| 2,721 | 53 | 96 |
| 下载次数 | 被引频次 | 阅读次数 |
本文选取反映我国外部经济与金融状况共11个层面的101维指标，分别合成我国经济的外部经济和金融不确定性指数，并利用分位数向量自回归（QVAR）模型就二者在不同经济增速下对宏观经济的影响特征进行了分析比较，进一步通过条件预测分布评估和研究外部不确定性冲击下我国宏观经济的下行风险及治理路径。研究发现：首先，我国经济面临的外部经济和金融不确定性均呈现出频繁震荡态势和显著的阶段性差异，特别是近几年贸易摩擦的加剧使得外部经济不确定性明显大于外部金融不确定性；其次，外部经济和金融不确定性对我国宏观经济具有显著的非线性影响特征，在经济增速处于下行态势时，二者的负面影响更大且外部经济不确定性的负面冲击更明显；最后，外部经济和金融不确定性因素可以为宏观经济下行风险提供重要的预测信息，较高的外部经济和金融不确定性会显著放大宏观经济下行风险，当二者处于较低水平时则有助于为缓释宏观经济下行风险提供政策空间。本文的研究为新发展格局下有效抵御外部不确定性冲击、推进经济下行风险防范体系建设和治理能力现代化提供了有益的政策启示。
Abstract：This paper selects 101 dimensional indicators reflecting 11 levels of China's external economic and financial conditions to synthesize the external economic uncertainty index and the external financial uncertainty index of China's economy, and uses the QVAR model to analyze and compare their impact characteristics on the macro-economy at different economic growth rates, then further evaluates the downside risk of China's macro-economy and studies the risk governance path under the impact of external uncertainties through conditional forecast distribution. The results show that: firstly, the external economic and financial uncertainties faced by the Chinese economy show frequent volatility and significant phased differences. Especially in recent years, the intensification of trade friction makes the external economic uncertainty significantly greater than the external financial uncertainty. Secondly, the external economic and financial uncertainties have significant nonlinear impact characteristics on China's macro-economy. When the economy is in a downward trend, the negative impacts of the two are greater, and the negative impact of external economic uncertainty is more obvious. Thirdly, external economic and financial uncertainties can provide important forecasting information for macroeconomic downside risk, and higher external economic and financial uncertainties will significantly amplify the downside risk of the macro-economy. When both are at a low level, they will help to provide policy space for mitigating macroeconomic downside risk. The research in this article provides useful policy implications for effectively resisting the impact of external uncertainty and promoting the modernization of the downside risk prevention system and governance capacity under the new development stage.
[1]邓创,吴超.中国贸易条件变动的宏观经济效应:理论解析与动态计量检验[J].南方经济, 2020(7):1–17.
[2]邓创,吴超.中国经济、金融不确定性的交互影响动态与宏观经济效应分析[J].系统工程理论与实践, 2021, 41(7):1625–1639.
[3]黄乃静,于明哲.系统性金融风险指标的比较分析:基于实体经济风险预测的视角[J].系统工程理论与实践, 2020, 40(10):2475–2491.
[4]黄卓,邱晗,沈艳,等.测量中国的金融不确定性:基于大数据的方法[J].金融研究, 2018(11):30–46.
[5]刘金全,张海燕.经济增长在险水平、条件波动性与经济增长态势研究[J].中国工业经济, 2003(1):31–39.
[6]鲁晓东,刘京军.不确定性与中国出口增长[J].经济研究, 2017, 52(9):39–54.
[7]孟庆斌,师倩.宏观经济政策不确定性对企业研发的影响:理论与经验研究[J].世界经济, 2017, 40(9):75–98.
[8]田磊,林建浩,张少华.政策不确定性是中国经济波动的主要因素吗?基于混合识别法的创新实证研究[J].财贸经济, 2017, 38(1):5–20.
[9]王博,李力,郝大鹏.货币政策不确定性、违约风险与宏观经济波动[J].经济研究, 2019, 54(3):119–134.
[10]王霞,郑挺国.基于实时信息流的中国宏观经济不确定性测度[J].经济研究, 2020, 55(10):55–71.
[11]王义中,宋敏.宏观经济不确定性、资金需求与公司投资[J].经济研究, 2014, 49(2):4–17.
[12]魏巍贤,高中元,马喜立.国际油价波动对中国经济影响的一般均衡分析[J].统计研究, 2014, 31(8):46–51.
[13]张晓晶,刘磊.宏观分析新范式下的金融风险与经济增长:兼论新型冠状病毒肺炎疫情冲击与在险增长[J].经济研究, 2020, 55(6):4–21.
[14]张彧泽,赵新泉.经济政策不确定性对企业投资影响研究[J].数量经济研究, 2019, 10(1):49–66.
[15]赵茜.外部经济政策不确定性、投资者预期与股市跨境资金流动[J].世界经济, 2020, 43(5):145–169.
[16] Acemoglu D, Ozdaglar A, Salehi A T. Microeconomic Origins of Macroeconomic Tail Risks[J]. American Economic Review, 2017, 107(1):54–108.
[17] Adrian T, Boyarchenko N, Giannone D. Vulnerable Growth[J]. American Economic Review, 2019, 109(4):1263–1289.
[18] Baker S R, Bloom N, Davis S J. Measuring Economic Policy Uncertainty[J]. The Quarterly Journal of Economics, 2016, 131(4):1593–1636.
[19] Bernanke B. Irreversibility, Uncertainty, and Cyclical Investment[J]. The Quarterly Journal of Economics, 1983, 98(1):85–106.
[20] Bernanke B. The Taylor Rule and the Transformation of Monetary Policy[M]. Stanford:Hoover Institution Press, 2012.
[21] Bloom N, Floetotto M, Jaimovich N. Really Uncertain Business Cycles[J]. Econometrica, 2018, 86(3):1031–1065.
[22] Bloom N. Fluctuations in Uncertainty[J]. Journal of Economic Perspectives, 2014, 28(2):153–176.
[23] Bloom N. The Impact of Uncertainty Shocks[J]. Econometrica, 2009, 77(3):623–685.
[24] Choi S. The Impact of US Financial Uncertainty Shocks on Emerging Market Economies:An International Credit Channel[J]. Open Economies Review, 2018, 29(1):89–118.
[25] Giglio S, Kelly B, Pruitt S. Systemic Risk and the Macroeconomy:An Empirical Evaluation[J]. Journal of Financial Economics, 2016, 119:457–471.
[26] Jurado K, Ludvigson S C, Ng S. Measuring Uncertainty[J]. American Economic Review, 2015, 105(3):1177–1216.
[27] NicolòG D, Lucchetta M. Forecasting Tail Risks[J]. Journal of Applied Econometrics, 2017, 32(1):159–170.
[28] Rojas G M. Multivariate Quantile Impulse Response Functions[J]. Journal of Time Series Analysis, 2019, 40(5):739–752.
[29] Scotti C. Surprise and Uncertainty Indexes:Real-time Aggregation of Real-activity Macro Surprise[J]. Journal of Monetary Economics, 2016, 82:1–19.
[30] Segal G, Shaliastovich I, Yaron A. Good and Bad Uncertainty:Macroeconomic and Financial Market Implications[J]. Journal of Financial Economics, 2015, 117(2):369–397.
[31] Wang Y, Yao Y D. Measuring Downside Risk and Severity for Global Output[J]. Journal of Forecasting, 2007, 26(1):23–32.
(1)对于外部经济层面，本文基于样本区间内我国对外进出口总额的均值排名，将排名靠前的主要国家作为外部经济层面指标的选取对象。对于外部金融层面，随着我国与全球金融体系的融合逐渐加深，考虑到规模较大的外部国家金融市场往往在国际金融体系中的重要程度较高，对我国金融体系与实体经济的影响也相对更大，因此本文基于各类金融市场的规模大小排名选取在全球金融体系中处于核心地位的主要国家。同时为兼顾数据的可获得性、样本的重要性和全面性，本文对我国外部经济和金融层面的国家均选取10个。因篇幅所限，具体国家及对应指标、数据来源及处理过程以附录1展示，见《统计研究》网站所列附件。下同。
(2)对于动态权重j tω的选择，考虑到不同时期各国市场规模和发展水平等均存在明显差异，其本身测算的非预期条件波动率对不确定性指数的贡献必然会有所不同。因此本文对国家间各变量不确定性赋予不同的动态权重：在外部经济方面，依据我国对各国当期的进出口总额计算动态权重；在外部金融方面，依据各国各类金融子市场当期的规模大小计算动态权重。
(3)本文分别从步长选择（采用6期预测步长）、样本选择（根据各层面对应的国家排名分别加上和去掉两个国家）和权重选择（外部经济或金融各层面不确定性之间采用简单平均）三个方面作了稳健性检验，结果发现合成的外部经济或金融不确定性指数在总体趋势上与图1中的结果基本一致。尽管本文检验的结果表明简单平均法和熵权法得到的结果大体相同，但其可能原因在于各类不确定性在波动程度方面差异较小，未能突出熵权法的优势。考虑到熵权法在众多差异性指标确定权重时能充分发挥优势，体现其波动程度的不同，因此本文仍然选择熵权法作为最终的指数合成方法。因篇幅所限，具体稳健性检验结果以附录2展示。
(1)经济增长和价格稳定分别是宏观经济调控的两个重要目标，考虑到测度的外部经济和金融不确定性指数频率为月度，本文用工业增加值增长率作为经济增长率的代理变量，通货膨胀率用CPI减100再除以100计算得到。
(2)考虑到外部经济、金融不确定性的增加可能会通过放大内部经济、金融不确定性的渠道影响国内经济，因此本文将我国宏观经济和金融不确定性指数共同纳入QVAR系统内，具体指数参考邓创和吴超（2021）合成，因篇幅所限，具体的合成过程和结果描述以附录3展示；另外鉴于我国在面对外部不确定性时可能通过宏观政策调控等做出积极回应，这也可能增大政策不确定性从而进一步影响政策调控效果，因此本文也一并将Baker等（2016）合成的中国EPU指数作为模型的控制变量，详细数据见http://policyuncertainty.com。
(1)■及■指经济增速位于底部10%、25%和50%分位数以下的子样本，往往与诸如经济衰退等极端事件的发生有关，■和■指经济增速位于顶部75%、90%分位数以上的子样本，一般对应经济增速较高的时期（Rojas,2019）。
(1)由于样本区间内我国主要面临的是通货膨胀治理问题，将低通胀作为价格的下行风险并不符合研究的我国问题现状，同时为了本文研究问题的聚焦性，该部分仅以经济增速的下行风险代替我国宏观经济下行风险。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2022.06.003
中图分类号:F124;F832
引用信息:
[1]邓创,吴健,吴超.外部经济、金融不确定性与我国的宏观经济下行风险[J].统计研究,2022,39(06):36-51.DOI:10.19343/j.cnki.11-1302/c.2022.06.003.
基金信息:
国家自然科学基金面上项目“中国金融周期的波动特征、形成机理及其与经济周期的动态关联机制研究”（71873056）; 教育部“春晖计划”合作科研项目“中国经济与金融不确定性的动态评估与交互影响机制研究”（2020）; 吉林省教育厅科学研究重大项目“‘双循环’新格局下吉林省经济下行风险的定量评估与应对策略”（JJKH20220938SK）; 中央高校青年学术领袖培育计划“宏观经济不确定性下中国的金融周期波动与系统性风险防范”（2019FRLX12）
2022-06-25
2022-06-25