劉金全 王梓任

（廣州大學經(jīng)濟與統(tǒng)計學院，廣東 廣州 510006）

一、引言

近年來，全球經(jīng)濟復蘇放緩，經(jīng)濟增速下降，美國、加拿大、歐盟、英國、日本等國家和地區(qū)實施了低利率、超低利率政策，甚至負利率政策，試圖以寬松的貨幣政策降低融資成本，刺激消費、投資，推動經(jīng)濟增長。美國聯(lián)邦儲備委員會在2020年3月3日突然宣布降息50 個基點，緊接著3月15日再次下調(diào)聯(lián)邦基金利率1 個百分點，達到0%至0.25%區(qū)間，觸及零利率。在美伊沖突事件、英國脫歐事件、新冠肺炎疫情（以下簡稱疫情）暴發(fā)事件等負面沖擊下，在美國降息前后，超過40 個國家紛紛下調(diào)利率以提振經(jīng)濟，全球已經(jīng)進入低利率時代。在全球低利率環(huán)境大背景下，雖然我國貨幣政策始終保持著獨立性，但是在經(jīng)濟下行壓力下，為保證經(jīng)濟穩(wěn)步增長，實現(xiàn)共同富裕的終極目標，2021年7月15日和12月15日分別下調(diào)存款準備金率0.5%，12月20日下調(diào)1年期貸款市場報價利率0.05%，12月7日下調(diào)支農(nóng)、支小再貸款利率0.25%。盡管我國名義利率相對較高，但是我國實際利率（名義利率-通貨膨脹率）已經(jīng)較低。我國實際利率演變路徑（1996年1月—2020年9月）如圖1 所示，可以看到，我國在2003—2004年、2007—2009年、2010—2011年、2019—2020年等時間段的實際利率已降為負利率。圖1 中陰影部分為本文模型估算的低利率區(qū)制。在新常態(tài)背景下，加上疫情沖擊，我國利率正逐步緩慢下降，并且預計我國未來將在中長期處于低利率環(huán)境。大量學者和政策制定者開始關注和研究低利率環(huán)境。誠然，正確認識到低利率環(huán)境的即將到來并為之做好一切準備，系統(tǒng)理解在低利率環(huán)境下各經(jīng)濟變量的相互傳導機制以及評估低利率環(huán)境對經(jīng)濟系統(tǒng)的影響效應，對于保持平穩(wěn)健康的經(jīng)濟環(huán)境具有非常重要的理論意義和現(xiàn)實意義。

圖1：我國1996年1月—2020年9月實際利率演變路徑

改革開放以來，我國金融體系逐漸完善并且與國際接軌。伴隨著經(jīng)濟全球化，經(jīng)濟開放程度不斷加大，國際金融風險向國內(nèi)蔓延，國內(nèi)金融體系系統(tǒng)性風險也不可忽視。經(jīng)濟波動對金融風險沖擊非常敏感，并且金融風險沖擊對經(jīng)濟的影響較為劇烈。最近幾年來，隨著經(jīng)濟金融的發(fā)展，金融脫媒進程不斷深化，我國金融系統(tǒng)趨于完善，金融部門之間的聯(lián)系愈發(fā)緊密，金融不確定性的增加使得系統(tǒng)性金融風險暴發(fā)概率大大提高。穩(wěn)定金融市場和防范化解金融風險具有重要性以及迫切性。金融不確定性的上升顯然會增大金融機構內(nèi)部的系統(tǒng)性風險，對規(guī)模較大的金融機構的影響更為嚴重。研究金融不確定性，使我們可以更好地理解其對金融市場以及實體經(jīng)濟的影響，特別是對于助力金融穩(wěn)定和防范化解系統(tǒng)性風險有重要意義和實際作用。因此，本文重點關注的不確定性特指金融不確定性。

低利率的出現(xiàn)（或者說下調(diào)利率）與不確定性沖擊息息相關，因為不確定性沖擊不可避免地增大利率下行壓力，最終導致利率下調(diào)。不確定性來自經(jīng)濟主體對未來經(jīng)濟形勢無法判斷的現(xiàn)狀或者說不確定性干擾經(jīng)濟主體對未來經(jīng)濟形勢的預測，無法形成穩(wěn)定的預期，從而導致經(jīng)濟主體的行為不再是完全理性行為，這些行為進而放大成為一些宏觀現(xiàn)象。地緣政治、金融危機、自然災害、局部戰(zhàn)爭、公共衛(wèi)生等“黑天鵝”事件充分說明了全球經(jīng)濟面臨大量的不確定性因素，這些不確定性因素通過各種傳導機制進入實體經(jīng)濟。全球在應對不確定性劇增的挑戰(zhàn)，我國同樣不可避免地面對不確定性沖擊的挑戰(zhàn)，引發(fā)政策制定者的擔憂和思考。于是，國內(nèi)外涌現(xiàn)出大量關于不確定性沖擊的研究。

在全球低利率大背景下，Caggiano 等（2017）認為金融不確定性沖擊在零利率下限時期引發(fā)了比無約束貨幣政策時期更深的衰退，而且這一結果并非由在大衰退期間發(fā)生的其他宏觀經(jīng)濟沖擊或出現(xiàn)更嚴重的金融狀況導致的。簡而言之，零利率下限約束放大了不確定性沖擊對經(jīng)濟系統(tǒng)的負效應。由于我國實際利率處于低利率環(huán)境，與零利率下限有所不同，并未觸發(fā)零利率下限約束。因此，本文探究在低利率環(huán)境下，金融不確定性沖擊對經(jīng)濟系統(tǒng)的負效應是被放大了還是有所緩解甚至是出現(xiàn)正效應。盡管我國還未正式在中長期處于低利率環(huán)境，但是可以預期到未來我國將在中長期處于低利率環(huán)境下，甚至會受到零利率下限約束或者出現(xiàn)負利率政策。因此，探究低利率環(huán)境下不確定性的經(jīng)濟效應，不僅是不確定性沖擊的經(jīng)濟效應主旨類文獻的重要補充，而且為將來我國在中長期處于低利率環(huán)境乃至零利率下限做好文獻理論準備，甚至可以給出一些應對政策，具有非常重要的現(xiàn)實意義和理論意義。

鑒于金融經(jīng)濟條件瞬息萬變，金融不確定性沖擊可能對經(jīng)濟系統(tǒng)產(chǎn)生非線性效應。又考慮到低利率環(huán)境和高利率環(huán)境時期，經(jīng)濟變量對金融不確定性沖擊的不同反應，而線性結構向量自回歸（SVAR）模型只能捕獲不同利率時期的平均經(jīng)濟效應，所以本文使用一種平滑遷移向量自回歸（STVAR）模型。相對于門限向量自回歸（TVAR）模型，STVAR 模型比較適合本文區(qū)分低利率環(huán)境和高利率環(huán)境下不確定性沖擊的經(jīng)濟效應差異。STVAR 模型旨在研究從一個狀態(tài)到另一個狀態(tài)的逐步過渡，這種平滑過渡并不會減少樣本信息。與其他分區(qū)制估計模型相對比，STVAR模型的優(yōu)勢在于，其利用每個時點的條件概率給原始數(shù)據(jù)相應的權重，然后使用相應權重進行估計，因此，可用信息的數(shù)量大幅增加，從而避免其他分區(qū)制估計模型因樣本規(guī)模小或丟棄樣本較多所導致的樣本信息量不足從而使得估計不準確的問題。換言之，在低利率區(qū)制下估計模型時，部分使用了高利率區(qū)制的樣本，反之亦然。此外，本文的計量經(jīng)濟學模型不僅給出了非線性模型結果，還給出了線性模型結果。

二、不確定性沖擊的經(jīng)濟效應相關文獻梳理

從本文研究的核心問題出發(fā)，即探究在低利率環(huán)境和高利率環(huán)境下，金融不確定性沖擊對經(jīng)濟系統(tǒng)的異質(zhì)性影響，本文將從以下兩個方面對國內(nèi)外現(xiàn)有的文獻進行梳理和總結。國內(nèi)外有大量文獻探討不確定性沖擊的經(jīng)濟效應，但國外從零利率下限視角分析不確定性沖擊的文獻寥寥無幾，國內(nèi)該方面文獻更是空白。鑒于我國還未受到零利率下限約束，但預期將在中長期處于低利率環(huán)境的現(xiàn)實狀況，本文探究在低利率環(huán)境和高利率環(huán)境下，不確定性沖擊對經(jīng)濟系統(tǒng)的異質(zhì)性影響，正好可以作為國內(nèi)外研究的一個文獻補充，特別地，我國還沒有從低利率視角研究不確定性沖擊的經(jīng)濟效應的文獻，這也是本文的貢獻之一。

（一）不確定性的經(jīng)濟效應研究文獻

關于不確定性的研究，不確定性的定義、不確定性的測度方法以及估算不確定性的經(jīng)濟效應的實證結論等在學術界都沒有統(tǒng)一標準。梳理相關文獻后，本文將不確定性分為宏觀經(jīng)濟不確定性、金融不確定性和經(jīng)濟政策不確定性等。下面將按照這種分類梳理不確定性的經(jīng)濟效應的相關文獻。

大多數(shù)文獻認為不確定性增大對經(jīng)濟系統(tǒng)具有負效應。例如，Bloom 等（2018）使用GARCH模型測度了宏觀經(jīng)濟不確定性，研究發(fā)現(xiàn)，不確定性沖擊是經(jīng)濟衰退的主要驅(qū)動因素之一，同時精確估算出不確定性增大使得GDP 減少約3%。對于金融危機導致我國貿(mào)易過度反應，特別是我國出口出現(xiàn)大幅波動的事實，魯曉東和劉京軍（2017）討論了不確定性和我國出口的關系，研究發(fā)現(xiàn)，不確定性對我國出口有負效應，且這個負效應不僅來自供給、需求和匯率等經(jīng)濟變量一階沖擊，而且可能存在信心或心理二階沖擊。但是也有文獻認為，不確定性增大對經(jīng)濟系統(tǒng)也存在正效應。比如，余杰和黃孝武（2020）使用高維數(shù)據(jù)測度了我國宏觀經(jīng)濟不確定性指數(shù)，同時利用TVPSV-FAVAR 模型研究了宏觀經(jīng)濟不確定性對經(jīng)濟系統(tǒng)的影響，研究發(fā)現(xiàn)，宏觀經(jīng)濟不確定性不僅具有顯著的逆周期特征，而且對經(jīng)濟系統(tǒng)具有顯著的時變影響。具體而言，在短期宏觀經(jīng)濟不確定性沖擊對經(jīng)濟系統(tǒng)具有顯著的負效應，而在長期宏觀經(jīng)濟不確定性沖擊對經(jīng)濟系統(tǒng)具有顯著的正效應。Kraft 等（2018）發(fā)現(xiàn)不確定性上升會使得研發(fā)投入和創(chuàng)新活動以及某些特殊行業(yè)投資增加，從而使得不確定性沖擊對經(jīng)濟系統(tǒng)具有正效應。

2008年金融危機之后，學術界和政策制定者開始關注到金融不確定性及其對經(jīng)濟系統(tǒng)的影響。Choi（2018）研究美國金融不確定性對新興經(jīng)濟體外溢性影響，實證結果發(fā)現(xiàn)，美國金融不確定性對新興經(jīng)濟體產(chǎn)出有顯著的負效應。Ludvigson 等（2015）發(fā)現(xiàn)金融不確定性沖擊導致實際經(jīng)濟活動持續(xù)急劇下降，因此，得到的結論是不確定性增大是導致衰退的外生沖擊。在經(jīng)濟衰退期間，實體經(jīng)濟、金融市場等方面的不確定性都將大幅上升，而金融不確定性可能是經(jīng)濟波動的來源之一。國內(nèi)關于金融不確定性主題的研究也不少。劉玉榮等（2019）使用SV 模型構建了我國金融不確定性指數(shù)，探究了金融不確定性對城鎮(zhèn)居民消費的影響，研究發(fā)現(xiàn)，金融市場的波動會抑制城鎮(zhèn)居民消費，而金融市場的財富上升對城鎮(zhèn)居民消費的影響不顯著。陳雨露等（2016）使用68 個經(jīng)濟體的面板數(shù)據(jù)進行實證研究，結果發(fā)現(xiàn)，金融波動較大時，實體經(jīng)濟增長率較低并且金融危機可能隨時暴發(fā)，而金融平穩(wěn)運行時，實體經(jīng)濟增長率較高，同時金融市場的風險也較低。

經(jīng)濟政策不確定性對經(jīng)濟系統(tǒng)的影響文獻也不少。經(jīng)濟政策不確定性對經(jīng)濟系統(tǒng)的影響效應有負效應也有正效應。較多文獻表明經(jīng)濟政策不確定性對經(jīng)濟系統(tǒng)有顯著的負效應。許志偉和王文甫（2018）使用SVAR 模型研究發(fā)現(xiàn)經(jīng)濟政策不確定性沖擊表現(xiàn)出需求沖擊的特征，導致產(chǎn)出和價格均明顯降低，同時還通過DSGE 模型研究發(fā)現(xiàn)約10%的產(chǎn)出下降和15%的價格下降可以由經(jīng)濟政策不確定性解釋，并且公眾預期、我國勞動收入份額和勞動供給彈性與經(jīng)濟政策不確定性對經(jīng)濟系統(tǒng)的負效應呈負相關關系。Fernández-Villaverde 等（2015）使用新凱恩斯模型模擬分析發(fā)現(xiàn)，財政政策不確定性通過改變經(jīng)濟主體的預期對實體經(jīng)濟產(chǎn)生負效應，導致總產(chǎn)出、消費、投資和工作時長都大幅下降，同時出現(xiàn)通貨膨脹。Mumtaz 和Zanetti （2013）利用隨機波動率來測度時變貨幣政策不確定性，并探討了貨幣政策不確定性對經(jīng)濟系統(tǒng)的影響，研究發(fā)現(xiàn)，貨幣政策不確定性的實際效果和名義效果均為負效應。貨幣政策不確定性對實體經(jīng)濟的影響效應可能與執(zhí)行貨幣政策的時間段有關（Huang， 2016）。張玉鵬和王茜（2016）使用門限VAR 模型研究發(fā)現(xiàn)，在經(jīng)濟低迷時期，經(jīng)濟政策不確定性對產(chǎn)出的影響為正，而在經(jīng)濟繁榮階段為負，文中反事實分析進一步佐證了這個觀點。經(jīng)濟政策不確定性的正效應一般從企業(yè)研發(fā)或者創(chuàng)新活動角度來解釋。孟慶斌和師倩（2017）使用DSGE模型探討了經(jīng)濟政策不確定性對企業(yè)研發(fā)支出的影響，結果發(fā)現(xiàn)，經(jīng)濟政策不確定性增大會激勵企業(yè)研發(fā)支出增加。此外，對于風險偏好型企業(yè)，經(jīng)濟政策不確定性對研發(fā)支出的激勵更明顯。

（二）低利率環(huán)境下不確定性的經(jīng)濟效應研究文獻

在全球部分經(jīng)濟體進入低利率環(huán)境或零利率下限甚至出臺了負利率政策后，學術界關于低利率環(huán)境下不確定性的經(jīng)濟效應的文獻相對較少，我國甚至沒有相關文獻。Johannsen（2014）將零利率下限約束納入新凱恩斯模型中，研究財政政策不確定性對經(jīng)濟系統(tǒng)的影響，研究發(fā)現(xiàn)財政政策不確定性對經(jīng)濟系統(tǒng)有顯著的負效應，即消費、投資和產(chǎn)出等大幅萎縮。此外，零利率下限約束將放大財政政策不確定性對經(jīng)濟系統(tǒng)的負效應。Bekaert 等（2013）研究貨幣政策沖擊對實體經(jīng)濟的影響時，發(fā)現(xiàn)寬松的貨幣政策能有效降低不確定性的負面影響。Basu和Bundick（2017）也證明了在包含有零利率下限約束的模型中不確定性增大對產(chǎn)出的抑制作用比沒有零利率下限約束的基準模型更大，該結論佐證2008年金融危機期間不確定性劇增，名義利率到達零利率下限可能是導致金融危機后產(chǎn)出大幅下降的一個主要因素。

三、數(shù)據(jù)來源和金融不確定性的產(chǎn)出效應模型構建

考慮到低利率環(huán)境和高利率環(huán)境時期的不同反應，本文使用STVAR 模型估算在低利率和高利率兩個不同區(qū)制下，金融不確定性沖擊對實體經(jīng)濟的異質(zhì)性影響。

（一）數(shù)據(jù)來源及說明

考慮數(shù)據(jù)的可得性，本文數(shù)據(jù)選用了1996年1月—2020年9月的金融不確定性指數(shù)（unfin）、消費同比增長率（C）、投資同比增長率（I）、規(guī)模以上工業(yè)增加值同比增長率（GY）、CPI、實際利率（rate）和上證指數(shù)收盤價（sh_index）等月度數(shù)據(jù)。其中，金融不確定性指數(shù)由上證指數(shù)收盤價通過使用GARCH（1，1）模型計算得到；消費同比增長率數(shù)據(jù)選用社會消費品零售總額同比增長率；投資同比增長率數(shù)據(jù)選用固定資產(chǎn)投資（不含農(nóng)戶）同比增長率；實際利率由名義利率減去通貨膨脹率得到；名義利率使用銀行間7 天同業(yè)拆借利率代替，通貨膨脹率使用CPI 同比增長率代替。表1 為主要變量的描述性統(tǒng)計，表2是主要變量的單位根檢驗結果。從表2 可知，本文主要變量數(shù)據(jù)均為平穩(wěn)時間序列。本文所有數(shù)據(jù)均為月度數(shù)據(jù)，均來自中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。本文實證結果均由Eviews10.0和matlab軟件給出。

表1：主要變量的描述性統(tǒng)計

表2：主要變量的單位根檢驗

（二）GARCH模型的構建

自Engle（1982）首先提出自回歸條件異方差模型（ARCH）后，Bollerslevb（1986）在其基礎上將ARCH 模型拓展為廣義自回歸條件異方差模型（GARCH）。隨著GARCH 模型的深入研究，出現(xiàn)了各種形式的GARCH 模型，而且廣泛地應用于經(jīng)濟和金融等領域（Gourieroux，1997）。其主要原因就是可以利用條件方差來度量風險或者收益率的波動程度，并且使得這些波動性和風險度量具有時變性質(zhì)，從而體現(xiàn)了新信息獲得和新沖擊出現(xiàn)所產(chǎn)生的動態(tài)影響。GARCH（1，1）模型所含信息較多，預測能力較強，且模型階數(shù)較小、擬合效果較好，這一點已在波動性研究中得到證實，例如鄭振龍和黃薏舟（2010）運用GARCH（1，1）模型對相關股票指數(shù)進行研究，發(fā)現(xiàn)GARCH（1，1）模型預測一周波動率的能力更強。因此，本文通過使用GARCH（1，1）模型計算得到金融不確定性指數(shù)，構建標準的GARCH（1，1）模型如下：

（三）STVAR模型的構建

使用STVAR 模型刻畫低利率環(huán)境和高利率環(huán)境下的不同響應，其中，低利率區(qū)制和高利率區(qū)制之間的轉(zhuǎn)換是平滑的。參考Auerbach 和Gorodnichenko（2012）的模型，STVAR模型的構建方程如下：

Z轉(zhuǎn)移變量的變化代表著從一種狀態(tài)向另一種狀態(tài)的轉(zhuǎn)移。 Z值主要用于高低利率區(qū)制的劃分，Z＞0 時代表高利率區(qū)制，Z＜0 時代表低利率區(qū)制。本文主要是用平滑轉(zhuǎn)移函數(shù)劃分利率的高低不同時期，進而檢驗不同時期下金融不確定性的產(chǎn)出效應，因此，在這里將實際利率設定為Z。一般來說，當Z＜0 時，即為低利率時期時， F( Z)∈( 0.5,1) ；當Z＞0 時，即為高利率時期時，F(xiàn)( Z)∈( 0 ,0.5) 。本文參考Auerbach 和Gorodnichenko（2012）的設置，將F( Z)＜0.3 定為高利率時期，將F( Z)＞0.7 定為低利率時期，這樣可以使得低利率時期和高利率時期的劃分更加明顯。當γ →∞時，利率區(qū)制之間的轉(zhuǎn)變變得非常突然（突變），而當γ=0 時，整個計量模型變成了線性VAR 規(guī)范。理論上，雖然在估計模型時，可以 同時得到模型中的5個參數(shù)Γ={γ ,Ω,Ω,Π( L ),Π( L )}，但是估計參數(shù)γ 時要用到非線性矩，所以在短樣本中，少量觀察結果的模型估計結果可能存在誤差。參考Granger 和Teravistra（1993）的建議，使用grid search 方法給模型校準一個固定的γ值， 從而確保γ值的變化對{Ω,Ω,Π( L ),Π( L )}的估計沒有影響。為了方便運算，本文參考Auerbach 和Gorodnichenko（2012）的設置，將γ 校準為1.5，用以捕獲特定利率狀態(tài)。這樣的模型設置，不僅允許模型對結構沖擊有不同動態(tài)響應，而且允許模型對同期的結構沖擊有不同動態(tài)響應。此外，使用平滑遷移函數(shù)還有兩個優(yōu)點：第一，本文的完整樣本都可以放進模型中進行估計推斷，樣本的全部信息都能得到，而且不會出現(xiàn)因為遺棄樣本較多或者樣本規(guī)模較小從而導致樣本量太少的問題；第二，可以很容易地得到從政策變化到狀態(tài)變化的動態(tài)響應。

對模型進行估計測度部分詳細細節(jié)參考Auerbach和Gorodnichenko（2012）。本文使用Chernozhukov和Hong（2003）提出的馬爾可夫鏈蒙特卡羅（MCMC）方法進行估算。在標準已知條件下，該方法在擬合迭代方面能找到全局最優(yōu)解，并且可以得到所要估計的參數(shù)的概率分布函數(shù)。本文設定該模型的滯后長度為4，使用Hasting-Metropolis算法得到長度為N的馬爾可夫鏈。參考Gelman 等（2004）提出的做法，Ω初始值被校準為參數(shù)值的1%左右，模型估計迭代100000次，前20000次作為預燒值舍掉，使得接受率抵達0.3 的界限。使用一系列診斷程序來檢驗從生成的馬爾可夫鏈中得到的結果分布函數(shù)的性質(zhì)，結果發(fā)現(xiàn)模擬鏈收斂于平穩(wěn)分布，模擬的參數(shù)值吻合較好，參數(shù)識別效果良好。

四、低利率環(huán)境下金融不確定性的產(chǎn)出效應檢驗

本文使用STVAR 模型估算在低利率和高利率兩個不同區(qū)制下，金融不確定性對實體經(jīng)濟的異質(zhì)性影響。GARCH（1，1）模型測度的金融不確定性指數(shù)與我國實際經(jīng)濟狀況高度耦合。

（一）金融不確定性指數(shù)測度結果

本文測算的金融不確定性指數(shù)如圖2 所示。總體來看，金融不確定性指數(shù)具有明顯的上下起伏、波動較大的周期性特征，與我國實際經(jīng)濟狀況相吻合。在1997年、2008年、2015年左右等時間段金融不確定性指數(shù)較大，與1997年亞洲金融風暴、2008年全球金融危機和2015年股災等大型金融危機事件暴發(fā)的時間段相吻合，我國經(jīng)濟運行實際狀況可以很好地解釋模型估算的金融不確定性指數(shù)。其他時間段金融不確定性指數(shù)相對較小且波動不大，甚至在2003年非典型肺炎疫情和2020年疫情期間金融不確定性指數(shù)都比較小。由此可見，公共衛(wèi)生事件對金融不確定性的影響較小，只有出現(xiàn)金融危機事件時，金融不確定性指數(shù)才會大幅度上漲，此結論與劉玉榮等（2019）的研究相吻合。所以，GARCH（1，1）模型測度的金融不確定性指數(shù)比較符合我國實際經(jīng)濟狀況。

圖2：我國1996年1月—2020年9月金融不確定性指數(shù)

（二）金融不確定性的產(chǎn)出效應檢驗結果

本小節(jié)呈現(xiàn)了金融不確定性沖擊對消費同比增長率、投資同比增長率、規(guī)模以上工業(yè)增加值同比增長率和CPI 的脈沖響應函數(shù)，包含有線性模型脈沖響應函數(shù)和非線性模型脈沖響應函數(shù)、低利率脈沖響應函數(shù)和高利率脈沖響應函數(shù)。很明顯可以看到，在低利率環(huán)境和高利率環(huán)境下，線性估計模型的脈沖響應函數(shù)是無差別的，而非線性估計模型即STVAR 模型的脈沖響應函數(shù)則是不同的，從側面驗證了線性估計模型是有偏差的，同時證明了本文所選擇的計量經(jīng)濟學模型和得到的實證結果較為準確。

圖3 給出了金融不確定性沖擊對消費同比增長率、投資同比增長率的脈沖響應函數(shù)。圖3 左側是低利率區(qū)制的脈沖響應函數(shù)，右側是高利率區(qū)制的脈沖響應函數(shù)，淺灰色區(qū)域是非線性模型估計結果的置信水平為68%的置信區(qū)間，深灰色區(qū)域是線性模型估計結果的置信水平為68%的置信區(qū)間。在高利率區(qū)制時，金融不確定性正向沖擊對消費同比增長率的脈沖響應函數(shù)的初始值為-10，總體呈現(xiàn)跌宕起伏狀態(tài)。在高利率區(qū)制時，金融不確定性正向沖擊對投資同比增長率的脈沖響應函數(shù)的初始值為負數(shù)，總體同樣呈現(xiàn)上下起伏波動狀態(tài)。因此，在高利率區(qū)制時，金融不確定性增大會導致消費縮減、投資減少，與金融不確定性對實體經(jīng)濟產(chǎn)生負效應的經(jīng)濟直覺相吻合，且與大多數(shù)文獻的研究結論相一致。具體來看，當利率較高時，即實施緊縮性貨幣政策，緊縮性貨幣政策會導致企業(yè)借款成本增加，同時抑制消費欲望，進而使得消費和投資減少；同時，現(xiàn)金流可能會從實體經(jīng)濟流入金融市場，也會使得消費和投資減少，并且未來不確定性的增加會誘導預防性儲蓄增加、消費和投資減少。多重傳導機制下，在高利率區(qū)制下，金融不確定性對經(jīng)濟系統(tǒng)的負效應被放大。

圖3：金融不確定性沖擊對消費、投資的脈沖響應函數(shù)

在低利率區(qū)制時，金融不確定性增加時，消費同比增長率的脈沖響應函數(shù)一直為正數(shù)，初始值為5，最后收斂于0；投資同比增長率的脈沖響應函數(shù)也一直為正數(shù)，初始值低于2，最后收斂于0。由此可見，利率較低時，金融不確定性增大會導致消費增加、投資增加。當利率較低時，即實施寬松的貨幣政策時，寬松的貨幣政策會導致企業(yè)借款成本降低，使得消費的機會成本降低，進而使得消費和投資增加；同時，金融市場的現(xiàn)金流出于風險規(guī)避原則和盈利原則等可能流入實體經(jīng)濟，而利率較低導致儲蓄較少，因此，消費和投資會增加。不完全理性和風險厭惡心理等能解釋金融不確定性沖擊導致消費增加，即當金融不確定性增大時，不完全理性和風險厭惡心理等會導致資金從股票、證券、基金等金融投資產(chǎn)品流出從而增加消費和儲蓄；增長期權理論能較好地解釋金融不確定性正向沖擊導致投資增加，增長期權理論認為一項長期投資的價值不僅取決于這項投資所能帶來的現(xiàn)金流，而且取決于其能為企業(yè)帶來的其他發(fā)展機會。Stein 和Stone（2013）研究發(fā)現(xiàn)，衰退時期是增加R&D 投資的“抄底”時期，同時認為增長期權理論能較好解釋不確定性增加能促進R&D 的觀點。李杰等（2020）使用23 個發(fā)達國家數(shù)據(jù)研究實際存款利率與私人儲蓄之間的非線性關系，得到的結論是：當實際利率大于1%時，利率對儲蓄的影響以替代效應為主，即兩者關系為正向關系；當實際利率為0.5%～1%時，利率對儲蓄的影響以收入效應為主，即兩者的關系為負向關系；當實際利率低于0.5%時，利率對儲蓄的影響又以替代效應為主，即兩者關系為正向關系；甚至當實際利率為負時，利率對儲蓄的影響也是替代效應為主，即兩者的關系為正向關系。因此，在利率較低時，利率對儲蓄的影響以替代效應為主導，即兩者的關系為正向關系，而儲蓄與消費、投資又是此消彼長的關系，所以出現(xiàn)利率下降時，儲蓄下降而消費、投資增加的現(xiàn)象。此外，從實證結果來看，消費對金融不確定性沖擊比投資更為敏感，上述解釋也能說明這點。簡而言之，在低利率環(huán)境下，金融不確定性正向沖擊對經(jīng)濟系統(tǒng)的負效應有所緩解，甚至出現(xiàn)正效應。

圖4給出了金融不確定性沖擊對規(guī)模以上工業(yè)增加值同比增長率的脈沖響應函數(shù)。在高利率區(qū)制時，金融不確定性正向沖擊對規(guī)模以上工業(yè)增加值同比增長率的脈沖響應函數(shù)的初始值為負數(shù)，隨后在正數(shù)和負數(shù)之間波動，最后收斂于零。所以，在高利率區(qū)制時，金融不確定性增加會使得工業(yè)增加值減少，即金融不確定性增加對實體經(jīng)濟具有負效應，與大多數(shù)文獻的研究結論相一致，且符合金融不確定性正向沖擊對經(jīng)濟系統(tǒng)產(chǎn)生負效應的經(jīng)濟直覺。在低利率區(qū)制時，金融不確定性正向沖擊對規(guī)模以上工業(yè)增加值增長率的脈沖響應函數(shù)的初始值為正數(shù)，隨后下降為負數(shù)，然后又恢復到正數(shù)，最后趨于收斂。因此，在低利率區(qū)制時，金融不確定性增加會導致工業(yè)增加值增加，即此時金融不確定性增加對實體經(jīng)濟具有正效應。當利率較低時，金融市場不確定性越大，與金融市場相比，實體經(jīng)濟發(fā)展就越好，資本盈利可能性越大。因為貨幣政策環(huán)境比較寬松，出于風險規(guī)避心理和追逐利潤原則，金融市場的資金可能流入實體經(jīng)濟，獲取更多的收益。當利率很高時，即貨幣政策較為緊縮時，由于貨幣政策利率比較高，籌集資金成本較大，此時實體經(jīng)濟可能也沒有較高的收益，因此，金融市場的不確定性增大就會對實體經(jīng)濟產(chǎn)生負面影響。這也說明，在高利率環(huán)境下，金融不確定性正向沖擊對經(jīng)濟系統(tǒng)具有負效應；而在低利率環(huán)境下，金融不確定性正向沖擊對經(jīng)濟系統(tǒng)的負效應有所緩解，甚至出現(xiàn)正效應。

圖4：金融不確定性沖擊對工業(yè)增加值的脈沖響應函數(shù)

綜上，因為我國的低利率環(huán)境與國外的零利率下限有所不同，我國的低利率并不是一個下限，可以把它看成是一種貨幣政策環(huán)境，屬于一種較為特殊的利率狀態(tài)。在正常時期，貨幣政策在抵消不確定性沖擊的負面影響方面發(fā)揮著關鍵作用；當零利率下限約束存在，即就算是實施擴張性貨幣政策也不能再發(fā)揮其通常的穩(wěn)定功能時，那么更高的不確定性就會產(chǎn)生更多的負面影響，即零利率下限約束的存在放大了不確定性沖擊對經(jīng)濟系統(tǒng)的負效應。簡而言之，標準的貨幣政策規(guī)則表明，在沒有零利率下限約束時，中央銀行通常通過降低名義政策利率來抵消不確定性增加的影響；但如果貨幣當局被名義利率的零利率下限約束，不確定性的增加對經(jīng)濟有更大的負面影響。

圖5 給出了金融不確定性沖擊對CPI 的脈沖響應函數(shù)。從理論上來說，不確定性沖擊對物價變動的影響主要取決于它是供給端沖擊還是需求端沖擊。當不確定性沖擊主要是總需求沖擊（即總需求減少）時，它會導致通貨緊縮（Christiano 等，2014）；但如果不確定性沖擊是影響企業(yè)的邊際成本和企業(yè)面臨的市場需求的總供給沖擊，這種不確定性沖擊就會引起通貨膨脹（Fernández-Villaverde等，2015）。在高利率區(qū)制時，金融不確定性正向沖擊對CPI 的脈沖響應函數(shù)一直為正數(shù)，初始值低于0.5，最后收斂于零，即在高利率區(qū)制時，金融不確定性增加使得CPI 上升即通貨膨脹。因此，在高利率區(qū)制時，金融不確定性沖擊是總供給沖擊。因為當利率很高時，企業(yè)的邊際成本大幅上漲，且這種總供給沖擊使得CPI 上升的影響大于緊縮的貨幣政策所引致的CPI 下降的影響。在低利率區(qū)制時，金融不確定性正向沖擊對CPI 的脈沖響應函數(shù)一直為負數(shù)，初始值大于-0.5，即在低利率區(qū)制時，金融不確定性增加使得CPI 下降即通貨緊縮。因此，在低利率區(qū)制時，金融不確定性沖擊是總需求沖擊，且這種總需求沖擊使得CPI 下降的影響大于寬松的貨幣政策所引致的CPI上升的影響。

圖5：金融不確定性沖擊對CPI的脈沖響應函數(shù)

五、主要結論和政策建議

本文使用GARCH 模型測算了我國金融不確定性指數(shù)，并使用STVAR 模型測度了低利率環(huán)境下金融不確定性的產(chǎn)出效應。研究發(fā)現(xiàn)，本文使用GARCH（1，1）模型測度的金融不確定性指數(shù)與我國實際經(jīng)濟狀況比較吻合。在測度樣本范圍內(nèi)，金融不確定性指數(shù)在1997年、2008年、2015年左右的3 個時間段比較大，分別與1997年亞洲金融風暴、2008年全球金融危機和2015年股災等大型金融危機事件暴發(fā)的時間段相吻合。此外，公共衛(wèi)生事件對金融不確定性的影響較小，只有在出現(xiàn)金融危機事件時，金融不確定性指數(shù)才會大幅度上漲。

基于STVAR 計量模型實證分析，得到以下四點結論：首先，在高利率環(huán)境下，金融不確定性增大會使得消費減少、投資減少、工業(yè)增加值減少和CPI 上漲，說明在高利率環(huán)境下，金融不確定性沖擊對經(jīng)濟系統(tǒng)有顯著的負效應。其次，在低利率環(huán)境下，金融不確定性增大會導致消費增加、投資增加、工業(yè)增加值增加和CPI 下降，說明在低利率環(huán)境下，金融不確定性沖擊對經(jīng)濟系統(tǒng)有顯著的正效應。再次，高利率環(huán)境下與低利率環(huán)境下的實證結果相對比可知，低利率環(huán)境不僅使得金融不確定性對經(jīng)濟系統(tǒng)的負效應減弱，甚至使得金融不確定性對經(jīng)濟系統(tǒng)的效應變?yōu)檎?。在沒有零利率下限約束時，中央銀行通常通過降低名義政策利率來抵消不確定性增加的影響；但如果存在名義利率的零利率下限約束，不確定性增加對經(jīng)濟有更大的負面影響。最后，在高利率區(qū)制時，金融不確定性沖擊是總供給沖擊；在低利率區(qū)制時，金融不確定性沖擊是總需求沖擊。

鑒于以上發(fā)現(xiàn)，提出以下三點政策建議：

第一，由于零利率下限約束會放大不確定性沖擊對經(jīng)濟系統(tǒng)的負效應，并且“流動性陷阱”的存在會大大降低貨幣政策的有效性，因此，要盡量避免出現(xiàn)零利率下限約束以及“流動性陷阱”，為貨幣政策操作預留充足的調(diào)控空間。我國利率持續(xù)走低，并預期進入低利率環(huán)境，考慮到低利率環(huán)境下金融不確定性沖擊對經(jīng)濟系統(tǒng)有顯著的正效應，中央銀行應及時把握住低利率環(huán)境機遇，財政政策和貨幣政策相互配合，穩(wěn)扎穩(wěn)打、穩(wěn)中求進，進一步提振宏觀經(jīng)濟并保持平穩(wěn)健康的經(jīng)濟環(huán)境。

第二，部分經(jīng)濟體超低利率政策或者負利率政策的實際效果不好，表明我國中央銀行貨幣政策不僅要提質(zhì)增效，努力為貨幣政策操作預留充足的調(diào)控空間，而且要充分考慮到進入零利率下限約束后可能出現(xiàn)的負面影響。盡管本文研究結論表明在低利率環(huán)境下，金融不確定性增大會導致消費增加、投資增加、工業(yè)增加值增加和CPI 下降，即金融不確定性沖擊對經(jīng)濟系統(tǒng)有顯著的正效應，但是依舊需要對低利率環(huán)境經(jīng)濟給予充分重視，準確把握導致利率持續(xù)走低的主要動力因素，研究在低利率環(huán)境下貨幣政策如何提質(zhì)增效以及財政與貨幣政策協(xié)調(diào)聯(lián)動的調(diào)控模式。

第三，考慮到在高利率時期和低利率時期，金融不確定性對經(jīng)濟系統(tǒng)的影響效應差異，一方面，要對實體經(jīng)濟和金融市場以及它們之中的不確定性因素充分關注，嚴防經(jīng)濟與金融風險相互傳導，準確把握我國經(jīng)濟金融實際運行狀況，及時與市場主體溝通，讓市場主體充分理解政策意圖，加強市場主體預期管理；另一方面，應將金融市場穩(wěn)定作為政策調(diào)控目標，加強金融風險監(jiān)控，積極引導市場主體預期朝政府政策方向靠攏，完善金融系統(tǒng)建設，讓金融市場更好地支持實體經(jīng)濟發(fā)展。

②STVAR 模型的滯后階數(shù)是根據(jù)AIC 和BIC 準則選擇滯后四階的，限于篇幅，相關滯后階數(shù)檢驗結果不再呈現(xiàn)，作者備索。

③本文所有脈沖響應函數(shù)結果的左側是低利率區(qū)制的脈沖響應函數(shù)，右側是高利率區(qū)制的脈沖響應函數(shù)。

④本文所有脈沖響應函數(shù)結果的淺灰色區(qū)域都是非線性模型估計結果的置信水平為68%的置信區(qū)間。

⑤本文所有脈沖響應函數(shù)結果的深灰色區(qū)域都是線性模型估計結果的置信水平為68%的置信區(qū)間。