我國房地產價格波動與貨幣政策調控模式研究

劉金全++陳德凱

摘要： 本文將經濟政策不確定性作為門限變量，構建了包括房地產價格、貨幣政策以及經濟政策不確定性在內的三維TSVAR模型，并且分別采用貨幣供給量、利率以及信貸規模作為貨幣政策代理變量，研究不同政策不確定性程度下各貨幣政策工具對房地產價格調控的有效性。實證結果表明，在當前經濟政策不確定性快速攀升時期，信貸規模調控是應對房地產價格過快上漲的最佳選擇，其能夠在最短時間內有效平抑房地產價格波動，并且在長期中依舊保留一定的政策效果。因此，貨幣當局在對房地產價格進行調控時應將著力點放在信貸規模上，通過控制信貸增長來抑制房地產價格的過快上漲，從而化解資產價格泡沫并推動經濟“脫虛向實”，為經濟增長新動力的形成奠定堅實的基礎。

關鍵詞： 房地產價格； 貨幣政策工具； 經濟政策不確定性； TSVAR模型

文獻標識碼： A 文章編號： 1002-2848-2017（04）-0051-07

一、 引 言

房地產作為一種特殊資產，同時具有虛擬資產和實物資產雙重屬性。作為虛擬資產，其價值由未來預期收益的貼現值決定，并且同時受到宏觀經濟基本面及非基本面的影響；而作為實物資產，其又具有投資屬性，因而房地產價格的波動性遠高于一般實物資產。2016年上半年開始，我國房地產市場一直保持高溫狀態，一、二線城市房地產價格大幅上漲，尤其以合肥、蘇州、南京和廈門為最高，其中合肥10月份二手房價格比上年同期上漲7681%。房地產價格上漲過快會產生極為嚴重的后果，不僅會引發資源配置扭曲，加劇當前經濟中的結構性矛盾，也會對居民的消費支出和其他行業投資產生擠出效應，同時還會對金融系統穩定性和宏觀經濟穩定性產生極大的破壞性。因此，面對房地產價格短期內過度上漲的現象，政府必須采取科學有效的宏觀調控政策將房地產價格漲幅引導至合理區間。而貨幣政策作為我國宏觀調控政策的重要內容，必須發揮其在房地產價格調控中的積極作用，維護我國房地產市場的健康發展，從而保證宏觀經濟穩定性和金融系統穩定性，平衡經濟增長結構。

研究貨幣政策對房地產價格調控效應的文獻很多，學者們一般從貨幣政策整體視角和分類視角兩個層面進行研究。在貨幣政策整體視角方面，Hasan & Taghavi、Senhadji & Collyns以及Iacoviello & Minetti選取不同國家的數據樣本進行實證研究，結果顯示各國家地區貨幣政策工具對房地產價格均具有顯著影響[13]。在貨幣政策分類視角方面，學者們主要從貨幣供給、利率和信貸規模三個主要貨幣政策工具著手研究，不同工具對房地產價格的調控效應也不盡相同。Cooper、Gerlach & Peng以及梁斌和李慶云通過研究發現，利率水平與房地產價格呈現負相關性，而貨幣供給和信貸規模則與房地產價格則呈現正相關性[46]。但對于不同貨幣政策工具調控有效性的比較則存在著很大的分歧，丁晨和屠梅曾指出利率工具對房地產價格的影響程度最大調控效應也最為顯著，貨幣供應量和信貸規模的調控效應則不明顯[7]。而郭娜和李政、鄧富民和王剛則認為在貨幣政策工具調控效果方面，貨幣供給量和金融信貸對房地產價格的調控效果更好，而利率工具的調控效果十分有限[89]。此外，張小宇和劉金全指出，“經濟新常態”時期貨幣政策對房地產市場的影響強度相比以前顯著降低，持續時期明顯縮短[10]。面對這種情況，選擇合適的貨幣政策工具對持續走高的房地產價格進行調控顯得尤為重要。

另一方面，我國房地產市場素來有“政策市”之稱，房地產價格受政府政策影響程度較深。但是政府經濟政策的頒布時點往往具有隨機性，這就給房地產市場帶來了政策不確定性問題。張浩等人認為政策不確定性的存在會導致房屋供需雙方在面對各種外部沖擊時所采取的行為發生變化，可能會造成市場的短暫失靈，從而引起市場波動[11]。并且Bloom以及Aastveit等人通過研究發現，經濟政策不確定性會顯著影響貨幣政策的調控效果，當經濟政策不確定性程度較高時會削弱貨幣政策沖擊的影響[1213]。而張玉鵬和王茜指出，我國目前正處于增長速度換擋期、結構調整陣痛期以及前期刺激政策消化期的“三期疊加時期”，宏觀經濟調控面臨著“穩增長、調結構、促改革、防風險”四大目標，且這四大目標之間存在著內在的矛盾和沖突，政府在進行宏觀經濟調控時不得不在多個目標之間進行切換，這就產生了較高的政策不確定性，從而影響貨幣政策工具的實際有效性[14]。因此，在研究和比較不同貨幣政策工具對房地產價格的調控效應時，將經濟政策的不確定性納入模型之中更符合當前的實際情況。然而學者們在研究經濟政策不確定性的影響時一般僅將其當作普通的內生變量，研究其存在的情況下貨幣政策的調控效應將會受到何種影響，而很少考慮不同政策不確定性程度下貨幣政策調控效應的差異。為此，本文采用門限結構向量自回歸（TSVAR）模型，將經濟政策的不確定性作為門限變量，從而劃分出高政策不確定性區制和低政策不確定性區制，以便研究不同政策不確定性程度下各貨幣政策的調控效應，并為當前形勢下貨幣政策工具的選擇提供相應的建議。二、 TSVAR模型介紹

結構向量自回歸（SVAR）模型能夠包含各變量之間的同期關系，因而比簡化的VAR模型更具有經濟意義。本文首先構建包括房地產價格指數、貨幣政策工具變量以及經濟政策不確定性指數的三維SVAR模型，具體如下：

Yt=AYt+B（L）Yt-1+vt

（1）

其中，Yt是包含各內生變量的向量，A表示各內生變量同期系數矩陣，B（L）表示滯后多項式矩陣，而vt表示結構擾動項。

Balke為研究信貸規模和經濟活動之間的非線性關系，將門限效應引入SVAR模型中從而將其擴展為TSVAR模型[15]。本文為研究不同經濟政策不確定性程度下各貨幣政策工具對房地產價格的調控效應，將借鑒Balke[15]提出的模型，通過估計門限值將我國經濟政策不確定性分為高不確定性和低不確定性兩個區制，并比較各不確定性區制下貨幣政策工具對房地產價格調控的有效性。endprint

TSVAR模型的具體形式如下：

Yt=A1Yt+B1（L）Yt-1+（A2Yt

+B2（L）Yt-1）I（ct-d>γ）+Ut

（2）

其中，A1和A2表示內生變量同期系數矩陣，B1（L）和B2（L）表示滯后多項式矩陣，Ut表示結構擾動項。ct-d表示門限變量（本文中指經濟政策不確定性），γ表示門限值，當ct-d>γ表示經濟政策不確定性程度較高，而當ct-d≤γ表示經濟政策不確定性程度較低，從而劃分出高政策不確定性和低政策不確定性兩個區制。而I（ct-d>γ）表示指示函數，當ct-d>γ時取值為1，當ct-d≤γ時取值為0。

從（2）式可以看出，不僅滯后多項式會隨著區制的變化而改變，內生變量同期相關系數A1和A2也同樣會發生變化。按照Balke的假設，A1和A2存在一種遞歸結構，這種遞歸結構并不特意針對內生變量進行排序[15]。

此外，建立TSVAR模型最為關鍵的前提條件是模型存在門限效應，因此首先對模型進行門限效應檢驗顯得極為重要。理想情況下當門限值γ為已知時，只需要檢驗原假設A2=B2（L）=0是否成立。然而大多數情況下，門限值γ都是未知的。此時需要進行非標準推理，因為在門限效應不存在的原假設下，門限值γ是不能識別的。為了檢驗門限效應，需要考慮所有可能的門限值并利用最小二乘方法對相應的門限模型進行估計。本文設定原假設為兩個區制的參數估計值不存在差異，即A2=B2（L）=0，并且采用Wald統計量對每個可能的門限值進行假設檢驗。為了確保檢驗結果的準確性，本文分別計算了三種Wald統計量：subWald，即Wald統計量的最大值；avgWald，即Wald統計量的平均值；expWald，即指數Wald統計量的和。同時采用Hansen提出的模擬方法（包括subWald、avgWald和expWald統計量經驗分布的模擬）來進行推斷[16]。最后得出的門限值滿足殘差的對數行列式最小。三、 數據選取及門限效應檢驗

（一）數據選取

本文構建的三維TSVAR模型中所包含的內生變量有房地產價格、貨幣政策以及經濟政策不確定性。對于房地產價格，本文選用70個大中城市新建住宅價格指數當月同比數據來衡量，記為H。貨幣政策則選擇三種主要的貨幣政策工具來作為其代理變量，分別為貨幣供給量、利率以及信貸規模。其中，利率選用6個月的短期貸款基準利率來衡量，記為R；貨幣供給量選用M2期末同比增速來衡量，記為M2；信貸規模則借鑒何靜等人[17]的做法，選用房地產投資資金來源中的國內貸款部分的同比數據來衡量，記為Loan。由于70個大中城市新建住宅價格指數發布的時間較晚，本文的樣本區間設定為2005年7月到2016年7月，以上所有數據均來自Wind數據庫。

而對經濟政策不確定性指標的選取一直以來存在較大爭議，主要原因在于其難以量化。Fernndez Villaverde et al以及Born & Pfeifer分別估計了貨幣政策規則和財政政策規則的時間序列模型，并將估計的時變標準差當作政策不確定性，但這種方法的缺點在于只能單方面表現貨幣政策或財政政策的不確定性，難以綜合度量包括監管在內的多種政策的不確定性[1819]。Bekaert et al采用VIX指數來反應政策不確定性，但是近年來我國股票市場與宏觀經濟的脫節相對嚴重，因此這種方法并不適用于我國的實際情況[20]。而王義中和宋敏則采用GARCH模型對GDP或工業增加值實際增速進行分解從而得到了政策不確定性的度量指標，這種方法同樣存在很大的弊端，因為我國GDP增速為季度數據，如果采用GARCH模型進行分解必然要先進行頻率轉換和季度平滑，極大地影響了數據的可靠性[21]。幸運的是，Baker et al從2003年開始嘗試構建經濟政策不確定性指數（EPU），并在2013年通過收集量化香港南華早報上與經濟政策不確定性相關的報道，構建出了中國經濟政策不確定性指數，具體詳見http：∥wwwpolicyuncertaintycom[22]。國內很多學者論證了該指數的合理性，包括張浩等人以及田磊和林建浩[11，23]。因此本文也采用該指數來衡量我國經濟政策的不確定性，樣本區間設定為2005年7月到2016年7月。

圖1顯示的是Baker et al.構建的中國經濟政策不確定性指數（EPU）的走勢圖[22]，可以看出我國經濟政策不確定性從2005年7月至今出現三次較大幅度的波動期。一是2008年下半年到2009年上半年。此時美國“次貸危機”全面爆發并引起了全球金融危機，我國經濟發展也遇到極大的困難，經濟下行壓力的不斷增加使得我國經濟政策頻繁地調整，增加了政策的不確定性。二是2011年下半年到2012年上半年。此時歐洲主權債務危機不斷惡化，歐洲國家所面臨的經濟衰退直接影響到我國的經濟發展，出口萎縮、國際資本頻繁流動以及輸入型通脹壓力等導致了政策不確定性的增加。三是2014年進入“經濟新常態”以來，我國實體經濟增速不斷放緩，同時虛擬經濟出現異常繁榮并且積累了大量的泡沫，宏觀調控政策面臨著“穩增長、調結構、促改革、防風險”四大目標，且不得不在多個目標之間進行切換，從而產生了較高的政策不確定性。

（二）單位根檢驗及協整檢驗

為了避免出現偽回歸現象，本文首先對各數據進行ADF單位根檢驗，詳細的檢驗結果列示在表1中。從表1可以看出，所有數據均是非平穩的，但經過一階差分處理后變為平穩數據，因此本文選取的所有數據均滿足一階單整，可以接下來進行協整性檢驗。本文采用三種貨幣政策工具作為貨幣政策的代理變量，從而構建了三個類似的TSVAR模型。其中，模型1使用貨幣供給量作為貨幣政策代理變量；模型2使用利率作為貨幣政策代理變量；模型3使用信貸規模作為貨幣政策代理變量。本文分別對這三組數據進行Johansen協整性檢驗，詳細結果見表2。可以看出，三組數據均顯著存在協整關系，因此本文在進行模型估計時不需要再對各數據進行平穩性處理，直接使用原始數據即可。endprint

（三）門限效應檢驗

經過ADF單位根檢驗和Johansen協整性檢驗之后，本文將針對模型進行關鍵性的門限效應檢驗。根據AIC準則，本文將模型中變量的滯后階數設定為2階，同時借鑒張浩等人[11]的做法，將經濟政策不確定性指數（EPU）的滯后一階設置為門限變量。接下來，本文將按照Hansen提出的模擬方法并且利用Wald統計量對三個模型分別進行門限效應檢驗[16]。

從表3的檢驗結果中可以看出，三個模型均存在顯著的門限效應，表明我國政策的不確定性水平確實會對貨幣政策工具的調控效應產生影響。同時可以發現，三個模型的門限估計值γ的大小各不相同。其中，以貨幣供給量作為貨幣政策工具時模型的門限值最小，為141637，這表明貨幣供給量的調控效應對經濟政策不確定性水平的變化極為敏感，政策不確定性的小幅變化就會導致貨幣供應量對房地產價格的調控效應發生較大轉變。相比之下，以利率作為貨幣政策工具時模型的門限值最大，表明利率的調控效應對政策不確定性具有較強的抵抗力，只有當經濟政策不確定性惡化到較高程度時才會發生轉變。

圖1中T1、T2和T3分別代表模型1、模型2以及模型3的門限估計值，在圖形中以三條水平線的形式直觀地將我國經濟政策不確定性指數劃分為兩個區制，水平線之上即為高不確定性區制，水平線之下即為低不確定性區制。可以看出，我國在2015年之后處于高不確定性區制，并且政策不確定性程度仍在攀升，這種情況下各貨幣政策工具對房地產價格波動的調控效應將會發生怎樣的轉變以及何種工具的有效性最好，都是本文所要研究的重點。四、 實證分析

在完成門限值估計及門限效應檢驗之后，本文將采用累積的廣義脈沖響應函數來研究各貨幣政策工具在不同政策不確定性程度下對房地產價格的調控效應。

給量對房地產價格的調控效應。圖2和圖3顯示的是貨幣供給量M2的一單位標準差正向沖擊和負向沖擊對房地產價格的影響，其中圖2為高政策不確定性區制，而圖3為低政策不確定性區制。圖2和圖3表明貨幣供給量在短期內與房地產價格呈現出正相關性，即貨幣供給量增速的上升會導致房地產價格上漲，反之亦然。這是因為貨幣供給量增速上升（下降），增加（減少）了市場中的流動性，從而放大（縮小）房地產市場的需求；同時貨幣供給增加（減少）所帶來的通脹預期變化也會加大（減少）對房地產抗通脹能力的需求，從而促進房地產價格的上漲（下跌）。其次可以發現，貨幣供給量對房地產價格的總影響在15期左右累積到最大，之后開始緩慢減弱直至接近于0，意味著貨幣供給量對房地產價格的影響在后期會出現逆轉，并抵消前期的促進或抑制效果。這說明貨幣供給量沖擊對房地產價格僅具有短期效應，長期內的總影響幾乎為零。最后就調控效果而言，高政策不確定性區制下貨幣供給量對房地產價格的調控效應強于低政策不確定性區制，前者總影響的峰值約為07，而后者僅為06。

接下來，本文將分析不同政策不確定性程度下利率政策對房地產價格的調控效應。圖4和圖5顯示的是利率的一單位標準差正向沖擊和負向沖擊對房地產價格的影響。從圖中可以看出，利率與房地產價格之間存在顯著的負相關性，即利率的突然上升會導致房地產價格的持續下降，利率的下降也會導致房地產價格上漲。這主要是因為：一方面，利率的上升（下降）導致購房者向金融機構貸款的成本上升（下降），降低（增加）了房地產的需求；另一方面，利率的上升（下降）會抑制（刺激）房地產市場的投資與消費，進而帶動房地產價格的下跌（上漲）。與貨幣供給量不同，利率與房地產價格之間的負相關性比較穩定而不會出現逆轉，這一點從圖中累積脈沖響應曲線持續上升（或下降）直至穩定不變的走勢情況可以看出。從效果上看，高政策不確定性區制下利率的調控效應弱于低政策不確定性區制，具體表現在兩方面：一，高政策不確定性區制下利率對房地產價格的總影響低于低政策不確定性區制；二，高政策不確定性區制下利率調控效應的持續時間短于低政策不確定性區制。此外，低政策不確定性區制下利率對房地產價格的調控效應存在顯著的非對稱性，利率下降對房地產價格的刺激效應大于利率上升對房地產的抑制效應。

最后，本文將分析不同政策不確定性程度下信貸規模對房地產價格的調控效應。圖6和圖7顯示的是信貸規模的一單位標準差正向沖擊和負向沖擊對房地產價格的影響效果。可以看出，信貸規模的增加（下降）會導致房地產價格上漲（下跌），二者之間呈現顯著的正向關聯機制。因為信貸規模的增加（減少）提高（降低）了信貸的可獲得性并且降低（提高）了貼現利率，從而刺激（抑制）了房地產市場的投資和消費，并推動房地產價格上漲（下跌）。這種正相關性在前期不斷累積，于第10期左右達到峰值，此后出現一定程度的回落并最終收斂至穩定水平。這意味著信貸規模對房地產價格的影響與貨幣供給量類似，會在后期出現逆轉，房地產價格出現一定程度的回調。從調控效果上來看，短期內高政策不確定性區制下信貸規模的調控效應遠低于低政策不確定區制，前者峰值約為05而后者約為08；而在長期內兩個區制下信貸規模對房地產價格的總影響近乎一致，這意味著較高的政策不確定性只能夠在短期內削弱信貸規模的調控效應，而在長期中并不會對其產生作用。

從以上分析可以發現，各貨幣政策工具對房地產價格的調控效應確實會受到經濟政策不確定性的影響。具體來看，當經濟政策不確定性程度增加時，貨幣供給量的調控效應會略微增強，利率和信貸規模的調控效應則會出現明顯的削弱，其中利率對房地產價格的總影響下降幅度最為明顯。再者，通過高、低兩個政策不確定性區制下各貨幣政策工具調控效應的橫向對比可以發現，當政策不確定性程度較低時，利率工具相比于貨幣供給量和信貸規模更有優勢，其對房地產價格的作用效果更為穩定，持續時間更長且總影響也更為突出。而當政策不確定性程度較高時，三種貨幣政策工具各有優劣：貨幣供給量短期內對房地產價格的調控效應最為顯著但其長期總影響近乎為零；利率對房地產價格的調控效應較為穩定且總影響最大，但其見效速度最為緩慢，前期作用效果較弱；信貸規模對房地產價格的調控效應短期內略低于貨幣供給量，但其見效速度快且長期中依舊能保留一定的政策效果。五、 結 論endprint

本文以房地產價格、貨幣政策以及經濟政策不確定性作為內生變量構建了三維的門限結構VAR模型，將經濟政策不確定性指數的滯后一階作為門限變量，同時分別以貨幣供給量、利率以及信貸規模作為貨幣政策的代理變量進行模型估計，并且采用累積的廣義脈沖響應函數進行實證分析，以研究不同政策不確定性程度下我國各貨幣政策工具對房地產價格的調控效應，主要得出如下結論：

首先，以不同貨幣政策工具構建的模型均通過了門限效應檢驗，表明經濟政策不確定性水平超過某個臨界值時會導致貨幣政策對房地產價格的調控效應發生突變。這其中，以貨幣供給量作為貨幣政策工具時模型的門限值最小，表明貨幣供給量的調控效應對經濟政策不確定性水平的變化極為敏感；而以利率作為貨幣政策工具時模型的門限值最大，表明利率的調控效應對政策不確定性具有較強的抵抗力。

其次，各貨幣政策工具的調控效應受經濟政策不確定性的影響不同。當政策不確定性程度增加時，貨幣供給量對房地產價格的作用效果會得到略微增強，而利率和信貸規模的作用效果則會出現顯著削弱。

最后也是最重要的一點，本文通過橫向對比發現，當政策不確定性程度較低時，利率工具相比于貨幣供給量和信貸規模更有優勢，其對房地產價格的作用效果更為穩定、持續時間更長且總影響也更為突出。而當政策不確定性程度較高時，三種貨幣政策工具各有優劣：貨幣供給量短期內對房地產價格的調控效應最好但其長期總影響近乎為零；利率對房地產價格的調控效應較為穩定且總影響最大，但其見效速度最為緩慢，前期作用效果較弱；信貸規模對房地產價格的調控效應短期內略低于貨幣供給量，但其見效速度快且長期中依舊能保留一定的政策效果。

面對當前房地產價格過快上漲同時經濟政策不確定性快速攀升的情況，本文認為信貸規模和貨幣供給量均是貨幣政策的合理選擇，二者能夠在較短時間內對房地產價格波動作出有效調控。其中，信貸規模因其起效更快、長期效果更好，是當前情況下應對房地產價格波動的最佳選擇。因此，貨幣當局在對房地產價格進行調控時應將著力點放在信貸規模上，通過控制信貸增長來抑制房地產價格的過快上漲，從而化解資產價格泡沫并推動經濟“脫虛向實”，為經濟增長新動力的形成奠定堅實的基礎。參考文獻：

[1] Hasan M S， Taghavi M. Residential investment， macroeconomic activity and financial deregulation in the UK： an empirical investigation [J]. Journal of Economics & Business， 2002， 54（4）： 447462.

[2] Senhadji A S， Collyns C. Lending booms， real estate bubbles and the asian crisis [R]. International Monetary Fund Working Paper， 2002.

[3] Iacoviello M， Minetti R. Financial liberalization and the sensitivity of house prices to monetary policy： theory and evidence [J]. Manchester School， 2003， 71（1）： 2034.

[4] Cooper A. The impact of interest rates and the housing market on the UK economy [J]. Economic Outlook， 2004， 28（2）： 1018.

[5] Gerlach S， Peng W. Bank lending and property prices in Hong Kong [J]. Journal of Banking & Finance， 2005， 29（2）： 461481.

[6] 梁斌， 李慶云. 中國房地產價格波動與貨幣政策分析——基于貝葉斯估計的動態隨機一般均衡模型 [J]. 經濟科學， 2011（3）： 1732.

[7] 丁晨， 屠梅曾. 論房價在貨幣政策傳導機制中的作用——基于VECM分析 [J]. 數量經濟技術經濟研究， 2007， 24（11）： 106114.

[8] 郭娜， 李政. 我國貨幣政策工具對房地產市場調控的有效性研究——基于有向無環圖的分析 [J]. 財貿經濟， 2013（9）： 130136.

[9] 鄧富民， 王剛. 貨幣政策對房地產價格與投資影響的實證分析 [J]. 管理世界， 2012（6）： 177179.

[10] 張小宇， 劉金全. 貨幣政策、產出沖擊對房地產市場影響機制——基于經濟發展新常態時期的分析 [J]. 中國工業經濟， 2015（12）： 2035.

[11] 張浩， 李仲飛， 鄧柏峻. 政策不確定、宏觀沖擊與房價波動——基于LSTVAR模型的實證分析 [J]. 金融研究， 2015（10）： 3247.

[12] Bloom N. The impact of uncertainty shocks [J]. Econometrica， 2009， 77（3）： 623685.

[13] Aastveit K A， Natvik G， Sola S. Economic uncertainty and the effectiveness of monetary policy [R]. Norges Bank Working Paper， 2013.

[14] 張玉鵬， 王茜. 政策不確定性的非線性宏觀經濟效應及其影響機制研究 [J]. 財貿經濟， 2016， 37（4）： 116133.endprint

[15] Balke N S. Credit and economic activity： credit regimes and nonlinear propagation of shocks [J]. Review of Economics and Statistics， 2000， 82（2）： 344349.

[16] Hansen B E. Inference when a nuisance parameter is not identified under the null hypothesis [J]. Econometrica： Journal of The Econometric Society， 1996， 64（2）： 413430.

[17] 何靜， 李村璞， 邱長溶. 信貸規模與房地產價格的非線性動態關系研究 [J]. 經濟評論， 2011（2）： 2128.

[18] FernndezVillaverde J，GuerrónQuintana P，Kuester K， et al. Fiscal volatility shocks and economic activity [J]. The American Economic Review， 2015， 105（11）： 33523384.

[19] Born B， Pfeifer J. Policy risk and the business cycle [J]. Journal of Monetary Economics， 2014， 68： 6885.

[20] Bekaert G， Hoerova M， Duca M L. Risk， uncertainty and monetary policy [J]. Journal of Monetary Economics， 2013， 60（7）： 771788.

[21] 王義中， 宋敏. 宏觀經濟不確定性、資金需求與公司投資 [J]. 經濟研究， 2014（2）： 417.

[22] Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty [J]. The Quarterly Journal of Economics， 2016， 131（4）： 15931636.

[23] 田磊， 林建浩. 經濟政策不確定性兼具產出效應和通脹效應嗎？來自中國的經驗證據 [J]. 南開經濟研究， 2016（2）： 324.

責任編輯、 校對： 李斌泉endprint