經(jīng)濟(jì)政策不確定性與人民幣匯率的非對稱波動

摘 要：選取2011年1月至2022年3月的時間序列數(shù)據(jù)，探討經(jīng)濟(jì)政策不確定性對人民幣匯率波動的非對稱影響及投資者預(yù)期的中介效應(yīng)。研究發(fā)現(xiàn)，相對經(jīng)濟(jì)政策不確定性上升加劇了人民幣匯率波動，且呈現(xiàn)出明顯的非對稱特征，即在宏觀經(jīng)濟(jì)狀況較壞時的波動更大，投資者預(yù)期在其中發(fā)揮了重要的中介作用。鑒于此，應(yīng)針對不同宏觀經(jīng)濟(jì)狀況采取差異化調(diào)控措施，提振投資者信心，避免形成人民幣不良變動預(yù)期，預(yù)防人民幣匯率的過度波動。

關(guān)鍵詞： 經(jīng)濟(jì)政策不確定性；人民幣匯率；非對稱波動；投資者預(yù)期；差異化匯率管理

中圖分類號：F830.59 文獻(xiàn)標(biāo)識碼： A 文章編號：1003-7217（2024）05-0041-08

一、引 言

近年來，隨著中美兩國經(jīng)濟(jì)政策的頻繁調(diào)整，中美經(jīng)濟(jì)政策不確定性交替升降，人民幣匯率波動也呈現(xiàn)出一些可能的非對稱特征，即在國內(nèi)經(jīng)濟(jì)狀況較好時，經(jīng)濟(jì)政策不確定性對人民幣匯率波動的影響相比國內(nèi)經(jīng)濟(jì)狀況較壞時小。

關(guān)于經(jīng)濟(jì)政策不確定性（EPU）對人民幣匯率波動的非對稱影響存在多種解釋，但學(xué)者們尚未形成一致意見，其研究結(jié)論可分為三方面：一是認(rèn)為EPU或者相對EPU的變動對人民幣匯率波動的影響是非對稱的[1，2]；二是認(rèn)為EPU對人民幣匯率波動的非對稱影響與人民幣匯率改革有關(guān)[3]；三是認(rèn)為非對稱影響來源于外匯市場，也就是說，當(dāng)人民幣處于不同狀態(tài)時，EPU對人民幣匯率波動的影響會有所不同[4]。同時，大量文獻(xiàn)從理論和實(shí)證方面證明，投資者預(yù)期會影響匯率波動。一方面，投資者對匯率預(yù)期的改變將使其改變資產(chǎn)配置，導(dǎo)致短期資本流動的變化，進(jìn)而影響人民幣匯率波動[5]。另一方面，投資者預(yù)期的分化程度越高，人民幣匯率波動越劇烈[2，6]。也有實(shí)證研究聚焦于投資者預(yù)期對匯率波動的非線性影響，這一非線性影響可能來源于投資者主觀預(yù)期的樂觀或悲觀[7]，也可能來源于客觀市場的活躍程度或價(jià)格的波動程度[8]。

綜上，目前學(xué)者針對EPU對人民幣匯率波動的影響進(jìn)行了一些研究，但可能仍存在一定的局限性，主要體現(xiàn)在以下兩方面：第一，相關(guān)研究大都關(guān)注EPU和投資者預(yù)期對人民幣匯率波動的獨(dú)立影響，而較少關(guān)注投資者預(yù)期可能在EPU與人民幣匯率波動間起到的中介作用。第二，在非對稱性的研究上，學(xué)者只考慮了非對稱效應(yīng)來源于EPU、匯率制度改革和外匯市場情況，并沒有分析不同的宏觀經(jīng)濟(jì)狀況也可能帶來EPU對人民幣匯率波動的非對稱影響。鑒于此，從理論分析和實(shí)證檢驗(yàn)兩個方面研究EPU與人民幣匯率非對稱波動之間是否存在宏觀經(jīng)濟(jì)狀況的門檻效應(yīng)，并探究EPU與人民幣匯率的非對稱波動間是否存在投資者預(yù)期的中介效應(yīng)。

二、理論分析

部分經(jīng)濟(jì)學(xué)理論認(rèn)為，EPU會使經(jīng)濟(jì)主體改變其投資行為來影響人民幣匯率波動[9]。實(shí)物期權(quán)理論認(rèn)為，EPU上升會提高企業(yè)繼續(xù)“等待”的價(jià)值，從而抑制企業(yè)當(dāng)前投資活動[10]。金融摩擦理論認(rèn)為，當(dāng)EPU上升時，銀行為了規(guī)避風(fēng)險(xiǎn)會選擇縮減貸款規(guī)模，此時企業(yè)的融資成本較高[11]。謹(jǐn)慎性動機(jī)理論認(rèn)為，EPU不僅會通過降低企業(yè)融資來直接抑制投資，還會通過降低融資的投資系數(shù)來間接抑制企業(yè)投資[12]。因此，EPU的上升會抑制企業(yè)投資，從而使得全要素生產(chǎn)率下降，產(chǎn)出減少。而市場中存在大量企業(yè)，EPU對單個企業(yè)的影響會累積，對宏觀經(jīng)濟(jì)基本面產(chǎn)生影響，使經(jīng)濟(jì)增長率下降，導(dǎo)致貨幣貶值［13］。EPU屬于外部沖擊，EPU的上升會對匯率施加外部沖擊，使其在貶值的同時，更加偏離長期趨勢，加劇了匯率波動。

基于上述理論，當(dāng)中國處于不同宏觀經(jīng)濟(jì)狀況時，中美經(jīng)濟(jì)政策的相對不確定性可能會導(dǎo)致人民幣匯率出現(xiàn)非對稱波動。首先，在中國宏觀經(jīng)濟(jì)狀況較壞的背景下，為了規(guī)避風(fēng)險(xiǎn)，企業(yè)會更傾向于繼續(xù)“等待”而較少考慮當(dāng)前的投資機(jī)會，銀行的放貸行為也會更加保守，企業(yè)面臨更高的融資約束。其次，由于資本流動對新興市場風(fēng)險(xiǎn)變化更為敏感，當(dāng)中國處于經(jīng)濟(jì)下行期，若中國經(jīng)濟(jì)政策不確定程度高于美國，國際投資者也將更加謹(jǐn)慎，更不愿意在中國投資，這將促使更多的資本從中國流出。且由于美元的對沖能力和安全性高于人民幣，他們會將手中持有的人民幣兌換為更具避險(xiǎn)能力的美元，促使資本流向美國，從而對人民幣催生出更劇烈的貶值壓力[2]。綜上所述，在中國宏觀經(jīng)濟(jì)下行期，EPU上升對人民幣匯率產(chǎn)生的貶值沖擊更大，人民幣匯率波動加劇的程度將大于宏觀經(jīng)濟(jì)上行期。

在EPU導(dǎo)致人民幣匯率出現(xiàn)非對稱波動時，可能存在投資者預(yù)期的中介作用。由于外匯市場投資者大多是不確定性厭惡者，對他們來說，不確定性水平的上升會降低個體效用[14]，所以EPU水平越高，對投資者預(yù)期的影響就越深刻。外匯市場存在基本面分析者和技術(shù)分析者?；久娣治稣咄ㄟ^貨幣主義模型計(jì)算經(jīng)濟(jì)基本面匯率，通過比較基本面匯率和即期匯率的偏差來構(gòu)建匯率回歸預(yù)期；技術(shù)分析者則忽略了基本面匯率信息，僅根據(jù)歷史信息預(yù)測未來匯率變化[15]。一方面，EPU上升會增加基本面分析者對未來經(jīng)濟(jì)基本面走勢做出精準(zhǔn)預(yù)期的難度，導(dǎo)致基本面分析者的預(yù)期分化程度加劇，從而使匯率波動更劇烈[3]。另一方面，EPU的改變會通過影響投資者情緒和對匯率的預(yù)期，影響技術(shù)分析者的買賣行為，進(jìn)而影響外匯市場。當(dāng)中國EPU上升時，投資者悲觀情緒受到強(qiáng)化，使得技術(shù)分析者頻繁買賣貨幣，進(jìn)而影響匯率波動程度。同時，根據(jù)匯率跨期調(diào)整模型，將匯率視為資產(chǎn)價(jià)格時，本國與外國投資者對彼此股票的需求會影響匯率，而投資者情緒則會通過影響股價(jià)來影響匯率[7]。

在不同宏觀經(jīng)濟(jì)狀況背景下，由于外匯市場投資者大多是風(fēng)險(xiǎn)厭惡者，其額外承擔(dān)的風(fēng)險(xiǎn)會大幅降低其投資效用水平，所以較好的宏觀經(jīng)濟(jì)狀況對外匯市場投資者預(yù)期的影響有限，而較壞的宏觀經(jīng)濟(jì)狀況則會深刻影響外匯市場投資者的預(yù)期。因此，當(dāng)我國宏觀經(jīng)濟(jì)狀況較壞時，外匯市場投資者對匯率的負(fù)面預(yù)期進(jìn)一步加劇，疊加我國EPU相對上升對人民幣匯率的貶值影響，進(jìn)一步加劇了人民幣匯率的貶值程度和匯率波動程度；當(dāng)我國宏觀經(jīng)濟(jì)狀況較好時，有助于外匯市場投資者形成積極的市場預(yù)期，部分抵消了我國EPU相對上升的影響，人民幣匯率貶值程度下降，且下降程度低于宏觀經(jīng)濟(jì)狀況較壞時人民幣匯率貶值的程度，從而匯率波動加劇程度弱于宏觀經(jīng)濟(jì)狀況較壞時。

基于此，提出假設(shè)1和假設(shè)2：

假設(shè)1 在不同的宏觀經(jīng)濟(jì)狀況下，經(jīng)濟(jì)政策不確定性對人民幣匯率波動的影響是非對稱的。

假設(shè)2 在經(jīng)濟(jì)政策不確定性對人民幣匯率波動產(chǎn)生影響的過程中，投資者預(yù)期起到了重要的中介作用。

三、研究設(shè)計(jì)

（一）變量選取與數(shù)據(jù)來源

1. 被解釋變量。采用EEMD方法將人民幣匯率進(jìn)行分解。

集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）方法是Huang等提出的一種較為前沿的時頻分析方法[16]。該方法無須進(jìn)行基函數(shù)設(shè)定，能夠根據(jù)數(shù)據(jù)自身的時間尺度特征，自適應(yīng)地將其分解為不同頻率尺度的分量以體現(xiàn)數(shù)據(jù)的波動特征，這些分量被稱為本征模函數(shù)（IMF）。該方法適用于處理非線性、非平穩(wěn)數(shù)據(jù)，能夠從時間域和頻率域兩個角度全面揭示匯率波動的內(nèi)在特征，相較于只考慮時間域的GARCH模型具有顯著優(yōu)勢。

EEMD方法是基于Wu和Huang提出的EMD方法的一大改進(jìn)[17]。EMD方法在分解原始序列時存在模態(tài)混疊的缺陷，即同一個IMF中可能包含多個頻率尺度的序列，相同頻率尺度的序列可能包含在多個不同的IMF中。EEMD方法在原始序列中加入了白噪聲序列，對得到的新序列進(jìn)行EMD分解以得到IMF和趨勢項(xiàng)，并更換不同的白噪聲序列重復(fù)此步驟，將數(shù)次分解出的IMF和趨勢項(xiàng)求均值得到最終的IMF和趨勢項(xiàng)。原始序列中的噪聲與EEMD方法中加入的白噪聲均具有隨機(jī)性，二者對沖消除了噪聲問題，降低了發(fā)生模態(tài)混疊的概率，最后對 IMF及趨勢項(xiàng)求均值可以消除白噪聲的影響。因此EEMD方法擁有比EMD方法更高的分解精度。

通過EEMD將中國外匯市場上美元兌人民幣匯率月平均收盤價(jià)分解為不同頻率的分量，得到6個IMF分量和1個趨勢項(xiàng)，如圖1所示。然后從6個IMF分量中選擇最能代表原序列波動的分量作為美元兌人民幣匯率波動的代理變量。借鑒以往學(xué)者的研究利用T檢驗(yàn)進(jìn)行區(qū)分，原假設(shè)是IMF分量均值為零，出現(xiàn)第一個均值顯著異于零的IMF分量時，其之前的IMF分量加總為高頻分量，剩余IMF分量加總為低頻分量。在5％的顯著性水平下，IMF5是第一個均值顯著異于零的分量，因此將IMF1至IMF4加總合并為高頻分量，IMF5和IMF6加總合并作為低頻分量。

各分量體現(xiàn)了匯率在不同頻率下的信息。為了從中選擇人民幣匯率波動的代理變量，需要計(jì)算高、低頻分量及趨勢項(xiàng)的方差貢獻(xiàn)度，即各分量方差占原始序列或分解后序列方差的比率。高頻分量對原始序列的方差貢獻(xiàn)度為37.35%，低頻分量為27.80%，趨勢項(xiàng)為1.54%。高頻分量的方差貢獻(xiàn)度超過低頻分量與趨勢項(xiàng)的方差貢獻(xiàn)度之和，說明在三種分量中，高頻分量對人民幣匯率波動具有最高的解釋度。

高頻分量反映了人民幣匯率短期波動，這類波動的特點(diǎn)是持續(xù)時間短、發(fā)生頻率高，對人民幣匯率波動的解釋能力最強(qiáng)。故選取美元兌人民幣匯率月平均收盤價(jià)高頻分量（high）作為被解釋變量。

2.解釋變量。匯率是兩國貨幣兌換的比率，需要考慮兩國的EPU，故在Long等[2]的研究成果基礎(chǔ)上，將相對經(jīng)濟(jì)政策不確定性（repu）作為核心解釋變量。同時，為與美元兌人民幣匯率保持一致，采用美、中兩國EPU[18，19，22]的比值，代理相對經(jīng)濟(jì)政策不確定性，其比值上升說明美國EPU水平相對于中國而言上升。

3.門檻變量。借鑒嚴(yán)寶玉[20]的研究，將中國制造業(yè)采購經(jīng)理指數(shù)（pmi）作為中國宏觀經(jīng)濟(jì)狀況的替代指標(biāo)。pmi反映了制造業(yè)整體的增長與衰退，是經(jīng)濟(jì)監(jiān)測的先行指標(biāo)，在世界范圍內(nèi)被公認(rèn)為衡量宏觀經(jīng)濟(jì)狀況的“晴雨表”。其中，pmi以50為榮枯分水線，該指數(shù)略高于50表示宏觀經(jīng)濟(jì)緩慢增長，略低于50表示宏觀經(jīng)濟(jì)緩慢衰退，接近40則反映了制造業(yè)蕭條。

4.控制變量。參考人民幣匯率波動短期影響因素的相關(guān)研究，選取能夠反映中美利差、投資者預(yù)期[21，22]、中美相對通脹變化率[23]、中國股價(jià)[24]的指標(biāo)作為控制變量。其中，中美利差（ir）采用我國銀行間隔夜拆借利率減去美國聯(lián)邦基金利率的差來衡量。售匯率（srate）作為投資者預(yù)期的替代指標(biāo)，采用銀行代客售匯與代客涉外支出的比值來表示。中美相對通脹變化率（lnrcpi）用美國與中國CPI指數(shù)之比的對數(shù)差分來替代。并將滬深300指數(shù)（csi）作為中國股價(jià)的替代指標(biāo)。

由于2005年7月前以及次貸危機(jī)發(fā)生后至2010年的一段時間內(nèi)人民幣匯率釘住美元，無法體現(xiàn)EPU與人民幣匯率的動態(tài)關(guān)系，所以選取的研究區(qū)間為2011年1月至2022年3月，并選取美元兌人民幣匯率月平均收盤價(jià)高頻分量（high）、相對經(jīng)濟(jì)政策不確定性（repu）等7個變量，每個變量的觀測數(shù)為135。為避免偽回歸現(xiàn)象，采用ADF單位根方法對上述變量進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果表明均通過ADF單位根檢驗(yàn)，可以采用上述變量的原始數(shù)值進(jìn)行后續(xù)實(shí)證分析。

（二）模型設(shè)定

1. 時間序列門檻模型。為了檢驗(yàn)假設(shè)1，通過非線性計(jì)量方法檢驗(yàn)我國宏觀經(jīng)濟(jì)狀況的指標(biāo)達(dá)到特定值時，EPU對人民幣匯率波動的影響是否會改變。借鑒胡利琴等[25]的研究，構(gòu)建時間序列門檻模型，考察在不同的宏觀經(jīng)濟(jì)狀況下，EPU對人民幣匯率波動的非對稱效應(yīng)，模型為：

hight=（α1C+β1reput+θ1Xt）Ι（pmit≤γ）+（α2C+β2reput+θ2Xt）Ι（pmit>γ）（1）

其中，hight代表人民幣匯率波動；reput為相對經(jīng)濟(jì)政策不確定性；Xt代表控制變量；pmi為制造業(yè)PMI；I（·）為示性函數(shù)，若括號中的關(guān)系成立，則取值為1，否則取值為0；γ表示模型待估計(jì)的門檻值；β1、β2為主要待估參數(shù)，通過觀察兩個參數(shù)的差異，來驗(yàn)證相對經(jīng)濟(jì)政策不確定性對人民幣匯率波動存在何種非對稱效應(yīng)。

2. 因果推斷回歸模型。

為了檢驗(yàn)假設(shè)2，借鑒江艇[26]的研究，構(gòu)建兩步法回歸模型，考察EPU影響人民幣匯率波動時投資者預(yù)期的中介效應(yīng)。模型為：

hight=c×reput+θ0Xt+e1（2）

sratet=a×reput+θ0Xt+e2 （3）

其中，hight代表人民幣匯率波動，reput為相對經(jīng)濟(jì)政策不確定性，sratet代表投資者預(yù)期，Xt為控制變量。式（2）體現(xiàn)reput對被解釋變量hight的影響；式（3）體現(xiàn)reput對中介變量sratet的影響。如果式（2）中的c、式（3）中的a均顯著，且根據(jù)以往文獻(xiàn)以及理論可以證實(shí)中介變量sratet對hight的影響，則表明repu對人民幣匯率波動的影響是通過投資者預(yù)期實(shí)現(xiàn)的。

四、模型檢驗(yàn)

（一）基準(zhǔn)回歸分析

在進(jìn)行非對稱效應(yīng)檢驗(yàn)和中介效應(yīng)檢驗(yàn)之前，首先通過以下模型進(jìn)行時間序列基準(zhǔn)回歸分析，探究相對經(jīng)濟(jì)政策不確定性與人民幣匯率波動的一般關(guān)系：

hight=α0C+β0reput+θ0Xt+εt（4）

根據(jù)表1的基準(zhǔn)回歸結(jié)果可知，核心解釋變量repu的影響系數(shù)為0.190，在1％的水平下顯著，表明repu上升加劇了人民幣匯率波動，反之則減弱人民幣匯率波動。在控制變量方面，中美利差和中國股價(jià)的系數(shù)顯著為負(fù)，說明中美利差擴(kuò)大和我國股價(jià)上升將減弱人民幣匯率波動，與預(yù)期結(jié)果一致；個人投資者預(yù)期系數(shù)顯著為正，說明個人投資者的貶值預(yù)期將加劇人民幣匯率波動，與預(yù)期結(jié)果一致；中美相對通脹變化率則不顯著。

（二）非對稱效應(yīng)檢驗(yàn)

在進(jìn)行非對稱效應(yīng)檢驗(yàn)之前，首先使用AIC、BIC、HQIC三種信息準(zhǔn)則判斷時間序列門檻模型是否存在門檻值，并確定最優(yōu)門檻數(shù)量。

由于樣本數(shù)量有限，所以使用三種信息準(zhǔn)則確定最優(yōu)門檻數(shù)量時，設(shè)定最大門檻數(shù)量為3，在AIC、HQIC信息準(zhǔn)則下，均顯示以pmi為門檻變量的時間序列門檻模型存在1個門檻值；BIC信息準(zhǔn)則下則顯示不存在門檻效應(yīng)。但BIC信息準(zhǔn)則統(tǒng)計(jì)值最大，在篩選合適的判斷準(zhǔn)則時，往往選擇統(tǒng)計(jì)值最小的，且該準(zhǔn)則更適用于大樣本的情況，所以仍可認(rèn)為模型是非線性的，即存在門檻值。

因此，遵循AIC信息準(zhǔn)則下最優(yōu)門檻數(shù)量為1的結(jié)果，研究單一門檻即兩區(qū)間下，相對經(jīng)濟(jì)政策不確定性影響人民幣匯率波動的非對稱效應(yīng)。AIC信息準(zhǔn)則下的門檻值為51.30。

表2檢驗(yàn)了repu對人民幣匯率波動的非對稱效應(yīng)。核心解釋變量repu的系數(shù)在門檻值51.30前后分別為0.2381和0.209。具體來說，在不同的宏觀經(jīng)濟(jì)狀況下，相對經(jīng)濟(jì)政策不確定性上升均加劇了美元兌人民幣匯率波動，但在我國宏觀經(jīng)濟(jì)狀況較好的情況下（pmi＞51.30），匯率波動加劇程度（0.209）小于我國宏觀經(jīng)濟(jì)狀況較壞時（0.2381），體現(xiàn)出了相對經(jīng)濟(jì)政策不確定性影響人民幣匯率波動的非對稱效應(yīng)，驗(yàn)證了假設(shè)1。

（三）中介效應(yīng)檢驗(yàn)

第一步，檢驗(yàn)相對經(jīng)濟(jì)政策不確定性對美元兌人民幣匯率高頻分量的影響。根據(jù)表3第2列的結(jié)果可知，式（2）中的系數(shù)c在1％的水平上顯著。具體來說，c＝0.152，說明repu上升加劇了人民幣匯率短期波動，反之則使得人民幣匯率短期波動下降。

第二步，檢驗(yàn)相對經(jīng)濟(jì)政策不確定性對中介變量售匯率的影響。根據(jù)表3第3列的結(jié)果可知，式（3）中的系數(shù)a在1％的水平上顯著。具體來說，a=-0.059，說明相對經(jīng)濟(jì)政策不確定性上升時，市場主體購買外匯的意愿減弱。repu用美國與中國的EPU比值衡量，比值上升，說明美國EPU相對中國而言上升幅度更大，或中國EPU下降幅度更大，市場主體傾向于減少將人民幣兌換為美元的數(shù)量，產(chǎn)生人民幣升值預(yù)期，售匯率下降；反之則市場主體傾向于將更多的人民幣兌換為美元，產(chǎn)生人民幣貶值預(yù)期，售匯率上升。

第三步，研究中介變量售匯率對美元兌人民幣匯率高頻分量的影響。售匯率上升代表投資者對人民幣的貶值預(yù)期，下降代表投資者對人民幣的升值預(yù)期。而已有文獻(xiàn)中，國內(nèi)外學(xué)者普遍認(rèn)為投資者預(yù)期將影響人民幣匯率波動[7，27，28]。且在貶值狀態(tài)下，投資者受到損失厭惡等非理性因素的影響，對人民幣貶值的反應(yīng)更明顯，使得人民幣匯率波動幅度更大[21，22，29]。

根據(jù)回歸的結(jié)果可知，式（2）中的系數(shù)c、式（3）中的系數(shù)a均在1％的水平上顯著異于0，且由以往文獻(xiàn)及理論分析可得投資者預(yù)期對人民幣匯率波動有顯著影響。這說明相對經(jīng)濟(jì)政策不確定性通過影響市場主體的預(yù)期從而影響人民幣匯率波動，存在中介效應(yīng)，由此驗(yàn)證了假設(shè)2。

（四）穩(wěn)健性檢驗(yàn)

穩(wěn)健性檢驗(yàn)一共分為三個部分。在第一部分中，通過替換核心解釋變量的方法，檢驗(yàn)非對稱效應(yīng)實(shí)證結(jié)果是否具有穩(wěn)健性。在第二部分中，通過替換核心解釋變量、中介變量以及控制變量的方法，檢驗(yàn)中介效應(yīng)和基準(zhǔn)回歸實(shí)證結(jié)果是否具有穩(wěn)健性。在第三部分中，通過更換回歸方法，驗(yàn)證實(shí)證結(jié)果的穩(wěn)健性。

1.替換核心解釋變量以檢驗(yàn)非對稱效應(yīng)。

貨幣政策不確定性（MPU）反映了貨幣政策的不可預(yù)測波動，貨幣政策的不可預(yù)測波動引起了匯率的波動[28]；且經(jīng)濟(jì)政策不確定性的分類指標(biāo)逐漸進(jìn)入研究視野，具有較強(qiáng)的研究意義[30]。故替換核心解釋變量，構(gòu)建相對貨幣政策不確定性（rmpu）指標(biāo)，對原模型中的核心解釋變量repu進(jìn)行替換。朱軍和蔡恬恬[31]研究發(fā)現(xiàn)，MPU在短期內(nèi)會加劇市場主體的通貨膨脹預(yù)期，市場主體預(yù)期將發(fā)生通貨膨脹時，會更多地將本幣兌換為外幣，使本幣貶值，從而加劇匯率波動。rmpu指標(biāo)的構(gòu)建方法與repu一致，即采用美國MPU與中國MPU的比值進(jìn)行衡量，而被解釋變量、控制變量與樣本區(qū)間皆保持不變，重新進(jìn)行時間序列門檻回歸，以檢驗(yàn)實(shí)證結(jié)果是否具有穩(wěn)健性。中國MPU數(shù)據(jù)來源與中國EPU一致，美國MPU數(shù)據(jù)來源與美國EPU一致。

進(jìn)行穩(wěn)健性檢驗(yàn)之前，需要對替換變量進(jìn)行平穩(wěn)性檢驗(yàn)，rmpu序列在1％的顯著性水平上通過了平穩(wěn)性檢驗(yàn)，故采用rmpu變量的原始數(shù)值進(jìn)行后續(xù)穩(wěn)健性分析。

以rmpu為核心解釋變量時，在AIC信息準(zhǔn)則下，均顯示以制造業(yè)PMI為門檻變量的時間序列門檻模型存在1個門檻值；BIC、HQIC信息準(zhǔn)則下則顯示不存在門檻效應(yīng)；且AIC統(tǒng)計(jì)值最小。與上文實(shí)證檢驗(yàn)類似，以rmpu為核心解釋變量時，依然可以進(jìn)行單一門檻、兩區(qū)間下的時間序列門檻回歸，結(jié)果如表4所示，確定的門檻值與上文略有差異，pmi＝51.10。

根據(jù)表4的結(jié)果可知，在宏觀經(jīng)濟(jì)狀況較好和較壞兩個不同的區(qū)間，相對貨幣政策不確定性對人民幣匯率高頻分量的影響系數(shù)存在顯著差異，核心解釋變量rmpu的系數(shù)在門檻值51.10前后分別為0.197和0.138，均在1％的顯著性水平下顯著。該結(jié)果說明雖然在不同的宏觀經(jīng)濟(jì)狀況下，rmpu上升均加劇了人民幣匯率波動，但在我國宏觀經(jīng)濟(jì)狀況較好的情況下（pmi＞51.10），匯率波動加劇程度（0.138）小于我國宏觀經(jīng)濟(jì)狀況較壞時（0.197），體現(xiàn)出了MPU影響人民幣匯率波動的非對稱效應(yīng)，與上文實(shí)證檢驗(yàn)結(jié)果類似。進(jìn)一步對比表2與表4的結(jié)果可知，采用rmpu替換repu后，核心解釋變量與控制變量的顯著性均未改變，影響系數(shù)僅發(fā)生了微小變化，由此驗(yàn)證了原模型實(shí)證結(jié)果的穩(wěn)健性。

2.替換多個變量以檢驗(yàn)中介效應(yīng)與基準(zhǔn)回歸。

首先，利用前文構(gòu)建的rmpu對repu進(jìn)行替換。其次，構(gòu)建結(jié)售比指標(biāo)，即結(jié)匯額比售匯額，替換原模型中的中介變量售匯率。由于投資者對外匯形成升值預(yù)期和對人民幣形成貶值預(yù)期時，會選擇購匯，推遲結(jié)匯，所以此時銀行結(jié)匯下降，售匯上升，因此結(jié)售比下降；而當(dāng)投資者對外匯形成貶值預(yù)期，則反之；總的來說，結(jié)售比的上升是由人民幣升值預(yù)期驅(qū)動的，結(jié)售比的下降是由人民幣貶值預(yù)期驅(qū)動的[20]。故參考谷宇等[32]的做法，用結(jié)匯和售匯的比再取對數(shù)，簡稱為結(jié)售比（ln sbrate），替換原模型中的售匯率，作為衡量投資者預(yù)期的指標(biāo)。最后，將滬深300指數(shù)替換為上證指數(shù)（sz）。

進(jìn)行穩(wěn)健性檢驗(yàn)之前，需要對替換變量進(jìn)行平穩(wěn)性檢驗(yàn)。檢驗(yàn)結(jié)果顯示，rmpu、ln sbrate、sz序列均在1%的顯著性水平上通過了平穩(wěn)性檢驗(yàn)，故采用原始數(shù)值進(jìn)行后續(xù)穩(wěn)健性分析。

首先，對基準(zhǔn)回歸的穩(wěn)健性進(jìn)行檢驗(yàn)。根據(jù)表5的第2列基準(zhǔn)回歸結(jié)果可知，核心解釋變量rmpu的影響系數(shù)為0.102，在1％的水平上顯著，表明相對貨幣政策不確定性上升加劇了人民幣匯率波動，反之則減弱人民幣匯率波動，與前文結(jié)果一致。在控制變量方面，中美利差和中國股價(jià)的系數(shù)顯著為負(fù)，與前文結(jié)果一致；結(jié)售比系數(shù)顯著為負(fù)，與前文系數(shù)符號相反的原因是，結(jié)售比上升表示人民幣預(yù)期升值，而售匯率上升代表的是人民幣預(yù)期貶值，因此仍然與前文結(jié)果一致；中美相對通脹變化率則不顯著，與前文結(jié)果一致。由此驗(yàn)證了原模型基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

進(jìn)一步地，對中介效應(yīng)的穩(wěn)健性進(jìn)行檢驗(yàn)。根據(jù)表5的結(jié)果可知，rmpu的系數(shù)在1％的水平上顯著，等于0.088，說明rmpu與美元兌人民幣匯率波動存在正相關(guān)關(guān)系。rmpu對結(jié)售比影響的系數(shù)在1％的水平上顯著。具體來說，rmpu對結(jié)售比的影響系數(shù)為0.075，二者正相關(guān)，說明rmpu上升時，結(jié)售比上升，市場主體更傾向于結(jié)算外匯換回本幣，而非用本幣購買外匯，本幣預(yù)期升值，與原結(jié)果相同。雖然系數(shù)與原結(jié)果相反，但前后所使用的中介變量售匯率和結(jié)售比呈反向變動關(guān)系，故中介效應(yīng)檢驗(yàn)的結(jié)果與原結(jié)果相同。綜上所述，中介效應(yīng)和基準(zhǔn)回歸的結(jié)果均具有極強(qiáng)穩(wěn)健性。

3.改變實(shí)證方法。

用GMM廣義矩回歸替代原模型中基準(zhǔn)回歸和中介效應(yīng)的最小二乘法回歸，repu的系數(shù)在1%的水平上顯著，為0.190，其系數(shù)值和顯著與否和原模型幾乎相同。采取GMM方法后，結(jié)果無顯著改變，說明實(shí)證結(jié)果具有極強(qiáng)穩(wěn)健性。

五、研究結(jié)論與政策建議

基于2011年1月至2022年3月經(jīng)濟(jì)政策不確定性、宏觀經(jīng)濟(jì)和匯率的相關(guān)數(shù)據(jù)，對投資者預(yù)期在經(jīng)濟(jì)政策不確定性影響人民幣匯率波動的傳導(dǎo)過程中存在的中介效應(yīng)進(jìn)行了實(shí)證檢驗(yàn)，并研究了不同宏觀經(jīng)濟(jì)狀況下經(jīng)濟(jì)政策不確定性對人民幣匯率波動的非對稱效應(yīng)。研究結(jié)果表明：（1）相對經(jīng)濟(jì)政策不確定性上升總體上加劇了人民幣匯率波動，且該影響存在明顯的非對稱效應(yīng)。我國宏觀經(jīng)濟(jì)狀況較壞時，相對經(jīng)濟(jì)政策不確定性對人民幣匯率波動的加劇程度要高于我國宏觀經(jīng)濟(jì)狀況較好時的情形。（2）投資者預(yù)期的中介效應(yīng)顯著，美中相對經(jīng)濟(jì)政策不確定性的上升會通過影響投資者預(yù)期間接減弱匯率波動，而其下降會通過影響投資者預(yù)期間接加劇匯率波動。

基于以上研究結(jié)論，提出以下政策建議：（1）應(yīng)當(dāng)針對我國不同宏觀經(jīng)濟(jì)狀況采取差異化匯率管理措施。在我國宏觀經(jīng)濟(jì)狀況較壞的時期，要注重我國經(jīng)濟(jì)政策實(shí)施的透明度與連續(xù)性，并積極通過官方渠道客觀地分析和解讀當(dāng)前經(jīng)濟(jì)形勢和經(jīng)濟(jì)政策，降低我國經(jīng)濟(jì)政策不確定性；同時也要加強(qiáng)對美國經(jīng)濟(jì)政策變動的關(guān)注，提前準(zhǔn)備相應(yīng)的應(yīng)對措施，防止美國經(jīng)濟(jì)政策不確定性上升對人民幣匯率穩(wěn)定造成過大沖擊。在我國宏觀經(jīng)濟(jì)狀況較好的情形下，應(yīng)把握發(fā)展機(jī)遇，積極推動有利于外國直接投資的制度、政策落地，推進(jìn)高水平對外開放，提升貿(mào)易投資合作質(zhì)量和水平，加大對外國直接投資的合法權(quán)益保護(hù)力度，促進(jìn)營商環(huán)境朝更加法治化、市場化、國際化的方向發(fā)展，以吸引更優(yōu)質(zhì)、更高水平的外國直接投資，減輕對投機(jī)性短期資金的依賴。（2）應(yīng)當(dāng)高度重視投資者預(yù)期對經(jīng)濟(jì)政策信息的傳導(dǎo)作用，尤其是在經(jīng)濟(jì)政策頻繁調(diào)整、經(jīng)濟(jì)形勢下行的時期，應(yīng)采取切實(shí)有效舉措提振市場信心，穩(wěn)定投資者預(yù)期。中央銀行可以向外匯市場公開發(fā)布對未來人民幣匯率的預(yù)期，避免不實(shí)信息和虛假信息在市場中的傳播，提供正確的公共信號，縮小或消除由信息不對稱造成的預(yù)期偏誤，糾正外匯市場投資者的非理性預(yù)期，或通過直接參與外匯市場交易的方法，釋放積極的市場信號，在提高政策時效性的同時，引導(dǎo)外匯市場投資者形成積極、理性的預(yù)期。

參考文獻(xiàn)：

［1］ Kisswani K M ， Elian M I . Analyzing the （a）symmetric impacts of oil price， economic policy uncertainty， and global geopolitical risk on exchange rate[J]. The Journal of Economic Asymmetries， 2021， 24： e00204.

［2］ Long S B， Zhang R， Hao J. Asymmetric impact of Sino-US interest rate differentials and economic policy uncertainty ratio on RMB exchange rate[J]. Journal of International Financial Markets， Institutions and Money， 2022， 78：101570．

［3］ 王盼盼. 中美貿(mào)易摩擦、美國經(jīng)濟(jì)政策不確定性與人民幣匯率波動[J]. 世界經(jīng)濟(jì)研究，2021，40（7）：78-95.

［4］ 劉強(qiáng)，陶士貴. 經(jīng)濟(jì)政策不確定性對人民幣匯率的波動溢出效應(yīng)[J]. 統(tǒng)計(jì)與決策，2022，8（14）：143-147.

［5］ Goddard J， Kita A， Wang Q W. Investor attention and FX market volatility[J]. Journal of International Financial Markets， Institutions and Money， 2015， 38：79-96.

［6］ Prati A， Sbracia M. Uncertainty and currency crises： evidence from survey data[J]. Journal of Monetary Economics，2010，57（6）：668-681.

［7］ 司登奎，李小林，江春，等. 投資者情緒、股價(jià)與匯率變動的非線性聯(lián)動效應(yīng)研究[J]. 國際金融研究，2019，35（7）：66-75.

［8］ 龐曉波，吳曉玥. 客戶定單流與匯率波動[J]. 國際金融研究，2018，34（5）：76-86.

［9］ 王今朝，田玉婷. 經(jīng)濟(jì)政策不確定性、社會責(zé)任與企業(yè)資本結(jié)構(gòu)——“沖擊緩釋”抑或“不確定性規(guī)避”[J]. 金融經(jīng)濟(jì)學(xué)研究，2022，37（5）：34-48.

［10］李鳳雨，楊墨竹. 經(jīng)濟(jì)政策不確定性會抑制企業(yè)投資嗎？——基于中國經(jīng)濟(jì)政策不確定指數(shù)的實(shí)證研究[J]. 金融研究，2015，36（4）：115-129.

［11］郭田勇，孫光宇. 經(jīng)濟(jì)政策不確定性、融資成本和企業(yè)創(chuàng)新[J]. 國際金融研究，2021，37（10）：78-87.

［12］才國偉，吳華強(qiáng)，徐信忠. 政策不確定性對公司投融資行為的影響研究[J]. 金融研究，2018，39（3）：89-104.

［13］宋長青，張羽. 經(jīng)濟(jì)政策不確定性、金融穩(wěn)定與經(jīng)濟(jì)波動——基于TVP-SV-VAR模型的動態(tài)分析［J］. 財(cái)經(jīng)理論與實(shí)踐，2023，44（2）： 32-37.

［14］吳衛(wèi)星，付曉敏. 信心比黃金更重要？——關(guān)于投資者不確定性感受和資產(chǎn)價(jià)格的理論分析[J]. 經(jīng)濟(jì)研究，2011，46（12）：32-44.

［15］Manzan S， Westerhoff F. Heterogeneous expectations， exchange rate dynamics and predictability [J]. Journal of Economic Behavior & Organization，2007，64（1）：111-128.

［16］Huang N E ， Shen Z ， Long S R ，et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society of London. Series A： Mathematical， Physical and Engineering Sciences，1998，454（1971）：903-995.

［17］Wu Z H， Huang N E. Ensemble empirical mode decomposition： a noise-assisted data analysis method[J]. Advances in Adaptive Data Analysis，2009，1（1）：1-41.

［18］Baker S R，Bloom N， Davis S J. Measuring economic policy uncertainty[J]. Quarterly Journal Of Economics，2016，131（4）：1593-1636.

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

［20］嚴(yán)寶玉. 我國跨境資金流動的順周期性、預(yù)警指標(biāo)和逆周期管理[J]. 金融研究，2018，39（6）：22-39.

［21］尹力博，李勍. 投資者關(guān)注對人民幣匯率價(jià)差波動的影響研究——基于GARCH-MIDAS模型[J]. 管理科學(xué)，2017，30（5）：147-159.

［22］孫林，李訊. 匯率預(yù)期管理、貿(mào)易開放與外國來華投資——基于貿(mào)易開放傳導(dǎo)路徑的研究[J]. 金融發(fā)展研究，2022，41（1）：48-57.

［23］趙茜. 國際油價(jià)沖擊對人民幣匯率的影響——基于動態(tài)局部均衡資產(chǎn)選擇模型的分析[J]. 國際貿(mào)易問題，2017，43（7）：164-176.

［24］何誠穎，劉林，徐向陽. 外匯市場干預(yù)、匯率變動與股票價(jià)格波動——基于投資者異質(zhì)性的理論模型與實(shí)證研究[J]. 經(jīng)濟(jì)研究，2013，48（10）：29-42.

［25］胡利琴，陳銳，班若愚. 貨幣政策、影子銀行發(fā)展與風(fēng)險(xiǎn)承擔(dān)渠道的非對稱效應(yīng)分析[J]. 金融研究，2016，37（2）：154-162.

［26］江艇. 因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J]. 中國工業(yè)經(jīng)濟(jì)，2022，39（5）：100-120.

［27］司登奎，江春，李小林. 基于匯率預(yù)期與央行外匯干預(yù)的匯率動態(tài)決定：理論分析與經(jīng)驗(yàn)研究[J]. 統(tǒng)計(jì)研究，2016，33（9）：13-21.

［28］郭維，韓迪，汪勃澄. ChatGPT情感感知策略識別下的貿(mào)易新聞及其人民幣匯率短期波動效應(yīng)研究[J]. 金融經(jīng)濟(jì)學(xué)研究，2023，38（5）：160-174.

［29］郭大山，朱建明，呂迎霞，等. 市場主體有限理性預(yù)期對人民幣匯率波動影響研究——基于美聯(lián)儲加息視角[J]. 上海立信會計(jì)金融學(xué)院學(xué)報(bào)，2017，29（1）：46-56.

［30］譚朵朵，岳倩. 貿(mào)易政策不確定能否倒逼出口企業(yè)創(chuàng)新［J］. 湖南大學(xué)學(xué)報(bào)（社會科學(xué)版），2022，36（2）： 64-72.

［31］朱軍，蔡恬恬. 中國財(cái)政、貨幣政策的不確定性與通貨膨脹預(yù)期——基于中國財(cái)政、貨幣政策不確定性指數(shù)的實(shí)證分析[J]. 財(cái)政研究，2018，39（1）：53-64.

［32］谷宇，郭蘇瑩. 投資者關(guān)注會影響個體投資者的匯率預(yù)期嗎？——基于銀行代客結(jié)售匯數(shù)據(jù)的實(shí)證分析[J]. 國際金融研究，2020，36（2）：77-86.

Economic Policy Uncertainty and Asymmetric

Volatility of the RMB Exchange Rate

—Based on the Perspective of Investors’ Expectations

Abstract：Based on the time series data from January 2011 to March 2022， this paper attempts to explore the asymmetric impact of economic policy uncertainty on RMB exchange rate fluctuations and the mediating effect of investors’ expectations. The study finds that the increase in relative economic policy uncertainty exacerbates the volatility of the RMB exchange rate， and shows obvious asymmetric characteristics， that is， the volatility is greater when the macroeconomic conditions are worse than when the macroeconomic conditions are better， and investors’ expectations play an important mediating role in this. In view of this， differential control measures should be taken according to different macroeconomic conditions to boost investor confidence， avoid the formation of expectations of RMB adverse changes， and prevent excessive fluctuation of RMB exchange rate.

Key words：economic policy uncertainty；RMB exchange rate；asymmetric volatility；investors’ expectations；differential exchange rate management