外部不確定因素對我國旅游企業動態影響研究

王琪延 高旺

[摘? ? 要]近年來，多種不確定事件頻發給我國旅游業帶來了不可預知的沖擊。文章借助時變參數向量自回歸模型，結合財務數據，分析了經濟政策、地緣風險、金融壓力3種不確定因素對我國旅游企業的動態影響。研究發現，經濟政策不確定性對景區類企業影響最大，特別是“非典”疫情帶來的不確定性產生了長期顯著的負向效應;地緣風險會對旅行社類企業造成明顯的下行沖擊，在近期趨于增強，而對景區和酒店類企業存在一定的正面影響;金融壓力加劇會給景區和旅行社類企業帶來較強的不良影響，金融壓力緩和對兩類企業發展有積極作用;高度不確定性事件爆發后，旅游企業會表現出明顯的時變滯后響應，通常在1年以上。該研究結論有助于提高旅游業對不確定性因素的認識，同時也為如何應對復雜多變的外部環境提供政策啟示。

[關鍵詞]旅游;經濟政策不確定性;地緣風險;金融壓力;時變參數向量自回歸模型

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2020）12-0024-14

Doi： 10.19765/j.cnki.1002-5006.2020.12.008

引言

隨著我國產業結構調整，旅游業的戰略性支柱作用日益凸顯，其良性運行和協調發展關系到國民消費轉型升級。然而，作為一種非生活必需的高彈性商品[1]，旅游產業護城河比其他產業更敏感脆弱，不確定性因素造成的影響更大、時間更長。以中證申萬旅游業綜合指數為例，回顧旅游發展歷程（圖1），不難發現，我國旅游市場總體上呈現波動上升的特征，一方面，得益于我國經濟長期穩定增長的大環境，旅游市場呈明顯的上升趨勢;另一方面，國際金融危機、地緣沖突、中美貿易摩擦、流行病疫情等諸多不確定性事件發生后，旅游市場有明顯的非常規波動[2]，隨之而來的巨大壓力使企業營業收入和投融資損失無法估量。通過對不確定性事件的梳理，本文將影響旅游的不確定性因素大致分為3類：一是經濟政策不確定性，指的是經濟環境不穩定的情況下，市場主體對未來經濟走勢和政策實施的無法預知性[3]，是反映經濟周期、投資決策和政策制定的關鍵要素[4];二是地緣風險，指國家間與武力沖突或者緊張局勢有關的風險[5]，與商業和經濟周期相比更為外生，對出入境旅游有直接影響[6-8];三是金融壓力，集中體現金融體系變動對市場主體和資產價值的不確定性[9]。在旅游與金融深度融合的趨勢下[10]，金融壓力更容易對旅游企業的投融資和現金流等財務方面造成不確定影響。習近平總書記在2018年博鰲亞洲論壇上指出，當今經濟社會正在經歷新一輪大發展大變革大調整，我們面臨的不穩定不確定因素依然很多。此背景下，我國旅游業將面臨更嚴峻的挑戰，綜合探討3類外部不確定性因素對旅游的影響機制，有助于旅游企業對風險事件的預防和處理，對積極推進旅游業供給側轉型升級具有現實意義。

1 文獻綜述

過去，對旅游發展的影響因素研究主要集中在傳統經濟決定因子（收入，通貨膨脹和匯率等）[11-14]，但隨著社會經濟深刻變化，許多非傳統因素的研究也逐漸走入視野，例如文化層面[15]、假日制度[16]或環境污染[17]，特別是“9·11”和金融危機爆發后，人們開始意識到突發的、隨機的外部因素對旅游市場不可忽視的沖擊。Quintal等證實了游客對風險和不確定性的感知會影響旅行決策[18];Dragouni等研究了游客因風險導致的情緒變化會對出境旅游產生影響[19];Smeral、Guizzardi和Mazzocchi都認為經濟周期變化會改變旅游需求，持續的經濟動蕩會使人們盡可能節省開支，而非必需的旅游活動是首當其沖的削減目標[20-21];Gillen和Mostafanezhad定性探討了地緣風險和旅游業之間相互塑造的關系[22]。回顧已有文獻，僅有少量的學者將不確定性的概念納入旅游需求模型中，主要用來預測出入境旅游人數，而對國內旅游業的影響分析還沒有，量化研究更是匱乏，尤其是對中國這樣主要靠內需拉動的旅游市場很有研究價值。鑒于此，本文選取了3種不確定性指數，分別代表經濟政策、地緣風險、金融壓力3種不確定因素。一是Davis等所構建的中國經濟政策不確定性指數（economic policy uncertainty，EPU）[23]，該指數已被廣泛用于評估不確定性對各類經濟? ? 變量的影響，如大宗商品價格[24-25]、資產波動[26-27]、企業發展[28-29]以及國際貿易[30-31]等，并有一些研究證? ?實了EPU對出入境人數的影響[32-34]。二是Caldara和Iacoviello構建的地緣風險指數（geopolitical risk，GPR）。一些學者指出，地緣不確定增加可能導致其國際游客人數的急劇下降[35]。三是Park和Mercado基于新興市場特征編制的中國金融壓力指數（financial stress，FS）[36]，該指數反映了金融體系中各個子系統（包括銀行部門、資本市場、債券市場等）的綜合壓力狀況，可以很好地衡量整個金融系統由于不確定性和預期變化所承受的總風險水平，目前對FS的研究主要是在資產價格和宏觀經濟領域，還沒有對旅游業進行研究的相關文獻。

縱觀已有研究，盡管現有文獻提供了很好的學術和現實參考價值，但僅僅定性或者靜態討論不確定性因素對旅游的影響，對于動態的、跨期限的量化研究仍有欠缺。為此，本文引入了Primiceri提出并證明的時變參數向量自回歸模型（time-varying parameter VAR model with stochastic volatility，TVP-SVAR-SV）[37]，它將經典SVAR的常數參數推廣到隨機波動率參數，使其能夠捕捉到外部沖擊造成的內生變量隨時間變化的關系，包括漸進變化或者潛在的結構突變，而無需將時間序列劃分為子序列，這使得研究多維變量的異方差性、聚類性、非對稱性和周期性效應等特征成為可能。已有許多學者使用該模型進行動態經濟和金融實證研究。例如，尹雷和趙亮姜利用TVP-SVAR-SV識別了我國財政政策的制度屬性變動[38];姜偉和李丹娜分析了信心、貨幣政策與中國經濟動態波動關系[39];石自忠等研究了經濟政策不確定性對畜產品價格的時變特征[40]。以上研究都很好捕捉了變量間的時變效應和結構差異。

因此，本文基于TVP-SVAR-SV模型的優點，在不同周期或特定時點上，研究并比較經濟政策、地緣風險、金融壓力不確定性對旅游企業造成的影響大小以及動態特征，以促進我國旅游企業在面對不確定性事件時，更好地應對挑戰，把握機會，保持可持續發展。

2 理論機制分析

由于不確定性因素的高度突發性和不可預測性，現有的經濟理論較難以統一的范式描述。因此，本文嘗試通過企業估值模型定性分析其影響機制，并在此基礎上給出之后的量化分析。本文結合公司定價貼現模型[41]和套利定價模型[42]，構造了基于內生因素和外部風險的共同影響的估值算法：

[Ft=DIVtrt+φt-gt=p×（Rt-It-Tt-COSt-OEt）rt+k=1nβktFkt-gt，? ? ? ? ? ? ? ? ? ? ? ? ? ? rt+φt-gt>0] （1）

式（1）中，Ft代表t時刻企業內在價值，DIV是凈資產股權收益，r是基準利率，[φ]是風險溢價，R是營業收入，p是凈資產的股息率，COS表示成本，I是企業債務償還，T代表納稅額，OE代表費用支出，g是股息增長率，F是系統性影響因素，[β]是影響系數。定價公式表明，一個公司的價值由自身運營情況、投資期望收益率以及系統性風險溢價共同確定，而外部不確定性會通過這些變量對企業產生影響。

如式（1）所示，外部不確定性因素主要通過兩個途徑影響旅游行業的內在價值：

第一個是企業經營情況，在財報中表現為營業收入和現金流量等。經濟政策不確定性的增加（如經濟危機發生后），說明包含旅游在內的大市場環境不穩定，經濟發展前景不明朗，人們收入和生活受到沖擊，自然減少了旅游這一奢侈的消費，從而導致景區和酒店的營業收入減少和空置成本的上升，進一步造成企業價值的下跌。在式（1）中，即為分子中營業收入（R）的減少以及成本（COS）和費用（OE）的增加。而當經濟政策不確定性程度減小的時候，例如相關政策推出后，減輕納稅額（T），市場環境得到改善，人們會向旅游消費傾斜，這對旅游公司營業收入是正向影響;地緣風險增加會導致國際旅行環境的不確定性，出于安全保障擔憂，人們的出國旅行計劃通常延遲或取消，出入境旅游需求必然下降。以薩德入韓風波為例，該事件極大地沖擊了中韓兩國間的出入境旅游，據不完全統計，2017中國游客赴韓國旅游人數銳減48.3%，很多具有出境業務的旅行社類企業蒙受損失1。此外，地緣事件還會帶來更高的保險費等風險補償，間接增加旅游公司的運營成本和費用[43];金融環境的變化能直接改變旅游企業的營運情況，當資本和貨幣市場變化導致金融壓力增大時，利率（r）提高，公司的融資成本會升高，股息率（p）就會降低，營業收入（R）也會受到影響;同時，現金流也會受到沖擊，債務違約風險會提高，企業債務償還（I）成本增高，營業收入不可避免受到影響，進而降低旅游企業價值，特別是對旅行社類這樣的輕資產企業來說就更加嚴重。反之，金融市場壓力減少，企業的資金流動性風險就會降低，經營情況就會改善。

第二個途徑是通過風險溢價。資產的總風? ? 險可以分解為系統性風險和個體特殊風險兩個部分[44]。不確定性事件屬于企業外部不可預測且不可分散的系統性風險，即對所有旅游企業均有影響。系統性風險是理性投資者對企業均衡定價中的主要風險，因為必須承擔風險才能對投資者進行獎勵。投資者在不確定性高（低）的時期，通過提高（降低）對旅游企業風險的看法，獲得更高（較低）的回報作為補償。因此，不確定性風險增加了旅游企業投資者要求的回報（或折現率）或者降低股權投資，從而導致企業凈資產下跌，不確定性風險降低時，很多人會增大投資額，旅游企業凈資產就會增加，旅游企業長期資產情況就會改善。可見，資產的變化同樣反映了不確定性風險對旅游企業的沖擊影響。

如上所述，不確定性因素對旅游企業的影響大致可以分為3個方面：營業收入、現金流量和資產變化。考慮到財報數據的可得性，本文從資產負債表、利潤表以及現金流量表中篩選出3個重要指標，即凈資產、營業收入和經營現金流量凈額，作為對旅游企業的主要測度變量。值得注意的是，上述途徑中的各個因素都會隨著時間變化，旅游企業價值也會相應改變，因此不確定性因素對旅游企業的動態影響是非常值得深入分析的。

3 研究方法與數據

3.1? ? 時變參數向量自回歸模型

鑒于不確定性因素存在的非常規結構，經典回歸模型已不適于評估其統計性質，因此有必要引入非線性模型。自Sims的開創性工作以來[45]，向量自回歸模型已被擴展到各種版本，并廣泛應用于經濟和金融各領域，其中，帶有隨機波動時變參數的TVP-SVAR-SV是最重要的形式之一。為方便起見，我們從結構向量自回歸模型（structural vector autoregression， SVAR）開始，如下所示。

[Ayt=B1yt-1+B2yt-2+…+Bzyt-s+εt，? t=s+1，…，n]（2）

式（2）中，yt是[k×1]觀測向量，s代表滯后期，[A，B1，…，Bs]是需要估計的[k×k]系數矩陣。殘差[εt]是[k×1]結構沖擊。假設殘差服從于多元正態分布，即[εt～N（0， ∑∑）]：

[Σ=σ10…00??????00…0σk] （3）

式（3）中，[σ]為標準誤差。此外，假設結構沖擊具有遞歸形式，也就是矩陣A是下三角矩陣，并代表變量之間存在同期關系，定義如下所示：

[A=10…0α21??????0αk1…αk，k-11] （4）

式（1）可以通過逆矩陣變換為等價的一般VAR形式：

[yt=F1yt-1+F2yt-2+…+Fsyt-s+A-1∑ut，ut～N（0，Ik）]（5）

式（5）中，[Fi=A-1Bi]，[i=1，…，s]。令[Xt=Ik?][y′t-1，…，][y′t-s]，其中，[?]為克羅內克積。接下來，通過羅列[Σi]的行元素得到[β]，為[k2s×1]向量，式（4）可重新表達為：

[yt=Xtβ+A-1Σut] （6）

注意，式（5）中的參數是不隨時間變化的。接下來考慮參數隨時間變化的情況，也就是隨機波動時變參數向量自回歸（TVP-SVAR-SV），定義如下：

[yt=Xtβt+A-1tΣtut，t=s+1，…，n] （7）

式（7）中，[βt]、[At]和[Σt]都是隨時間變化的。下三角矩陣[At]的元素轉換形式為[αt=（α21，α31，α32，α41，…，][αk，k-1）']和[ht=（h1，t，…，hkt）']，其中，[hj，t=logσ2jt]，[j=1，…，k]，[t=s+1，…，n]。根據Nakajima的研究[46]，式（6）中參數都假設為隨機游走，即：

[βt+1=βt+uβt，αt+1=αt+uat，ht+1=ht+uht ] （8）

式（8）中，[βs+1～Nμβ0， Σβ0]，[αs+1～Nμa0， Σa0]和[hs+1～N][μh0，Σh0]以及

[utuβtuαtuht～N0，I0000Σβ0000Σα0000Σh] （9）

[Σα]和[Σh]都是對角矩陣。至此，模型中所有參數均為時變參數。

3.2? ? 數據來源與描述

如上文所述，為科學分析不確定性因素對旅游企業的沖擊，考慮數據可得性，選取我國所有旅游類上市公司的財務數據進行定量分析，包括凈資產、營業收入和現金流量凈額（分別來自資產負債表、利潤表以及現金流量表），以此多維度評估不確定性對旅游企業的影響。并依據我國旅游企業的主營業務的不同，對景區、酒店和旅行社3類旅游企業分別探究，時間跨度為2001年第四季度到2020年第一季度，樣本量為74期。經濟政策不確定性指數[47]是根據新聞報紙中有關政策經濟不確定性的文本（例如赤字、預算、改革、稅收、出口），使用復合濾波算法所得。地緣風險指數是通過統計權威報紙中有關緊張局勢、不利摩擦和威脅等地緣風險事件，使用文本挖掘構建。金融壓力指數為亞洲開發銀行所公布的關于中國各個金融子系統壓力的綜合加權指標。以上3種指數分別代表3種確定性對旅游企業的波動影響成分，此外，模型還包括經濟控制變量GDP，代表旅游企業發展趨勢成分。本文所采用的旅游企業和GDP的數據均來源于Wind資訊。為保證數據序列之間的平穩性，我們將相關指標轉化為對數的一階差分，變換后即為增長率。

4 模型估計與實證分析

4.1? ? 預檢驗與參數估計

模型擬合之前需對每個時間序列進行單位根檢驗，結果顯示，所有變量p值均小于0.005，序列平穩。考慮到參數計算復雜度，采用貝葉斯方法和馬爾科夫鏈蒙特卡洛采樣，先驗信息設定如下，[μβ0=μa0=μh0=0，Σβ0=Σa0=10I，Σh0=100I，Σβ-2t～][Gamma40，0.02， Σα-2t～Gamma4，0.02， Σh-2t～][Gamma40，0.02]。為了生成有效的后驗樣本點，采樣容量為10000，并且丟棄了最初的1000個不穩定樣本。估計模型前需要確定滯后階數，根據向量自回歸模型估計結果，滯后期均設定為4。限于篇幅，僅給出EPU對景區類凈資產的參數估計及診斷結果，其中，式（9）中估計參數[[（β ）1]，[（β ）2]，[（α ）1]，[（α ）2]，[（h ）1]，[（h ）2]]的Geweke統計量p值分別為（0.075，0.832，0.100，0.133，0.720，0.777），說明在5%的顯著性水平上，不能拒絕Geweke統計量的零假設，這表明參數全部收斂于后驗分布，同時模型所產生的無效因子（5.53，2.80，36.36，79.59，52.70，114.55）都較少。總之，本文TVP-SVAR-SV模型參數估計是十分有效的。

4.2? ? 不確定性因素對旅游企業影響分析

根據參數估計結果，在不同滯后期及指定時? ?間點上，作出3類不確定性變量（一單位標準差沖擊）對旅游企業變量造成的時變脈沖響應圖（圖2至圖4）。為方便敘述，本文將滯后1期（1個季度）、滯后2期（半年）和滯后4期（1年）分別記作短期、中? ?期和長期。在分析動態效應之前，本文利用SVAR模型對不確定性變量進行了方差分解，測度了不? ?確定性因素的影響大小（表1）。表1中顯示了自變量對因變量平均影響程度，例如，EPU對景區類凈資產貢獻度為9.790%，即EPU解釋了凈資產總變動的9.790%，與對應GDP的貢獻率已經較為接近，可以認為不確定性是影響旅游的重要因素之一。不僅如此，從下文動態結果來看，這種影響會隨著時間和事件的不同而改變，帶來更深程度上的沖擊。

4.2.1? ? 經濟政策不確定性對旅游企業沖擊影響大小與動態效應

圖2展示了景區、酒店、旅行社3類企業凈資產、營業收入以及現金流量凈額對EPU沖擊的脈沖響應關系，其中，每類企業的上排3個圖，分別為滯后1、2和4期等間隔響應圖;下排3個圖為3個特定時間點上的滯后響應圖，分別為2003年第二季度的“非典”疫情、2008年第三季度的金融危機以及2018年第三季度的中美貿易爭端。顯然，圖中凈資產、營業收入、現金流量凈額對EPU沖擊的響應都存在顯著的時變特征。首先，比較EPU沖擊后的等間隔圖發現，3類企業的凈資產均在短期內出現正向響應，但中長期來看有整體轉負的跡象;營業收入短期內會受到明顯負向沖擊，中期表現出一定正向響應。這說明，旅游企業長期資產發展趨勢向好，短期經營情況會受不確定性影響而出現一定程度下滑。其次，從特定時間點上的滯后響應圖來看，3個大事件對3類企業凈資產造成的影響都在10期以上，其中，對景區的響應整體上為負，而酒店和旅行社存在正向響應。營業收入和現金流量凈額在重大事件沖擊后會出現巨大的波動特征，其中，前4期幅度很大，6期之后才開始減弱。這表明，重大不確定性事件會對旅游企業造成顯著動態影響，并且持續時間較長。最后，根據SVAR方差分解結果可知（表1），相較于酒店和旅行社企業，EPU對景區的影響程度要更大，對其凈資產和營業收入的貢獻率分別達到9.790%和9.1989%，接下來依次討論經濟政策不確定對景區、酒店和旅行社的影響。

已有研究表明，經濟政策不確定性取決于造成經濟不確定性的事件，而這些事件的影響又會因其所處經濟發展階段不同而有所差異[48]。如圖2所示，新世紀初，EPU對景區的凈資產、營業收入和現金流量都存在顯著的中期負向沖擊。此時景區業尚處于低速增量階段，“黃金周”制度剛剛確立，國民收入水平不高，旅游意愿不強，對造成經濟下滑、物價增長或收入減少的外部因素沖擊較敏感，并且全行業風險意識不強，相關政策不能及時提出并實施，所以景區企業抵抗不確定性的韌性較弱。以“非典”為例，疫情使人們出游意愿斷崖式下滑，對景區的凈資產和營業收入造成的負向影響超過10期（圖2），很多景區因無法承受如此長期的壓力而破產，新冠疫情與之相比，損失可能會更大;后金融危機時期，EPU對景區的負向沖擊幅度要小于“非典”時期，如景區滯后響應圖所示，凈資產和營業收入的脈沖響應值正逐漸減弱，表明企業抗下行風險能力有所增強。這段時期，我國經濟步入增速換擋的關鍵期，景區企業抓住一系列政策改革的有利契機，業務規模不斷擴大，資產結構不斷調整，迎來了高速發展期;到了“十二五”后期，景區凈資產對于EPU沖擊的長、中、短期響應趨勢開始全面轉為正向，這表明企業長期價值不斷體現。一方面，景區發展搭上了大基建的快車，極大推動了景區規模擴大和品質升級，降低了旅游產品和服務的成本;另一方面居民可支配收入也在不斷提高，從而帶動觀光游熱度不斷提升。面對經濟政策不確定性，具備資源壟斷優勢和區位優勢的景區可以更好抵抗經濟減速和硬著陸等不確定性的影響，能夠在受到沖擊之后迅速恢復并向正常軌道靠攏。從中美貿易摩擦事件造成的滯后響應來看也是如此，事件爆發后，EPU對景區凈資產造成一定波動，但基本無負面影響;然而，旅游市場規模高速增長的同時，也伴隨著結構性變動。2018年后，經濟不確定性一再提升，景區營業收入中長期脈沖響開始轉為負值，如果加之新冠疫情的影響，情況會更加不容樂觀。目前，景區仍處于觀光游階段，內容同質化嚴重，缺乏深度體驗，消費不確定性較大，企業期待更有力的政策支持。

相對于景區，酒店企業在樣本前期受到的負? ?向沖擊較少，這是由于酒店具有房地產屬性，固定資產增值路徑明確，能夠在經濟波動周期中，體? ? 現出良好穩定性;旅行社企業前期同樣受到的負向沖擊較少，這可能是因為旅行社擁有各類壟斷的? ?運營許可資格，所以抵御下行能力也較強。不過隨著旅游市場開放，EPU對旅行社凈資產沖擊開始? ?轉為負向。在樣本后期，EPU對兩類企業營業收入的中長期影響逐漸轉變為負。這一現象可以從? ? 兩個方面解釋：從供給角度看，追求速度而忽略發展質量，過度依賴政策紅利，就只能在短期內抵? ? 消不確定性，但長期作用不明顯。從需求角度看，國民旅游消費支出彈性大，廣度與深度不足，不確定性提高更容易使人們增加中長期預防性儲蓄，減少旅游開銷，企業情況因此變得不明朗。綜上? ? ? 所述，經濟政策不確定性對旅游企業存在顯著的時變影響，并隨時間推移逐漸加深，造成中長期負向影響。

4.2.2? ? 地緣風險對旅游企業沖擊影響大小與動態效應

李克強總理在首屆世界旅游發展大會開幕式上指出，旅游業發展離不開和平與發展的國際環境，然而當今世界并不太平，地區沖突和熱點問題此起彼伏，歷史上的重大地緣事件都迅速打擊了人們旅行的信心，本文數據分析結果與這一事實相符。圖3等間隔圖顯示，3類企業的凈資產、營業收入對地緣風險沖擊普遍存在短期負向響應，這一點與人們普遍認識是一致的;滯后響應圖則分別顯示了3個與我國有關的地緣事件（2012年南海爭端和釣魚島事件、2017年的薩德入韓事件以及2018中美貿易爭端）的沖擊影響。與EPU和FS相比，GPR造成的滯后響應幅度較小，周期也較短，這一點與Donadelli的結論類似[49];由表1中方差分解結果可知，GPR對旅行社凈資產、營業收入以及現金流量凈額的影響大小分別為5.927%、8.560%和12.633%，均顯著高于其他兩類企業。由此可以推斷，地緣風險對旅行社類企業影響最大。

由于旅行社的出入境業務占比較高，承受地緣風險的沖擊會更明顯。從整個樣本期看，GPR會對旅行社的凈資產和營業收入造成非常明顯的中短期負向沖擊，而且近期有明顯增大的趨勢，2020年已達負極大值;從滯后響應期看，3個地緣事件造成的旅行社凈資產、營業收入的初期響應顯著為負向，一年后才逐步減弱。隨著全球格局深刻變動，地緣不確定性增加，風險事件間聯動性增強，事態發展往往超出其本來范疇，最終升級為區域沖突，包括貿易紛爭、關稅壁壘、限制出入境等，這些因素會直接減少遠途客流，使旅游支出變得更加敏感。特別要提到的是，中美貿易摩擦對旅行社影響要大于韓日相關地緣事件，影響滯后期也更長，可見，中美地緣關系是影響我國出入境旅行的關鍵因素。由此確認，地緣風險對我國旅行社類企業存在顯著動態影響。

需要指出的是，地緣風險增加不一定會導致國內旅游市場持續下滑，景區和酒店企業的動態響應結果可以佐證這一推論。與中國高度相關的地緣事件爆發后，凈資產和營業收入的短期脈沖響應呈現一定程度下行，但在4期左右變為正向，現金流量在初期也有不同程度的正向反應。這是因為有相當一部分打算出境旅游的人會改變行程，選擇留在國內旅游，從而促進了國內旅游企業發展。這一現象，一是源于國內居民消費結構快速升級，二是得益于國內穩定安全的治安環境，三是歸功于國內豐富且“物美價廉”旅游資源，這一點與受地緣影響較大的西方國家旅游業有很大的不同[50]。Zopiatis等的最新研究也表明，亞太地區旅游企業對恐怖事件和戰爭具有很強韌性，他們將其歸因于亞太偏遠的地緣位置和穩定的社會體制，使其對外部沖擊的反應迅速降低[51]。綜上所述，地緣風險對旅行社有較強的負向影響，但一定程度有利于景區類和酒店類的旅客回流。

參考文獻（References）

[1] 唐潔塵， 陳雙琴. 中國入境旅游需求彈性估算——基于誤差修正模型 [J]. 旅游科學， 2017， 31（5）： 65-81. [TANG Jiechen， CHEN Shuangqin. An estimation of demand elasticity of Chinas inbound tourism—Based on the error correction model[J]. Tourism Science， 2017， 31（5）： 65-81.]

[2] BARBERIS N， MUKHERJEE A， WANG B. Prospect theory and stock returns： An empirical test [J]. The Review of Financial Studies， 2016， 29（11）： 3068-3107.

[3] GULEN H， ION M. Policy uncertainty and corporate investment [J]. The Review of Financial Studies， 2016， 29（3）： 523-564.

[4] 陳國進， 張潤澤， 趙向琴. 政策不確定性， 消費行為與股票資產定價[J]. 世界經濟， 2017， 40（1）： 116-141. [CHEN Guojin， ZHANG Runze， ZHAO Xiangqin. Policy uncertainty， consumption behaviors and asset pricing[J]， The Journal of World Economy， 2017， 40（1）： 116-141.]

[5] Caldara D， Iacoviello M. Measuring geopolitical risk [J]. FRB International Finance Discussion Paper. 2018， （12）：1222.

[6] 曹詩圖， 閆秦勤， 周宜君. 國際地緣政治環境變化與旅游業發展 [J]. 世界地理研究， 2006（2）：61-65. [CAO Shitu，YAN Qinqin， ZHOU Yijun. The change of the international geopolitics circumstances and the development of tourism[J].World Regional Studies ，2006（2）：61-65].

[7] 劉云剛， 宋宗員. 旅游地緣政治研究進展與展望 [J]. 熱帶地理， 2019， 39（6）： 931-941. [LIU Yungang， SONG Zongyuan. Progress and Prospects of Research on Tourism Geopolitics [J].Tropical Geography， 2019， 39（6）： 931-941.]

[8] MOSTAFANEZHAD M. The geopolitical turn in tourism geographies [J]. Tourism Geographies， 2018， 20（2）： 343-346.

[9] CARDARELLI R， ELEKDAG S， LALL S. Financial stress and economic contractions [J]. Journal of Financial Stability， 2011， 7（2）： 78-97.

[10] 王亞芳. 金融業與旅游業的融合度及影響因素研究 [D]. 蘭州：蘭州大學， 2019.[WANG Yafang， Research on the Evalution and Effect Factors of Convergence between Finance and Tourism [D]. Lanzhou ：Lanzhou University， 2019.

[11] 林玉蝦， 林璧屬， 林文凱. 基于面板分位數方法的國內旅游需求影響因素動態異質性研究 [J]. 數理統計與管理， 2018， 37（6）： 1073-1085. [ LIN Yuxia， LIN Bishu ，LIN Wenkai. Study on the dynamic heterogeneity of domestic tourism demands determinants—Bases on panel quantile regression[J]. Journal of Applied Statistics and Management， 2018， 37（6）： 1073-1085. ]

[12] IVANOV S， WEBSTER C. Measuring the impact of tourism on economic growth [J]. Tourism Economics， 2007， 13（3）： 379-388.

[13] DOGAN E， SEKER F， BULBUL S. Investigating the impacts of energy consumption， real GDP， tourism and trade on CO2 emissions by accounting for cross-sectional dependence： A panel study of OECD countries [J]. Current Issues in Tourism， 2017， 20（16）： 1701-1719.

[14] 趙東喜. 人民幣匯率與中國入境旅游需求關系研究 [J]. 北京第二外國語學院學報， 2011（9）：48-53. [ZHAO dongxi. The study on the relation between RMB exchange rate and Chinas inbound tourism demand [J]. Journal of Beijing International Studies University， 2011（9）：48-53.]

[15] HASSAN F G， TAJADDINI R. Cultural dimensions and outbound tourism [J]. Annals of Tourism Research， 2014（49）：203-205.

[16] 王琪延， 侯鵬. 節假日與休閑消費關系研究——兼論我國假日制度改革 [J]. 北京社會科學， 2012（1）：15-21.[WANG Qiyan， HOU Peng. The research on relation between festivals and holidays and leisure consumption [J]. Social Science of Beijing， 2012（1）：15-21]

[17] AL-MULALI U， FEREIDOUNI H G， MOHAMMED A H. The effect of tourism arrival on CO2 emissions from transportation sector [J]. Anatolia， 2015， 26（2）： 230-243.

[18] QUINTAL V A， LEE J A， SOUTAR G N. Risk， uncertainty and the theory of planned behavior： A tourism example [J]. Tourism Management， 2010， 31（6）： 797-805.

[19] DRAGOUNI M， FILIS G， GAVRIILIDIS K， et al. Sentiment， mood and outbound tourism demand [J]. Annals of Tourism Research， 2016， 60（1）： 80-96.

[20] SMERAL E. International tourism demand and the business cycle [J]. Annals of Tourism Research， 2012， 39（1）： 379-400.

[21] GUIZZARDI A， MAZZOCCHI M. Tourism demand for Italy and the business cycle [J]. Tourism Management， 2010， 31（3）： 367-377.

[22] GILLEN J， MOSTAFANEZHAD M. Geopolitical encounters of tourism： A conceptual approach [J]. Annals of Tourism Research， 2019 （7）5：70-78.

[23] BAKER S R， BLOOM N， DAVIS S J. Measuring economic policy uncertainty [J]. The Quarterly Journal of Economics， 2016， 131（4）： 1593-1636.

[24] BEKIROS S， GUPTA R， PACCAGNINI A. Oil price forecast ability and economic uncertainty [J]. Economics Letters， 2015， 13（2）125-128.

[25] JONES A T， SACKLEY W H. An uncertain suggestion for gold-pricing models： The effect of economic policy uncertainty on gold prices [J]. Journal of Economics and Finance， 2016， 40（2）： 367-379.

[26] BALI T G， BROWN S J， TANG Y. Is economic uncertainty priced in the cross-section of stock returns？ [J]. Journal of Financial Economics， 2017， 126（3）： 471-489.

[27] LEE K， JEON Y. Measuring Chinese consumers perceived uncertainty [J]. International Review of Economics & Finance， 2020， 6（6）：51-70.

[28] GULEN H， ION M. Policy uncertainty and corporate investment[J]. The Review of Financial Studies. 2016， 29（3）：523-564.

[29] 徐光偉， 孫錚， 劉星. 經濟政策不確定性對企業投資結構偏向的影響——基于中國 EPU 指數的經驗證據 [J]. 管理評論， 2020， 32（1）： 246-261.[XU Guangwei， SUN Zheng， LIU Xing. The influences of economic policy uncertainty on the preference of enterprise investment structure： Evidence from China EPU index [J]. Management Review. 2020， 32（1）： 246-261.]

[30] 張夏， 施炳展， 汪亞楠. 經濟政策不確定性真的會阻礙中國出口貿易升級嗎？ [J]. 經濟科學， 2019（2）： 40-52. [ZHANG Xia， SHI Bingzhan， WANG Yanan. Will economic policy uncertainty really impede Chinas export trade upgrade？ [J]. Economic Science， 2019（2）： 40-52.]

[31] 張瑩， 朱小明. 經濟政策不確定性對出口質量和價格的影響研究 [J]. 國際貿易問題， 2018（5）： 12-25. [ZHANG Ying ，ZHU Xiaoming.[ Impact of economic policy uncertainty on export quality and price[J]. Journal of International Trade， 2018（5）： 12-25.]

[32] WU T-P， WU H-C. A multiple and partial wavelet analysis of the economic policy uncertainty and tourism nexus in BRIC [J]. Current Issues in Tourism， 2019， 23（7）： 906-916..

[33] AKADIRI S S， ALOLA A A， UZUNER G. Economic policy uncertainty and tourism： evidence from the heterogeneous panel [J]. Current Issues in Tourism， 2019，12（1）： 1-8.

[34] SINGH R， DAS D， JANA R， et al. A wavelet analysis for exploring the relationship between economic policy uncertainty and tourist footfalls in the USA [J]. Current Issues in Tourism， 2019， 22（15）： 1789-1796.

[35] PAPATHEODOROU A， ROSSELL? J， XIAO H. Global economic crisis and tourism： Consequences and perspectives [J]. Journal of Travel Research， 2010， 49（1）： 39-45.

[36] PARK C-Y， MERCADO JR R V. Determinants of financial stress in emerging market economies [J]. Journal of Banking & Finance， 2014 （45）：199-224.

[37] PRIMICERI G E. Time varying structural vector autoregressions and monetary policy [J]. The Review of Economic Studies， 2005， 72（3）： 821-852.

[38] 尹雷， 趙亮. 我國財政政策的制度屬性識別——基于TVP-VAR-SV方法[J]. 財政研究， 2016（6）： 57-65. [YIN Lei， ZHAO Liang. An identifying study of Chinas fiscal policy regime—Based on TVP-VAR-SV model[J]. Public Finance Research， 2016（6）： 57-65.]

[39] 姜偉， 李丹娜. 信心， 貨幣政策與中國經濟波動關系的統計檢驗 [J]. 統計與決策， 2020，36（1）：131-136. [JIANG Wei， LI Danna. A statistical test on relationship between confidence， monetary policy and Chinas economic fluctuations[J]. Statistics & Decision， 2020，36（1）：131-136. ]

[40] 石自忠， 王明利， 胡向東. 經濟政策不確定性與中國畜產品價格波動[J]. 中國農村經濟， 2016（8）：42-55.[SHI Zizhong， WANG Mingli， HU Xiangdong. Economic policy uncertainty and Chinas livestock product price fluctuation [J]. Chinese Rural Economy， 2016（8）： 42-55.]

[41] PENMAN S H. A synthesis of equity valuation techniques and the terminal value calculation for the dividend discount model[J]. Review of Accounting Studies， 1998， 2（4）， 303-323.

[42] JAWADI F， PRAT G. Equity prices and fundamentals： A DDM-APT mixed approach [J]. Review of Quantitative Finance and Accounting， 2017， 49（3）： 661-695.

[43] KOZAK M， CROTTS J C， LAW R. The impact of the perception of risk on international travelers [J]. International Journal of Tourism Research， 2007， 9（4）： 233-242.

[44] LINTNER J. Security prices， risk， and maximal gains from diversification [J]. The Journal of Finance， 1965， 20（4）： 587-615.

[45] SIMS C A. Macroeconomics and reality [J]. Econometrica： Journal of the Econometric Society， 1980，（1）：1-48.

[46] NAKAJIMA J， KASUYA M， WATANABE T. Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy [J]. Journal of the Japanese and International Economies， 2011， 25（3）： 225-245.

[47] DAVIS S J， LIU D， SHENG X S. Economic policy uncertainty in China since 1949： The view from mainland newspapers [J]. Working Paper， 2019， 2（1）：1-6.

[48] BLOOM N. The impact of uncertainty shocks [J]. Econometrica， 2009， 77（3）： 623-685.

[49] DONADELLI M. Asian stock markets， US economic policy uncertainty and US macro-shocks [J]. New Zealand Economic Papers， 2015， 49（2）： 103-133.

[50] DEMIRALAY S， KILINCARSLAN E. The impact of geopolitical risks on travel and leisure stocks [J]. Tourism Management， 2019， 75（1） 460-476.

[51] ZOPIATIS A， SAVVA C S， LAMBERTIDES N， et al. Tourism stocks in times of crisis： An econometric investigation of unexpected nonmacroeconomic factors [J]. Journal of Travel Research， 2019， 58（3）： 459-479.

[52] BLANCO E， REY-MAQUIEIRA J， LOZANO J. Economic incentives for tourism firms to undertake voluntary environmental management[J]. Tourism Management， 2009，30（1）：112-122.

[53] 蘇建軍，朱海艷.中國旅游投資水平的時空格局演變及驅動因素分析[J].世界地理研究，2019，28（4）：144-155. [SU Jianjun ZHU Haiyan， The spatio-temperal evolution of tourism investment level and its driving factors in China[J.] World Regional Studies， 2019，28（4）：144-155 .]

Research on the Dynamic Impact of External Uncertain Factors on Tourism

WANG Qiyan， GAO Wang

（ School of Statistics， Renmin University of China， Beijing 100872， China）

Abstract： In recent years， a variety of uncertain factors have occurred frequently， such as international financial crisis， geographic conflicts， Sino-US trade disputes， and COVID-19， which have brought obvious unconventional fluctuations to Chinas tourism industry. By combing the uncertain events， this paper divides the uncertain factors into three categories. The first is Economic Policy Uncertainty （EPU）， which refers to the uncertainty of future tourism development and unpredictable effects of tourism policy. The second is geopolitical risk （GPR）， which refers to the risks related to armed conflicts or tensions between countries， which are more exogenous than economic and have a huge impact on inbound and outbound tourism. The third is financial stress （FS）， which is concentrated to reflect the uncertainty of changes in the financial system to market， which is more likely to cause uncertain effects on the financial aspects of tourism companies' such as investment and cash flow. A comprehensive discussion of these three types of external uncertainties impact mechanisms on tourism would help tourism companies to prevent and deal with risk events， and is significant for promoting the upgrade of supply-side transformation of the tourism industry.

Based on the existing research， the documents provide good academic value about the impacts of uncertain factors on tourism， but only qualitatively or statically. Therefore， there is still a lack of dynamic research. To this end， We introduces a time-varying parameter vector autoregressive model （TVP-SVAR-SV）， which extends the constant parameters of the classic SVAR to the stochastic volatility parameters. This model could capture the time-varying changes of variables caused by external shocks， including gradual changes or potential structural mutations， without the need to split the time series into sub-sequences， that makes it possible to study the characteristics of heteroscedasticity， clustering， asymmetry， and periodic effects of tourism variables. Therefore， based on the advantages of the TVP-SVAR-SV， we studies the impact of EPU， GPR and FS on tourism companies in different intervals or at specific points in time， which will help tourism companies better deal with challenges， seize opportunities， and maintain sustainable development.

In summary， this paper exploits the financial data of tourism companies to analyze the dynamic impact of three uncertain factors， EPU， GPR， and FS on Chinas tourism companies. The results show that the economic policy uncertainty has the greatest impact on the scenic enterprises， especially the uncertainty brought by the SARS epidemic， which has a long-term significant negative effect; The geographical risk will have an obvious downward impact on the travel agency enterprises， which tends to increase in the near future， but has a certain positive impact on the scenic and hotel enterprises; The aggravation of financial pressure will bring strong adverse effects to scenic spots and travel agency enterprises， while the alleviation of financial pressure has a positive effect on the development of the two types of enterprises; After the outbreak of highly uncertain events， tourism enterprises will show obvious time-varying lag response， usually more than one year. The conclusion of this study is helpful to improve the understanding of the uncertain factors in the tourism industry， and also provides policy implications for how to deal with the complex and changeable external environment.

Keywords： tourism; economic policy uncertainty; geopolitical risk; financial stress; TVP-SVAR-SV

[責任編輯：宋志偉;責任校對：吳巧紅]