美国经济政策不确定性对中国金融市场的影响分析

司颖华 李淑云

一、引言

当前中美贸易摩擦问题成为社会各界关注的热点话题。从2018年3月起，伴随着中美贸易摩擦，人民币对美元汇率曾从最低点6.277变为最高点6.977，贬值幅度达11.152%；2018年中国股票市场也出现了较为频繁而且剧烈的股票价格波动，上证综合指数在6月跌至2813点，创2016年6月以来的新低。与此同时，美国金融市场也随着中美贸易摩擦出现波动。例如，在2018年7月6日、2018年8月23日、2019年5月10日以及2019年6月1日等中美贸易摩擦升级的时间节点，美国的道琼斯工业指数都出现了不同幅度的下跌。2018年9月中国政府发布《关于中美经贸摩擦的事实与中方立场》的白皮书中指出，美国政府所实施的极端贸易保护措施，必将引发全球金融市场等的剧烈波动，也将成为全球经济复苏的最大不确定性因素。美国的加征关税政策引起的中美贸易摩擦，在增加自身经济政策不确定的同时也增加了中国经济政策的不确定性。随之而来的问题就是，中美贸易摩擦带来的不确定性是否影响到了中国金融市场，尤其是外汇和股票市场等。事实证明，中美贸易摩擦对中国金融市场产生了明显影响，测度这种影响将有助于中国政府更全面、更有效地应对中美贸易摩擦造成的不利影响。

第一，关于对美国经济和中国金融市场之间关系进行分析的研究综述。方意等(2019)[1]基于事件分析法分析了中美贸易摩擦对中国金融市场的溢出效应，认为中美贸易摩擦对中国股、债和汇三个金融市场均有显著的溢出效应。Baker等(2016)[2]的经济政策不确定性指数(Economic Policy Uncertainty,缩写为 EPU)被广泛地应用于经济和政策的相关研究领域。已有基于EPU指数所研究的问题，主要包括某个国家EPU指数对其自身经济社会等的影响分析，以及国家之间EPU指数对经济社会等领域的影响分析。例如，Kang和Ratti(2015)[3]分析了中国经济不确定性与股票和原油价格之间的关联性。已有基于EPU指数的应用所采用的方法，包括利用VAR模型及其扩展模型的冲击分析，基于Granger因果检验的因果关系分析等。比如：金雪军等(2014)[4]基于因子扩展的VAR模型，分析了中国EPU指数对宏观经济的冲击效应。陈守东等(2014)[5]基于非线性的VAR模型，测度了在不同经济政策状态下中国股票市场与宏观经济的非对称关联性。田磊等(2017)[6]利用结构VAR模型进行了Granger因果检验。Sun等(2018)[7]认为经济政策的不确定性与油价的关系短期内疲软但长期会逐步走强。Ftiti和Hadhri(2019)[8]在不同时间尺度上，分析了经济政策不确定性、油价、投资者情绪与道琼斯指数的Granger因果关系。Chen等(2019)[9]分别从长期和短期，分析了美国经济政策不确定性和企业层面资本投资的相互影响关系。基于回归模型，周方召和贾少卿(2019)[10]认为中国经济政策的不确定性对股票市场的冲击通过散户的情绪进行传播。朱映惠和邵旭方(2019)[11]认为随着宏观经济不确定性的上升，中国金融资源更多地流向国有企业，从而导致资源配置效率低下。司颖华(2020)[12]基于平滑转移自回归模型测度核心CPI的非线性特征。

第二，关于中国金融市场状况的衡量即金融状况指数(FCI)的研究综述。已有大量研究表明，FCI可以作为货币政策的“指示器”，并且能够对宏观经济起到预警作用。因此，包括美国在内的许多发达国家和部门已编制和公布了包括全球FCI在内的众多FCI月度数据，这为政府当局准确测度当前金融市场状况提供了非常有用的工具。但是，中国政府当前并未公布中国FCI数据。自Goodhart和Hofmann(2001)[13]最早提出FCI的概念以来，已有大量关于FCI构建和应用的文献(Hatzius等，2010[14]；Balcilar等，2018[15]；Juhro和Iyke，2019[16])，这为中国FCI的构建提供了一定的科学依据。比如：肖强和司颖华(2015)[17]、栾惠德和侯晓霞(2015)[18]利用动态因子模型构建了中国FCI，尚玉皇和郑挺国(2018)[19]基于混频动态因子模型构建了中国FCI。李婧和高明宇(2020)[20]在不同的周期上，分析了几大经济体的非常规货币政策对中国FCI的影响。

综上所述，已有大量的文献利用EPU指数来测度经济政策不确定性，利用FCI测度金融市场的整体状况，并对其进行了广泛的应用。研究的大致趋势为，从单个国家和单个维度的研究，向多个国家和多个维度的研究发展。但较少有文献基于EPU和FCI分析美国经济政策不确定性对中国金融市场的影响。因此，论文在已有研究的基础上，基于互谱分析测度美国EPU对中国金融市场的影响。可能的创新之处在于：第一，基于贝叶斯时变VAR模型的中国FCI测度；第二，从频域的视角测度了美国EPU对中国金融市场的影响。

余文结构安排如下：第二部分是理论分析；第三部分是所采用的研究方法简介；第四部分是基于贝叶斯时变VAR模型的中国FCI测度；第五部分是美国EPU对中国金融市场的影响分析；第六部分是主要结论与启示。

二、理论分析

已有研究提供了以下三个方面关于经济政策不确定性对金融市场的影响机制。

传导机制一，经济政策不确定通过影响中国市场基本面(包括微观结构、信息披露和投资者结构等)因素导致金融市场的波动(蔡庆丰和宋友勇，2010[21])。

传导机制二，经济政策不确定从投资者和企业投资层面导致金融市场波动(杨晓兰等，2016[22])。从投资者层面来看，当经济政策不确定性增加时，投资者因为风险感知和模糊性厌恶增强，产生悲观情绪，进而引起金融市场的波动。从企业投资层面来看，当经济政策不确定性增加时，企业因为资金成本上升和信贷供给减少，从而减少投资，也增加了企业的悲观情绪，进而引起整个金融市场的波动。

传导机制三，经济政策不确定通过个人投资者引起金融市场波动(金雪军和马国旗，2003[23])。鉴于个人投资者缺少专业的金融培训，其在股票市场上处于信息劣势，普遍存在抗风险能力差和“追涨杀跌”的交易行为。因此，当经济政策不确定发生变化时，个人投资者通常难以决策且易产生焦虑等负面情绪，从而导致金融市场的波动。

三、所采用的方法简介

论文首先利用贝叶斯时变VAR模型构建了中国FCI，然后基于互谱分析来考察美国EPU对人民币汇率、中国股票市场和中国FCI的影响，最后利用小波分解在不同的周期上分析以上变量间的因果关系。现将具体采用的方法简介如下：

(一)互谱分析

(1)

如果假设cxy(w)和-qxy(w)是fxy(w)的实部和虚部，即fxy(w)=cxy(w)-iqxy(w)，则cxy(w)叫做xt和yt的共谱，qxy(w)叫做积分谱。引入极坐标，有fxy(w)=Axy(w)eiφxy(w)，则

(2)

称为互振幅谱。进而，定义平方相干函数为

(3)

(4)

为相谱，其值域为[-π,π]。进一步地其除以对应的频率得到时差。由时差的值及其对应的正负号可以确定变量间的超前或者滞后的关系及其具体的数值。

(二)小波分析

小波分析能够把时序变量分解在短周期、中周期和长周期上。因此，通过小波分析可以把时间序列分解在不同的周期上(比如，董直庆和王林辉，2008[25]；司颖华，2015[26])。

已知时间序列f(n)，将其分解在各子空间Vj的正交投影fj(n)，对应的Mallat分解为：

(5)

对应的Mallat重构为：

(6)

因此，小波变换就把时间序列f(n)分解成了cj,k(高频信息)和fj(n)(长周期信息)。

四、基于贝叶斯时变VAR模型的中国FCI测度

(一)变量的选取和预处理

基于Goodhart和Hofmann(2001)[13]的做法构建FCI的变量选取原则，借鉴尚玉皇和郑挺国(2018)[19]等的研究，综合中国宏观经济与金融市场的实际情况，本文采用广义货币供应量(M2)、国房景气指数(RE)、上证综指(SM)以及GDP等变量，分别代表货币政策、房地产市场、股票市场和实体经济。样本区间为2004年1月至2020年12月，其中GDP为季度数据，M2、RE与SM均为月度数据，并消除了通货膨胀率的影响，数据均来源于中国国家统计局网站和中国人民银行网站，以上变量均进行平稳化和标准化处理。

(二)中国月度GDP的测度

本文利用贝叶斯时变VAR模型构建中国FCI，由于所选取的变量中GDP为季度数据，其他都为月度数据，需要对形成的混频数据进行处理。本文借鉴了高华川和白仲林(2016)的处理方式，基于混频动态因子模型，利用季度GDP数据与影响其变化的月度宏观经济数据，对月度GDP进行测度。

综合已有文献，本文选取了与季度GDP相关的月度变量包括：制造业与非制造业采购经理人指数、进出口额、居民消费价格指数(CPI)、生产者物价指数(PPI)、货币供应量(M0、M1和M2)、金融机构各项存贷款余额当月增减额、工业增加值、固定资产投资完成额、房地产开发企业投资完成额、发电量、货运量、原油量、邮电总量和社会消费品零售总额等变量。具体地，采用了混频动态因子模型的EM算法，实现了对潜在月度GDP(GDP_Months)的预测。鉴于包含月度GDP所构建的FCI不仅包含了季度GDP的信息而且包含了大量宏观经济变量的信息，因此，本文所构建的FCI将更具有科学性。

(三)结合月度GDP的中国FCI测度

在构建FCI之前，先给出以上变量的描述统计分析结果如表1所示。

表1 变量的描述统计结果

表1给出了对应变量的最大值、最小值、均值和标准差，大致地反映了各个变量的基本特征。其中，GDP增长率为负主要出现在2020年疫情期间的2月至5月。为了去除变量量纲的影响，并与CPI构建VAR模型，本文对变量均进行了平稳化和标准化处理。进一步地，结合月度GDP、M2、RE、SM以及CPI构建时变VAR模型(罗煜等，2020[27])，利用贝叶斯方法进行估计。基于已构建的时变VAR模型，在样本内的每一个时点上计算各个变量对CPI的6期脉冲响应函数值。选择6期是由于太短的期数反映不出冲击的效果，而太长的期数因为平均可能也掩盖冲击效果。具体计算GDP对CPI冲击效应的均值(GDPCPI)、M2对CPI冲击效应的均值(M2CPI)、RE对CPI冲击效应的均值(RECPI)，以及SM对CPI冲击效应的均值(SMCPI)。图1给出了以上冲击效应均值在样本期内的分布特征。

图1 各个时点上变量对CPI冲击效应的均值

由图1可知，各个变量对CPI脉冲响应函数值的均值在不同时点上存在显著差别。第一，从产出对CPI的冲击效应均值来看，大致分成2003年至2008年、2009年至2012年、2013年至2018年和2019年至2020年四个区间，其中2008年和2012年出现了等于0，这大致对应2008年的金融危机和2012年经济步入新常态的时点。相对而言，正冲击效应大于负冲击效应。第二，从货币供给量对CPI的冲击效应均值来看，大致分成2003年至2009年、2010年至2018年和2019年至2020年三个区间，前两个区间大多是大于0，后一个区间大多是小于0。整体来看，货币供给量对价格的影响程度不大，可能的主要原因是，中国一直以来采取极稳健的货币政策，以烫平价格波动为目的。第三，从房地产市场对CPI的冲击效应均值来看，大致趋势是从2004至2018年不断在上升和下降之间循环变动。这相对充分地体现了房地产市场在CPI变动中的地位，也说明了中国经济从2003年主要依靠房地产市场，到逐步弱化房地产市场地位的历程，以及金融危机后和疫情后房地产市场的不断升温。第四，从股票市场对CPI的冲击效应均值来看，大致分成2004年至2007年、2008年至2016年、2017年至2018年和2019年至2020年四个区间。整体来看，股票市场对CPI的影响程度较大，而且也比较充分地体现了金融危机和新冠疫情等重大事件，影响了股票市场对CPI的影响程度。

进一步利用各个时点上的脉冲响应函数均值，计算不同变量在FCI中的权重，具体如图2所示。

图2 各个变量在FCI中权重的分布

由图2可知，各个变量在FCI中的权重随着时间的变化而变化。GDP在FCI中的权重在0.00到0.20之间，2012年以前大多在0.10左右，而2017年以来变动幅度较大。货币供给量在FCI中的权重较小，在0.00到0.25之间，大多时间在0.10以下。房地产市场在FCI中的权重最大，在0.38到0.80之间。股票市场在FCI中的权重在0.00到0.65之间，其中2004年最小，2010年最大。总之，以上四个变量在FCI的构建中，权重随着时间的变化而变化。因此，相对已有常系数VAR模型所构建的FCI而言，本文所构建的FCI能从不同的时点上刻画中国金融市场状况的特征。

五、美国EPU对中国金融市场的影响分析

首先测度美国EPU对中国外汇市场和股票市场的影响关系，然后测度美国EPU对中国FCI的影响关系。

(一)美国EPU对人民币汇率的影响分析

以下将测度人民币对美元汇率的上涨是否是由中美贸易摩擦所引起的。为了有效度量人民币对美元的汇率，论文采用由国际清算银行官方网站公布的由CPI调整后得到的实际有效汇率，记作REER。样本区间为2001年1月至2020年12月。以下数据的样本区间均相同。

首先，给出美国EPU指数(EPU_meiguo)和人民币对美元的实际有效汇率(REER_zhongguo)的平方相干函数，如图3所示。

图3 EPU_meiguo和REER_zhongguo的平方相干函数

由图3可知，以上变量的平方相干函数值随着频率的变化会有一定的变化，但是整体较小，在绝大多数频率上都小于0.200。对应的经济含义解释是，美国EPU的变动和中国汇率市场之间的相关性不高。即不管是从短期波动还是从长期变动来看，美国政府加征关税的措施导致美国经济政策的不确定，但这与中国外汇市场之间并没有必然的相关性。

为了进一步分析美国经济政策不确定性和中国外汇市场之间的因果关系。论文将小波分解的尺度取为23=8个月。周期4个月以内的分量，将其定义为短周期；第三层尺度为23，是周期5～8个月的分量，将其定义为中周期；小波分解后第三层尺度以外的分量即周期大于8个月的分量，将其定义为长周期。对应地，将美国EPU和人民币对美元的汇率变量分解在短周期、中周期和长周期上(注：对应短周期、中周期和长周期变量的表述，是在对应变量后面分别增加_S、_M和_L，以下变量的处理相同)。测度以上变量的Granger因果关系，结果如表2所示。

表2 美国经济政策和中国汇率的格兰杰检验

由表2可知，不管是从短周期波动、中周期波动还是长周期变动来看，美国经济政策不确定性的变动与中国外汇市场的变动之间均无Granger因果关系。对应的经济含义解释为，虽然美国经济政策的变化和中国外汇市场的变化之间存在一定的相关关系，但是，中国外汇市场的变动均不受美国经济政策不确定性的影响。因此，美国加征关税加剧贸易摩擦的举措对中国外汇市场并没有显著影响。即针对人民币对美元的贬值现象，有人认为是因为美国加征关税，美国政府认为是中国政府操纵汇率，甚至有人想套汇。以上说法和做法都是完全没有科学依据的。

(二)美国EPU对中国股票市场的影响分析

2018年以来的中国股票市场有大量的外来资金进入，有人认为这是因为美国加征关税导致美国经济政策的不确定性增加，相对而言，投资者更看好中国经济的发展。为了有效度量中国股票市场，本文采用上海证券交易所综合指数(记作SZZZ)来表征中国股票市场的整体变动。数据来自wind网。首先，给出美国EPU指数(EPU_meiguo)和上证综指(SZZZ_zhongguo)的平方相干函数，如图4所示。

由图4可知：第一，以上两个变量的平方相干函数值整体不是很高，在频率为0.480处取得最大值为0.470。第二，随着频率的不同，它们所对应的平方相干函数的值有所不同，大部分频率处的平方相干函数值小于0.100，只有在频率为0.450至0.500处的平方相干函数值较大。对应的经济含义解释是，美国经济政策和中国股票市场之间的互动关系存在但不是很明显。尤其在短周期上，它们的相关关系比较显著，而且这种相关关系会随着周期的不同而有所变化。从短周期来看，美国政府加征关税等因素导致美国经济政策的不确定，这与中国股票市场之间存在一定的相关性；但是从中周期和长周期来看，它们之间的相关性很小。即中美贸易摩擦所引起的美国经济政策的不确定性与中国股票市场之间在短期具有一定的相关关系。

为了进一步分析美国经济政策不确定性和中国股票市场之间的因果关系。本文采用类似于之前的处理，检验美国EPU和中国股票市场在不同周期上的Granger因果关系，结果如表3所示。

表3 EPU_meiguo和SZZZ_zhongguo的Granger因果检验

由表3可知，从短周期来看，美国经济政策不确定性波动是中国股票市场波动的Granger因。从中周期和长周期来看，中国金融市场的波动与美国经济政策不确定性波动均无Granger因果关系。经济含义解释为，在短周期上，美国经济政策不确定性的变动会导致中国股票市场的变动。但是，这种影响在中周期和长周期上并不存在。因此，美国加征关税加剧贸易摩擦的举措对中国股票市场有短期的影响。正如，当前出现的因为美国经济政策的不稳定，导致投资者对美国经济预期的不看好，从而将投资指向更有前景的中国股票市场。当然，中国A股市场中外资的比重只有2%。所以，从中长期来看，美国经济政策的不稳定性对中国股票市场没有显著的影响。

(三)美国EPU对中国FCI的影响分析

基于以上构建的中国FCI(记作FCI_zhongguo)，本文首先利用互谱分析测度美国经济政策不确定性指数和中国金融状况指数的相关性；然后利用小波变换将所要测度的美国经济政策不确定性指数和中国金融状况指数变量分解在短周期、中周期和长周期上；最后在不同的周期上测度它们的Granger因果关系。

首先利用谱分析方法，针对美国EPU和中国FCI进行互谱分析；然后将美国EPU和中国FCI分解在不同周期上，在不同的周期上，检验了对应变量的因果关系。得出美国EPU和中国FCI的平方相干函数，如图5所示。

图5 EPU_meiguo和FCI_zhongguo的相干函数

由图5可知：第一，美国经济政策不确定和中国金融市场的平方相干函数值整体不大，在绝大多数频域上都小于0.100，最大值在0.050处为0.410。第二，在不同的频率上，它们的相关程度不同。可能的经济含义解释是，只有在短周期上，美国经济政策和中国金融市场之间存在一定的相关性，但在中周期上和长周期上，它们的相关程度很低。所以说，虽然在短期内，美国政府加征关税的措施和中国金融市场之间存在一定的相关性，但是这种相关性只是短期的，在中长期两者是没有相关关系的。

在不同周期上，进一步分析美国经济政策不确定性和中国金融市场之间的因果关系，结果如表4所示。

表4 EPU_meiguo和FCI_zhongguo的Granger因果检验结果

由表4可知：在短周期上，中国FCI是美国EPU的Granger因；在中周期上，中国FCI与美国EPU互为Granger因；而在长周期上，中国FCI与美国EPU不存在Granger因果关系。可能的经济含义解释为，短期内，中国金融市场的波动会在短期内影响美国经济政策的变动；中期上，它们之间相互会有一定的影响；而长期上，它们之间都相互不影响。因此，美国加征关税加剧贸易摩擦的举措，对中国金融市场的整体状况虽然会在一定程度上有影响，但长期来看是没有显著影响的。

(四)稳健性检验

本文给出了相应的稳健性分析如下：首先，使用中国股票市场的深圳成指代替上证综指，也采用基于美国新闻的EPU指数代替已有的美国EPU，继续检验美国EPU和中国金融市场的相关变量在不同周期上的Granger因果关系，得到了完全类似的结论。以基于美国新闻的EPU指数(EPU_news)和FCI的Granger因果检验为例，结果如表5所示。

表5 EPU_news和FCI_zhongguo的Granger因果检验结果

综上，所有稳健性分析证实以上分析结论是稳健的(限于篇幅正文中省略)。

六、主要结论与启示

(一)主要结论

论文在已有研究的基础上，从中美贸易摩擦问题出发，首先利用美国EPU指数来表征美国的经济政策不确定性特征，基于动态因子模型构建了中国FCI；然后基于频域分析方法详细测度了美国EPU与中国FCI的相关关系以及Granger因果关系。得到的实证结论如下：

第一，从美国经济政策不确定对中国金融市场状况的影响来看。虽然美国经济政策的变化和中国金融市场的变化之间存在一些相关关系，但是相关程度不高，而且这种相关关系会随着周期的不同而有所变化。也就是说，美国政府加征关税所引起的美国经济政策不确定与中国金融市场之间并没有必然的相关性，尤其是在中期和长期上。因此，美国加征关税加剧贸易摩擦的举措对中国金融市场的整体状况并没有显著影响。

第二，从美国经济政策不确定对中国外汇市场和股票市场的影响来看。针对中国外汇市场而言，不管是从短期波动还是从长期变动来看，美国政府加征关税的措施导致美国经济政策的不确定，但这与中国外汇市场之间并没有必然的相关性。针对股票市场而言，从短期波动来看美国政府加征关税的措施导致美国经济政策的不确定，这与中国股票市场之间存在一定的相关性，但是从中周期和长周期来看它们之间的相关性很小。从短期来看，美国经济政策不确定性会导致中国股票市场的波动，但是这种影响在中周期和长周期上并不存在。因此，美国加征关税加剧贸易摩擦的举措对中国股票市场有短期的影响，但从中长期来看美国经济政策的不确定性对中国股票市场没有显著的影响。

(二)启示

结合以上实证结果，给出相应的政策启示如下：

第一，正确定位美国经济在全球经济的地位以及其对中国金融市场的影响程度。虽然美国经济在全球经济中处于霸主地位，但是美国经济政策的变动对中国金融市场的影响比较有限。因此，面对美国不断采取加征关税的政策，中国无需过度担心。需要做的是，不断完善外汇市场和股票市场在内的中国金融市场，使中美贸易摩擦对中国金融市场变动的影响越来越有限。

第二，中国政府当局可以通过扩大内需和加强多边贸易来减少中美贸易摩擦的影响。中美贸易摩擦必然导致中国一些对美商品出口受阻。但是通过日益完善的中国消费市场扩张升级，能消化掉这些商品中的一大部分，再加上不断发展和完善的“一带一路”多边贸易体制等，一定会使中美贸易摩擦对中国金融市场的影响越来越小。