美国经济政策不确定性对人民币外汇市场压力的非对称影响研究

路妍 秦国汀

摘   要：在分析美国经济政策不确定性影响人民币外汇市场压力内在机制的基础上，运用TVAR模型和反事实分析方法，实证考察了美国经济政策不确定性对人民币外汇市场压力的非对称影响。研究发现：（1）美国经济政策不确定性对人民币外汇市场压力的影响具有非对称性，在不确定性程度较低时，美国经济政策不确定性冲击会引发人民币贬值压力；在不确定性程度较高时，美国经济政策不确定性冲击会引发人民币升值压力。（2）预期渠道和国际资本流动渠道在不确定性程度较低和较高时都会发挥作用，而经济政策不确定性溢出渠道具有门槛效应，只有在不确定性程度较高时才发挥作用。（3）在不同的不确定性程度下，美国经济政策不确定性对人民币外汇市场压力的传导渠道的作用方向与作用强度具有异质性，这是美国经济政策不确定性对人民币外汇市场压力的影响具有非对称性的主要原因。

关键词：美国经济政策不确定性；人民币汇率；非对称性；影响机制

中图分类号：F832.5  文献标识码：A  文章编号：1674-2265（2023）06-0013-12

DOI：10.19647/j.cnki.37-1462/f.2023.06.002

一、引言

保持人民币汇率在合理均衡水平上基本稳定是中央银行货币政策调控的重要目标之一，是宏观经济稳定的基石，也是我国构建以国内大循环为主体、国内国际双循环相互促进的新发展格局的重要保障。在有管理的浮动汇率制度下，人民币汇率在经历了2014年“3·17”汇改、2015年“8·11”汇改和2019年8月的“破7”后，于2022年9月再次“破7”，这一方面说明人民币汇率市场化程度明显增强，另一方面说明了人民币汇率对内外部经济形势变化的冲击更加敏感。当前，在全球不稳定和不确定因素不断增加的背景下，人民币汇率波动问题引起了广泛关注。

經济政策不确定性（Economic Policy Uncertainty，以下简称EPU）指政府未明确经济政策预期、政策执行和政策立场变更的指向和强度引致的不确定性（Gulen和Ion，2016）[1]。EPU不仅会影响本国实体经济和金融市场，还具有溢出效应，对其他国家的实体经济和金融市场产生影响。美国作为世界第一大经济体，美国EPU的溢出效应是我国面对的主要的外部不确定性风险之一（蒋涛，2020）[2]。党的二十大报告强调，要“坚持高水平对外开放”。随着开放水平的不断提高，我国将更容易受到外部不确定性风险的冲击，尤其是与外部关联密切的外汇市场。在当前复杂的国际环境下，美国EPU不断上升，在货币政策方面，面对内部高企的通货膨胀和疲软的经济态势，以及货币政策自身对通货膨胀和经济影响的滞后性，美联储未来的货币政策路径具有极大的不确定性；在财政政策方面，2022年11月美国中期选举结果导致未来两年美国将进入“分裂国会”阶段，美国民主党和共和党在财政政策上的分歧可能会导致美国未来财政政策出现重大变化；在贸易政策方面，2022年8月16日，美国总统拜登正式签署总价值7400亿美元的《通胀削减法案》，引发了美欧贸易补贴纠纷，加大了美国贸易政策变动的可能。因此，在我国外部EPU上升、内部全面扩大对外开放和深化汇率市场化改革的背景下，探究美国EPU对人民币汇率的影响及其机制，对于维护外汇市场稳定，使其更好地服务于以国内大循环为主体、国内国际双循环相互促进的新发展格局具有重要意义。

二、文献综述

在Baker等（2016）[3]构建了EPU指数之后，学者开始利用经验研究的方法分析EPU与汇率之间的关系。研究结果普遍显示，内部和外部EPU会对汇率收益或波动产生显著影响。Kido（2016）[4]基于DCC-GARCH模型，发现美国EPU与澳大利亚、巴西、韩国、墨西哥的实际有效汇率负相关，但与日本汇率正相关。Balcilar等（2017）[5]基于非参数面板分位数模型，发现美国EPU与汇率收益之间无因果关系，但与汇率波动之间存在显著的因果关系。Bartsch等（2019）[6]采用日度数据研究发现英国EPU会显著地影响英镑汇率收益的波动。朱孟楠和闫帅（2015）[7]使用溢出指数模型研究内外部EPU与人民币汇率之间的动态溢出关系，发现中国、美国、欧元区和日本的EPU对人民币汇率存在溢出效应。

聚焦于中美两大经济体，部分学者专门研究了美国EPU对人民币汇率的影响，并且主要从美国EPU对人民币汇率水平变动和人民币汇率稳定性的影响两个方面展开。在美国EPU对人民币汇率水平变动的影响方面，现有研究尚存争议，王盼盼（2021）[8]使用GARCH模型分析了美国EPU与人民币名义汇率之间的关系，认为美国EPU对人民币汇率存在均值溢出效应，美国EPU上升会导致人民币名义汇率升值；Al-Yahyaee等（2020）[9]采用非参数分位数方法分析了EPU与名义汇率的关系，指出了美国EPU造成人民币贬值压力；严佳佳等（2022）[10]使用SVAR方法研究了美国EPU与实际汇率的关系，指出美国EPU上升会导致人民币实际汇率升值和贬值交替出现。在人民币汇率稳定性方面，研究结果普遍显示，美国EPU上升会削弱人民币汇率的稳定性。例如，Chen等（2020）[11]基于面板分位数模型，发现美国EPU上升会增加中国在岸人民币兑美元汇率的波动性，并且不同分位数水平下的美国EPU对中国在岸人民币兑美元汇率波动的影响程度不同；王盼盼（2021）[8]基于GARCH模型发现，美国EPU上升会加大人民币兑美元汇率的波动；刘强和陶士贵（2022）[12]基于TVP-SV-VAR方法，发现美国EPU会对人民币汇率稳定产生负向影响。

从研究主题来看，上述研究多考察了美国EPU对名义汇率或实际汇率的影响。然而，在实行非完全浮动汇率制度的国家，外汇储备的变动会抵消外部冲击对汇率的部分影响，即名义汇率或实际汇率的变动无法全面反映外部冲击的影响（Tanner，2000）[13]。而外汇市场压力指标综合考虑到了汇率和外汇储备的变动，相较于名义汇率或实际汇率的变动，能够更好地反映某种货币面临的升值和贬值压力。外汇市场压力由Griton和Roper（1977）[14]提出之后，受到了学者的广泛关注，其数值大小和变动幅度不仅是度量外汇风险的重要指标，同时也是货币政策制定和汇率制度改革的重要参考。如人民币外汇市场压力就对我国的通货膨胀、资产价格、利率水平等宏观经济指标有着重要影响（金春雨和张龙，2017）[15]。从研究方法来看，以往关于EPU和汇率关系的研究主要采用向量自回归（VAR）、结构向量自回归（SVAR）、时变参数向量自回归（TVP-VAR）、广义自回归条件异方差模型（GARCH）、面板回归方法，但这些方法都无法考察美国EPU在高和低不同状态下对人民币汇率可能存在的非对称性影响。事实上，美国EPU对其他经济变量的影响依赖于其不确定性程度，例如，Balcilar等（2016）[16]发现美国EPU在高不确定性状态和低不确定性状态下对欧洲货币政策有效性的影响不同。Jo?ts等（2017）[17]发现美国宏观经济不确定性对国际大宗商品价格收益率的影响依赖于不确定性程度。从研究内容来看，上述研究大多考察美国EPU时间序列特征与汇率之间的统计关系，鲜有研究系统考察美国EPU影响汇率的内在机制，更缺乏对内在机制的实证检验。

鉴于此，本研究在现有文献的基础上进行扩展，使用人民币外汇市场压力指标反映汇率受到外部冲击时所面临的变动压力，并从非对称视角出发，在分析美国EPU影响人民币外汇市场压力内在机制的基础上，使用两区制门槛向量自回归（TVAR）模型实证检验美国EPU对人民币外汇市场压力影响的非对称性，同时还使用反事实分析方法实证考察了美国EPU对人民币外汇市场压力的作用渠道。本研究的边际贡献有：第一，从非对称视角出发，在理论分析的基础上，实证考察了美国EPU对人民币外汇市场压力的非对称影响，发现美国EPU冲击对人民币外汇市场压力的影响大小和方向取决于美国EPU水平的高低；第二，使用反事实分析方法实证考察了美国EPU在不同水平下对人民币外汇市场压力作用渠道的差异性，进一步分析了美国EPU对人民币外汇市场压力产生非对称影响的原因。

三、理论分析与假设提出

（一）美国EPU对人民币外汇市场压力的非对称影响

不确定性上升对经济的影响依赖于所处的经济环境。一般来说，在经济低迷时期，不确定性上升主要起消极作用；在经济繁荣时期，不确定性上升主要起积极作用（Segal等，2015）[18]。可以从两个角度对此进行解释：第一，从风险溢价的角度来讲，不确定性上升会导致风险溢价上升，然而，在经济低迷时期，不确定性上升导致的风险溢价较高，在经济繁荣时期，不确定性上升导致的风险溢价较低，较低的风险溢价会促进投资，较高的风险溢价会抑制投资（Pastor和Veronesi，2012；陈国进等，2017；周学伟等，2020）[19-21]。第二，从期权理论的角度来讲，在EPU影响经济运行的过程中，实物期权效应和增长期权效应同时发挥作用，但二者作用方向相反。在经济低迷时期，实物期权效应发挥主要作用，此时，EPU上升会提升期权价值，增加投资的机会成本，因此，理性的市场参与者会减少投资和消费；在经济繁荣时期，增长期权效应发挥主要作用，此时，EPU上升会激励市场参与者进行投资和消费（刘玲等，2020）[22]。

而EPU具有逆周期特征，EPU较低时期一般对应着经济繁荣期，EPU较高时期一般对应着经济低迷期（Jurado等，2015）[23]。因此，在EPU较低时期，经济繁荣，EPU上升，可以刺激投资和消费，增加总需求，对经济产生积极的作用；EPU较高时期，经济低迷，EPU上升会抑制投资和消费，减少社会总需求，对经济产生消极作用。也就是说，不同程度的EPU对宏观经济的影响是不同的。由于宏观经济基本面与汇率变动关联密切，经济基本面变化会影响外汇市场参与者对该国货币的需求，进而对汇率产生影响。因此，处于高低不同状态下的美国EPU会对人民币兑美元汇率产生不同的影响。根据上述分析，提出以下假设：

假设1：美国EPU对人民币外汇市场压力的影响具有非对称性，即美国EPU在不同的状态下，对人民币外汇市场压力的影响不同。

（二）美国EPU影响人民币外汇市场压力的作用机制

美国EPU包括财政政策不确定性、贸易政策不确定性和货币政策不确定性，这些不确定性一方面会通过市场参与者对汇率的预期直接影响人民币外汇市场压力，另一方面会通过中美贸易和国际资本流动作用于人民币外汇市场供求，间接影响人民币外汇市场压力。另外，各国EPU之间存在溢出效应，美国EPU会影响中国EPU，进而影响中国国内宏观经济，并对人民币外汇市场压力产生影响。因此，本研究将分别从市场预期渠道、中美贸易渠道、国际资本流动渠道和EPU溢出渠道来探究美国EPU对人民币外汇市场压力的影响。

1. 市场预期渠道。在美国EPU较高状态下，美国EPU上升，一方面，会导致市场参与者对美国经济形成一种“坏的”预期，引起市场的观望和恐慌情绪，从而对美元持有贬值预期，大量抛售美元；另一方面，会加深外汇市场信息不对称程度，增加市场参与者参与外汇市场的沉没成本，造成参与外汇市场的沉没成本超过预期收益，从而减少市场主体对美元的需求，增加人民币升值压力。在美国EPU较低状态下，美国EPU上升会使市场参与者对美国未来经济走势形成一种“好的”预期，并且基于美国经济向好的现状会对美元持有升值预期。汇率预期具有自我实现和自我强化的特征，美元在市场参与者升值预期的影响下会呈现出升值趋势，从而增加人民币的贬值压力。根据上述分析，提出以下假设：

假设2：在美国EPU较高状态下，美国EPU上升通过市场预期渠道造成人民币升值压力；在美国EPU较低状态下，美国EPU上升通过市场预期渠道造成人民币贬值压力。

2. 中美贸易渠道。在美国EPU较高状态下，由于实物期权效应的影响，美国EPU上升会使美国企业的投资水平和消费者的消费水平下降，社会总需求下降，从而减少进口需求；同时，中国企业为了规避EPU所带来的贸易风险会暂缓对美贸易，中国出口企业退出出口市场的数量和比重会显著提升（刘洪铎和陈和，2016）[24]，从而降低中国向美国的出口量。出口量的降低会减少外汇市场对人民币的需求，增加人民币贬值压力。在美国EPU较低状态下，由于增长期权效应的影响，美国EPU上升会使美国企业的投资水平和消费者的消费水平上升，美国社会总需求增加，进而增加进口需求，带动中国的出口增加，引起外汇市场对人民币需求增加，增加人民币升值压力。根据上述分析，提出以下假设：

假设3：在美国EPU较高状态下，美国EPU上升通过中美贸易渠道造成人民币贬值压力；在美国EPU较低状态下，美国EPU上升通过中美贸易渠道造成人民币升值压力。

3. 国际资本流动渠道。在美国EPU较高状态下，首先，美国EPU上升会导致美国经济下行压力增加，市场参与者会对美国未来经济走势持有悲观预期，导致国际资本流出美国，同时由于中美经济周期错位，流出美国的资本可能会流入中国；其次，美国EPU上升会增加美国金融资产的风险溢价，投资者会将资金转移到收益更加稳定的市场，这通常会造成大量国际游资涌入中国；最后，美国EPU上升会恶化全球投资环境，考虑到不可逆的投資成本和不确定的未来收益，中国投资者倾向于减少对外投资，从而减少中国的资本流出。总的来看，流入中国的资本数量增加，而流出中国的资本数量减少，这将引起外汇市场对人民币需求增加，从而增加人民币升值压力。在美国EPU较低状态下，美国EPU上升会促使美国宏观经济上行，市场参与者会对美国未来的经济基本面持有较好的预期，而宏观经济预期是影响国际资本流动的重要因素，国际投资者出于避险动机倾向于将资金从新兴经济体撤出。而中国是世界上最大的新兴市场国家，国际资本从新兴市场国家流出，可能会增加人民币的贬值压力。根据上述分析，提出以下假设：

假设4：在美国EPU较高状态下，美国EPU上升通过国际资本流动渠道造成人民币升值压力；在美国EPU较低状态下，美国EPU上升通过中美贸易渠道造成人民币贬值压力。

4. EPU溢出渠道。在美国EPU较高状态下，美国EPU对其他国家的EPU的影响较强，可能会引发中国EPU上升，从而抑制中国企业投资、居民消费和进出口，阻碍中国的经济发展，增加人民币贬值压力。在美国EPU较低状态下，美国EPU对其他国家EPU的影响较弱，中国EPU受其影响较小，从而不会对人民币外汇市场压力造成明显的影响。根据上述分析，提出以下假设：

假设5：在美国EPU较高状态下，美国EPU上升通过EPU溢出渠道造成人民币贬值压力；在美国EPU较低状态下，美国EPU上升通过EPU溢出渠道对人民币外汇市场压力的影响不显著。

四、模型设计与变量选取

（一）TVAR模型

时间序列变量建模通常采用能反映变量动态结构的VAR模型，例如时变参数向量自回归（TVP-VAR）模型、马尔科夫区制转移向量自回归（MSVAR）模型、门槛向量自回归（TVAR）模型和平滑转移向量自回归（STVAR）模型，TVP-VAR模型能够反映变量之间随着时间变化的动态关系，但是无法依据某一变量将研究区间划分为不同的区制。MSVAR模型、STVAR模型和TVAR模型都可以将研究区间划分为不同的区制，但是TVAR模型相较于MSVAR模型和STVAR模型具有以下优点：第一，MSVAR模型的区制转换变量是不可观测的，不能清楚地刻画出依据不确定性程度区分的高不确定性区制和低不确定性区制，而TVAR模型以内生可观测变量作为区制状态转换的依据，符合本研究通过美国EPU指数来区分不确定性程度高低的分析框架；第二，STVAR模型的转换变量是可观测的，但是其中的平滑参数估计非常困难，精确度通常较低，而TVAR模型无须估计平滑参数，保证了TVAR模型参数的精确度；第三，TVAR模型的最优门槛值由网格搜索法确定，有效解决了人为设定门槛值所造成的主观性问题。因此，本研究使用TVAR模型研究美国EPU在高与低两种状态下，对人民币外汇市场压力的非对称冲击效应。参照张玉鹏和王茜（2016）[25]的研究，本研究的模型设计如下：

[Yt=C1+B1（L）+ε1，t+（C2+B2（L）Yt+ε2，t）I（wt-d>γ）] （1）

其中，[Yt=y1t，y2t，…，ykt′]为k×1维的内生变量向量；[Cs]为区制s的k×1维常数向量，[Bs（L）=（Bs，1L，Bs，2L2，…，Bs，PLP）]，其中s={1，2}表示区制，[L]表示滞后算子，[P]为各区制的最大滞后阶数，[Bs，j]为区制[s]和滞后[j]阶的内生变量向量的k×k维系数矩阵；[I·]表示指示函数，[wt]为平稳的门槛变量，[wt-d]为滞后d阶的门槛变量，当[wt-d]大于门槛值[γ]，[I·]为1，当[wt-d]小于或等于门槛值[γ]时，[I·]为0。[εs，t]为均值为零、方差—协方差矩阵为[Σs]的k×1维的扰动向量，该向量满足无自相关假设，即[E（εs，t，εs，l）=0]（t≠l）。在本研究中，门限变量[wt-d]为美国EPU指数，将其分为低不确定性区制[s=1，wt-d≤γ]和高不确定性区制[s=2，wt-d>γ]。

（二）变量选取及数据来源

本研究主要涉及三类变量，分别是基准模型变量、稳健性检验变量和传导渠道变量。数据频率为月度，数据的时间跨度为2005年8月—2021年12月。本研究对所需的原始数据进行了季节性检验，如果存在季节效应则使用X12季节调整法进行调整，并且使用调整后的水平值建模。

1. 基准模型变量。本研究构建的基准模型为[{epu_ust，ert，empt，irt，cpit，gm1t，gyt}]。根据前述理论分析，人民币外汇市场压力不仅会受到本国货币政策、通货膨胀和经济增长的影响，同时也会受到美国货币政策、通货膨胀和经济增长的影响，因此，除了美国EPU（[epu_ust]）和人民币外汇市场压力（[empt]）外，本研究还参照卜永祥（2008）[26]的做法，在基准模型中加入中美利差（[irt]）、中美相对通货膨胀（[cpit]）、中美相对货幣增长率（[gm1t]）和中美相对产出增长率（[gyt]）作为控制变量。另外，考虑到外汇市场压力的计算公式中包含汇率的变动值，而汇率水平值和汇率变动是相关的，汇率水平值代表了一个国家货币相对于另一个国家货币的价值，货币价值可以影响市场对于该货币的需求和供给，如果汇率水平偏高，市场对该货币的需求可能会降低，导致汇率变动，进而影响外汇市场压力，因此，将美元兑人民币汇率（[ert]）也作为控制变量。各变量的具体含义如下：

（1）美国EPU（[epu_ust]）。本研究选取Baker等（2016）[3]基于文本挖掘技术测算的美国EPU指数作为美国EPU的代理变量，美国EPU指数来自经济政策不确定性网站（http：//www.policyuncertainty.com/）。

（2）人民币外汇市场压力（[empt]）。参考Sachs等（1996）[27]的研究，采用以下公式计算人民币外汇市场压力：

[empt=1σr1/σe+1/σrΔRtHt-1σe1/σe+1/σrΔEtEt]  （2）

其中，[empt]为外汇市场压力指数，[ΔRtHt]为外汇储备相对于基础货币存量的变化量的变化率，[σr]为其标准差；[ΔEtEt]为汇率的变化率，[σe]为其标准差。外汇储备[Rt]以中国持有的外汇资产数量衡量，基础货币[Ht]以中国M2来衡量，汇率[Et]以直接标价法计算的美元对人民币汇率中间价表示。为了缩小量纲对模型结果的影响，本研究将[empt]扩大100倍代入模型。由图1可知，近年来，美国EPU指数与人民币外汇市场压力之间的非线性联动特征愈加明显，在Ⅰ和Ⅲ区域，美国EPU较高时期，人民币面临较大的升值压力；在Ⅱ和Ⅳ区域，美国EPU较低时期，人民币面临较大的贬值压力。其中基础货币、外汇储备以及中国M2数据来自中国人民银行官网，汇率数据来自万得数据库。

（3）美元兑人民币汇率（[ert]）。直接标价法下的美元兑人民币汇率，数据来自万得数据库。

（4）中美利差（[irt]）。中美利差=（中国1年期存款基准利率-美国联邦基金利率）×100，数据来自万得数据库。

（5）中美相对通货膨胀（[cpit]）。中美相对通货膨胀=（中国通货膨胀率-美国通货膨胀率）×100，其中中美两国的通货膨胀率分别用两国的消费者物价指数（CPI）的同比增速度量，数据来自万得数据库。

（6）中美相对货币增长率（[gm1t]）。中美相对货币增长率=中国货币增速-美国货币增速，其中中美两国货币增速分别用两国的M1的同比增速度量，数据来自万得数据库。

（7）中美相对产出增长率（[gyt]）。中美相对产出增长率=中国产出增速-美国产出增速，其中中美两国的产出增速分别用两国的工业产值的增速衡量，数据来自BVD-EIU数据库。

2. 稳健性检验相关变量。本研究通过添加和替换关键变量等方法检验基准模型估计结果的稳健性，在稳健性估计部分涉及的变量如下：

（1）石油价格增长率（[goilt]）。采用WTI原油现货价格与欧洲布伦特原油现货价格的平均值衡量石油价格[oilt]，石油价格增长率为[goilt=（oilt-oilt-1）/oilt-1]，

数据来自万得数据库。

（2）美国EPU的重新测度。本研究借鉴宋全云等（2019）[28]的做法，考虑到EPU传导的滞后性，重新度量美国EPU，测算公式为：

[epu_us1t=epu_ust-1]                                   （3）

[epu_us2t=（epu_ust+epu_ust-1+epu_ust-2）/3] （4）

[epu_us3t=（3epu_ust+2epu_ust-1+epu_ust-2）/6]   （5）

其中，[epu_ust]、[epu_ust-1]和[epu_ust-2]分别表示当期的、滞后一期的和滞后两期的美国EPU。

3. 影响渠道变量。

（1）外汇市场预期指标（[ext]）。借鉴鲁春义和王东明（2021）[29]的做法，使用一年期人民币NDF的环比收益率反映人民币汇率波动预期，数据来自万得数据库。

（2）中国短期跨境资本流动增长率（[gicft]）。本研究使用跨境资本流动净额指标来衡量资本流动，将跨境资本流动净额定义为证券投资项目下的净额、金融衍生工具项下的净额与其他投资的净额三者之和。由于中国跨境资本流动数据为季度数据，本研究采用二次插值法将其转换成月度数据，月度跨境资本流动记为[icft]，短期跨境资本流动增长率为[gicft=（icft-icft-1）/icft-1]。跨境资本流动数据来自中国国际收支平衡表。

（3）中美贸易净额增长率（[gntrat]）。使用中国对美国的出口额减去中国向美国的进口额获得中美贸易净额[ntrat]，中美贸易净额增长率[gntrat=（ntrat-ntrat-1）]

[/ntrat-1]，进出口数据来自中经统计数据库。

（4）中国EPU指数（[epu_cht]）。由于美国EPU通过引发中国EPU变动来影响人民币外汇市场压力变动，因此，本研究选取Baker等（2016）[3]基于文本挖掘技术测算的中国EPU指数作为EPU溢出渠道变量，中国EPU指数来自经济政策不确定性网站。

具体变量说明及描述性统计见表1。

五、实证结果分析

（一）非线性检验

本研究使用ADF法对数据进行平稳性检验，结果见表2。结果表明除了美国EPU指数及其重新测度、美元兑人民币汇率、中美利差、中美相对货币增长率、中国短期跨境资本流动增长率和中国EPU指数是一阶平稳之外，其余变量都为水平平稳，可用于构建VAR和TVAR模型。

为了对比线性VAR模型和非线性TVAR模型实证结果的差异性，本研究同时考虑了线性VAR模型。根据AIC和BIC准则，本研究将线性VAR模型的滞后阶数设定为2，参照Galv?o（2003）[30]的研究，將TVAR模型的滞后阶数也设为2。采用Lo和Zivot（2001）[31]的Sup-LP统计量对以美国EPU指数作为门槛变量的基准TVAR模型做非线性检验。该检验的原假设为所检验的模型是线性的，选择VAR模型；备择假设是所检验的模型是非线性的，选择TVAR模型。检验结果见表3，Sup-LP统计量的值为66.18，p值为0.007，这表明应拒绝原假设，接受备择假设，即模型具有非线性特征，应选择TVAR模型。根据Sup-LP检验结果，TVAR模型的门槛变量滞后期和门槛值分别为1和149.44，低不确定性区制样本量和高不确定性区制样本量分别占比55.21%和44.79%。

（二）基准模型实证结果

在TVAR模型中，通过比较不同区制的脉冲响应函数的长期与短期特征，可以进一步分析美国EPU与人民币外汇市场压力之间的非对称性关系。观察非线性TVAR模型的人民币外汇市场压力的脉冲响应函数（见图2）可以发现，美国EPU对人民币外汇市场压力的影响具有显著的非对称性。在低不确定性区制，美国EPU一个标准差正向冲击在长期和短期都会给人民币带来贬值压力；在高不确定性区制，美国EPU一个标准差正向冲击在长期和短期都会给人民币带来升值压力。具体来看，在低不确定性区制，在短期，人民币外汇市场压力的响应值始终为负，在初期达到最大值-0.034，随后开始向零收敛，从第4期开始冲击的影响逐渐消失。在长期，美国EPU的一个标准差正向冲击将给人民币带来贬值压力，人民币外汇市场压力的负响应的均值约为-0.014。在高不确定性区制，从短期看，人民币外汇市场压力的响应值始终为正，在初期为0.013，在第三期达到最大0.025，随后开始逐渐向零收敛，从第8期开始冲击的影响逐渐消失。在长期，美国EPU的一个标准差正向冲击将给人民币带来升值压力，人民币外汇市场压力的正响应的均值约为0.015。上述分析表明，人民币外汇市场压力对美国EPU冲击的脉冲响应存在显著的非对称性，验证了假设1。

（三）基准模型的稳健性检验

考虑到遗漏重要变量、变量排序的差异、数据测量误差等因素都会对TVAR模型的实证结果产生影响，为了增加实证结果的可信度，本研究进行如下稳健性检验。

1.美国EPU的再度量。本研究重新度量美国EPU，分别使用[epu_us1t]、[epu_us2t]和[epu_us3t]替代基準模型中的[epu_ust]，其模型分别记为Model 1、Model 2和Model 3。

2. 添加国际石油价格变动因素。美国EPU与国际石油价格之间具有较大的溢出效应（Antonakakis等，2014；王奇珍和王玉东，2018）[32，33]，而国际石油价格又是影响人民币外汇市场压力的一个重要因素，一方面，国际石油价格的上升会导致中国的进口成本上升，从而增加对外汇的需求，形成人民币贬值压力；另一方面，国际石油价格的上升也会提高中国的能源出口收入，增加外汇供给，形成人民币升值压力。同时，国际石油价格的变动也会对整个国际经济产生影响，从而对人民币外汇市场压力产生影响。因此，为排除基准模型中人民币外汇市场压力对美国EPU的反应中可能混杂的石油价格变动的影响，本研究在基准模型中添加石油价格变动因素（[goilt]），其模型记为Model 4。

3.改变模型变量的排序。基准模型隐含的假设是美国EPU（[epu_ust]）不受模型内其他变量同期冲击的影响，并且中国货币供给增长率（[gm1t]）、人民币兑美元汇率（[ert]）、中美利差（[irt]）、中美相对通货膨胀（[cpit]）、中美相对产出增长率（[gyt]）不会同期影响基准模型中的其他变量。虽然这是文献中的通常做法，但变量排序仍然可能影响模型估计结果，因此，本研究调换基准模型中的各变量位置，以检验模型变量的排序对基准模型实证结果的影响，其模型分别记为Model 5—Model 8。

图3给出了上面设定的8种模型的人民币外汇市场压力对美国EPU冲击的区制特定脉冲响应函数图像。可以发现，在高不确定性区制，人民币外汇市场压力对美国EPU冲击的响应主要为正，在低不确定性区制，人民币外汇市场压力对美国EPU冲击的响应主要为负，这与基准模型的人民币外汇市场压力对美国EPU冲击的区制特定脉冲响应函数形态基本一致。由此可见，基准模型的实证结果是稳健的。

六、影响机制的实证检验

根据本研究第三部分的分析可知，市场预期渠道、国际资本流动渠道、中美贸易渠道和EPU溢出渠道可能是美国EPU影响人民币外汇市场压力的重要渠道。为了测度这四个渠道在美国EPU影响人民币外汇市场压力过程的重要性，分别将四个传导渠道变量作为模型内生变量纳入基准模型，得到四个包含传导渠道的新模型，然后使用反事实分析法研究各渠道在美国EPU影响人民币外汇市场压力过程中的作用。反事实分析方法的步骤如下：先使用TVAR方法获得人民币外汇市场压力对美国EPU冲击的区制特定脉冲响应函数，即为无限制脉冲响应函数（unrestricted irf）；然后参照Carrière-Swallow和Céspedes（2013）[34]的研究，通过对TVAR模型的残差项的方差—协方差矩阵中渠道变量所在的行和列以及渠道变量系数的估计矩阵施加零限制条件，来限制上述四个模型中的渠道变量的变化，并得到受限制区制特定脉冲响应函数（restricted irf）；如果受限制和无限制的脉冲响应函数存在显著差异，则说明渠道变量是美国EPU影响人民币外汇市场压力的关键因素。

（一）市场预期渠道

由图4可知，如果对市场预期对美国EPU的内生反应渠道施加限制，在低不确定性区制，施加限制的脉冲响应函数图像在未施加限制的脉冲的响应函数图像上方，但二者差异较小，意味着美国EPU上升会通过市场预期渠道引起人民币贬值压力，但是引起的贬值压力幅度较小。在高不确定性区制，施加限制的脉冲响应函数图像在未施加限制的脉冲响应函数图像的下方，并且二者差异较大，意味着美国EPU上升会通过市场预期渠道引起人民币升值压力，并且引起的升值压力幅度较大，假设2得到了验证。另外，市场预期渠道在高不确定性区制引发的升值压力幅度大于在低不确定性区制引发的贬值压力幅度，这说明市场预期渠道在高不确定性区制下发挥的传导作用更大，原因可能是在美国EPU较低时，美国EPU上升对外汇市场参与者情绪的影响较为温和，难以对外汇市场交易者预期产生太大的影响，造成的人民币贬值压力变化幅度较小；而在不确定性程度较高时，美国EPU上升对外汇市场参与者情绪的影响较为强烈，随着恐慌情绪蔓延，预期被进一步强化，最终造成人民币升值压力较大的变化幅度。

（二）中美贸易渠道

由图5可知，如果对中美贸易对美国EPU的内生反应渠道施加限制，无论是在低不确定性区制还是高不确定性区制，施加限制的脉冲响应函数和未施加限制的脉冲响应函数的图像没有显著差异，这说明中美贸易渠道在美国EPU影响人民币外汇市场压力的过程中所起的作用较小。假设3未能得到验证。可能的原因有，一方面，中国是美国的重要贸易合作伙伴，美国EPU对中美贸易的影响较小，例如，2016年特朗普当选美国总统后，美国EPU指数突破历史最高点，但中美贸易额不减反增；另一方面，当前中国已与多个国家建立了稳定的经贸关系，基本形成了国际贸易市场多元化的格局，中国对美国的贸易依赖性有所降低。因此，美国EPU不会通过中美贸易影响人民币外汇市场的供求，从而不会对人民币外汇市场压力产生影响。

（三）国际资本流动渠道

由图6可知，如果限制资本流动对美国EPU的内生反应渠道，在低不确定性区制，施加限制的脉冲响应函数图像在未施加限制的脉冲响应函数的图像的上方，并且二者的距离较大，最高由-0.018%下降到

-0.039%，这说明美国EPU上升会通过国际资本流动渠道引起人民币贬值压力，并且引起的贬值压力幅度较大。在高不确定性区制，施加限制的脉冲响应函数图像在未施加限制的脉冲响应函数的图像下方，并且二者的距离较大，最高由0.022%上升到0.028%，这说明美国EPU上升会通过国际资本流动渠道引发人民币升值压力，并且引起的升值压力幅度较大，假设4得到验证。另外，值得注意的是，国际资本流动渠道在高不确定性区制引发的人民币升值压力幅度和在低不确定性区制引发的贬值压力幅度都比较大，其原因可能是：国际资本流动是加剧外汇市场供求失衡的重要因素，并且国际资本对一国宏观经济情况的变化十分敏感，可以在各国之间迅速转移。因此，不管是在高不确定性还是低不确定性区制，当美国EPU上升导致美国经济基本面发生变动时，国际资本会迅速做出反应，从而对外汇市场压力产生影响。

（四）EPU溢出渠道

由图7可知，如果在中国EPU对美国EPU的内生反应渠道上施加限制，在低不确定性区制，施加限制的脉冲响应函数和未施加限制的脉冲响应函数的图像几乎重合，不存在显著差异，说明在低不确定性区制，EPU溢出渠道在美国EPU影响人民币外汇市场压力的过程中发挥的作用较小。在高不确定性区制，施加限制的脉冲响应函数图像在未施加限制的脉冲响应函数的图像上方，且二者差异明显，这表明美国EPU上升可以通过影响中国EPU缓解人民币升值压力，假设5得到验证。EPU溢出渠道在高不确定性区制的作用更加明显，而在低不确定性区制发挥的作用不明显，这表明EPU溢出渠道存在门槛效应，即EPU溢出渠道的作用效果依赖于美国EPU的高低。其原因可能是：各国之间EPU自身的溢出效应的强弱依赖于其水平高低，当美国EPU较高时，其溢出效应也较强，对中国EPU的影响较大，进而影响中国宏观经济和投资者预期，从而缓解人民币汇率的升值压力。

反事实分析结果表明，市场预期渠道、国际资本流动渠道和EPU溢出渠道是美国EPU影响人民币外汇市场压力的重要渠道。在不同区制下美国EPU通过不同渠道对人民币外汇市场压力的作用方向与强度存在异质性，这很好地解释了美国EPU对人民币外汇市场压力的非对称性冲击效应。具体而言，在低不确定性区制下，市场预期渠道和国际资本流动渠道会增加人民币贬值压力，而中美贸易渠道和EPU溢出渠道对外汇市场压力的影响不明显，因此，在美国EPU较低时期，美国EPU上升会增加人民币贬值压力；在高不确定性区制，市场预期渠道和国际资本流动渠道会增加人民币升值压力，EPU溢出渠道会增加人民币贬值压力，中美贸易渠道对人民币外汇市场压力的影响不明显，由于市场预期渠道和国际资本流动渠道引起的人民币升值压力幅度要强于EPU渠道引起的贬值压力幅度，因此，在美国EPU较高时期，美国EPU上升会增加人民币升值压力。

七、结论与政策建议

本研究在分析美国EPU在高和低不同状态下对人民币外汇市场压力的影响机制的基础上，使用TVAR模型实证检验了美国EPU对人民币外汇市场压力冲击的非对称性效应，并使用反事实分析法对影响渠道进行了实证检验。主要研究结论如下：（1）从理论角度来讲，美国EPU主要通过市场预期渠道、中美贸易渠道、国际资本流动渠道和EPU溢出渠道对人民币外汇市场压力产生影响。（2）美国EPU对人民币外汇市场压力的影响具有非常显著的非对称性，在低不确定性区制，美国EPU的冲击会引发人民币贬值压力，在高不确定性区制，美国EPU的冲击会引发人民币升值压力。（3）反事实分析表明，市场预期渠道、国际资本流动渠道和EPU溢出渠道是美国EPU影响人民币外汇市场压力的重要渠道，而中美贸易渠道的作用不明显；EPU溢出渠道具有门槛效应，主要在高不确定性区制发挥作用，而市场预期渠道和国际资本流动渠道在高低两种不确定性区制都会发挥作用；在不同区制，美国EPU通过不同渠道对人民币外汇市场压力的作用方向和作用强度具有异质性，这是造成美国EPU对人民币外汇市场压力的影响具有非对称性的主要原因。

当前世界正处于百年未有之大变局，中国外部面临的EPU不断上升，内部处于全面扩大对外开放和深化汇率市场化改革的重要时期，保持人民币汇率在合理均衡水平上基本稳定的难度明显提升，本研究对于增强外汇市场抵御外部EPU冲击能力、保障人民币外汇市场的稳健运行和汇率稳定具有十分重要的启示意义。本研究的政策建议是：

第一，货币当局应加强对美国EPU的监测，将美国EPU纳入人民币外汇市场压力预警指标体系，建立以美国EPU为主的外部EPU对人民币外汇市场压力溢出效应的长效评估预警机制，并及时发布预警信息。

第二，对美国EPU影响人民币外汇市场压力的渠道加强管理，缓释美国EPU上升人民币外汇市场压力的不利影响。首先，加强对市场预期的管理，防止外汇市场出现“羊群效应”，减少市场非理性情绪对汇率的不利影响，避免外汇市场承压。一方面，应进一步完善外汇衍生品市场，为市场提供丰富的风险对冲工具；另一方面，应继续推进人民币汇率市场化改革，进一步提高人民币汇率弹性，弱化市场对中央银行实施汇率干预的预期，使汇率形成机制透明化，发出明确的双向波动信号。其次，加强对短期跨境资本流动的监测与管理，应特别关注尚未纳入监管和统计范围的资金流入和流出形势，逐步将其纳入统计口径和监管范围，从而增强对资本流动的控制能力，避免由外部EPU冲击所引发的短期跨境资本大量快速流入和突然逆转对人民币汇率的影响。最后，在制定经济政策时，应增强经济政策前瞻性，同时保持经济政策的透明度、稳定性与连贯性，减轻美国EPU通过我国EPU对人民币外汇市场压力所造成的影响。

第三，充分重视美国EPU对人民币外汇市场压力的非对称影响。根据不同时期美国EPU对人民币外汇市场影响的特点，采用差异化的调控策略，提高调控效率。在美国EPU较低时期，以缓释人民币贬值压力为主，一方面，应拓宽国内投资空间，优化国内经济金融环境，吸引国际资本流入；另一方面，应通过窗口指导等手段缓解公众对人民币的贬值预期。在美国EPU较高时期，以缓解人民币升值压力为主，应加强预期管理，防止极端资本流入，同时应增强我国经济政策的透明程度，减少美国EPU通过影响我国EPU对人民币外汇市场压力的影响。

参考文献：

[1]Gulen H，Ion M. 2016. Policy Uncertainty and Corporate Investment [J].The Review of Financial Studies，29（3）.

[2]蔣涛.美国经济政策不确定性溢出效应研究：来自新兴经济体银团贷款的证据 [J].财贸研究，2020，31（02）.

[3]Baker S R，Bloom N，Davis S J. 2016. Measuring Economic Policy Uncertainty [J].The Quarterly Journal of Economics，131（4）.

[4]Kido Y. 2016. On the Link Between the US Economic Policy Uncertainty and Exchange Rates [J].Economics Letters，144.

[5]Balcilar M，Demirer R，Gupta R，Eyden RV. 2017. The Impact of US Policy Uncertainty on the Monetary Effectiveness in the Euro Area [J].Journal of Policy Modeling，39（6）.

[6]Bartsch Z. 2019. Economic Policy Uncertainty and Dollar-Pound Exchange Rate Return Volatility [J].Journal of International Money and Finance，98.

[7]朱孟楠，闫帅.经济政策不确定性与人民币汇率的动态溢出效应 [J].国际贸易问题，2015，（10）.

[8]王盼盼.中美贸易摩擦、美国经济政策不确定性与人民币汇率波动 [J].世界经济研究，2021，（07）.

[9]Al-Yahyaee K H，Shahzad S J H，Mensi W. 2020. Tail Dependence Structures Between Economic Policy Uncertainty and Foreign Exchange Markets：Nonparametric Quantiles Methods [J].International Economics，161.

[10]严佳佳，曾紫怡，张晨燕.应对美国经济政策不确定性的对策研究 [J].财政科学，2022，（04）.

[11]Chen L，Du Z，Hu Z. 2020. Impact of Economic Policy Uncertainty on Exchange Rate Volatility of China [J].Finance Research Letters，32.

[12]劉强，陶士贵.外部经济政策不确定性与人民币汇率稳定 [J].金融论坛，2022，27（03）.

[13]Tanner E. 2000. Exchange Market Pressure and Monetary Policy：Asia and Latin America in the 1990s [J]. IMF Staff papers，47（3）.

[14]Griton L，Roper D. 1977. A Monetary Model of Exchange Market Pressure Applied to the Postwar Canadian Experience [J].The American Economic Review，67（4）.

[15]金春雨，张龙.美联储货币政策对人民币外汇市场压力的非对称效应 [J].财经科学，2017，（04）.

[16]Balcilar M，Gupta R，Kyei C，Wohar ME. 2016. Does Economic Policy Uncertainty Predict Exchange Rate Returns and Volatility？ Evidence from a Nonparametric Causality-in-Quantiles Test [J].Open Economies Review，27（2）.

[17]Jo?ts M，Mignon V，Razafindrabe T. 2017. Does the Volatility of Eommodity Prices Reflect Macroeconomic Uncertainty？ [J].Energy Economics，68.

[18]Segal G，Shaliastovich I，Yaron A. 2015. Good and Bad Uncertainty：Macroeconomic and Financial Market Implications [J].Journal of Financial Economics，117（2）.

[19]Pastor L，Veronesi P. 2012. Uncertainty About Government Policy and Stock Prices [J].The Journal of Finance， 67（4）.

[20]陈国进，张润泽，赵向琴.政策不确定性、消费行为与股票资产定价 [J].世界经济，2017，40（01）.

[21]周学伟，付巾书，宋加山.不同的政策不确定性对股市波动影响相同吗？[J].金融发展研究，2020，（05）.

[22]刘玲，陈乐一，李玉双.全球经济政策不确定性与中国粮食价格——基于非对称性视角的分析 [J].农业技术经济，2020，（05）.

[23]Jurado K，Ludvigson S C，Ng S. 2015. Measuring Uncertainty [J].American Economic Review，105（3）.

[24]刘洪铎，陈和.目的国经济政策不确定性对来源国出口动态的影响 [J].经济与管理研究，2016，37（09）.

[25]张玉鹏，王茜.政策不确定性的非线性宏观经济效应及其影响机制研究 [J].财贸经济，2016，（04）.

[26]卜永祥.人民币升值压力与货币政策：基于货币模型的实证分析 [J].经济研究，2008，43（09）.

[27]Sachs J D，Tornell A，Velasco A. 1996. Financial Crises in Emerging Markets：the Lessons from 1995 [J].Brookings Papers on Economic Activity，（1）．

[28]宋全云，李晓，钱龙.经济政策不确定性与企业贷款成本 [J].金融研究，2019，（07）.

[29]鲁春义，王东明.中国经济政策不确定性对短期资本流动的双向冲击：基于区制转移模型的实证研究 [J].世界经济研究，2021，（08）.

[30]Galv?o ABC. 2003. Multivariate Threshold Models：TVARs and TVECMs [J].Brazilian Review of Econometrics，23（1）.

[31]Lo M C，Zivot E. 2001. Threshold Cointegration and Nonlinear Adjustment to the Law of One Price [J].Macroeconomic Dynamics，5（4）.

[32]Antonakakis N，Chatziantoniou I，Filis G. 2014. Dynamic Spillovers of Oil Price Shocks and Economic Policy Uncertainty [J].Energy Economics，44.

[33]王奇珍，王玉东.国际油价、美国经济不确定性和中国股市的波动溢出效应研究 [J].中国管理科学，2018，26（11）.

[34]Carrière-Swallow Y，Céspedes LF. 2013. The Impact of Uncertainty Shocks in Emerging Economies [J]. Journal of International Economics，90（2）.