèn)識，豐富了相關(guān)理論研究，為應(yīng)對不確定性影響提供了新的思路。相關(guān)文獻(xiàn)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(jì)環(huán)境和股票市場的認(rèn)識，為我國應(yīng)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(jī)制較為復(fù)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(fù)面影響? [16] 。當(dāng)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(dāng)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(guān)。當(dāng)EPU顯著壓低投資者情緒時，EPU會對股票價格產(chǎn)生負(fù)向影響;而當(dāng)EPU未能壓低投資者情緒時，EPU對股票價格的負(fù)向影響通常并不顯著。由此可見，當(dāng)EPU對投資者情緒起到了積極影響，將同時促進(jìn)股票價格上漲。

相關(guān)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(guān)的“好”的不確定性和與消極影響相關(guān)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(fù)面影響，某些時候也可以提升投資者情緒，促進(jìn)股票價格上漲?；谝陨戏治觯岢鲆韵录僬f：

假說1：EPU對投資者情緒和股票價格并非僅有負(fù)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(yīng)和折現(xiàn)率效應(yīng)影響股票價格。當(dāng)現(xiàn)金流效應(yīng)超過折現(xiàn)率效應(yīng)時，股價會上升;當(dāng)折現(xiàn)率效應(yīng)超過現(xiàn)金流效應(yīng)時，股價會下降? [12-13] 。EPU作為政策變動中無法預(yù)測的一部分，可以通過影響投資者情緒，引起預(yù)期現(xiàn)金流和貼現(xiàn)率中的風(fēng)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(dǎo)作用與經(jīng)濟(jì)狀況密切相關(guān)。經(jīng)濟(jì)狀況越弱時，投資者情緒越低迷，風(fēng)險溢價越高，投資受到抑制，股票價格傾向于下降;經(jīng)濟(jì)狀況越好時，投資者情緒越高，風(fēng)險溢價越低，投資得到促進(jìn)，股價傾向于上升? [9，12-13，18] 。預(yù)期現(xiàn)金流也受到經(jīng)濟(jì)狀況影響。如果投資者認(rèn)為經(jīng)濟(jì)環(huán)境較好，有利于企業(yè)提高利潤，對現(xiàn)金流的預(yù)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(jì)狀況大好時，EPU會提升投資者情緒，引起較高的預(yù)期現(xiàn)金流和較低的風(fēng)險溢價，對股票價格產(chǎn)生正向影響;而當(dāng)經(jīng)濟(jì)狀況較弱時，EPU會抑制投資者情緒，引起較低的預(yù)期現(xiàn)金流和較高的風(fēng)險溢價，對股票價格產(chǎn)生負(fù)向影響?；谝陨戏治?，提出以下假說：

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

三 研究設(shè)計與數(shù)據(jù)說明

（一）研究設(shè)計

現(xiàn)有相關(guān)研究大多以經(jīng)濟(jì)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(jì)政策不確定性發(fā)揮積極作用的經(jīng)濟(jì)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(jì)以來，中國經(jīng)濟(jì)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(guān)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(gòu)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(chǔ)上，進(jìn)一步運(yùn)用門限向量自回歸（TVAR）模型對假說2進(jìn)行驗證。以經(jīng)濟(jì)狀況作為門限變量，區(qū)分不同經(jīng)濟(jì)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(jì)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(xiàn)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(jì)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(jìn)行實證研究。四個變量的指標(biāo)選取和數(shù)據(jù)來源如下：（1）EPU：Baker 等基于新聞指數(shù)構(gòu)建的EPU指數(shù)受到廣泛的認(rèn)可? [24] 。然而，Baker等人計算的中國EPU指數(shù)，并不是基于我國內(nèi)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(rèn)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(nèi)地中文報紙，在Baker等的基礎(chǔ)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(jì)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(gòu)建基準(zhǔn)模型以后，我們改變數(shù)據(jù)頻率，采用月度數(shù)據(jù)進(jìn)行穩(wěn)健性檢驗。由于GDP沒有月度數(shù)據(jù)，因此參考相關(guān)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(jì)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(gòu)建TVP-SV-VAR模型，進(jìn)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(jìn)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(jié)果的準(zhǔn)確性，因此采用月度數(shù)據(jù)構(gòu)建TVAR模型。選取經(jīng)濟(jì)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(fèi)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(diǎn)。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(jié)構(gòu)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(jìn)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(yùn)用X-13ARIMA-SEATS方法對所有變量數(shù)據(jù)進(jìn)行了季節(jié)性調(diào)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(zhuǎn)化為它們的對數(shù)增長率

對數(shù)增長率計算公式： ?ln ??x?? t / x?? t-1? ×100 。 。

對處理后的所有變量數(shù)據(jù)進(jìn)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(zhǔn)則（Akaike Information Criterion）確定。季度數(shù)據(jù)的檢驗結(jié)果如表1所示，月度數(shù)據(jù)的檢驗結(jié)果如表2所示。根據(jù)檢驗結(jié)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(shè)，說明所有變量都是平穩(wěn)的。

四 經(jīng)濟(jì)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(nèi)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(jìn)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(chǔ)上建立了時變參數(shù)自回歸（TVP-SV-VAR）模型，運(yùn)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(biāo) t ，可得TVP-SV-VAR的基本表達(dá)式：

y?? t = X?? t? β?? t + A-1?? t ∑? t?? ε?? t ，t=s+1，…，n ??（1）

其中，? β?? t ， A?? t? 以及? ∑?? t? 都是時變矩陣，? ε?? t ～N（0， I?? K ）。 α?? t? 為? A?? t? 矩陣中的下三角堆疊向量元素，? h?? t =?? h?? 1t ，…， h?? kt? ' ，且 h?? jt = log ?σ2?? jt? ， ?j=1，…，k ， ?t=s+1，…，n . 所有參數(shù)服從隨機(jī)游走：

β?? t+1 = β?? t + μ?? βt ， α?? t+1 = α?? t + μ?? αt ， h?? t+1 = h?? t + μ?? ht?? （2）

?ε?? t?? μ?? βt?? μ?? αt?? μ?? ht? ?～N 0，? 1 0 0 0 0 ??Σ ???β? 0 0 0 0 ??Σ ???α? 0 0 0 0 ??Σ ???h? ?????（3）

其中， ??β?? s+1 ～N ?μ??? β?? 0? ， ?Σ ????β?? 0??? ，? α?? s+1 ～N ?μ??? α?? 0? ， ?Σ ????α?? 0??? ，? h?? s+1 ～N ?μ??? h?? 0? ， ?Σ ????h?? 0??? 。

（二）參數(shù)估計結(jié)果

運(yùn)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(qiáng)弱安排變量順序，變量順序為qEPU、qGDP、qIS、qSP。根據(jù)HQ準(zhǔn)則（Hannan-Quinn Criterion）和SC準(zhǔn)則（Schwarz Criterion），將滯后期設(shè)定為1。遵循Nakajima 等的做法，預(yù)設(shè)先驗分布作為MCMC（Markov Chain Monte Carlo）模擬的起點(diǎn)，抽樣次數(shù)為10000次。將前10%的抽樣結(jié)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(jié)果收斂的原假設(shè)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(rèn)為參數(shù)估計結(jié)果具有良好的收斂性和有效性，實證結(jié)果可靠。

（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(diǎn)都可以做出一條脈沖響應(yīng)曲線。因此，主要有兩種展現(xiàn)實驗結(jié)果的方式，分別是等間隔脈沖響應(yīng)和時點(diǎn)脈沖響應(yīng)? [20，32] 。要獲取等間隔脈沖響應(yīng)，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(diǎn)對應(yīng)的脈沖響應(yīng)曲線中選取提前期為一個季度的點(diǎn)按序連接起來。等間隔脈沖響應(yīng)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(guān)系。時點(diǎn)脈沖響應(yīng)是指在特定時點(diǎn)下的脈沖響應(yīng)，即自變量某一時點(diǎn)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(gòu)建等間隔脈沖響應(yīng)和時點(diǎn)脈沖響應(yīng)，并對結(jié)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(yīng)和應(yīng)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(gòu)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(fù)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(jìn)作用為主。2008年，EPU的影響迅速降至負(fù)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(fù)，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(jìn)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(fù)向影響。

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(jìn)一步觀察EPU影響的細(xì)節(jié)特征，從三個階段各選取一個時間點(diǎn)：2003Q2、2009Q1、2015Q1，構(gòu)建時點(diǎn)脈沖響應(yīng)，獲取EPU在這些時間點(diǎn)的完整影響路徑。結(jié)果如圖2所示。

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(fù)，對股票價格產(chǎn)生了較為微弱的負(fù)向影響。2015年，EPU對投資者情緒和股票價格主要產(chǎn)生負(fù)向作用?？梢园l(fā)現(xiàn)，三個時點(diǎn)脈沖響應(yīng)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(fù)向影響，后期負(fù)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(yīng)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(diǎn)脈沖響應(yīng)可以進(jìn)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(fù)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(fù)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(qiáng)烈的負(fù)向影響所掩蓋，因而未被發(fā)現(xiàn)。

結(jié)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(jī)和國內(nèi)經(jīng)濟(jì)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(fù)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(fù)面影響。可以初步判斷，EPU對投資者情緒和股票價格的影響與經(jīng)濟(jì)狀況聯(lián)系緊密。當(dāng)經(jīng)濟(jì)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(jì)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(jìn)行穩(wěn)健性檢驗。選取經(jīng)濟(jì)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(gòu)建TVP-SV-VAR模型。根據(jù)AIC準(zhǔn)則和FPE準(zhǔn)則（Final Prediction Error Criterion），設(shè)定4個滯后期。MCMC抽樣次數(shù)為10000次。參數(shù)估計結(jié)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(jié)果收斂的原假設(shè)，所有無效因子均處于較低水平，表明參數(shù)估計結(jié)果可靠。

基準(zhǔn)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(dāng)延遲了影響期數(shù)，選取2、5、10個月為提前期構(gòu)建等間隔脈沖響應(yīng)。由圖3可見，在研究時段的前期，經(jīng)濟(jì)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(fù)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(jì)政策不確定性對投資者情緒和股票價格主要產(chǎn)生促進(jìn)作用，中后期工業(yè)生產(chǎn)增速放緩，經(jīng)濟(jì)政策不確定性對投資者情緒和股票價格主要產(chǎn)生負(fù)向影響。穩(wěn)健性檢驗的結(jié)果與基準(zhǔn)模型的結(jié)果大體一致，說明實驗結(jié)果穩(wěn)健可靠。

五 經(jīng)濟(jì)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(jì)高速增長的時期，EPU主要產(chǎn)生正向影響;在經(jīng)濟(jì)增長放緩的時期，EPU主要產(chǎn)生負(fù)向影響。這一節(jié)中，將運(yùn)用TVAR模型，以代表經(jīng)濟(jì)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(jì)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：

Y?? t =[ c?? 1 + A?? 1 （L） Y?? t-1 ]I（ X?? t-1 <γ）+[ c?? 2 + A?? 2?? L Y?? t-1 ]I（ X?? t-1 ≥γ）+ ε?? t? ??（4）

其中，? Y?? t? 包含 k 個變量， I（·） 是指示函數(shù)，? X?? t? 是門限變量， γ 是門限值，? A?? 1，2 （L） 為滯后多項式，? ε?? t? 為誤差項。根據(jù)門限變量與門限值的關(guān)系，可以實現(xiàn)在兩個VAR模型之間的轉(zhuǎn)換。當(dāng)門限變量? X?? t-1? 小于門限值時 γ ，模型服從第一個VAR表達(dá)式 ??Y?? t = c?? 1 + A?? 1 （L） Y?? t-1 + ε?? t? ;當(dāng)門限變量? X?? t-1? 大于或等于門限值時 γ ，模型服從第二個VAR表達(dá)式 ??Y?? t = c?? 2 + A?? 2 （L） Y?? t-1 + ε?? t? 。

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(jì)增長狀況為門限變量，探討在經(jīng)濟(jì)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(gòu)建

本文采用月度數(shù)據(jù)構(gòu)建TVAR模型。在TVP-SV-VAR模型采用的四個變量（mEPU、mIPI、mIS、mSP）的基礎(chǔ)上，增加三個控制變量：消費(fèi)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(gòu)建TVAR模型。其中，工業(yè)生產(chǎn)指數(shù)（mIPI）代表了經(jīng)濟(jì)增長狀況，在模型中作為門限 變量。

當(dāng)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(dāng)數(shù)據(jù)具有非線性特征時，才適合TVAR模型。因此，在構(gòu)建TVAR模型以前，需要對數(shù)據(jù)進(jìn)行非線性檢驗。采用Lo和Zivot在Hansen研究基礎(chǔ)上擴(kuò)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(jìn)行非線性檢驗? [34，35] 。根據(jù)AIC和FPE準(zhǔn)則，設(shè)定2個滯后期，包含趨勢項和常數(shù)項。檢驗的原假設(shè)為線性，備擇假設(shè)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(shè)。檢驗結(jié)果表明，研究數(shù)據(jù)具有非線性特征，適合構(gòu)建以工業(yè)生產(chǎn)指數(shù)（mIPI）為門限變量的TVAR模型。

構(gòu)建TVAR模型時，合理的變量順序是實證結(jié)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(qiáng)弱安排變量順序，外生性強(qiáng)的變量放在前面，內(nèi)生性強(qiáng)的變量放在后面。運(yùn)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(jì)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(zhǔn)則和FPE準(zhǔn)則，設(shè)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(jié)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(jì)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(jì)狀況。

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?？梢园l(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(fù)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(fù)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(dāng)工業(yè)生產(chǎn)增速放緩時，EPU主要產(chǎn)生負(fù)向影響。

通過TVP-SV-VAR模型，我們初步判斷EPU的影響與經(jīng)濟(jì)狀況緊密聯(lián)系。通過TVAR模型可以進(jìn)一步得出結(jié)論，經(jīng)濟(jì)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(jì)增速放緩時，EPU主要產(chǎn)生負(fù)向影響。由此可見，經(jīng)濟(jì)增長較緩慢的環(huán)境下，當(dāng)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(yù)期值較低，風(fēng)險溢價較高，投資者將選擇拋出股票，致使股價下降。經(jīng)濟(jì)高速增長的環(huán)境下，當(dāng)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(yù)期值較高，風(fēng)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(yuǎn)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(jì)高速增長著稱的中國，EPU產(chǎn)生正向影響的樣本量遠(yuǎn)小于產(chǎn)生負(fù)向影響的樣本量。并且，EPU正向影響的絕對值明顯小于負(fù)向影響的絕對值。低區(qū)制下，EPU產(chǎn)生的是十分顯著的負(fù)向作用;高區(qū)制下，EPU產(chǎn)生的是較為溫和的促進(jìn)作用，且伴隨著負(fù)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(jié)果基本一致，同時也為多數(shù)研究只發(fā)現(xiàn)EPU的負(fù)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(nèi)的平均值。時間較短、程度較弱的正向影響被更為主流的負(fù)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(jì)發(fā)展進(jìn)入新常態(tài)，發(fā)展方式由規(guī)模速度型轉(zhuǎn)向質(zhì)量效率型，曾經(jīng)的高增速神話已成過去，EPU在經(jīng)濟(jì)高增速環(huán)境下產(chǎn)生促進(jìn)作用的情況難以再現(xiàn)。然而，EPU可以促進(jìn)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(jì)發(fā)展的負(fù)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(jì)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(jī)遇。在這種情況下，經(jīng)濟(jì)政策變動帶來的不確定性很可能被視為創(chuàng)新和機(jī)遇，鼓舞投資信心，促進(jìn)股票價格上漲。這為應(yīng)對不確定性影響提供了新的思路：除了將不確定性視為負(fù)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(jì)增速放緩不可逆轉(zhuǎn)的背景下，大力優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)，提高經(jīng)濟(jì)政策效率，增強(qiáng)投資者對國家政策和經(jīng)濟(jì)環(huán)境的信心，減少投資者對不利變化的擔(dān)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(qiáng)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(jì)發(fā)展的不利因素。本研究認(rèn)為，當(dāng)人們對國家政策和經(jīng)濟(jì)環(huán)境持有充足的信心，不確定性將不再代表負(fù)面因素，而是意味著機(jī)遇與挑戰(zhàn)。

（四）穩(wěn)健性檢驗

通過改變滯后期來進(jìn)行穩(wěn)健性檢驗。AIC準(zhǔn)則和FPE準(zhǔn)則選擇的最優(yōu)滯后期為2，而HQ準(zhǔn)則和SC準(zhǔn)則選擇的最優(yōu)滯后期為1?；鶞?zhǔn)模型中，滯后期長度設(shè)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(jié)果，門限值（ γ ）為1.24，與基準(zhǔn)模型結(jié)果一致。圖5展示了滯后期為1時，經(jīng)濟(jì)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(jì)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(fù)向影響，但低區(qū)制下負(fù)向影響更為顯著，高區(qū)制下負(fù)向影響相對較弱，且很快轉(zhuǎn)為正向影響;經(jīng)濟(jì)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(jì)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(fù)向影響。結(jié)果表明，當(dāng)工業(yè)生產(chǎn)月度增長率高于1.24%時，經(jīng)濟(jì)政策不確定性對投資者情緒產(chǎn)生了先負(fù)后正的影響，對股票價格產(chǎn)生了較高的正向影響。當(dāng)增長率低于1.24%時，經(jīng)濟(jì)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(fù)向影響。穩(wěn)健性檢驗結(jié)果與基準(zhǔn)模型結(jié)果大體一致，說明實證結(jié)果穩(wěn)健可靠。

六 結(jié) 論

已有研究通常將不確定性視為經(jīng)濟(jì)發(fā)展的負(fù)面因素，認(rèn)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(guān)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(dāng)經(jīng)濟(jì)高速增長時，經(jīng)濟(jì)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(rèn)識，有利于更好地應(yīng)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(yīng)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(dāng)經(jīng)濟(jì)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(jī)遇。因此，在應(yīng)對不確定性影響時，除了將不確定性視為負(fù)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(dāng)經(jīng)濟(jì)增速放緩時，可以考慮通過提高經(jīng)濟(jì)政策效率、優(yōu)化投資環(huán)境等方式增強(qiáng)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(jì)管理部門在防范不確定性影響的時候，應(yīng)當(dāng)充分考慮不確定性在不同經(jīng)濟(jì)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(dāng)?shù)膽?yīng)對措施。最后，也要謹(jǐn)防在經(jīng)濟(jì)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(fēng)險因素，盲目擴(kuò)大投資，最后造成個人財產(chǎn)損失甚至加劇經(jīng)濟(jì)波動。

[參 考 文 獻(xiàn)]

[1]? Altermatt L. Savings， asset scarcity， and monetary policy[J]. Journal of Economic Theory， 2019（182）： 329-359.

[2] Kang W， Ratti R A. Oil shocks， policy uncertainty and stock market return[J]. Journal of International Financial Markets， Institutions and Money， 2013（26）： 305-318.

[3] Antonakakis N， Chatziantoniou I， Filis G. Dynamic co-movements between stock market returns and policy uncertainty[J]. Economics Letters， 2013（1）： 87-92.

[4] Chang T， Chen W Y， Gupta R， et al. Are stock prices related to the political uncertainty index in OECD countries？ Evidence from the bootstrap panel causality test[J]. Economic Systems， 2015（2）：288-300.

[5] Brogaard J， Detzel A. The asset-pricing implications of government economic policy uncertainty[J]. Management Science， 2015（1）：3-18.

[6] Arouri M， Estay C， Rault C， et al. Economic policy uncertainty and stock markets： Long-run evidence from the US[J]. Finance Research Letters， 2016（18）： 136-141.

[7] Chen J， Jiang F， Tong G. Economic policy uncertainty in China and stock market expected returns[J]. Accounting & Finance， 2017（5）： 1265-1286.

[8] Segal G， Shaliastovich I， Yaron A. Good and bad uncertainty： Macroeconomic and financial market implications[J]. Journal of Financial Economics， 2015（2）： 369-397.

[9] 陳國進(jìn)， 丁杰， 趙向琴.“好”的不確定性，“壞”的不確定性與股票市場定價——基于中國股市高頻數(shù)據(jù)分析[J]. 金融研究， 2019（7）： 174-190.

[10] Bloom N. Fluctuations in uncertainty[J]. Journal of Economic Perspectives， 2014（2）： 153-76.

[11] Zhang X F. Information uncertainty and stock returns[J]. The Journal of Finance， 2006（1）：105-137.

[12] Pástor L'， Veronesi P. Political uncertainty and risk premia[J]. Journal of Financial Economics， 2013（3）：520-545.

[13] Pástor L'， Veronesi P. Uncertainty about government policy and stock prices[J]. The Journal of Finance， 2012（4）：1219-1264.

[14] Shahzad S J H， Raza N， Balcilar M， et al. Can economic policy uncertainty and investors sentiment predict commodities returns and volatility？[J]. Resources Policy， 2017（53）： 208-218.

[15] Debata B， Mahakud J. Economic policy uncertainty and stock market liquidity： Does financial crisis make any difference？[J]. Journal of Financial Economic Policy， 2018（6）：116-121.

[16] Nartea G V， Bai H， Wu J. Investor sentiment and the economic policy uncertainty premium[J]. Pacific-Basin Finance Journal， 2020（64）： 101438.

[17] Zhang B. Economic policy uncertainty and investor sentiment： linear and nonlinear causality analysis[J]. Applied Economics Letters， 2019（15）： 1264-1268.

[18] Baker M， Wurgler J. Investor sentiment in the stock market[J]. Journal of Economic Perspectives， 2007（2）： 129-152.

[19] Baumeister C， Kilian L. What central bankers need to know about forecasting oil prices[J]. International Economic Review， 2014（3）： 869-889.

[20] Nakajima J， Kasuya M， Watanabe T. Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy[J]. Journal of the Japanese and International Economies， 2011（3）： 225-245.

[21] 吳麗華，傅廣敏.人民幣匯率、短期資本與股價互動[J].經(jīng)濟(jì)研究，2014（11）：72-86.

[22] 劉永余，王博.利率沖擊、匯率沖擊與中國宏觀經(jīng)濟(jì)波動——基于TVP-SV-VAR的研究[J].國際貿(mào)易問題，2015（3）： 146-155.

[23] 王宇偉，丁慧，盛天翔.股票收益率與通貨膨脹預(yù)期的動態(tài)影響關(guān)系研究——基于TVP-VAR-SV模型的實證研究[J].南開經(jīng)濟(jì)研究，2018（6）：129-148.

[24] Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics， 2016（4）： 1593-1636.

[25] Huang Y， Luk P. Measuring economic policy uncertainty in China[J]. China Economic Review， 2020（59）：101367.

[26] 劉玲，陳樂一，彭曉蓮，等.美國經(jīng)濟(jì)政策不確定性對中國宏觀經(jīng)濟(jì)的非對稱沖擊效應(yīng)[J].中國軟科學(xué)，2021（5）： 49-58.

[27] 陳繼勇，袁威，肖衛(wèi)國.流動性、資產(chǎn)價格波動的隱含信息和貨幣政策選擇——基于中國股票市場與房地產(chǎn)市場的實證分析[J].經(jīng)濟(jì)研究，2013（11）：43-55.

[28] 王奇珍，王玉東.國際油價、美國經(jīng)濟(jì)不確定性和中國股市的波動溢出效應(yīng)研究[J].中國管理科學(xué)，2018（11）：50-61.

[29] 劉建平，王雨琴.季節(jié)調(diào)整方法的歷史演變及發(fā)展新趨勢[J].統(tǒng)計研究，2015（8）：90-98.

[30] Sax C， Eddelbuettel D. Seasonal adjustment by x-13arima-seats in r[J]. Journal of Statistical Software， 2018（1）：1-17.

[31] Primiceri G E. Time varying structural vector autoregressions and monetary policy[J]. The review of Economic Studies， 2005（3）：821-852.

[32] 李成剛，李峰，趙光輝.貨幣政策規(guī)則對國際資本流動與人民幣匯率的時變影響——基于TVP-SV-VAR模型的實證檢驗[J].中國管理科學(xué)，2021，29（10）：35-46.

[33] Huang W Q， Liu P. Asymmetric effects of economic policy uncertainty on stock returns under different market conditions： Evidence from G7 stock markets[J]. Applied Economics Letters， 2021（6）：1-5.

[34] Lo M C， Zivot E. Threshold cointegration and nonlinear adjustment to the law of one price[J]. Macroeconomic Dynamics， 2001（4）： 533.

[35] Hansen B. Testing for linearity[J]. Journal of Economic Surveys，1999（5）：551-576.

3550501908279