美國(guó)不確定性沖擊對(duì)全球股市波動(dòng)的影響研究

收稿日期：2023-03-14修回日期：2023-12-14

基金項(xiàng)目： 國(guó)家社科基金重大項(xiàng)目（22amp;ZD120）；教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目（22JJD790046）；教育部人文社會(huì)科學(xué)研究一般項(xiàng)目（17YJA790024）

作者簡(jiǎn)介：李政（1988—），男，河南固始人，博士，天津財(cái)經(jīng)大學(xué)金融學(xué)院教授，博士生導(dǎo)師，研究方向：金融風(fēng)險(xiǎn)管理、金融市場(chǎng)。摘要：選取2000—2021年美國(guó)經(jīng)濟(jì)、金融、經(jīng)濟(jì)政策和地緣風(fēng)險(xiǎn)四類(lèi)不確定性指數(shù)以及全球GDP排行前15國(guó)家股市收益率數(shù)據(jù)，基于多維不確定性沖擊框架，運(yùn)用單因子、雙因子和多因子混頻波動(dòng)率GARCH-MIDAS模型，從樣本內(nèi)擬合與樣本外預(yù)測(cè)兩個(gè)方面實(shí)證考察美國(guó)不確定性沖擊對(duì)全球主要國(guó)家股市波動(dòng)的差異化影響。研究表明：美國(guó)經(jīng)濟(jì)不確定性和金融不確定性對(duì)多數(shù)國(guó)家股市長(zhǎng)期波動(dòng)均有正向推動(dòng)作用，其中，美國(guó)金融不確定性的影響最為廣泛；美國(guó)金融不確定性是影響中國(guó)股市長(zhǎng)期波動(dòng)的主要因素，且中美貿(mào)易摩擦主要通過(guò)美國(guó)金融不確定性傳導(dǎo)；美國(guó)經(jīng)濟(jì)政策不確定性上升會(huì)增加俄羅斯和墨西哥股市長(zhǎng)期波動(dòng)，美國(guó)地緣風(fēng)險(xiǎn)對(duì)意大利股市長(zhǎng)期波動(dòng)存在顯著正向影響。

關(guān)鍵詞： 美國(guó)不確定性；股市波動(dòng)；GARCH-MIDAS；樣本外預(yù)測(cè)

中圖分類(lèi)號(hào)：F831文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-7217（2024）02-0048-08

一、引言

近年來(lái)，全球經(jīng)濟(jì)形勢(shì)日趨復(fù)雜，特別是2008年國(guó)際金融危機(jī)以來(lái)，歐債危機(jī)、特朗普當(dāng)選、英國(guó)“脫歐”、中美貿(mào)易摩擦、新冠疫情以及俄烏沖突等一系列“黑天鵝”事件頻發(fā)，使得國(guó)際局勢(shì)愈發(fā)動(dòng)蕩，不確定因素明顯增多。伴隨經(jīng)濟(jì)全球化建設(shè)與金融一體化發(fā)展，國(guó)家間的聯(lián)系日益緊密，經(jīng)濟(jì)活動(dòng)相互依存、相互關(guān)聯(lián)，單個(gè)國(guó)家的不確定性不僅會(huì)影響本國(guó)經(jīng)濟(jì)，同時(shí)也會(huì)跨越國(guó)門(mén)對(duì)其他國(guó)家造成沖擊。美國(guó)作為世界第一大經(jīng)濟(jì)體，身處全球經(jīng)濟(jì)體系中心，勢(shì)必具有較強(qiáng)的外溢效應(yīng)[1]。而且，近些年美國(guó)單邊主義和貿(mào)易保護(hù)主義抬頭，逆全球化行徑不斷，地緣沖突持續(xù)發(fā)酵，其不確定性的上升增加了全球經(jīng)濟(jì)金融發(fā)展的不可預(yù)測(cè)性。

不確定性通常被定義為經(jīng)濟(jì)主體無(wú)法預(yù)測(cè)的波動(dòng)，其本質(zhì)在于不可預(yù)測(cè)性，而不是本身的波動(dòng)性[2]。目前對(duì)宏觀不確定性的研究主要由經(jīng)濟(jì)不確定性、金融不確定性、經(jīng)濟(jì)政策不確定性、地緣風(fēng)險(xiǎn)以及公共衛(wèi)生事件等在內(nèi)的重大突發(fā)公共事件構(gòu)成。對(duì)不確定性的分析始于20世紀(jì)80年代[3]，2008年國(guó)際金融危機(jī)暴發(fā)后，越來(lái)越多的學(xué)者認(rèn)識(shí)到不確定性沖擊是經(jīng)濟(jì)波動(dòng)的重要原因和宏觀經(jīng)濟(jì)周期的驅(qū)動(dòng)因素[4-6]。

當(dāng)前，不確定性經(jīng)濟(jì)效應(yīng)的相關(guān)研究日益豐富。早期文獻(xiàn)主要集中于考察一國(guó)不確定性對(duì)本國(guó)經(jīng)濟(jì)的沖擊[7-10]；伴隨著全球經(jīng)濟(jì)一體化，各個(gè)國(guó)家和地區(qū)經(jīng)濟(jì)聯(lián)動(dòng)性增強(qiáng)，加之近年來(lái)美國(guó)單邊主義和貿(mào)易保護(hù)主義盛行，諸多學(xué)者開(kāi)始圍繞美國(guó)不確定性的溢出效應(yīng)展開(kāi)研究[11-13]。然而，在當(dāng)前復(fù)雜多變的形勢(shì)下，研究美國(guó)不確定性沖擊，不僅要關(guān)注其對(duì)不同國(guó)家影響的異質(zhì)性，也要明確美國(guó)不同類(lèi)型不確定性沖擊的差異性，但目前鮮有學(xué)者從四個(gè)維度出發(fā)，將美國(guó)經(jīng)濟(jì)、金融、經(jīng)濟(jì)政策以及地緣風(fēng)險(xiǎn)四類(lèi)不確定性同時(shí)納入模型，探究其對(duì)全球主要國(guó)家的影響。

作為宏觀經(jīng)濟(jì)的晴雨表，股票市場(chǎng)蘊(yùn)含了一國(guó)經(jīng)濟(jì)和金融系統(tǒng)信息，當(dāng)經(jīng)濟(jì)體系面臨巨大不確定性時(shí)，通常會(huì)引發(fā)股票市場(chǎng)劇烈波動(dòng)。在當(dāng)前國(guó)際環(huán)境嚴(yán)峻復(fù)雜、各種超預(yù)期因素隨時(shí)可能發(fā)生的背景下，研究美國(guó)經(jīng)濟(jì)、金融、經(jīng)濟(jì)政策以及地緣風(fēng)險(xiǎn)四類(lèi)不確定性沖擊對(duì)全球主要國(guó)家股市波動(dòng)的影響，不僅能夠明晰美國(guó)四類(lèi)不確定性對(duì)不同國(guó)家影響的差異性，而且對(duì)于我國(guó)精準(zhǔn)把握外部不確定性來(lái)源、提高金融風(fēng)險(xiǎn)防范化解能力、維護(hù)國(guó)內(nèi)經(jīng)濟(jì)平穩(wěn)健康發(fā)展具有重要的現(xiàn)實(shí)意義。

鑒于此，本文基于2000—2021年美國(guó)經(jīng)濟(jì)、金融、經(jīng)濟(jì)政策和地緣風(fēng)險(xiǎn)四類(lèi)不確定性指數(shù)以及全球GDP排行前15國(guó)家股市收益率數(shù)據(jù)，采用混頻波動(dòng)率GARCH-MIDAS模型[14]，系統(tǒng)全面地評(píng)估美國(guó)不確定性沖擊對(duì)全球主要國(guó)家股市波動(dòng)的影響，對(duì)比探究美國(guó)四類(lèi)不確定性對(duì)全球主要國(guó)家的異質(zhì)性影響。

二、研究方法與數(shù)據(jù)說(shuō)明

（一）研究方法

美國(guó)經(jīng)濟(jì)、金融、經(jīng)濟(jì)政策和地緣風(fēng)險(xiǎn)四類(lèi)不確定性指數(shù)均為月度數(shù)據(jù)，股市收益率為日度數(shù)據(jù)。為克服使用同頻數(shù)據(jù)造成的信息損失和模型誤設(shè)問(wèn)題，采用GARCH-MIDAS模型，通過(guò)混頻波動(dòng)率模型解決數(shù)據(jù)頻率不一致問(wèn)題。模型設(shè)定如下：

其中，εi，t|ψi－1，t～N（0，1），ψi－1，t為截至t月第i－1天可獲得的歷史信息集，ri，t表示t月第i天的股市收益率，μ表示股市收益率的條件均值，Nt表示t月的天數(shù)，股市波動(dòng)率被分解為長(zhǎng)期成分τt和短期成分gi，t。

為了測(cè)度股市波動(dòng)受正負(fù)沖擊的非對(duì)稱(chēng)影響，設(shè)定股市波動(dòng)的短期成分gi，t服從日度GJR-GARCH（1，1）過(guò)程：

借助MIDAS方法，通過(guò)已實(shí)現(xiàn)波動(dòng)率（realize volatility，RV）刻畫(huà)長(zhǎng)期成分：

其中，RVt=∑Nti=1r2i，t，K表示已實(shí)現(xiàn)波動(dòng)率的最大滯后階數(shù)，θ是已實(shí)現(xiàn)波動(dòng)率對(duì)股市長(zhǎng)期波動(dòng)的影響系數(shù)，φk（ω1，ω2）表示由Beta型滯后變量構(gòu)造的權(quán)重方程：

為確保模型簡(jiǎn)便以及滯后項(xiàng)權(quán)重呈衰減形式，設(shè)定約束條件ω1=1，權(quán)重衰減系數(shù)ω2通過(guò)模型估計(jì)得到，其單獨(dú)決定已實(shí)現(xiàn)波動(dòng)率對(duì)長(zhǎng)期波動(dòng)影響的衰減速度。式（1）～式（4）為基于已實(shí)現(xiàn)波動(dòng)率的單因子GARCH-MIDAS模型。

將式（3）中的RV替換為X，即可得到基于美國(guó)不確定性指數(shù)的單因子GARCH-MIDAS模型：

其中，Xt表示t期的美國(guó)不確定性，K為不確定性指數(shù)的最大滯后階數(shù)。

進(jìn)一步，為捕捉已實(shí)現(xiàn)波動(dòng)率和美國(guó)不確定沖擊對(duì)樣本國(guó)家股市波動(dòng)長(zhǎng)期成分的影響，構(gòu)建如下雙因子模型：

其中，系數(shù)θR和θX分別表示已實(shí)現(xiàn)波動(dòng)率和美國(guó)不確定性對(duì)股市波動(dòng)長(zhǎng)期成分的影響系數(shù)。式（1）、式（2）、式（4）、式（6）共同構(gòu)成了雙因子GARCH-MIDAS模型。此外，可以將已實(shí)現(xiàn)波動(dòng)率和美國(guó)四類(lèi)不確定性同時(shí)納入模型，構(gòu)建多因子GARCH-MIDAS模型。

引入方差比（variance ratio，VR）測(cè)度長(zhǎng)期成分對(duì)條件波動(dòng)的相對(duì)重要性，方差比越大表明長(zhǎng)期成分對(duì)總體條件波動(dòng)的解釋能力越強(qiáng)，公式如下：

在式（3）、式（5）、式（6）中所設(shè)置的最大滯后階數(shù)為12或24①，即低頻解釋變量對(duì)股市波動(dòng)長(zhǎng)期成分影響的滯后時(shí)間范圍為12或24個(gè)月。

（二）變量選取與數(shù)據(jù)說(shuō)明

美國(guó)經(jīng)濟(jì)和金融不確定性采用Ludvigson等[15]基于非預(yù)期條件波動(dòng)構(gòu)建的MU和FU指數(shù)②，美國(guó)經(jīng)濟(jì)政策不確定性選取Baker等[6]編制的EPU指數(shù)③，美國(guó)地緣風(fēng)險(xiǎn)以Caldara和Iacoviello[16]編制的美國(guó)GPR指數(shù)作為衡量指標(biāo)④。

選取的樣本國(guó)家為全球GDP排名前15國(guó)家，包括10個(gè)發(fā)達(dá)國(guó)家和5個(gè)新興市場(chǎng)國(guó)家，具有一定代表性；樣本區(qū)間為2000年1月1日—2021年12月31日，數(shù)據(jù)來(lái)自Wind數(shù)據(jù)庫(kù)。

三、實(shí)證結(jié)果與分析

（一）單因子GARCH-MIDAS模型分析

將RV與MU、FU、EPU、GPR作為單因子GARCH-MIDAS模型中的低頻變量，并且將RV單因子模型作為基準(zhǔn)模型與其他四類(lèi)不確定性的單因子模型進(jìn)行比較分析。模型的參數(shù)估計(jì)結(jié)果見(jiàn)表1⑤。

股市波動(dòng)率的短期成分由GJR-GARCH方程擬合。所有單因子模型的參數(shù)β均顯著且接近于1，說(shuō)明各國(guó)股市短期波動(dòng)具有強(qiáng)記憶性和持續(xù)性。美國(guó)、德國(guó)、英國(guó)、法國(guó)、意大利、澳大利亞模型中參數(shù)γ顯著為正但參數(shù)α不顯著，表明負(fù)向沖擊將加大以上6國(guó)股市短期波動(dòng)，而正向沖擊無(wú)顯著影響。日本、加拿大、韓國(guó)、西班牙、中國(guó)、印度、巴西、俄羅斯、墨西哥模型中參數(shù)γ與參數(shù)α顯著為正，說(shuō)明股市波動(dòng)存在非對(duì)稱(chēng)性，即以上9國(guó)股市短期波動(dòng)受正向與負(fù)向沖擊推動(dòng)，且對(duì)負(fù)向沖擊的敏感度更高。

股市波動(dòng)率的長(zhǎng)期成分用MIDAS多項(xiàng)式刻畫(huà)。θ為重點(diǎn)關(guān)注的參數(shù)，其反映RV或美國(guó)不確定性對(duì)股市波動(dòng)長(zhǎng)期成分的影響程度。根據(jù)表1的估計(jì)結(jié)果，可得出如下結(jié)論：

第一，美國(guó)等13個(gè)國(guó)家基于RV模型的參數(shù)θ為正且至少在5%水平上顯著，加拿大和中國(guó)基于RV模型的參數(shù)θ雖然為正但并不顯著，說(shuō)明已實(shí)現(xiàn)波動(dòng)率可以傳導(dǎo)至多數(shù)國(guó)家股市長(zhǎng)期波動(dòng)中。

第二，美國(guó)經(jīng)濟(jì)不確定性和金融不確定性對(duì)不同國(guó)家股市波動(dòng)產(chǎn)生異質(zhì)性影響。從θ的顯著性來(lái)看，美國(guó)、德國(guó)、韓國(guó)、澳大利亞、巴西、墨西哥基于MU模型的參數(shù)θ顯著為正，說(shuō)明美國(guó)經(jīng)濟(jì)不確定性會(huì)對(duì)以上6國(guó)股市波動(dòng)產(chǎn)生正向影響；美國(guó)、英國(guó)、意大利、澳大利亞、中國(guó)和巴西基于FU模型的參數(shù)θ顯著為正，意味著美國(guó)金融不確定性上升會(huì)加大這6國(guó)股市長(zhǎng)期波動(dòng)。在開(kāi)放經(jīng)濟(jì)的條件下，外部沖擊將借助國(guó)際貿(mào)易和國(guó)際資本流動(dòng)對(duì)一國(guó)經(jīng)濟(jì)產(chǎn)生影響[17]。一方面，伴隨著全球化發(fā)展，國(guó)家間經(jīng)濟(jì)聯(lián)動(dòng)性增強(qiáng)，美國(guó)作為世界第一大國(guó)與眾多國(guó)家貿(mào)易往來(lái)密切，上述國(guó)家均是美國(guó)主要的貿(mào)易伙伴國(guó)，美國(guó)經(jīng)濟(jì)和金融不確定性會(huì)通過(guò)國(guó)際貿(mào)易渠道傳導(dǎo)，引發(fā)貿(mào)易伙伴國(guó)股市波動(dòng)。另一方面，美國(guó)在世界金融體系中亦處于核心地位，其經(jīng)濟(jì)、金融變動(dòng)影響著全球范圍內(nèi)微觀經(jīng)濟(jì)主體的行為。美國(guó)經(jīng)濟(jì)或金融不確定性上升時(shí)，各國(guó)企業(yè)和股市投資者對(duì)經(jīng)濟(jì)的信心下降，國(guó)際資本撤離與國(guó)內(nèi)投資減少疊加沖擊實(shí)體經(jīng)濟(jì)，股市也將產(chǎn)生震蕩。此外，從θ的數(shù)值大小來(lái)看，美國(guó)經(jīng)濟(jì)和金融不確定性對(duì)不同國(guó)家股市的影響強(qiáng)度存在明顯差異。并且，部分學(xué)者指出金融和貿(mào)易開(kāi)放程度較高的國(guó)家受到全球不確定性沖擊的影響更大[18]。因此，由于不同國(guó)家在貿(mào)易和金融開(kāi)放程度、金融市場(chǎng)發(fā)展程度以及制度結(jié)構(gòu)等方面具有顯著差異，各國(guó)股市對(duì)美國(guó)不確定性沖擊的反應(yīng)也存在異質(zhì)性。

第三，美國(guó)金融不確定性是中國(guó)股市波動(dòng)的關(guān)鍵因素。中國(guó)單因子模型中僅基于FU模型的參數(shù)θ顯著大于0，表明美國(guó)金融不確定性的攀升會(huì)加大中國(guó)股市波動(dòng)風(fēng)險(xiǎn)。中國(guó)既是美國(guó)第一大進(jìn)口來(lái)源國(guó)與第三大出口國(guó)，亦是美國(guó)第二大債權(quán)國(guó)，雙方在經(jīng)濟(jì)貿(mào)易領(lǐng)域存在諸多關(guān)聯(lián)；美國(guó)不確定性變化必然在很大程度上影響中國(guó)經(jīng)濟(jì)的發(fā)展，其不確定性增加將沖擊我國(guó)實(shí)體經(jīng)濟(jì)活動(dòng)[19]。但我國(guó)為防范國(guó)際金融風(fēng)險(xiǎn)輸入采取了部分資本管制措施，這在一定程度上抑制了外部不確定性沖擊的影響強(qiáng)度。因此，國(guó)際貿(mào)易和國(guó)內(nèi)投資者避險(xiǎn)情緒可能是美國(guó)不確定性沖擊影響中國(guó)股市的主要渠道。當(dāng)美國(guó)金融不確定性上升時(shí)，一方面，服務(wù)于中美貿(mào)易的企業(yè)將遭受直接沖擊，并間接影響中國(guó)國(guó)內(nèi)的生產(chǎn)和消費(fèi)，進(jìn)而引發(fā)股市異常波動(dòng)；另一方面，避險(xiǎn)情緒使得國(guó)內(nèi)投資者減少風(fēng)險(xiǎn)資產(chǎn)投資，企業(yè)投資滯后導(dǎo)致股票預(yù)期收益降低，引致關(guān)聯(lián)部門(mén)總產(chǎn)出下降，進(jìn)一步加劇股市波動(dòng)。因此，相較于其他三類(lèi)不確定性，我國(guó)需加強(qiáng)對(duì)美國(guó)金融不確定性的監(jiān)控與防范，并著眼于主要傳播渠道，警惕過(guò)高的外貿(mào)依存度和股市羊群效應(yīng)。

第四，美國(guó)經(jīng)濟(jì)政策不確定性對(duì)俄羅斯和墨西哥股市波動(dòng)產(chǎn)生正向影響。俄羅斯、墨西哥基于EPU模型的參數(shù)θ為正且分別在1%、5%水平上顯著，意味著美國(guó)經(jīng)濟(jì)政策不確定性上升會(huì)增加俄羅斯和墨西哥股市波動(dòng)風(fēng)險(xiǎn)。緣于地理位置臨近與資源互補(bǔ)，墨西哥和美國(guó)貿(mào)易來(lái)往密切、人口流動(dòng)頻繁，經(jīng)濟(jì)相互滲透，美國(guó)貨幣、關(guān)稅、能源等方面經(jīng)濟(jì)政策的制定與調(diào)整影響著墨西哥國(guó)內(nèi)經(jīng)濟(jì)發(fā)展，《美墨加三國(guó)協(xié)議》的簽署進(jìn)一步將兩國(guó)經(jīng)濟(jì)捆綁。因此，美國(guó)經(jīng)濟(jì)和經(jīng)濟(jì)政策不確定性上升將惡化墨西哥經(jīng)濟(jì)發(fā)展環(huán)境，推動(dòng)其股市波動(dòng)的上升。就俄羅斯而言，美國(guó)自2014年以來(lái)對(duì)俄實(shí)行了多項(xiàng)制裁政策，涉及能源、金融、軍工、采礦、通信、物流等領(lǐng)域，對(duì)俄羅斯制裁政策的頻繁出臺(tái)在推高美國(guó)經(jīng)濟(jì)政策不確定性水平的同時(shí)，致使俄羅斯受制裁領(lǐng)域遭受?chē)?yán)重沖擊，股市動(dòng)蕩激烈。

依據(jù)方差比（VR），進(jìn)一步考察各類(lèi)不確定性刻畫(huà)的長(zhǎng)期成分對(duì)總波動(dòng)的貢獻(xiàn)程度。對(duì)比VR大小可知，金融不確定性和經(jīng)濟(jì)不確定性的解釋能力較強(qiáng)。而且，發(fā)達(dá)市場(chǎng)中澳大利亞基于FU模型方差比最大，其股市波動(dòng)的預(yù)期變化約1/4可以由美國(guó)金融不確定性解釋?zhuān)辉谛屡d市場(chǎng)中，中國(guó)基于FU模型方差比最大，中國(guó)股市的預(yù)期變化約有1/6可以由美國(guó)金融不確定性解釋。此外，俄羅斯基于EPU模型的方差比大于其他三類(lèi)不確定性模型，說(shuō)明美國(guó)經(jīng)濟(jì)政策不確定性對(duì)俄羅斯股市波動(dòng)有較強(qiáng)的解釋能力。

（二）雙因子GARCH-MIDAS模型分析

在單因子模型的基礎(chǔ)上，通過(guò)同時(shí)納入RV和各類(lèi)不確定性指數(shù)構(gòu)建雙因子GARCH-MIDAS模型，探究已實(shí)現(xiàn)波動(dòng)率與不確定性對(duì)股市波動(dòng)率長(zhǎng)期成分的聯(lián)合作用。各雙因子模型參數(shù)估計(jì)結(jié)果見(jiàn)表2。

根據(jù)表2的估計(jì)結(jié)果，可得出如下結(jié)論：第一，美國(guó)金融不確定性是中國(guó)股市波動(dòng)的重要因素，且中美貿(mào)易摩擦主要通過(guò)美國(guó)金融不確定性傳導(dǎo)。就中國(guó)而言，在雙因子模型中，僅基于RV+FU模型的參數(shù)θX顯著為正，表明美國(guó)金融不確定性是中國(guó)股市波動(dòng)的重要因素，與單因子分析結(jié)果一致。除此之外，使用gi，tτt1/2和τ1/2t分別表示股市條件波動(dòng)以及波動(dòng)的長(zhǎng)期成分，對(duì)中國(guó)單因子和雙因子混頻波動(dòng)率模型估計(jì)的條件波動(dòng)和長(zhǎng)期成分進(jìn)行比較，發(fā)現(xiàn)FU模型刻畫(huà)的長(zhǎng)期成分與條件波動(dòng)趨勢(shì)擬合度較高，RV+FU模型相較于FU模型對(duì)波動(dòng)的捕捉程度進(jìn)一步提高，且中美貿(mào)易摩擦引起的中國(guó)股市波動(dòng)主要由美國(guó)金融不確定性傳導(dǎo)。因此，納入美國(guó)金融不確定性指標(biāo)能夠提高我國(guó)對(duì)外部輸入性沖擊的識(shí)別精度，防范美國(guó)金融不確定性沖擊應(yīng)成為維護(hù)我國(guó)經(jīng)濟(jì)金融穩(wěn)定的重要著眼點(diǎn)。

第二，在同時(shí)加入RV和不確定性因素后，美國(guó)經(jīng)濟(jì)和金融不確定性影響的廣泛性凸顯，其中金融不確定性的影響最為廣泛。美國(guó)、德國(guó)、意大利、韓國(guó)、澳大利亞、印度、巴西及墨西哥8個(gè)國(guó)家基于RV＋MU雙因子模型的參數(shù)θX顯著為正，表明美國(guó)經(jīng)濟(jì)不確定性能夠推動(dòng)以上8國(guó)股市長(zhǎng)期波動(dòng)。美國(guó)、德國(guó)、英國(guó)、法國(guó)、意大利、韓國(guó)、澳大利亞、中國(guó)、印度、巴西和墨西哥基于RV+FU雙因子模型的參數(shù)θX顯著為正，說(shuō)明美國(guó)金融不確定性能夠顯著影響絕大多數(shù)國(guó)家，并對(duì)其股市波動(dòng)產(chǎn)生正向影響。對(duì)比單因子模型，可以發(fā)現(xiàn)雙因子模型下美國(guó)經(jīng)濟(jì)和金融不確定性對(duì)全球股市的沖擊規(guī)模更大，覆蓋國(guó)家數(shù)量更多。以上結(jié)論凸顯了美國(guó)處于世界經(jīng)濟(jì)金融核心地位的影響力之大、輻射范圍之廣，其經(jīng)濟(jì)不確定性和金融不確定性能夠通過(guò)國(guó)際貿(mào)易和跨國(guó)資本流動(dòng)等渠道沖擊全球多數(shù)國(guó)家股票市場(chǎng)。并且，部分學(xué)者指出金融摩擦能夠放大不確定性對(duì)經(jīng)濟(jì)的影響效果，且新興市場(chǎng)會(huì)比發(fā)達(dá)市場(chǎng)受到更多的金融摩擦[20]。因此，相較于其他三類(lèi)不確定性，金融不確定性對(duì)全球股市的影響更加顯著和廣泛。

第三，美國(guó)經(jīng)濟(jì)政策不確定性對(duì)個(gè)別國(guó)家的股市波動(dòng)產(chǎn)生微弱影響。在英國(guó)、澳大利亞、俄羅斯、墨西哥，RV+EPU模型中的參數(shù)θX顯著為正但數(shù)值較小，說(shuō)明美國(guó)經(jīng)濟(jì)政策不確定性的影響力相對(duì)有限。其中，俄羅斯、墨西哥RV+EPU模型的參數(shù)θX分別在1%和5%水平上顯著，與單因子分析結(jié)論一致。

第四，區(qū)別于單因子模型，意大利基于RV+GPR模型的參數(shù)θX在10%水平上顯著，說(shuō)明美國(guó)地緣風(fēng)險(xiǎn)上升會(huì)增加意大利股市波動(dòng)風(fēng)險(xiǎn)。作為歐洲工業(yè)化較早的國(guó)家，意大利天然氣、石油等能源資源匱乏，對(duì)外能源依存度較高。但美國(guó)政府一直以來(lái)實(shí)行霸權(quán)主義，不斷采取影響國(guó)際關(guān)系的諸多能源操控行為以維持其地緣戰(zhàn)略利益，包括使用戰(zhàn)爭(zhēng)手段控制海灣地區(qū)奪取石油主導(dǎo)權(quán)、通過(guò)結(jié)盟和軍火交易挑起中東混亂局面獲取石油收益、對(duì)核心能源運(yùn)輸管道進(jìn)行破壞等。因此，美國(guó)地緣風(fēng)險(xiǎn)反映了其能源操縱行為，當(dāng)美國(guó)地緣風(fēng)險(xiǎn)上升時(shí)，意大利的能源進(jìn)口將面臨阻礙，從而抑制其國(guó)內(nèi)經(jīng)濟(jì)發(fā)展，表現(xiàn)為股市的動(dòng)蕩。

通過(guò)比較方差比VR，可以發(fā)現(xiàn)RV與不確定性指標(biāo)聯(lián)合具備更強(qiáng)的解釋能力。而且，就中國(guó)而言，基于RV+FU雙因子模型能夠解釋超過(guò)1/3的股市波動(dòng)長(zhǎng)期成分，再次證實(shí)中國(guó)股市對(duì)美國(guó)金融不確定性敏感度高。

（三）樣本外預(yù)測(cè)分析

樣本外預(yù)測(cè)能夠考察美國(guó)經(jīng)濟(jì)、金融、經(jīng)濟(jì)政策和地緣風(fēng)險(xiǎn)四類(lèi)不確定性對(duì)模型預(yù)測(cè)能力的改善情況。借助遞歸估計(jì)方法進(jìn)行樣本外預(yù)測(cè)，基于遞歸樣本對(duì)樣本外一個(gè)月的日度波動(dòng)率進(jìn)行預(yù)測(cè)。預(yù)測(cè)評(píng)價(jià)區(qū)間為2021年1月—2021年12月，共計(jì)12個(gè)月。具體而言，首先以2000年1月—2020年12月的樣本對(duì)2021年1月的日波動(dòng)率進(jìn)行預(yù)測(cè)；接著，以2000年1月—2021年1月的樣本為基礎(chǔ)，預(yù)測(cè)2021年2月的波動(dòng)率；然后以同樣的方法對(duì)12個(gè)月分別進(jìn)行預(yù)測(cè)，從而得到整個(gè)預(yù)測(cè)評(píng)價(jià)區(qū)間的波動(dòng)率預(yù)測(cè)值。通過(guò)截至t月的樣本，由式（3）、式（5）、式（6）可以計(jì)算得到t+1月長(zhǎng)期成分的預(yù)測(cè)值t+1t，t+1月的日度波動(dòng)率預(yù)測(cè)值為t+1tk，t+1t。就短期成分而言，t+1月第1天短期成分的預(yù)測(cè)值k，t+1t為

進(jìn)一步，為評(píng)價(jià)樣本外預(yù)測(cè)效果，采用MAE（mean absolute error）和RMSE（root mean square error）作為評(píng)價(jià)指標(biāo)。MAE或者RMSE所對(duì)應(yīng)的損失函數(shù)為L(zhǎng)1：AEi，t=i，t－σi，t和L2：SEi，t=i，t－σi，t2。其中，2i，t為模型估計(jì)的條件方差，即t+1ti，t+1t;σ2i，t為股市波動(dòng)率，用已實(shí)現(xiàn)波動(dòng)率代理。T是預(yù)測(cè)評(píng)價(jià)的時(shí)間長(zhǎng)度，等于各國(guó)2021年交易日天數(shù)。式（10）和式（11）分別表示基于兩個(gè)損失函數(shù)的評(píng)價(jià)指標(biāo)，MAE或者RMSE估計(jì)值越小，說(shuō)明實(shí)際值與預(yù)測(cè)值差距越小，模型的預(yù)測(cè)效果越好。

表3為各模型MAE和RMSE的計(jì)算結(jié)果。首先，納入美國(guó)金融不確定性能夠改善大部分國(guó)家股市波動(dòng)的預(yù)測(cè)精度。一方面，在單因子模型中，基于金融不確定性模型表現(xiàn)出最優(yōu)預(yù)測(cè)效果的國(guó)家數(shù)量最多，美國(guó)、德國(guó)、英國(guó)、法國(guó)、韓國(guó)、澳大利亞、中國(guó)、印度、巴西、墨西哥FU模型預(yù)測(cè)效果最好；另一方面，在雙因子模型中，基于FU模型最優(yōu)的10個(gè)國(guó)家以及日本、意大利、西班牙在同時(shí)引入RV和FU時(shí)亦表現(xiàn)出優(yōu)異的預(yù)測(cè)結(jié)果。其次，加拿大和俄羅斯基于RV+MU雙因子模型預(yù)測(cè)精度最好，表明美國(guó)經(jīng)濟(jì)不確定性指標(biāo)的加入，能夠優(yōu)化加拿大和俄羅斯股市波動(dòng)模型的預(yù)測(cè)效果。

由于MAE和RMSE是通過(guò)損失函數(shù)均值（或均值的開(kāi)方）來(lái)判斷模型的預(yù)測(cè)性能，易受到極端值影響，且無(wú)法判斷模型預(yù)測(cè)精度差異的顯著性。因此，本文采用模型置信集（model confidence set，MCS）檢驗(yàn)，進(jìn)一步識(shí)別各模型樣本外預(yù)測(cè)精度差異的顯著性[21]。

設(shè)定包含5種單因子模型和4種雙因子模型的集合為M0。MCS檢驗(yàn)過(guò)程如下：首先設(shè)定初始集合M=M0。然后，在給定的顯著性水平上，對(duì)集合進(jìn)行等效檢驗(yàn)（equal predictive ability， EPA）。其中，等效檢驗(yàn)的原假設(shè)是模型的預(yù)測(cè)能力相同。若原假設(shè)被拒絕，則采用剔除準(zhǔn)則（elimination rule）去除性能較差的模型。重復(fù)上述步驟，直至得到一個(gè)幸存模型集合M*。該集合在給定的顯著性水平上滿(mǎn)足等效檢驗(yàn)，由性能較好的模型組成。MCS檢驗(yàn)的目的即確定幸存模型集合。MCS檢驗(yàn)的p值給出了單個(gè)模型的預(yù)測(cè)性能；p值越接近1，模型表現(xiàn)越好。

由MCS檢驗(yàn)結(jié)果⑥可得出以下結(jié)論：①納入美國(guó)金融不確定性指標(biāo)能夠提高多數(shù)國(guó)家股市波動(dòng)的預(yù)測(cè)效果，當(dāng)損失函數(shù)為AE時(shí)，基于RV+FU的幸存模型有11個(gè)；當(dāng)損失函數(shù)為SE時(shí)有12個(gè)，幸存模型數(shù)量遠(yuǎn)高于其他類(lèi)型。②中國(guó)基于MU、FU、RV+FU模型為幸存模型，且基于FU和RV+FU模型的p值為1，表明引入MU和FU指標(biāo)能夠優(yōu)化中國(guó)股市波動(dòng)模型的預(yù)測(cè)精度，且FU的優(yōu)化程度更高。③美國(guó)經(jīng)濟(jì)不確定性指數(shù)MU能夠提高加拿大和俄羅斯兩國(guó)股市波動(dòng)的預(yù)測(cè)精度。

（四）多因子GARCH-MIDAS模型分析

進(jìn)一步，將RV與四類(lèi)不確定性同時(shí)納入模型中，基于多因子GARCH-MIDAS模型考察已實(shí)現(xiàn)波動(dòng)率（RV）和四類(lèi)不確定性對(duì)各國(guó)股市波動(dòng)長(zhǎng)期成分的共同作用，根據(jù)表4可得出如下結(jié)論：

第一，在同時(shí)引入四類(lèi)不確定性指標(biāo)后，美國(guó)不確定性對(duì)美國(guó)、德國(guó)、英國(guó)、意大利、韓國(guó)、澳大利亞、中國(guó)、印度、巴西、俄羅斯、墨西哥股市波動(dòng)存在顯著影響，以上11個(gè)國(guó)家至少存在一種不確定性的參數(shù)θX顯著為正。其中，美國(guó)經(jīng)濟(jì)不確定性對(duì)意大利、韓國(guó)、澳大利亞、墨西哥股市波動(dòng)長(zhǎng)期成分仍表現(xiàn)出顯著正向影響；美國(guó)、德國(guó)、英國(guó)、意大利、韓國(guó)、澳大利亞、中國(guó)、印度、巴西、墨西哥多因子模型中θFU均顯著為正，再次說(shuō)明美國(guó)金融不確定性上升能夠增加樣本中多數(shù)國(guó)家股市波動(dòng)風(fēng)險(xiǎn)。第二，中國(guó)基于四類(lèi)不確定性的多因子模型中僅θFU顯著為正，這與前文所得結(jié)論一致，說(shuō)明美國(guó)金融不確定性是中國(guó)股市波動(dòng)的主要因素。第三，俄羅斯和墨西哥多因子模型中參數(shù)θEPU顯著為正，印證單因子與雙因子結(jié)論，即美國(guó)經(jīng)濟(jì)政策不確定性上升會(huì)增加俄羅斯和墨西哥股市波動(dòng)。第四，在多因子模型中，美國(guó)地緣風(fēng)險(xiǎn)對(duì)意大利股市波動(dòng)具有正向推動(dòng)作用的結(jié)論仍成立。

四、研究結(jié)論與政策建議

本文從美國(guó)經(jīng)濟(jì)、金融、經(jīng)濟(jì)政策及地緣風(fēng)險(xiǎn)四類(lèi)不確定性的多維視角出發(fā)，采用2000—2021年美國(guó)四類(lèi)不確定性指數(shù)以及全球GDP排名前15國(guó)家股市收益率數(shù)據(jù)，基于單因子、雙因子和多因子GARCH-MIDAS模型，從樣本內(nèi)擬合和樣本外預(yù)測(cè)兩個(gè)方面考察了美國(guó)四類(lèi)不確定性對(duì)全球15個(gè)主要國(guó)家股市波動(dòng)的差異化影響。研究結(jié)果表明：第一，美國(guó)金融不確定性和經(jīng)濟(jì)不確定性對(duì)多數(shù)國(guó)家股市長(zhǎng)期波動(dòng)均有正向推動(dòng)作用，且美國(guó)金融不確定性的影響最為廣泛；第二，在四類(lèi)不確定性因素中，美國(guó)金融不確定性是影響中國(guó)股市長(zhǎng)期波動(dòng)的主要因素，且中美貿(mào)易摩擦主要通過(guò)美國(guó)金融不確定性傳導(dǎo)；第三，美國(guó)經(jīng)濟(jì)政策不確定性上升會(huì)增加俄羅斯和墨西哥股市長(zhǎng)期波動(dòng)，美國(guó)地緣風(fēng)險(xiǎn)對(duì)意大利股市長(zhǎng)期波動(dòng)存在顯著正向影響。

基于上述結(jié)論提出如下政策建議：第一，完善外部沖擊的識(shí)別監(jiān)測(cè)系統(tǒng)。面對(duì)日益增多的全球不確定性因素，決策部門(mén)應(yīng)持續(xù)關(guān)注國(guó)際經(jīng)濟(jì)環(huán)境變化，正視美國(guó)不確定性對(duì)我國(guó)的溢出效應(yīng)，明晰各類(lèi)不確定性沖擊的異質(zhì)性影響；同時(shí)，應(yīng)將四類(lèi)不確定性指標(biāo)納入外部沖擊的識(shí)別監(jiān)測(cè)系統(tǒng)，并結(jié)合傳導(dǎo)渠道，分別建立跟蹤、監(jiān)測(cè)與分析體系，尤其要加強(qiáng)對(duì)美國(guó)金融不確定性沖擊的監(jiān)測(cè)力度。第二，優(yōu)化貿(mào)易結(jié)構(gòu)，有效預(yù)防外部不確定性對(duì)國(guó)內(nèi)經(jīng)濟(jì)發(fā)展的負(fù)面沖擊。在保持高水平對(duì)外開(kāi)放的同時(shí)，優(yōu)化貿(mào)易結(jié)構(gòu)，降低對(duì)單一國(guó)家的貿(mào)易依賴(lài)程度，促進(jìn)我國(guó)國(guó)際貿(mào)易多元化發(fā)展，削弱外部不確定性沖擊通過(guò)國(guó)際貿(mào)易渠道的影響強(qiáng)度。第三，宏觀經(jīng)濟(jì)政策應(yīng)與審慎監(jiān)管相輔相成，積極應(yīng)對(duì)、充分化解外部不確定性沖擊。當(dāng)面臨外部不確定性沖擊時(shí)，決策部門(mén)應(yīng)適時(shí)利用財(cái)政政策和貨幣政策對(duì)經(jīng)濟(jì)進(jìn)行調(diào)控，積極引導(dǎo)公眾行為，避免羊群效應(yīng)加劇投資者和企業(yè)恐慌情緒，充分化解不確定性沖擊，維持國(guó)內(nèi)經(jīng)濟(jì)穩(wěn)定。

注釋?zhuān)?/p>

① "根據(jù)自然對(duì)數(shù)似然函數(shù)值和BIC確定最大滯后階數(shù)，其中中國(guó)股市為12，其他國(guó)家股市為24。

② 美國(guó)經(jīng)濟(jì)不確定性與金融不確定性的數(shù)據(jù)來(lái)源于www.sydneyludvigson.com/macro-and-financial-uncertainty-indexes。

③ 美國(guó)經(jīng)濟(jì)政策不確定性的數(shù)據(jù)來(lái)源于www.policyuncertainty.com。

④ 美國(guó)地緣風(fēng)險(xiǎn)的數(shù)據(jù)來(lái)源于www.matteoiacoviello.com/gpr.htm。

⑤ 限于篇幅，下文僅列出參數(shù)θ的估計(jì)結(jié)果，其他參數(shù)α、β、γ以及方差比（VR），如有需求，請(qǐng)向作者索取。

⑥ 限于篇幅，不同模型比較的MCS檢驗(yàn)結(jié)果在正文中未列出，如有需求，請(qǐng)向作者索取。

參考文獻(xiàn)：

［1］Jones P M， Olson E. The international effects of US uncertainty[J]. International Journal of Finance amp; Economics， 2015， 20（3）： 242-252.

[2]Jurado K， Ludvigson S C， Ng S. Measuring uncertainty[J]. American Economic Review， 2015， 105（3）： 1177-1216.

[3]Bernanke B S. Irreversibility， uncertainty， and cyclical investment[J]. Quarterly Journal of Economics， 1983， 98（1）： 85-106.

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

[5]Bachmann R， Elstner S， Sims E R. Uncertainty and economic activity： evidence from business survey data[J]. American Economic Journal： Macroeconomics， 2013， 5（2）： 217-249.

[6]Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty[J]. Quarterly Journal of Economics， 2016， 131（4）： 1593-1636.

[7]Bloom N， Floetotto M， Jaimovich N. Really uncertain business cycles[J]. Econometrica， 2018， 86（3）： 1031-1065.

[8]Stock J H， Watson M W. Disentangling the channels of the 2007-2009 recession[R].Cambridge，MA： NBER Working Paper， 2012， No. 18094.

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

[10] Bordo M D， Duca J V， Koch C. Economic policy uncertainty and the credit channel： aggregate and bank level U.S. evidence over several decades[J]. Journal of Financial Stability， 2016， 26： 90-106.

[11] Colombo V. Economic policy uncertainty in the US： does it matter for the Euro area？[J]. Economics Letters， 2013， 121（1）： 39-42.

[12] Bhattarai S， Chatterjee A， Park W Y. Global spillover effects of US uncertainty[J]. Journal of Monetary Economics， 2020， 114： 71-89.

[13] Trung N B. The spillover effect of the US uncertainty on emerging economies： a panel VAR approach[J]. Applied Economics Letters， 2019， 26（3）： 210-216.

[14] Engle R F， Ghysels E， Sohn B. Stock market volatility and macroeconomic fundamentals[J]. Review of Economics and Statistics， 2013， 95（3）： 776-797.

[15] Ludvigson S C， Ma S， Ng S. Uncertainty and business cycles： exogenous impulse or endogenous response[J]. American Economic Journal： Macroeconomics， 2021， 13（4）： 369-410.

[16] Caldara D， Iacoviello M. Measuring geopolitical risk[J]. American Economic Review， 2022， 112（4）： 1194-1225.

[17] 賈俊雪，郭慶旺.經(jīng)濟(jì)開(kāi)放、外部沖擊與宏觀經(jīng)濟(jì)穩(wěn)定——基于美國(guó)經(jīng)濟(jì)沖擊的影響分析[J].中國(guó)人民大學(xué)學(xué)報(bào)， 2006（6）：65-73.

[18] Bonciani D， Ricci M. The international effects of global financial uncertainty shocks[J]. Journal of International Money and Finance， 2020， 109：102236.

[19] 陸磊，李力，馮業(yè)倩，等.跨境融資宏觀審慎管理與外部輸入性風(fēng)險(xiǎn)防范[J].經(jīng)濟(jì)研究， 2022， 57（10）：18-34.

[20] Choi S， Shim M. Financial vs. policy uncertainty in emerging market economies[J]. Open Economies Review， 2019， 30（2）： 297-318.

[21] 李政，石晴，卜林.地緣政治風(fēng)險(xiǎn)是國(guó)際原油價(jià)格波動(dòng)的影響因子嗎？：基于GARCH-MIDAS模型的分析[J].世界經(jīng)濟(jì)研究， 2021（11）：18-32.

（責(zé)任編輯：厲亞，沁憶）