隋建利 呂文強(qiáng) 劉金全

一、引言

近年來(lái)，伴隨著中美貿(mào)易摩擦、新冠肺炎疫情等一系列極端風(fēng)險(xiǎn)事件的發(fā)生，中國(guó)經(jīng)濟(jì)穩(wěn)增長(zhǎng)壓力日益增加。國(guó)家統(tǒng)計(jì)局發(fā)布的數(shù)據(jù)顯示，2023 年第三季度中國(guó)GDP 同比增長(zhǎng)4.9%，增速較2023 年第二季度回落1.4%，意味著現(xiàn)階段中國(guó)經(jīng)濟(jì)的增長(zhǎng)壓力及增長(zhǎng)風(fēng)險(xiǎn)仍在進(jìn)一步上升。面對(duì)世界經(jīng)濟(jì)復(fù)蘇緩慢、全球疫情持續(xù)演變、外部環(huán)境紛繁復(fù)雜的現(xiàn)實(shí)，如何抵御風(fēng)險(xiǎn)的滲透沖擊，保持經(jīng)濟(jì)平穩(wěn)健康的發(fā)展態(tài)勢(shì)，關(guān)乎當(dāng)下的國(guó)計(jì)民生。2023 年《政府工作報(bào)告》明確指出，目前中國(guó)經(jīng)濟(jì)正面臨需求收縮、供給沖擊、預(yù)期轉(zhuǎn)弱“三重壓力” 的嚴(yán)峻形勢(shì)，必須正視外部與內(nèi)部不確定性的交織，在不確定性中謀求確定性，從而有效應(yīng)對(duì)各種風(fēng)險(xiǎn)挑戰(zhàn)，保持經(jīng)濟(jì)在合理區(qū)間運(yùn)行。2023 年12 月，習(xí)近平總書(shū)記在中央經(jīng)濟(jì)工作會(huì)議上再次強(qiáng)調(diào)，要以經(jīng)濟(jì)安全為基礎(chǔ)，堅(jiān)持“穩(wěn)” 字當(dāng)頭、穩(wěn)中求進(jìn)的工作總基調(diào)，著力防范和化解重大經(jīng)濟(jì)風(fēng)險(xiǎn)，進(jìn)而實(shí)現(xiàn)“穩(wěn)增長(zhǎng)” 與“防風(fēng)險(xiǎn)” 的雙重目標(biāo)?？梢钥闯觯嘘P(guān)不確定性與經(jīng)濟(jì)風(fēng)險(xiǎn)之間關(guān)系的討論，已然成為國(guó)家和政府各部門(mén)關(guān)注的重要議題。在此背景下，探究不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的潛在影響，對(duì)于深入貫徹黨的二十大精神，強(qiáng)化風(fēng)險(xiǎn)監(jiān)管與預(yù)期管理，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展與高水平安全良性互動(dòng)，實(shí)現(xiàn)中國(guó)式現(xiàn)代化具有重要的指導(dǎo)意義。

不確定性能夠?qū)?jīng)濟(jì)主體的投資與消費(fèi)決策產(chǎn)生重要影響，繼而與經(jīng)濟(jì)增長(zhǎng)存在顯著關(guān)聯(lián)(Bloom 等，2018)，因此不少研究聚焦于探索不確定性影響經(jīng)濟(jì)增長(zhǎng)的理論機(jī)制。其中，不確定性對(duì)經(jīng)濟(jì)增長(zhǎng)的傳導(dǎo)途徑存在四種不同的理論邏輯，分別為具有促進(jìn)作用的Hartman-Abel 效應(yīng)理論和增長(zhǎng)期權(quán)理論，以及具有抑制作用的實(shí)物期權(quán)理論和風(fēng)險(xiǎn)規(guī)避理論。具體而言，Hartman-Abel 效應(yīng)理論是指，在企業(yè)能夠根據(jù)經(jīng)濟(jì)形勢(shì)靈活調(diào)整生產(chǎn)規(guī)模的情況下，伴隨著不確定性的升高，企業(yè)會(huì)更加關(guān)注隨之而來(lái)的投資機(jī)會(huì)與潛在利潤(rùn)，這使得企業(yè)的期望邊際收益得以增加，從而對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生積極影響(Hartman，2006)。增長(zhǎng)期權(quán)理論是指，未來(lái)前景不確定性使得企業(yè)為了實(shí)現(xiàn)長(zhǎng)期生產(chǎn)經(jīng)營(yíng)，不斷加大研發(fā)投入，以期保證產(chǎn)品或服務(wù)的持續(xù)創(chuàng)新，這可視為增長(zhǎng)期權(quán)的積累過(guò)程，可以為企業(yè)帶來(lái)較高的預(yù)期利潤(rùn)，進(jìn)而促進(jìn)經(jīng)濟(jì)增長(zhǎng)(Smit 等，2017；顧夏銘等，2018)。實(shí)物期權(quán)理論是指，經(jīng)濟(jì)主體的投資與消費(fèi)機(jī)會(huì)可被視作一系列實(shí)物期權(quán)，不確定性的增加會(huì)使經(jīng)濟(jì)主體看跌期權(quán)價(jià)值，從而延遲投資與消費(fèi)，最終引致經(jīng)濟(jì)增速下降(劉貫春等，2022)。風(fēng)險(xiǎn)規(guī)避理論是指，對(duì)于投資者而言，不確定性使得投資者要求更高的風(fēng)險(xiǎn)補(bǔ)償，導(dǎo)致企業(yè)融資約束及成本提高，進(jìn)而引發(fā)金融市場(chǎng)收緊(Lhuissier 和Tripier，2021；Di Maggio 等，2022；譚小芬等，2022)；對(duì)于消費(fèi)者而言，不確定性能夠誘發(fā)消費(fèi)者的預(yù)防性儲(chǔ)蓄和風(fēng)險(xiǎn)厭惡偏好，降低消費(fèi)者投資、消費(fèi)意愿，繼而抑制經(jīng)濟(jì)增長(zhǎng)(Mumtaz 和Theodoridis，2018；Angelini 等，2019)。然而，盡管上述理論研究成果豐碩，但是都無(wú)一例外地將不確定性視為獨(dú)立于經(jīng)濟(jì)主體的外生變量，鮮有研究從企業(yè)行為等微觀視角出發(fā)，探究經(jīng)濟(jì)系統(tǒng)中不確定性的生成機(jī)制，以及其影響經(jīng)濟(jì)增長(zhǎng)的微觀機(jī)理。

在探究不確定性影響經(jīng)濟(jì)增長(zhǎng)的相關(guān)研究中，不確定性指標(biāo)的選取至關(guān)重要。部分學(xué)者通過(guò)計(jì)算單一宏觀變量的波動(dòng)性來(lái)衡量不確定性，例如采用股票市場(chǎng)指數(shù)、通貨膨脹以及GDP 等變量的波動(dòng)率作為經(jīng)濟(jì)不確定性的代理指標(biāo)(Chen 等，2020；王曉宇和楊云紅，2021)。盡管計(jì)算簡(jiǎn)單方便，但是基于波動(dòng)性的測(cè)度方法沒(méi)有剔除宏觀變量的可預(yù)期成分，這與不確定性的本質(zhì)，即經(jīng)濟(jì)系統(tǒng)中無(wú)法預(yù)期的部分并不相符。為了克服上述局限，國(guó)內(nèi)外學(xué)者從不確定性的定義出發(fā)，利用GARCH 以及VAR 族等計(jì)量模型對(duì)宏觀變量的預(yù)測(cè)誤差進(jìn)行估計(jì)，并將預(yù)測(cè)誤差作為不確定性的代理指標(biāo)。具體地，已有研究使用股票收益率、利率以及工業(yè)增加值等變量的條件波動(dòng)率來(lái)反映不確定性水平(王義中和宋敏，2014；Scotti，2016)。盡管預(yù)測(cè)誤差能夠充分體現(xiàn)不確定性中的“非預(yù)期性”，但是具體的預(yù)測(cè)誤差可能過(guò)度依賴于特定的經(jīng)濟(jì)指標(biāo)，因此這種度量方式難以表征經(jīng)濟(jì)系統(tǒng)整體的不確定性水平。有鑒于此，Jurado 等(2015)基于高維因子模型對(duì)大規(guī)模經(jīng)濟(jì)變量的非預(yù)期條件波動(dòng)率進(jìn)行估計(jì)，并測(cè)度經(jīng)濟(jì)系統(tǒng)中不可預(yù)測(cè)成分的共同波動(dòng)，即經(jīng)濟(jì)不確定性。此后，相關(guān)研究運(yùn)用高維因子模型分別衡量了中國(guó)的經(jīng)濟(jì)不確定性水平(Huang 等，2018；趙文佳和梁燚焱，2020)與金融不確定性水平(黃卓等，2018)。然而，通過(guò)梳理能夠發(fā)現(xiàn)，已有研究多聚焦于經(jīng)濟(jì)不確定性的度量，而對(duì)金融不確定性的測(cè)度分析明顯偏少。事實(shí)上，無(wú)論是就產(chǎn)生機(jī)理、波動(dòng)特征還是經(jīng)濟(jì)效應(yīng)而言，經(jīng)濟(jì)不確定性與金融不確定性都存在著顯著差異(Alessandri 和Mumtaz，2019；Ludvigson 等，2021)，但是，國(guó)內(nèi)文獻(xiàn)目前對(duì)此明顯探究不足。

隨著不確定性對(duì)宏觀經(jīng)濟(jì)的影響日趨復(fù)雜，基于不同視角探究不確定性影響經(jīng)濟(jì)增長(zhǎng)的實(shí)證研究不斷涌現(xiàn)。國(guó)內(nèi)外學(xué)者運(yùn)用傳統(tǒng)計(jì)量模型以及動(dòng)態(tài)隨機(jī)一般均衡(DSGE)模型等方法，分析了不確定性對(duì)經(jīng)濟(jì)增長(zhǎng)的沖擊效應(yīng)。結(jié)果發(fā)現(xiàn)，不確定性對(duì)實(shí)體經(jīng)濟(jì)表現(xiàn)出明顯的逆周期性，能夠?qū)?jīng)濟(jì)增速產(chǎn)生顯著的負(fù)向影響(Hristov 和Roth，2022；王博和徐飄洋，2022)。然而，相關(guān)研究均是從點(diǎn)估計(jì)的視角出發(fā)，在本質(zhì)上揭示的是不確定性對(duì)經(jīng)濟(jì)增長(zhǎng)“期望值” 的影響，而忽略了從區(qū)間估計(jì)的視角探究不確定性對(duì)經(jīng)濟(jì)增長(zhǎng)“風(fēng)險(xiǎn)值” 的潛在影響。事實(shí)上，伴隨著外部環(huán)境的深刻變化，全球經(jīng)濟(jì)形勢(shì)愈加復(fù)雜。在此背景下，刻畫(huà)不同風(fēng)險(xiǎn)水平下經(jīng)濟(jì)增長(zhǎng)的運(yùn)行狀況，揭示經(jīng)濟(jì)增長(zhǎng)的潛在風(fēng)險(xiǎn)變得極為重要。有鑒于此，國(guó)際貨幣基金組織(IMF)根據(jù)在險(xiǎn)價(jià)值(value at risk，VaR)的概念提出了在險(xiǎn)增長(zhǎng)(growth at risk，GaR)，即將經(jīng)濟(jì)增長(zhǎng)視為一種概率分布形式，并利用相應(yīng)的條件變量來(lái)預(yù)測(cè)未來(lái)經(jīng)濟(jì)增長(zhǎng)的概率分布曲線，旨在衡量宏觀金融形勢(shì)對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的潛在影響(IMF，2017)。Adrian 等(2019)從經(jīng)濟(jì)增長(zhǎng)概率分布出發(fā)，運(yùn)用條件分位數(shù)回歸模型，分析了經(jīng)濟(jì)和金融狀況對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的相關(guān)影響。隨后，國(guó)外學(xué)者基于概率分布的視角，探究了不同宏觀變量對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的影響作用(Adams 等，2021；Jovanovic 和Ma，2022)。反觀國(guó)內(nèi)的研究領(lǐng)域，目前僅有張曉晶和劉磊(2020)從概率分布的視角，探討了金融風(fēng)險(xiǎn)對(duì)經(jīng)濟(jì)增長(zhǎng)特定“風(fēng)險(xiǎn)值” 的影響，而現(xiàn)有文獻(xiàn)缺乏對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的系統(tǒng)性分析，亦缺少探究不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的影響研究。

通過(guò)梳理已有文獻(xiàn)能夠發(fā)現(xiàn)，現(xiàn)有研究仍存在一定的局限性。首先，以往研究大多將不確定性視為獨(dú)立于經(jīng)濟(jì)系統(tǒng)的外生沖擊，未能從經(jīng)濟(jì)主體層面探究不確定性的生成機(jī)制，因而無(wú)法將不確定性與經(jīng)濟(jì)增長(zhǎng)置于統(tǒng)一的內(nèi)生框架分析其內(nèi)在機(jī)理。其次，已有研究多采用經(jīng)濟(jì)不確定性及其代理指標(biāo)檢驗(yàn)不確定性的經(jīng)濟(jì)效應(yīng)，鮮有文獻(xiàn)在大數(shù)據(jù)估計(jì)的基礎(chǔ)上，基于中國(guó)經(jīng)濟(jì)不確定性與金融不確定性的分離測(cè)度視角，探究其對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的異質(zhì)性影響。最后，既有研究多基于傳統(tǒng)計(jì)量模型展開(kāi)，從點(diǎn)估計(jì)的視角出發(fā)，分析不確定性對(duì)經(jīng)濟(jì)增長(zhǎng)“期望值” 的沖擊效應(yīng)，鮮有研究基于區(qū)間估計(jì)的視角，將經(jīng)濟(jì)增長(zhǎng)視作一種概率分布形式，探究不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的潛在影響。

鑒于上述分析，本文具有如下可能的創(chuàng)新:第一，提出內(nèi)生不確定性的概念，并將經(jīng)濟(jì)增長(zhǎng)視為一種概率分布形式，基于不確定性與經(jīng)濟(jì)增長(zhǎng)的統(tǒng)一分析框架，闡明不確定性影響預(yù)期經(jīng)濟(jì)增速分布的理論機(jī)制。第二，基于高維因子模型，構(gòu)建中國(guó)經(jīng)濟(jì)不確定性與金融不確定性指數(shù)，進(jìn)而辨析經(jīng)濟(jì)不確定性與金融不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的異質(zhì)性影響。第三，運(yùn)用條件分位數(shù)回歸模型，分別將經(jīng)濟(jì)不確定性與金融不確定性作為預(yù)期經(jīng)濟(jì)增速分布的條件變量，繼而通過(guò)在險(xiǎn)增長(zhǎng)、相對(duì)熵值以及期望損失等模型，揭示不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性特征。第四，基于理論模型與經(jīng)驗(yàn)事實(shí)的綜合分析，探究不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的時(shí)變沖擊效應(yīng)，刻畫(huà)不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的驅(qū)動(dòng)機(jī)制。因此，本文研究具有如下的貢獻(xiàn)與價(jià)值:在理論意義層面，引入內(nèi)生不確定性概念以及經(jīng)濟(jì)增長(zhǎng)的概率分布形式，豐富不確定性影響經(jīng)濟(jì)增長(zhǎng)的微觀理論基礎(chǔ)，拓寬相關(guān)領(lǐng)域的研究視角和研究思路；在現(xiàn)實(shí)意義層面，分離構(gòu)建并探究經(jīng)濟(jì)不確定性與金融不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的潛在影響，不僅有助于中國(guó)應(yīng)對(duì)“三重壓力”，防范和化解重大經(jīng)濟(jì)金融風(fēng)險(xiǎn)，保障經(jīng)濟(jì)運(yùn)行在合理區(qū)間，而且能夠?yàn)橹袊?guó)各部門(mén)推出有利于經(jīng)濟(jì)穩(wěn)定的政策提供重要的理論依據(jù)與經(jīng)驗(yàn)支持。

二、理論模型

為了從理論上刻畫(huà)不確定性的產(chǎn)生及其對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，本文參考Jovanovic 和Ma(2022)，將不確定性與經(jīng)濟(jì)增長(zhǎng)置于統(tǒng)一框架下，構(gòu)建涵括內(nèi)生不確定性的經(jīng)濟(jì)增長(zhǎng)模型。其中，理論模型具有一個(gè)重要特征，即不確定性與經(jīng)濟(jì)增長(zhǎng)均為內(nèi)生變量，不確定性來(lái)源于經(jīng)濟(jì)系統(tǒng)中技術(shù)水平的更新過(guò)程。

(一)代表性廠商

考慮一個(gè)具有消費(fèi)偏好的代表性廠商，其目標(biāo)是最大化終生效用，目標(biāo)函數(shù)可表示為:

在此，E0代表期望算子；β為跨期貼現(xiàn)率，以反映未來(lái)效用與當(dāng)期效用之間的替代彈性；ct表示廠商在第t期的實(shí)際消費(fèi)。假定廠商只生產(chǎn)一種商品，產(chǎn)出水平取決于技術(shù)水平A和技能組合h。其中，技能組合在本質(zhì)上強(qiáng)調(diào)的是技術(shù)水平與投入要素(包括勞動(dòng)和資本投入)之間的匹配程度，匹配程度越高，技能組合越優(yōu)，產(chǎn)出水平越高。因此，潛在產(chǎn)出yp能夠表示為:

其中，sA表示與技術(shù)水平A相匹配的最優(yōu)技能組合，具體表示能夠在技術(shù)水平A下實(shí)現(xiàn)最大產(chǎn)出的技能組合。λ代表懲罰系數(shù)，h′為當(dāng)期技術(shù)水平的實(shí)際技能組合，λ(sAh′)2/2 刻畫(huà)了廠商實(shí)際技能組合與最優(yōu)技能組合間存在的“技能缺口” 導(dǎo)致的損耗產(chǎn)出。廠商能夠選擇以x(x≥0)的速度提高其技術(shù)水平，從當(dāng)期的技術(shù)水平A開(kāi)始，下一期的技術(shù)水平A′可以表示為:

在此，考慮到更新后的技術(shù)水平與廠商現(xiàn)有投入要素的稟賦匹配程度是不可預(yù)測(cè)的，即更新后的新技術(shù)與先前投入要素的匹配程度既可能升高又可能降低，并且只有在廠商采用新技術(shù)之后，技術(shù)對(duì)投入要素的需求才會(huì)清晰展現(xiàn)。因此，本文假定更新的技術(shù)水平A′對(duì)最優(yōu)技能組合的影響是隨機(jī)的，即sA′服從隨機(jī)游走分布:

其中，ε～F(ε)，服從均值為0、方差為σ2的獨(dú)立同分布。廠商在觀察到ε前選擇是否更新技術(shù)，一旦更新到技術(shù)水平A′，廠商就無(wú)法再采用上一期的技術(shù)水平A。因此，假定廠商以技能組合h開(kāi)始進(jìn)行生產(chǎn)，進(jìn)一步地，廠商可以選擇調(diào)整技能組合至h′。在此過(guò)程中，h′＝h＋Δ，假定廠商更新技術(shù)水平以及技能組合存在投入成本C(yp，Δ)，并且投入成本與潛在產(chǎn)出水平以及更新技能組合的變化幅度密切相關(guān)，其能夠表示為:

因此，廠商的凈產(chǎn)出可以表示為:

其中，u＝SA－h(huán)是最優(yōu)技能組合與實(shí)際技能組合之間的差值(以下簡(jiǎn)稱“技能缺口”)。

(二)內(nèi)生不確定性

廠商的狀態(tài)可以利用技能缺口u與技術(shù)水平A表示，廠商的決策為(x，Δ)。此外，廠商沒(méi)有任何形式的資產(chǎn)，其消費(fèi)與產(chǎn)出水平相等。因此，廠商的最優(yōu)動(dòng)態(tài)方程為:

進(jìn)一步地，可以得到:

并且，φ＝(λα2＋θ(1－α)2)/2。

廠商以不變速度x更新技術(shù)水平，其中，更新技術(shù)水平與技能組合的直接成本Δ與當(dāng)期的技能缺口u成正比。根據(jù)式(4)，技能缺口u服從AR(1)過(guò)程:

由于廠商的狀態(tài)可以利用技能缺口u與技術(shù)水平A表示，廠商的決策為(x，Δ)。對(duì)于技能缺口u＝sA－h(huán)而言，最優(yōu)技能組合sA的變化取決于廠商決策x，而實(shí)際技能組合h則取決于廠商選擇的投入成本決策Δ。能夠發(fā)現(xiàn)，技能缺口u是經(jīng)濟(jì)系統(tǒng)中的內(nèi)生變量。因此，本文利用內(nèi)生技能缺口u的方差對(duì)不確定性進(jìn)行刻畫(huà)。由于α介于0 至1 之間，技能缺口ut是平穩(wěn)的，其方差為:

其中，式(13)中的第三個(gè)等式由式(8)推導(dǎo)得到。直觀而言，σ減小能夠?qū)е聏增加，使得廠商技術(shù)水平的更新速度加快。同時(shí)，技術(shù)更新加速會(huì)導(dǎo)致技能組合SA′更加難以預(yù)測(cè)，從而致使技能缺口的方差增加。需要注意的是，正是由于廠商的行為，尤其是廠商更新技術(shù)的投資決策(x，Δ)，使得技能缺口存在波動(dòng)，進(jìn)而導(dǎo)致經(jīng)濟(jì)運(yùn)行產(chǎn)生相應(yīng)的不確定性。不難發(fā)現(xiàn)，不確定性來(lái)源于經(jīng)濟(jì)系統(tǒng)內(nèi)部廠商的技術(shù)更迭。進(jìn)一步地，考慮將經(jīng)濟(jì)中的代表性廠商擴(kuò)展為無(wú)限個(gè)，全部廠商起始時(shí)都處于相同狀態(tài)(u，A)，假定所有廠商都進(jìn)行相同決策，均衡將完全對(duì)稱，此時(shí)經(jīng)濟(jì)中只存在總體風(fēng)險(xiǎn)。而在每個(gè)時(shí)點(diǎn)上，對(duì)于全部廠商而言，x的選擇和ε的觀測(cè)值將完全一致，調(diào)整技能組合h將無(wú)法使其獲利。

(三)預(yù)期經(jīng)濟(jì)增速分布

假定C(yp，Δ)完全由技術(shù)水平與技能組合調(diào)整引致的產(chǎn)出損耗構(gòu)成，能夠得到總產(chǎn)出的對(duì)數(shù)值:

其中，φ＝(λα2＋θ(1－α)2)/2。式(14)表明，產(chǎn)出水平取決于常數(shù)項(xiàng)A0、時(shí)間趨勢(shì)項(xiàng)t以及技能缺口。因此，本文可以利用包含常數(shù)項(xiàng)和時(shí)間趨勢(shì)項(xiàng)的回歸模型估計(jì)lnyt。式(14)中，技能缺口的平方項(xiàng)可以解釋為預(yù)測(cè)誤差。由于ut是平穩(wěn)的，因此lnyt同樣趨勢(shì)平穩(wěn)，其趨勢(shì)為產(chǎn)出水平的長(zhǎng)期增長(zhǎng)率x。進(jìn)一步地，經(jīng)濟(jì)增長(zhǎng)可以表示為:

式(15)表明，經(jīng)濟(jì)增長(zhǎng)不僅取決于技術(shù)水平的更新速度x，而且還會(huì)受到技能缺口平方項(xiàng)變動(dòng)的影響。不難發(fā)現(xiàn)，技能缺口的減小能夠促進(jìn)經(jīng)濟(jì)增長(zhǎng)，然而，調(diào)整技能組合需要付出成本，特別是當(dāng)下一期的技能組合出現(xiàn)意外降低時(shí)，產(chǎn)出水平將明顯下降。因此可以推斷，當(dāng)參數(shù)θ較大時(shí)，經(jīng)濟(jì)增速分布具有負(fù)向偏斜傾向。具體地，在初始產(chǎn)出水平y(tǒng)0與技術(shù)水平A0的條件下，εt服從正態(tài)分布N(0，σ2)，預(yù)期經(jīng)濟(jì)增速分布gt可以表示為:

其中，ξt～N(0，1)，并且考慮到φ>0，ξt服從正態(tài)分布，服從自由度為1的卡方分布，因此，預(yù)期經(jīng)濟(jì)增速分布gt負(fù)向偏斜，并且服從非中心化的卡方分布。本文使用非中心化卡方分布中不同分位數(shù)的估計(jì)值，能夠得到預(yù)期經(jīng)濟(jì)增速分布的相關(guān)表達(dá)式，具體包括5%分位數(shù)的預(yù)期經(jīng)濟(jì)增速χt、預(yù)期經(jīng)濟(jì)增速均值E(gt＋1)、預(yù)期經(jīng)濟(jì)增速波動(dòng)率V(gt＋1)以及預(yù)期經(jīng)濟(jì)增速分布的4 分位距IQR(gt＋1)。需要說(shuō)明的是，遵循Adrian 等(2019)，本文將t期的在險(xiǎn)經(jīng)濟(jì)增長(zhǎng)率χt定義為t＋1 期預(yù)期經(jīng)濟(jì)增速分布的下5%分位數(shù)(即5%分位數(shù)的預(yù)期經(jīng)濟(jì)增速)，以表征經(jīng)濟(jì)下行風(fēng)險(xiǎn)。因此，在均衡狀態(tài)下，預(yù)期經(jīng)濟(jì)增速的相關(guān)分布滿足:

因此，根據(jù)式(17)至式(20)可知，5%分位數(shù)和均值預(yù)期經(jīng)濟(jì)增速伴隨著不確定性的升高而下降，預(yù)期經(jīng)濟(jì)增速分布的波動(dòng)率和4 分位距則伴隨著不確定性的升高而增加，即:

當(dāng)時(shí)間趨于無(wú)窮時(shí)，即在長(zhǎng)期的預(yù)期經(jīng)濟(jì)增速分布gt中，經(jīng)濟(jì)增速不取決于初值u0，而是滿足:

其中，當(dāng)且僅當(dāng)α<1 時(shí)，上述預(yù)期經(jīng)濟(jì)增速的相關(guān)分布有界，能夠表示為:

lim

三、中國(guó)經(jīng)濟(jì)不確定性與金融不確定性的指數(shù)構(gòu)建

(一)不確定性指數(shù)的構(gòu)建方法

為構(gòu)建中國(guó)經(jīng)濟(jì)不確定性與金融不確定性指數(shù)，本文參考Jurado 等(2015)的研究，通過(guò)建立高維因子模型，實(shí)現(xiàn)對(duì)經(jīng)濟(jì)不確定性與金融不確定性水平的分離測(cè)度。具體而言，對(duì)于一個(gè)經(jīng)濟(jì)或金融變量序列yit，其未來(lái)n期的不確定性Uy jt(n)可以表示為只包含變量yit非預(yù)期成分的條件波動(dòng)率:

其中，yit∈Rt，F(xiàn)t，而Rt和Ft分別表示經(jīng)濟(jì)和金融層面的變量信息集，E[?｜It]表示基于t時(shí)期預(yù)測(cè)信息集It的條件期望。具體地，預(yù)測(cè)信息集It由Xt＝(X1t，…，XNt)構(gòu)成。因此，條件期望E[?｜It]和yit＋n的值可以通過(guò)高維因子模型和擴(kuò)散指數(shù)預(yù)測(cè)進(jìn)行估計(jì):

其中，Xit為預(yù)測(cè)信息集，ft為潛在的共同因子，表示系數(shù)矩陣，表示誤差項(xiàng)。對(duì)于式(29)而言，yjt為每個(gè)經(jīng)濟(jì)或金融變量序列。為了控制非線性效應(yīng)，模型中同時(shí)控制了共同因子ft的平方項(xiàng)kt，為預(yù)測(cè)誤差。以及(L)分別為滯后L期的系數(shù)矩陣的有限多項(xiàng)式，在此，本文選取滯后期L＝6 進(jìn)行估計(jì)。隨后，通過(guò)對(duì)經(jīng)濟(jì)變量和金融變量的非預(yù)期條件波動(dòng)率(n)進(jìn)行等權(quán)平均(wj＝1/Ny)加總，即可構(gòu)建經(jīng)濟(jì)不確定性指數(shù)和金融不確定性指數(shù):

根據(jù)上述內(nèi)容不難發(fā)現(xiàn)，不確定性指數(shù)的合成方法在考慮變量波動(dòng)時(shí)剔除了相應(yīng)的預(yù)期成分。事實(shí)上，這種測(cè)度方式與理論模型中不確定性τ的構(gòu)造(即“技能缺口” 的方差)在本質(zhì)上完全一致，進(jìn)而有效地實(shí)現(xiàn)了理論模型與實(shí)證數(shù)據(jù)的有機(jī)銜接。

(二)數(shù)據(jù)選擇與處理

對(duì)于經(jīng)濟(jì)不確定性與金融不確定性的測(cè)度，本文參考黃卓等(2018)以及趙文佳和梁燚焱(2020)的指標(biāo)構(gòu)成，選取90 維經(jīng)濟(jì)變量信息集(Rt)，170 維金融變量信息集(Ft)，以及291 維預(yù)測(cè)變量信息集(Xt)(見(jiàn)表1)。其中，預(yù)測(cè)變量信息除包括經(jīng)濟(jì)變量信息集和金融變量信息集外，還包括31 維經(jīng)濟(jì)政策變量信息集。本文所使用的變量選用2002 年1 月至2022 年9 月間的月度數(shù)據(jù)。不確定性指數(shù)的原始變量數(shù)據(jù)來(lái)源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)、Wind 數(shù)據(jù)庫(kù)以及銳思數(shù)據(jù)庫(kù)。

表1 中國(guó)經(jīng)濟(jì)不確定性與金融不確定性的指標(biāo)構(gòu)建

就數(shù)據(jù)處理而言，本文首先對(duì)上述291 維預(yù)測(cè)變量信息集中的274 維中國(guó)經(jīng)濟(jì)金融變量進(jìn)行了新年效應(yīng)處理，使得各變量從前一年12 月至當(dāng)年1 月的增長(zhǎng)率等于當(dāng)年1 月至2 月的增長(zhǎng)率。其次，對(duì)產(chǎn)出、消費(fèi)以及投資等具有趨勢(shì)性的變量進(jìn)行了物價(jià)平減和X－12 季節(jié)調(diào)整，消除了價(jià)格因素和季節(jié)因素。再次，為了滿足時(shí)間序列的平穩(wěn)性要求，本文基于單位根檢驗(yàn)結(jié)果，對(duì)非平穩(wěn)變量進(jìn)行一階差分處理后轉(zhuǎn)換為平穩(wěn)序列。最后，為了消除量綱的影響，本文對(duì)所有序列均進(jìn)行標(biāo)準(zhǔn)化處理。

(三)中國(guó)經(jīng)濟(jì)不確定性與金融不確定性的波動(dòng)態(tài)勢(shì)分析

在上述不確定性指數(shù)構(gòu)造方法的基礎(chǔ)上，考慮到隨著預(yù)測(cè)步長(zhǎng)的增加，不確定性的平均水平將逐漸提高，而其變異程度則將有所下降。因此，本文選取預(yù)測(cè)步長(zhǎng)n為6 期(即計(jì)算未來(lái)6 個(gè)月的不確定性指數(shù))，以此構(gòu)建中國(guó)經(jīng)濟(jì)不確定性與金融不確定性指數(shù)。需要說(shuō)明的是，為了探究不確定性與經(jīng)濟(jì)增長(zhǎng)的深層次關(guān)系，本文對(duì)月度頻率的不確定性指數(shù)進(jìn)行了加權(quán)處理，將其轉(zhuǎn)換為2002 年第一季度至2022 年第三季度的季度不確定性指數(shù)，結(jié)果如圖1 所示。

圖1 中國(guó)經(jīng)濟(jì)不確定性與金融不確定性指數(shù)

圖1 展示出中國(guó)經(jīng)濟(jì)不確定性與金融不確定性的時(shí)變動(dòng)態(tài)，總體而言，經(jīng)濟(jì)不確定性與金融不確定性的變動(dòng)趨勢(shì)較為一致。其中，不確定性自2002 年開(kāi)始持續(xù)降低，直至2006年附近接近波谷。隨后，不確定性日漸增加，于全球金融危機(jī)期間達(dá)到階段峰值。伴隨著金融危機(jī)的結(jié)束，不確定性逐漸下降，進(jìn)而長(zhǎng)期處于低水平的震蕩區(qū)間。2018 年伊始，受中美貿(mào)易摩擦深化影響，不確定性呈現(xiàn)出螺旋式上升趨勢(shì)。此后，疊加新冠肺炎疫情等極端風(fēng)險(xiǎn)事件，不確定性水平屢創(chuàng)新高。

此外，觀察經(jīng)濟(jì)不確定性與金融不確定性的演化軌跡不難發(fā)現(xiàn)，盡管二者的總體波動(dòng)趨勢(shì)十分相似，但具體的波動(dòng)過(guò)程不盡相同。例如，2015 年，受中國(guó)股票市場(chǎng)劇烈波動(dòng)影響，金融不確定性水平大幅上升，而同期基于實(shí)體經(jīng)濟(jì)層面的經(jīng)濟(jì)不確定性則無(wú)任何明顯波動(dòng)。進(jìn)一步地，比較二者的波動(dòng)特征還能夠發(fā)現(xiàn)，金融不確定性的波動(dòng)更為頻繁、劇烈，并且當(dāng)經(jīng)濟(jì)系統(tǒng)中的不確定性水平出現(xiàn)大幅波動(dòng)時(shí)，金融不確定性的變動(dòng)通常領(lǐng)先于經(jīng)濟(jì)不確定性。這意味著，相較于經(jīng)濟(jì)不確定性，金融不確定性能夠作為更好的經(jīng)濟(jì)預(yù)測(cè)先行指標(biāo)，更加敏銳地捕捉經(jīng)濟(jì)發(fā)展?fàn)顩r的階段性趨勢(shì)與動(dòng)向。

四、不確定性視閾下中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性識(shí)別

為了揭示預(yù)期經(jīng)濟(jì)增長(zhǎng)的時(shí)變運(yùn)行區(qū)間，識(shí)別不確定性視閾下中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)的波動(dòng)特征，進(jìn)而探究經(jīng)濟(jì)不確定性與金融不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的潛在影響，本文擬通過(guò)構(gòu)建基于不確定性條件的預(yù)期經(jīng)濟(jì)增速分布，從在險(xiǎn)增長(zhǎng)、相對(duì)熵值以及期望損失模型等多維視角，實(shí)現(xiàn)對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的有效識(shí)別與測(cè)度，刻畫(huà)不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性規(guī)律。

(一)基于在險(xiǎn)增長(zhǎng)模型的中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)識(shí)別

與衡量金融風(fēng)險(xiǎn)的在險(xiǎn)價(jià)值模型相類(lèi)似，在險(xiǎn)增長(zhǎng)模型旨在衡量未來(lái)經(jīng)濟(jì)增長(zhǎng)的風(fēng)險(xiǎn)值。具體地，在險(xiǎn)增長(zhǎng)采用經(jīng)濟(jì)增長(zhǎng)概率分布中分位數(shù)的值，即預(yù)期經(jīng)濟(jì)增速分布中不同分位數(shù)對(duì)應(yīng)的經(jīng)濟(jì)增速水平予以度量。不同風(fēng)險(xiǎn)概率下的在險(xiǎn)增長(zhǎng)水平(即不同分位數(shù)的預(yù)期經(jīng)濟(jì)增速水平)能夠反映不同的經(jīng)濟(jì)含義，進(jìn)而實(shí)現(xiàn)對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的有效測(cè)度。例如，5%分位數(shù)的預(yù)期經(jīng)濟(jì)增速為a，表示未來(lái)經(jīng)濟(jì)增速有5%的概率低于a，即有95%的概率高于a；同理，95%分位數(shù)的預(yù)期經(jīng)濟(jì)增速為b，表示未來(lái)經(jīng)濟(jì)增速有95%的概率低于b。因此，低分位數(shù)與高分位數(shù)的預(yù)期經(jīng)濟(jì)增速本質(zhì)上反映的是，在一定風(fēng)險(xiǎn)(置信)水平下，未來(lái)經(jīng)濟(jì)增速的下限值與上限值，即經(jīng)濟(jì)下行風(fēng)險(xiǎn)與經(jīng)濟(jì)上行風(fēng)險(xiǎn)。

為了估計(jì)基于不確定性條件的預(yù)期經(jīng)濟(jì)增速分布，通常需要進(jìn)行兩步計(jì)算。第一步是通過(guò)分位數(shù)回歸獲取一些重要分位點(diǎn)的回歸結(jié)果，即估計(jì)出預(yù)期經(jīng)濟(jì)增速分布的部分結(jié)果；第二步是將得到的部分回歸結(jié)果共同映射到偏態(tài)t分布中，進(jìn)而擬合形成完整的預(yù)期經(jīng)濟(jì)增速分布。因此，本文首先構(gòu)建如下條件分位數(shù)回歸模型:

其中，xt為解釋變量，包括常數(shù)項(xiàng)、當(dāng)期實(shí)際經(jīng)濟(jì)增速①本文選取2002 第一季度至2022 第三季度的GDP 同比實(shí)際增速作為當(dāng)期實(shí)際經(jīng)濟(jì)增速。(控制變量)以及不確定性指數(shù)。為辨析中國(guó)經(jīng)濟(jì)不確定性和金融不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布的異質(zhì)性影響，本文分別以經(jīng)濟(jì)不確定性和金融不確定性為條件變量構(gòu)建分位數(shù)回歸模型。yqt＋m為未來(lái)m期的預(yù)期經(jīng)濟(jì)增速，具體可劃分為不同的分位數(shù)q。δq為系數(shù)矩陣，其行和列分別表示不同分位數(shù)和不同解釋變量的回歸系數(shù)。m為預(yù)測(cè)期數(shù)，本文采用季度數(shù)據(jù)，選取預(yù)測(cè)期m＝4(即四個(gè)季度)，以期探究不確定性沖擊的潛在影響。在分位數(shù)回歸模型中，δq的估計(jì)值應(yīng)使得殘差的分位數(shù)加權(quán)絕對(duì)值最小:

其中，Π(?)為指示函數(shù)，若括號(hào)內(nèi)邏輯關(guān)系成立，指示函數(shù)為1，反之則為0。式(32)使得殘差絕對(duì)值能夠根據(jù)殘差項(xiàng)的大小被賦予不同權(quán)重。由此，可以得到xt對(duì)yt＋m的條件分位數(shù):

1.預(yù)期經(jīng)濟(jì)增速與不確定性的相關(guān)性檢驗(yàn)

為了直觀地刻畫(huà)不同分位數(shù)預(yù)期經(jīng)濟(jì)增速與不確定性的關(guān)系，本文初步描繪了預(yù)期經(jīng)濟(jì)增速與不確定性的散點(diǎn)圖。進(jìn)一步地，運(yùn)用條件分位數(shù)回歸模型分別擬合出5%、50% (即中位數(shù))以及95%分位數(shù)預(yù)期經(jīng)濟(jì)增速對(duì)不確定性的回歸擬合直線。此外，為了與不同分位數(shù)的擬合直線進(jìn)行對(duì)比，本文還刻畫(huà)了預(yù)期經(jīng)濟(jì)增速對(duì)不確定性的OLS 估計(jì)結(jié)果。其中，圖2 展示出預(yù)期經(jīng)濟(jì)增速與經(jīng)濟(jì)不確定性的散點(diǎn)圖，圖3 繪制出預(yù)期經(jīng)濟(jì)增速與金融不確定性的散點(diǎn)圖。

圖2 預(yù)期經(jīng)濟(jì)增速與經(jīng)濟(jì)不確定性散點(diǎn)圖

圖3 預(yù)期經(jīng)濟(jì)增速與金融不確定性散點(diǎn)圖

觀察圖2 與圖3 不難發(fā)現(xiàn)，一方面，預(yù)期經(jīng)濟(jì)增速對(duì)經(jīng)濟(jì)不確定性與金融不確定性的回歸擬合直線具有明顯的共性特征。具體而言，95%分位數(shù)預(yù)期經(jīng)濟(jì)增速的回歸斜率顯著為正，而5%分位數(shù)、中位數(shù)以及OLS 回歸的擬合斜率則顯著為負(fù)。這意味著，不同分位數(shù)預(yù)期經(jīng)濟(jì)增速與不確定性的相關(guān)關(guān)系明顯不同。其中，不確定性的升高使得高分位數(shù)的預(yù)期經(jīng)濟(jì)增速有所增加，同時(shí)引致低分位數(shù)的預(yù)期經(jīng)濟(jì)增速不斷下滑。另一方面，基于經(jīng)濟(jì)不確定性與金融不確定性的回歸擬合結(jié)果存在顯著的異質(zhì)性特征。從5%分位數(shù)、中位數(shù)以及95%分位數(shù)預(yù)期經(jīng)濟(jì)增速的回歸斜率來(lái)看，相較于金融不確定性，經(jīng)濟(jì)不確定性的影響相對(duì)更大。這表明，經(jīng)濟(jì)不確定性能夠更為顯著地升高預(yù)期經(jīng)濟(jì)增速的上限值，同時(shí)還可以更為明顯地降低預(yù)期經(jīng)濟(jì)增速的下限值。此外，從預(yù)期經(jīng)濟(jì)增速對(duì)不確定性的OLS 估計(jì)結(jié)果來(lái)看，經(jīng)濟(jì)不確定性的負(fù)向影響同樣更為顯著。因此，可以判斷，與金融不確定性相比，經(jīng)濟(jì)不確定性的經(jīng)濟(jì)效應(yīng)明顯較大，能夠造成更為劇烈的經(jīng)濟(jì)波動(dòng)。

2.預(yù)期經(jīng)濟(jì)增速的分位數(shù)回歸估計(jì)

根據(jù)條件分位數(shù)回歸模型，本文能夠進(jìn)一步估計(jì)出預(yù)期經(jīng)濟(jì)增速對(duì)當(dāng)期經(jīng)濟(jì)增速和不確定性的回歸系數(shù)。圖4 與圖5 分別展示出基于經(jīng)濟(jì)不確定性與金融不確定性條件的分位數(shù)回歸結(jié)果。具體而言，圖4(a)與圖5(a)描繪了當(dāng)期經(jīng)濟(jì)增速對(duì)預(yù)期經(jīng)濟(jì)增速的影響，圖4(b)與圖5(b)刻畫(huà)了不確定性對(duì)預(yù)期經(jīng)濟(jì)增速的影響。其中，X軸表示不同分位數(shù)，Y軸為分位數(shù)回歸的系數(shù)估計(jì)結(jié)果，OLS 估計(jì)值反映解釋變量對(duì)預(yù)期經(jīng)濟(jì)增速均值的回歸系數(shù)結(jié)果，深色陰影部分面積為系數(shù)估計(jì)結(jié)果的置信區(qū)間。①圖中陰影面積為零假設(shè)的95%置信區(qū)間，零假設(shè)假定不確定性與經(jīng)濟(jì)增長(zhǎng)之間符合線性關(guān)系。特別地，本文使用不確定性和實(shí)際經(jīng)濟(jì)增速的全樣本演化來(lái)估計(jì)具有四階滯后、高斯分布和一個(gè)常數(shù)的向量自回歸(VAR)，并利用1 000 個(gè)樣本進(jìn)行bootstrap 計(jì)算不同置信水平下的邊界。

圖4 基于經(jīng)濟(jì)不確定性條件的分位數(shù)回歸系數(shù)結(jié)果

圖5 基于金融不確定性條件的分位數(shù)回歸系數(shù)結(jié)果

觀察圖4(a)與圖5(a)中的樣本回歸系數(shù)能夠發(fā)現(xiàn)，無(wú)論是以經(jīng)濟(jì)不確定性還是金融不確定性為條件變量，當(dāng)期經(jīng)濟(jì)增速對(duì)不同分位數(shù)預(yù)期經(jīng)濟(jì)增速的影響均較為穩(wěn)定，始終圍繞在0.6 的回歸系數(shù)值附近。形成鮮明對(duì)比的是，根據(jù)圖4(b)與圖5(b)可知，低分位數(shù)至高分位數(shù)向上傾斜的回歸系數(shù)走勢(shì)表明，與高分位數(shù)的預(yù)期經(jīng)濟(jì)增速相比較，不確定性對(duì)低分位數(shù)預(yù)期經(jīng)濟(jì)增速具有更大的負(fù)向作用。這意味著，不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)具有明顯的非對(duì)稱性影響。其中，不確定性能夠?qū)ξ磥?lái)經(jīng)濟(jì)增速的下限值產(chǎn)生更為顯著的負(fù)向沖擊，從而引致更大的經(jīng)濟(jì)下行風(fēng)險(xiǎn)。

對(duì)比圖4(b)與圖5(b)的樣本回歸系數(shù)不難看出，經(jīng)濟(jì)不確定性對(duì)低分位數(shù)預(yù)期經(jīng)濟(jì)增速的回歸系數(shù)接近－4，約是金融不確定性影響系數(shù)的二倍。這表明，相較于金融不確定性，經(jīng)濟(jì)不確定性能夠?qū)ξ磥?lái)經(jīng)濟(jì)增速的下限值產(chǎn)生更強(qiáng)的驅(qū)動(dòng)力，致使經(jīng)濟(jì)潛存更大的下行風(fēng)險(xiǎn)。此外，從圖中的OLS 估計(jì)值來(lái)看，經(jīng)濟(jì)不確定性對(duì)預(yù)期經(jīng)濟(jì)增速均值的負(fù)向影響同樣更為劇烈。追根溯源，經(jīng)濟(jì)不確定性能夠通過(guò)實(shí)物期權(quán)效應(yīng)和風(fēng)險(xiǎn)規(guī)避效應(yīng)，對(duì)經(jīng)濟(jì)主體的投資與消費(fèi)意愿產(chǎn)生明顯的抑制作用，從而對(duì)宏觀基本面的投資、消費(fèi)、進(jìn)出口以及就業(yè)等方面造成顯著的負(fù)面沖擊，引致經(jīng)濟(jì)增速迅速下降。同時(shí)，經(jīng)濟(jì)增速的下降與經(jīng)濟(jì)不確定性的增加之間還存在著明顯的“自我強(qiáng)化” 機(jī)制，即經(jīng)濟(jì)不確定性的提高會(huì)導(dǎo)致經(jīng)濟(jì)增速的下降，而經(jīng)濟(jì)增速下降又會(huì)反過(guò)來(lái)進(jìn)一步推升經(jīng)濟(jì)不確定性，從而造成經(jīng)濟(jì)不確定性對(duì)經(jīng)濟(jì)增速的二次沖擊，由此加劇經(jīng)濟(jì)不確定性的負(fù)向影響。就金融不確定性對(duì)經(jīng)濟(jì)增速的影響而言，一方面，根據(jù)金融摩擦機(jī)制，金融不確定性能夠顯著降低金融部門(mén)的風(fēng)險(xiǎn)承擔(dān)能力以及風(fēng)險(xiǎn)承擔(dān)意愿，進(jìn)而通過(guò)融資風(fēng)險(xiǎn)溢價(jià)的波動(dòng)對(duì)信貸規(guī)模造成負(fù)向影響，沖擊企業(yè)層面的生產(chǎn)經(jīng)營(yíng)，最終導(dǎo)致經(jīng)濟(jì)活動(dòng)相應(yīng)收縮；另一方面，金融不確定性可以通過(guò)金融市場(chǎng)傳導(dǎo)至實(shí)體經(jīng)濟(jì)層面，推動(dòng)經(jīng)濟(jì)不確定性水平的提高，繼而間接影響經(jīng)濟(jì)增速變動(dòng)。因此，分析上述影響機(jī)制可以發(fā)現(xiàn)，經(jīng)濟(jì)不確定性與經(jīng)濟(jì)增速更為密切相關(guān)，能夠?qū)?jīng)濟(jì)增速產(chǎn)生更加顯著的負(fù)向沖擊。

3.基于在險(xiǎn)增長(zhǎng)模型的中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)走勢(shì)判斷

正如前文所述，不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)具有明顯的非對(duì)稱影響。那么，經(jīng)濟(jì)上行及下行風(fēng)險(xiǎn)是否會(huì)因此呈現(xiàn)出相似的非對(duì)稱性特征? 鑒于此，本文基于在險(xiǎn)增長(zhǎng)模型，在圖6 與圖7 中分別描繪經(jīng)濟(jì)不確定性與金融不確定性條件下預(yù)期經(jīng)濟(jì)增速的時(shí)變走勢(shì)，從而直觀地體現(xiàn)中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)的波動(dòng)路徑。圖中虛線(即陰影部分邊緣)從下至上分別刻畫(huà)了預(yù)期經(jīng)濟(jì)增速的條件5%、10%、25%、75%、90%以及95%分位數(shù)走勢(shì)，實(shí)線描繪了預(yù)期經(jīng)濟(jì)增速的條件中位數(shù)走勢(shì)。

圖6 經(jīng)濟(jì)不確定性條件下預(yù)期經(jīng)濟(jì)增速走勢(shì)

圖7 金融不確定性條件下預(yù)期經(jīng)濟(jì)增速走勢(shì)

觀察圖6 能夠發(fā)現(xiàn)，不同分位數(shù)預(yù)期經(jīng)濟(jì)增速的總體趨勢(shì)基本一致，但是波動(dòng)幅度明顯不同。具體而言，在全球金融危機(jī)以及新冠肺炎疫情期間，低分位數(shù)的預(yù)期經(jīng)濟(jì)增速出現(xiàn)了巨幅下跌，而高分位數(shù)預(yù)期經(jīng)濟(jì)增速則僅呈現(xiàn)相應(yīng)的微幅下降。此外，在中美貿(mào)易摩擦期間，低分位數(shù)的預(yù)期經(jīng)濟(jì)增速快速滑落至零水平附近，而高分位數(shù)的預(yù)期經(jīng)濟(jì)增速卻表現(xiàn)出較小幅度的上漲。從圖7 可以看出，金融不確定性與經(jīng)濟(jì)不確定性條件下的預(yù)期經(jīng)濟(jì)增速走勢(shì)總體上較為相似；不同的是，基于金融不確定性條件的預(yù)期經(jīng)濟(jì)增速除了在全球金融危機(jī)、中美貿(mào)易摩擦以及新冠肺炎疫情期間呈現(xiàn)顯著的非對(duì)稱波動(dòng)，還對(duì)2015 年的股市崩盤(pán)產(chǎn)生了明顯響應(yīng)。彼時(shí)，低分位數(shù)的預(yù)期經(jīng)濟(jì)增速大幅下降，接近金融危機(jī)時(shí)期的極低水平，而高分位數(shù)預(yù)期經(jīng)濟(jì)增速則表現(xiàn)出不同程度的意外上升。

綜觀圖6 與圖7 不難發(fā)現(xiàn)，預(yù)期經(jīng)濟(jì)增速分布走勢(shì)呈現(xiàn)出明顯的非對(duì)稱性特征，即低分位數(shù)的預(yù)期經(jīng)濟(jì)增速隨著時(shí)間的推移變動(dòng)異常劇烈，而高分位數(shù)的預(yù)期經(jīng)濟(jì)增速則相對(duì)平穩(wěn)，并且當(dāng)經(jīng)濟(jì)處于極端風(fēng)險(xiǎn)階段時(shí)，這種非對(duì)稱性特征更為明顯。事實(shí)上，這完全可以根據(jù)圖4(b)與圖5(b)中的分位數(shù)回歸結(jié)果予以解釋，即不確定性能夠?qū)Φ头治粩?shù)的預(yù)期經(jīng)濟(jì)增速產(chǎn)生更為顯著的負(fù)向影響。因此，這意味著，伴隨著不確定性水平的升高，經(jīng)濟(jì)上行及下行風(fēng)險(xiǎn)會(huì)呈現(xiàn)出異質(zhì)性的響應(yīng)過(guò)程，致使經(jīng)濟(jì)風(fēng)險(xiǎn)具有明顯的非對(duì)稱性特征。并且，當(dāng)經(jīng)濟(jì)步入風(fēng)險(xiǎn)階段時(shí)，劇烈增加的不確定性會(huì)驅(qū)使非對(duì)稱性特征更為顯著。需要注意的是，從中美貿(mào)易摩擦以及股市崩盤(pán)的時(shí)點(diǎn)來(lái)看，伴隨著低分位數(shù)預(yù)期經(jīng)濟(jì)增速的大幅降低，高分位數(shù)預(yù)期經(jīng)濟(jì)增速還可能出現(xiàn)小幅上漲。這意味著，不確定性沖擊在顯著降低未來(lái)經(jīng)濟(jì)增速下限值的同時(shí)，還可能引致經(jīng)濟(jì)增速的上限值微幅上升，這同樣與前文中不確定性對(duì)部分高分位數(shù)預(yù)期經(jīng)濟(jì)增速的回歸系數(shù)為正的結(jié)果相符。究其原因，不確定性沖擊一方面可以抑制經(jīng)濟(jì)行為主體的投資和消費(fèi)意愿，另一方面還可以激發(fā)企業(yè)層面探索性研究的創(chuàng)新活力，從而產(chǎn)生促進(jìn)經(jīng)濟(jì)發(fā)展的增長(zhǎng)期權(quán)效應(yīng)。因此，不確定性可能兼具正向影響和負(fù)向影響，能夠?qū)?jīng)濟(jì)增長(zhǎng)產(chǎn)生極為復(fù)雜的交互作用，進(jìn)而引致不同分位數(shù)預(yù)期經(jīng)濟(jì)增速的異質(zhì)性響應(yīng)。此外，對(duì)比圖6 與圖7 可知，基于經(jīng)濟(jì)不確定性條件的低分位數(shù)預(yù)期經(jīng)濟(jì)增速波動(dòng)得更為劇烈。例如，2020 年新冠肺炎疫情期間，基于經(jīng)濟(jì)不確定性的低分位數(shù)預(yù)期經(jīng)濟(jì)增速大幅降至－10%，而基于金融不確定性的低分位數(shù)預(yù)期經(jīng)濟(jì)增速則保持在－5%的水平附近。這進(jìn)一步印證了經(jīng)濟(jì)不確定性與金融不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的異質(zhì)性影響，即經(jīng)濟(jì)不確定性能夠引致更大的經(jīng)濟(jì)下行風(fēng)險(xiǎn)，致使經(jīng)濟(jì)表現(xiàn)出更為悲觀的增速預(yù)期。

(二)中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)中的確定性特征識(shí)別

基于在險(xiǎn)增長(zhǎng)模型的結(jié)果表明，不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)具有明顯的非對(duì)稱影響。其中，伴隨著不確定性水平的升高，經(jīng)濟(jì)下行風(fēng)險(xiǎn)顯著增加，而經(jīng)濟(jì)上行風(fēng)險(xiǎn)則較為穩(wěn)定，從而致使經(jīng)濟(jì)風(fēng)險(xiǎn)表現(xiàn)出明顯的非對(duì)稱性特征。然而，在險(xiǎn)增長(zhǎng)模型僅是基于未來(lái)經(jīng)濟(jì)增長(zhǎng)風(fēng)險(xiǎn)值的視角，實(shí)現(xiàn)對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的衡量。事實(shí)上，經(jīng)濟(jì)風(fēng)險(xiǎn)還可以利用預(yù)期經(jīng)濟(jì)增速分布尾部區(qū)域的脆弱性進(jìn)行測(cè)度。因此，本文將根據(jù)分位數(shù)回歸結(jié)果，擬合形成完整的預(yù)期經(jīng)濟(jì)增速分布，以期進(jìn)一步量化經(jīng)濟(jì)上行及下行風(fēng)險(xiǎn)，繼而識(shí)別不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性特征，具體過(guò)程如下。

首先，將分位數(shù)回歸得到的系數(shù)矩陣代入式(33)，可以得到分位數(shù)的近似估計(jì)和累積分布函數(shù)。此后，為使用概率密度函數(shù)擬合分位數(shù)回歸的估計(jì)結(jié)果，本文引入Azzalini和Capitanio (2003)提出的偏態(tài)t分布，其概率密度函數(shù)可以表示為:

其中，t(?)和T(?)分別表示偏態(tài)t分布的概率密度函數(shù)和累積分布函數(shù)。偏態(tài)t分布包含四個(gè)參數(shù)，分別為分布的期望μ、標(biāo)準(zhǔn)差ω、偏度η以及自由度υ。事實(shí)上，偏態(tài)t分布本質(zhì)上就是在t分布的基礎(chǔ)上引入了表示偏度的參數(shù)η。當(dāng)η＝0 時(shí)，偏態(tài)t分布能夠退化為傳統(tǒng)t分布；當(dāng)η＝0 且υ＝∞時(shí)，偏態(tài)t分布可以進(jìn)一步退化為正態(tài)分布；當(dāng)η≠0 且υ＝∞時(shí)，偏態(tài)t分布可以轉(zhuǎn)變?yōu)槠龖B(tài)分布。接下來(lái)，令條件分位數(shù)xt)與偏態(tài)t分布累積分布函數(shù)的反函數(shù)F－1(q；μ，ω，η，υ)之間的距離平方和最小，能夠估計(jì)出偏態(tài)t分布的四個(gè)參數(shù):

1.預(yù)期經(jīng)濟(jì)增速的時(shí)變運(yùn)行區(qū)間刻畫(huà)

根據(jù)估計(jì)出的偏態(tài)t分布參數(shù)，本文可以在圖8 與圖9 中描繪出基于不確定性條件的時(shí)變預(yù)期經(jīng)濟(jì)增速分布結(jié)果。其中，X軸表示預(yù)期經(jīng)濟(jì)增速，Y軸為時(shí)間，Z軸為預(yù)期經(jīng)濟(jì)增速分布的概率密度函數(shù)。不難發(fā)現(xiàn)，預(yù)期經(jīng)濟(jì)增速的分布結(jié)果與圖6 及圖7 中的預(yù)期經(jīng)濟(jì)增速走勢(shì)在總體上較為相似。事實(shí)上，圖8 與圖9 能夠更為直觀地反映未來(lái)經(jīng)濟(jì)增速的區(qū)間變動(dòng)。其中，經(jīng)濟(jì)不確定性條件下的經(jīng)濟(jì)增速區(qū)間跨度相對(duì)較大，并且具有明顯的時(shí)變特征；而金融不確定性條件下的經(jīng)濟(jì)增速區(qū)間則相對(duì)集中，并且表現(xiàn)出較強(qiáng)的穩(wěn)定性。

圖8 經(jīng)濟(jì)不確定性條件下預(yù)期經(jīng)濟(jì)增速分布

圖9 金融不確定性條件下預(yù)期經(jīng)濟(jì)增速分布

綜觀圖8 與圖9 能夠發(fā)現(xiàn)，經(jīng)濟(jì)不確定性與金融不確定性條件下的經(jīng)濟(jì)增速區(qū)間存在著明顯的共性特征。一方面，就時(shí)間變化趨勢(shì)而言，2002 年至2007 年期間，經(jīng)濟(jì)增速區(qū)間明顯右移；而在全球金融危機(jī)后，經(jīng)濟(jì)增速區(qū)間開(kāi)始緩慢左移，這與中國(guó)過(guò)去二十年經(jīng)濟(jì)增長(zhǎng)的階段轉(zhuǎn)換密切相關(guān)，也意味著中國(guó)經(jīng)濟(jì)已經(jīng)實(shí)現(xiàn)由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段。另一方面，就不同時(shí)點(diǎn)上經(jīng)濟(jì)增速的區(qū)間特征而言，在不確定性較低的繁榮時(shí)期(例如2006 年、2012 年)，經(jīng)濟(jì)增速區(qū)間相對(duì)較短，經(jīng)濟(jì)預(yù)期較為確定；在不確定性較高的衰退時(shí)期(例如2008 年、2020 年)，經(jīng)濟(jì)增速區(qū)間明顯較長(zhǎng)，經(jīng)濟(jì)預(yù)期存在較大的潛在波動(dòng)空間。顯然，這從經(jīng)驗(yàn)事實(shí)的視角進(jìn)一步印證了不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布的沖擊存在非對(duì)稱性，表明前文的分位數(shù)回歸結(jié)果具有較強(qiáng)的穩(wěn)健性。事實(shí)上，分位數(shù)回歸的結(jié)果還表明，與金融不確定性相比較，經(jīng)濟(jì)不確定性蘊(yùn)含更多引發(fā)經(jīng)濟(jì)增速變動(dòng)的信息，能夠?qū)?jīng)濟(jì)增速產(chǎn)生更為強(qiáng)勁的驅(qū)動(dòng)力。這也導(dǎo)致了圖8 與圖9 的顯著差異，即無(wú)論從經(jīng)濟(jì)增速的區(qū)間跨度抑或從概率分布的偏斜程度來(lái)看，基于經(jīng)濟(jì)不確定性條件的預(yù)期經(jīng)濟(jì)增速分布的波動(dòng)都更為劇烈。

2.基于相對(duì)熵值和期望損失指標(biāo)的中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)確定性特征分析

本文運(yùn)用偏態(tài)t分布擬合形成了具體的預(yù)期經(jīng)濟(jì)增速分布，其中預(yù)期經(jīng)濟(jì)增速分布即為分別考慮經(jīng)濟(jì)不確定性以及金融不確定性的條件經(jīng)濟(jì)增速分布。接下來(lái)，本文將從預(yù)期經(jīng)濟(jì)增速分布尾部區(qū)域的脆弱性(即不確定性)對(duì)預(yù)期經(jīng)濟(jì)增速分布尾部區(qū)域影響程度的視角出發(fā)，利用相對(duì)熵值和期望損失兩種指標(biāo)，進(jìn)一步量化經(jīng)濟(jì)上行風(fēng)險(xiǎn)與下行風(fēng)險(xiǎn)，從而印證不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的非對(duì)稱影響，探析不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性特征。

相比于無(wú)條件經(jīng)濟(jì)增速分布，條件經(jīng)濟(jì)增速分布給右尾和左尾區(qū)域帶來(lái)的超額概率質(zhì)量能夠有效表征經(jīng)濟(jì)上行及下行風(fēng)險(xiǎn)。因此，本文采用gyt＋m表示無(wú)條件經(jīng)濟(jì)增速分布的概率密度函數(shù)，表示條件經(jīng)濟(jì)增速分布的概率密度函數(shù)，根據(jù)條件經(jīng)濟(jì)增速分布與無(wú)條件增速分布的尾部概率差異，將預(yù)期經(jīng)濟(jì)增速的上行熵值與下行熵值分別定義為與:

其中，是的累積分布函數(shù)，是條件經(jīng)濟(jì)增速分布的中位數(shù)。事實(shí)上，下行熵值衡量的是條件中位數(shù)以下條件概率和無(wú)條件概率的差異，因此當(dāng)下行熵值較高時(shí)，條件經(jīng)濟(jì)增速分布的左尾區(qū)域相較于無(wú)條件增速分布具有更大概率，經(jīng)濟(jì)具有更高的下行風(fēng)險(xiǎn)。類(lèi)似地，上行熵值衡量的是條件中位數(shù)以上條件概率和無(wú)條件概率的差異，因此當(dāng)上行熵值較高時(shí)，條件經(jīng)濟(jì)增速分布的右尾區(qū)域相較于無(wú)條件增速分布具有更大概率，經(jīng)濟(jì)具有更高的上行風(fēng)險(xiǎn)。

此外，另一種衡量方法是利用期望損失(expected shortfall)模型測(cè)算條件經(jīng)濟(jì)增速分布尾部區(qū)域的平均經(jīng)濟(jì)增速，并以此量化經(jīng)濟(jì)上行及下行風(fēng)險(xiǎn)。其中，期望損失能夠有效測(cè)度經(jīng)濟(jì)的下行風(fēng)險(xiǎn)，而期望損失的上尾對(duì)應(yīng)值則可以清晰地展現(xiàn)經(jīng)濟(jì)的上行風(fēng)險(xiǎn)。具體地，對(duì)于一個(gè)給定的目標(biāo)概率π，期望損失及其上尾對(duì)應(yīng)值可被分別定義為SFt＋m和LRt＋m:

事實(shí)上，IMF 明確提出將5%分位數(shù)的預(yù)期經(jīng)濟(jì)增速定義為在險(xiǎn)經(jīng)濟(jì)增長(zhǎng)率(以下簡(jiǎn)稱“在險(xiǎn)增長(zhǎng)率”)，并以此衡量經(jīng)濟(jì)的下行風(fēng)險(xiǎn)(IMF，2017)。因此，在尾部風(fēng)險(xiǎn)的置信水平選擇上，為了與在險(xiǎn)增長(zhǎng)率的定義相匹配，本文將期望損失模型的目標(biāo)概率設(shè)定為5%。此外，比較期望損失和相對(duì)熵值的定義能夠發(fā)現(xiàn)，盡管這兩種方式均衡量了預(yù)期經(jīng)濟(jì)增速的上行及下行風(fēng)險(xiǎn)，但是期望損失和相對(duì)熵值測(cè)度的信息含量明顯不同。其中，期望損失及其上尾對(duì)應(yīng)值僅從條件經(jīng)濟(jì)增速分布的視角刻畫(huà)了絕對(duì)尾部行為；而相對(duì)熵值則綜合考慮了條件和無(wú)條件兩種經(jīng)濟(jì)增速分布，描繪了條件經(jīng)濟(jì)增速分布與無(wú)條件經(jīng)濟(jì)增速分布的尾部概率差異，即相對(duì)尾部行為。

在描述了經(jīng)濟(jì)風(fēng)險(xiǎn)的衡量方法后，本文在圖10 中分別利用相對(duì)熵值和期望損失指標(biāo)，清晰地量化了經(jīng)濟(jì)不確定性與金融不確定性條件下的經(jīng)濟(jì)上行及下行風(fēng)險(xiǎn)。其中，圖10(a)與圖10(b)描繪了預(yù)期經(jīng)濟(jì)增速上行熵值和下行熵值的動(dòng)態(tài)軌跡，圖10(c)與圖10(d)刻畫(huà)了期望損失及其上尾對(duì)應(yīng)值的時(shí)變波動(dòng)。綜觀圖10，盡管相對(duì)熵值和期望損失兩種指標(biāo)在度量經(jīng)濟(jì)風(fēng)險(xiǎn)時(shí)存在一定的信息差異，但是卻展現(xiàn)出極為相似的預(yù)測(cè)結(jié)果。

圖10 基于相對(duì)熵值和期望損失指標(biāo)的經(jīng)濟(jì)風(fēng)險(xiǎn)走勢(shì)

一方面，觀察圖10(a)與圖10(b)不難看出，預(yù)期經(jīng)濟(jì)增速的上行熵值與下行熵值均呈現(xiàn)出明顯的波動(dòng)態(tài)勢(shì)。其中，在全球金融危機(jī)以及新冠肺炎疫情期間(2008 年以及2020 年)，下行熵值大幅增加繼而顯著高于上行熵值。這表明，與無(wú)條件經(jīng)濟(jì)增速分布相比，預(yù)期經(jīng)濟(jì)增速分布的左尾具有更大的概率質(zhì)量，意味著不確定性沖擊使得經(jīng)濟(jì)具有更高的下行風(fēng)險(xiǎn)。這與前文強(qiáng)調(diào)的不確定性能夠造成非對(duì)稱影響的結(jié)論一致，進(jìn)一步說(shuō)明了不確定性沖擊中的確定性特征。需要注意的是，下行熵值在2010 年以后迅速降低，追根溯源，金融危機(jī)時(shí)期，為應(yīng)對(duì)經(jīng)濟(jì)增速快速回落以及出口負(fù)增長(zhǎng)等嚴(yán)峻形勢(shì)，中國(guó)通過(guò)擴(kuò)大政府投資和銀行信貸等方式，采取了一系列大規(guī)模的刺激政策，旨在保障經(jīng)濟(jì)平穩(wěn)較快增長(zhǎng)，這些宏觀調(diào)控舉措使得預(yù)期經(jīng)濟(jì)增速的下行熵值顯著下降，最終接近于同期的上行熵值。類(lèi)似地，2020 年后，伴隨著新冠肺炎疫情形勢(shì)的逐漸好轉(zhuǎn)，下行熵值同樣表現(xiàn)出快速下降的波動(dòng)趨勢(shì)。這表明，中國(guó)經(jīng)濟(jì)具有較好的恢復(fù)能力，能夠從新冠肺炎疫情的泥淖中迅速?gòu)?fù)蘇，意味著中國(guó)具有較強(qiáng)的經(jīng)濟(jì)韌性與發(fā)展?jié)摿Α?/p>

另一方面，觀察圖10(c)與圖10(d)能夠發(fā)現(xiàn)，期望損失和上尾對(duì)應(yīng)值的波動(dòng)路徑，與圖6 及圖7 中低分位數(shù)和高分位數(shù)預(yù)期經(jīng)濟(jì)增速的動(dòng)態(tài)軌跡較為相似。具體而言，期望損失及其上尾對(duì)應(yīng)值同時(shí)呈現(xiàn)出明顯的波動(dòng)態(tài)勢(shì)，但是，期望損失的波動(dòng)顯然更為劇烈。例如，在全球金融危機(jī)、中美貿(mào)易摩擦以及新冠肺炎疫情等極端事件期間，期望損失表現(xiàn)出大幅下降的態(tài)勢(shì)，而上尾對(duì)應(yīng)值則僅有相應(yīng)的微幅震蕩。上述發(fā)現(xiàn)意味著，預(yù)期經(jīng)濟(jì)增速分布的尾部風(fēng)險(xiǎn)存在著顯著差異，與經(jīng)濟(jì)上行風(fēng)險(xiǎn)相比較，經(jīng)濟(jì)下行風(fēng)險(xiǎn)相對(duì)更大，波動(dòng)也更為劇烈。因此，綜觀相對(duì)熵值與期望損失的模型測(cè)度結(jié)果能夠發(fā)現(xiàn)，不確定性沖擊對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)具有明顯的非對(duì)稱影響，伴隨著不確定性的升高，經(jīng)濟(jì)下行風(fēng)險(xiǎn)顯著增加，而經(jīng)濟(jì)上行風(fēng)險(xiǎn)則明顯較為穩(wěn)定。這與在險(xiǎn)增長(zhǎng)模型中低分位數(shù)和高分位數(shù)預(yù)期經(jīng)濟(jì)增速走勢(shì)的非對(duì)稱性特征相呼應(yīng)，繼而有效印證了不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性特征。

此外，綜觀圖10 能夠發(fā)現(xiàn)，無(wú)論是從相對(duì)熵值還是期望損失來(lái)看，經(jīng)濟(jì)不確定性均具有更為明顯的下行驅(qū)動(dòng)作用。一方面，就相對(duì)熵值而言，在全球金融危機(jī)、中美貿(mào)易摩擦以及新冠肺炎疫情期間，基于經(jīng)濟(jì)不確定性條件的下行熵值的波峰始終相對(duì)更高。另一方面，就期望損失而言，在上述極端風(fēng)險(xiǎn)事件期間，基于經(jīng)濟(jì)不確定性條件的期望損失的波動(dòng)幅度同樣更為劇烈，例如，新冠肺炎疫情時(shí)期，經(jīng)濟(jì)不確定性條件下的期望損失大幅降低(－13%)，而金融不確定性條件下的期望損失最終停留在相對(duì)較高的增速水平(－9%)。因此，本文從經(jīng)濟(jì)風(fēng)險(xiǎn)的多維度視角，進(jìn)一步展示了經(jīng)濟(jì)不確定性與金融不確定性影響的異質(zhì)性。需要注意的是，觀察經(jīng)濟(jì)風(fēng)險(xiǎn)指標(biāo)的時(shí)變走勢(shì)不難看出，盡管目前經(jīng)濟(jì)下行風(fēng)險(xiǎn)水平已從峰值回落，但中國(guó)仍處于不確定性較高的發(fā)展階段，潛存一定的經(jīng)濟(jì)下行風(fēng)險(xiǎn)。

五、中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)的時(shí)變路徑識(shí)別與驅(qū)動(dòng)機(jī)制分析

本文基于在險(xiǎn)增長(zhǎng)模型，描繪了預(yù)期經(jīng)濟(jì)增速的分布特征，刻畫(huà)了不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的非對(duì)稱影響；隨后又利用相對(duì)熵值、期望損失等測(cè)度方法，進(jìn)一步印證了不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性特征。然而，前文僅從經(jīng)濟(jì)風(fēng)險(xiǎn)的識(shí)別視角，揭示了不確定性視閾下經(jīng)濟(jì)風(fēng)險(xiǎn)的波動(dòng)特征，并未對(duì)不確定性沖擊的動(dòng)態(tài)影響進(jìn)行深入探究。因此，為了實(shí)現(xiàn)不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的時(shí)變路徑識(shí)別與驅(qū)動(dòng)機(jī)制分析，本文將綜合考量經(jīng)驗(yàn)證據(jù)和理論模型的預(yù)期結(jié)果，以期對(duì)不確定性的沖擊效應(yīng)進(jìn)行系統(tǒng)性分析。

為了將經(jīng)驗(yàn)證據(jù)與理論模型相匹配，我們選取季節(jié)調(diào)整后的實(shí)際GDP 季度值以及未經(jīng)過(guò)標(biāo)準(zhǔn)化處理的季度不確定性指數(shù)進(jìn)行研究。需要說(shuō)明的是，為了便于敏銳地捕捉不確定性對(duì)經(jīng)濟(jì)增速的動(dòng)態(tài)影響，本文根據(jù)理論分析中預(yù)期經(jīng)濟(jì)增速的定義gt＋1＝lnyt＋1－lnyt，采用環(huán)比經(jīng)濟(jì)增速作為經(jīng)濟(jì)增速指標(biāo)。具體地，本文首先計(jì)算實(shí)際GDP 季度值的迭代變化得到環(huán)比經(jīng)濟(jì)增速，隨后又對(duì)環(huán)比經(jīng)濟(jì)增速進(jìn)行年化處理，最終采用年化環(huán)比經(jīng)濟(jì)增速指標(biāo)展開(kāi)進(jìn)一步研究。①本部分的預(yù)期經(jīng)濟(jì)增速為采用實(shí)際GDP 季度值計(jì)算得到的季度年化環(huán)比增長(zhǎng)率。

(一)不確定性的經(jīng)濟(jì)增長(zhǎng)效應(yīng)分析

為了探究不確定性的經(jīng)濟(jì)增長(zhǎng)效應(yīng)，驗(yàn)證理論分析中不確定性對(duì)經(jīng)濟(jì)增速均值、波動(dòng)率等分布特征的影響，本文分別在圖11 和圖12 中展示經(jīng)濟(jì)不確定性和金融不確定性與經(jīng)濟(jì)增速特征的相關(guān)性。其中，經(jīng)濟(jì)增速的分布特征由經(jīng)濟(jì)增長(zhǎng)率及其高階矩構(gòu)成，具體以八期滾動(dòng)窗測(cè)算的經(jīng)濟(jì)平均增速、經(jīng)濟(jì)增速波動(dòng)率以及經(jīng)濟(jì)增速分布偏度三方面度量。

圖11 經(jīng)濟(jì)不確定性與經(jīng)濟(jì)增速特征的相關(guān)性

圖12 金融不確定性與經(jīng)濟(jì)增速特征的相關(guān)性

綜觀圖11 與圖12 不難看出，經(jīng)濟(jì)不確定性與金融不確定性對(duì)經(jīng)濟(jì)增速分布特征的影響較為一致。首先，觀察圖11(a)與圖12(a)可知，不確定性與經(jīng)濟(jì)平均增速呈現(xiàn)明顯的負(fù)相關(guān)關(guān)系。這是由于，無(wú)論是經(jīng)濟(jì)不確定性還是金融不確定性，在微觀層面均會(huì)影響居民的資產(chǎn)配置及企業(yè)投資，而在宏觀層面又會(huì)導(dǎo)致產(chǎn)出和消費(fèi)的明顯下降，弱化宏觀經(jīng)濟(jì)政策的調(diào)控效果，即不確定性能夠引致經(jīng)濟(jì)活動(dòng)減緩，從而使經(jīng)濟(jì)增長(zhǎng)產(chǎn)生收縮效應(yīng)。其次，根據(jù)圖11(b)與圖12(b)可知，不確定性與經(jīng)濟(jì)增速波動(dòng)率的相關(guān)系數(shù)顯著為正。事實(shí)上，不確定性的增加能夠?qū)е陆?jīng)濟(jì)增速分布的方差(即波動(dòng)率)顯著上升，致使經(jīng)濟(jì)增速具有更大的波動(dòng)空間，而經(jīng)濟(jì)增速的波動(dòng)會(huì)再度反饋至不確定性，形成明顯的動(dòng)態(tài)交互效應(yīng)，進(jìn)而使得不確定性與增速波動(dòng)率具有高度的相關(guān)性。最后，由圖11(c)與圖12(c)可知，不確定性與經(jīng)濟(jì)增速分布偏度具有負(fù)相關(guān)關(guān)系，表明不確定性會(huì)導(dǎo)致經(jīng)濟(jì)增長(zhǎng)概率分布曲線趨于負(fù)向偏斜，從而引致更大的經(jīng)濟(jì)下行空間。有鑒于此，本文從經(jīng)驗(yàn)證據(jù)的視角印證了理論分析中不確定性對(duì)經(jīng)濟(jì)增速相關(guān)特征的影響，即不確定性的增加會(huì)導(dǎo)致經(jīng)濟(jì)平均增速明顯下降，引發(fā)經(jīng)濟(jì)增速劇烈波動(dòng)，并促使經(jīng)濟(jì)增長(zhǎng)概率分布負(fù)向偏斜。

對(duì)比圖11 和圖12 所示的相關(guān)系數(shù)能夠發(fā)現(xiàn)，經(jīng)濟(jì)不確定性和金融不確定性與經(jīng)濟(jì)增速分布特征的相關(guān)性存在一定差異。其中，無(wú)論是就經(jīng)濟(jì)平均增速、經(jīng)濟(jì)增速波動(dòng)率還是經(jīng)濟(jì)增速分布偏度而言，經(jīng)濟(jì)增速分布特征與經(jīng)濟(jì)不確定性的相關(guān)系數(shù)均明顯更大。這意味著，與金融不確定性相比，經(jīng)濟(jì)不確定性能夠引致更為顯著的經(jīng)濟(jì)下行風(fēng)險(xiǎn)。究其原因，金融不確定性作為經(jīng)濟(jì)景氣預(yù)測(cè)的先行指標(biāo)，能夠更為靈敏地捕捉經(jīng)濟(jì)波動(dòng)，而經(jīng)濟(jì)不確定性更多表現(xiàn)為宏觀經(jīng)濟(jì)波動(dòng)的同步指標(biāo)。因此，當(dāng)經(jīng)濟(jì)不確定性顯著升高時(shí)，實(shí)體經(jīng)濟(jì)層面勢(shì)必呈現(xiàn)出明顯的實(shí)質(zhì)性波動(dòng)，即經(jīng)濟(jì)不確定性對(duì)經(jīng)濟(jì)增速分布的影響相對(duì)更大。鑒于此，本文在印證理論分析中不確定性影響經(jīng)濟(jì)增長(zhǎng)分布特征的同時(shí)，也進(jìn)一步說(shuō)明相較于金融不確定性，經(jīng)濟(jì)不確定性對(duì)于經(jīng)濟(jì)風(fēng)險(xiǎn)的影響更為顯著。

(二)不確定性對(duì)中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)的時(shí)變沖擊路徑識(shí)別

在初步驗(yàn)證不確定性的經(jīng)濟(jì)增長(zhǎng)效應(yīng)后，本文將從理論分析與經(jīng)驗(yàn)證據(jù)兩個(gè)視角刻畫(huà)不確定性對(duì)中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)的時(shí)變沖擊路徑。其中，對(duì)于在險(xiǎn)增長(zhǎng)模型中的預(yù)期經(jīng)濟(jì)增速分布而言，不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的沖擊路徑可以從以下兩個(gè)方面進(jìn)行深入探討:一是不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布的時(shí)變沖擊效應(yīng)，二是不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布的實(shí)際沖擊效應(yīng)。

1.不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布的時(shí)變沖擊效應(yīng)分析

一方面，根據(jù)理論模型中的構(gòu)造，σ2為刻畫(huà)不確定性的唯一參數(shù)。因此，為便于計(jì)算不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布的沖擊效應(yīng)，本文首先設(shè)定σ＝1?，F(xiàn)有文獻(xiàn)中的常見(jiàn)取值，如王立勇和徐曉莉(2018)，將中國(guó)的效用貼現(xiàn)率β設(shè)為0.98。接下來(lái)，根據(jù)式(12)，改變?chǔ)抑凳沟貌淮_定性τ增加10%①根據(jù)不確定性指數(shù)的實(shí)際數(shù)據(jù)，不確定性增加1 單位標(biāo)準(zhǔn)偏差沖擊對(duì)應(yīng)于不確定性τ 增加10%。，以期得到不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布沖擊的理論預(yù)期結(jié)果。另一方面，利用不確定性指數(shù)與經(jīng)濟(jì)增速數(shù)據(jù)，可以構(gòu)建如式(31)所示的條件分位數(shù)回歸模型。需要說(shuō)明的是，本文根據(jù)Jorda(2005)的局部投影估計(jì)方法，利用不同預(yù)測(cè)期m＝1，2，…，12 (季度)回歸系數(shù)的變化路徑，表征不確定性沖擊對(duì)預(yù)期經(jīng)濟(jì)增速的動(dòng)態(tài)影響。在此基礎(chǔ)上，給定經(jīng)濟(jì)不確定性與金融不確定性1 單位標(biāo)準(zhǔn)差沖擊，即可得到不同分位數(shù)預(yù)期經(jīng)濟(jì)增速的脈沖響應(yīng)。因此，本文在圖13 中描繪出不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布的沖擊路徑。其中，圖13(a)展示了理論模型預(yù)期的脈沖響應(yīng)結(jié)果，圖13(b)與圖13(c)則分別刻畫(huà)了經(jīng)濟(jì)不確定性與金融不確定性沖擊的脈沖響應(yīng)結(jié)果。

圖13 預(yù)期經(jīng)濟(jì)增速分布對(duì)不確定性沖擊的脈沖響應(yīng)軌跡

圖13 中理論分析與經(jīng)驗(yàn)證據(jù)的結(jié)果一致表明，不確定性對(duì)低分位數(shù)與高分位數(shù)預(yù)期經(jīng)濟(jì)增速的沖擊具有明顯的非對(duì)稱性，這與前文的研究結(jié)論完全相符。具體地，就理論模型的預(yù)期結(jié)果圖13(a)而言，不確定性沖擊增加1 單位，會(huì)立刻引致預(yù)期經(jīng)濟(jì)增速的5%分位數(shù)下降3%，95%分位數(shù)上漲2%；就經(jīng)驗(yàn)證據(jù)圖13(b)與圖13(c)而言，經(jīng)濟(jì)不確定性與金融不確定性沖擊增加1 單位，會(huì)立刻引致預(yù)期經(jīng)濟(jì)增速的5%分位數(shù)下降5%，95%分位數(shù)上漲2%。這意味著，不確定性沖擊會(huì)迅速使得未來(lái)經(jīng)濟(jì)增速的下限值大幅度下降，經(jīng)濟(jì)增速上限值小幅度上升，從而顯著增加經(jīng)濟(jì)下行風(fēng)險(xiǎn)，同時(shí)較小地增加經(jīng)濟(jì)上行風(fēng)險(xiǎn)。

比較圖13(b)與圖13(c)中的脈沖響應(yīng)軌跡不難發(fā)現(xiàn)，經(jīng)濟(jì)不確定性與金融不確定性的沖擊效應(yīng)存在著明顯差異。一方面，從沖擊效應(yīng)的持續(xù)時(shí)間來(lái)看，經(jīng)濟(jì)不確定性的影響周期相對(duì)更長(zhǎng)。其中，經(jīng)濟(jì)不確定性對(duì)低分位數(shù)預(yù)期經(jīng)濟(jì)增速的影響存在一定的滯后效應(yīng)，致使低分位數(shù)預(yù)期經(jīng)濟(jì)增速于第2 期實(shí)現(xiàn)最大負(fù)向響應(yīng)。然而，金融不確定性對(duì)低分位數(shù)預(yù)期經(jīng)濟(jì)增速的沖擊則在第1 期達(dá)到峰值，隨后，脈沖響應(yīng)軌跡呈現(xiàn)穩(wěn)定的收斂趨勢(shì)。另一方面，從沖擊效應(yīng)的影響程度來(lái)看，盡管低分位數(shù)預(yù)期經(jīng)濟(jì)增速對(duì)兩種不確定性沖擊的脈沖響應(yīng)在第12 期均為－1%，但是經(jīng)濟(jì)不確定性對(duì)5%分位數(shù)預(yù)期經(jīng)濟(jì)增速的最大沖擊接近－6%，而同期(第2 期)金融不確定性沖擊僅為－3%，意味著經(jīng)濟(jì)不確定性具有更大的下行驅(qū)動(dòng)力。

綜上所述，理論模型的預(yù)期結(jié)果與實(shí)際沖擊的時(shí)變路徑在總體上較為相似，表明不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)具有確定性響應(yīng)路徑的同時(shí)，也進(jìn)一步印證了理論分析框架的合理性。根據(jù)預(yù)期經(jīng)濟(jì)增速分布的脈沖軌跡，相比于金融不確定性，經(jīng)濟(jì)不確定性沖擊不僅持續(xù)時(shí)間更久，而且影響程度更大，能夠引致更大的經(jīng)濟(jì)下行風(fēng)險(xiǎn)。此外，理論分析與經(jīng)驗(yàn)證據(jù)的結(jié)果還表明，不確定性的沖擊效應(yīng)隨著時(shí)間的推移逐漸收斂。這意味著，即使沒(méi)有外生宏觀調(diào)控政策的對(duì)沖，不確定性沖擊的負(fù)面影響也會(huì)逐漸減弱，體現(xiàn)了經(jīng)濟(jì)具有恢復(fù)增長(zhǎng)的內(nèi)在韌性。但是，12 期(三年)后的沖擊效應(yīng)仍未減弱至零，表明不確定性沖擊需要較長(zhǎng)的消化周期，能夠?qū)?jīng)濟(jì)增長(zhǎng)產(chǎn)生長(zhǎng)遠(yuǎn)的負(fù)向影響。

2.不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布的實(shí)際沖擊效應(yīng)檢驗(yàn)

為了深入探究不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的實(shí)際沖擊效應(yīng)，本文基于預(yù)期經(jīng)濟(jì)增速分布特征中分散程度以及在險(xiǎn)增長(zhǎng)率(5%分位數(shù)的預(yù)期經(jīng)濟(jì)增速)的脈沖響應(yīng)軌跡，揭示不確定性沖擊對(duì)未來(lái)經(jīng)濟(jì)增速的區(qū)間范圍以及經(jīng)濟(jì)下行風(fēng)險(xiǎn)的時(shí)變影響。進(jìn)一步地，為了模擬更大規(guī)模不確定性沖擊的預(yù)期影響，本文再度調(diào)整理論模型中的參數(shù)σ，使得不確定性水平增加20%，繼而實(shí)現(xiàn)不同規(guī)模理論沖擊與實(shí)證沖擊的對(duì)比分析，刻畫(huà)不確定性的實(shí)際沖擊效應(yīng)。圖14 展示了預(yù)期經(jīng)濟(jì)增速分布對(duì)不同規(guī)模不確定性沖擊的脈沖響應(yīng)結(jié)果。其中，圖14 (a)與圖14 (c)描繪了不確定性對(duì)預(yù)期經(jīng)濟(jì)增速分布分散程度的沖擊效應(yīng)，圖14 (b)與圖14 (d)則刻畫(huà)了不確定性對(duì)在險(xiǎn)增長(zhǎng)率的沖擊效應(yīng)，虛線表示經(jīng)濟(jì)不確定性或金融不確定性增加1 單位標(biāo)準(zhǔn)差沖擊后產(chǎn)生的脈沖響應(yīng)軌跡。需要說(shuō)明的是，分散程度利用預(yù)期經(jīng)濟(jì)增速分布的上4 分位數(shù)(75%分位數(shù))與下4 分位數(shù)(25%分位數(shù))之差，即4 分位距予以衡量。4 分位距將預(yù)期經(jīng)濟(jì)增速分布的尾部風(fēng)險(xiǎn)值排除在外，能夠在反映未來(lái)經(jīng)濟(jì)增速區(qū)間主體范圍的同時(shí)，更清晰地展現(xiàn)經(jīng)濟(jì)增長(zhǎng)“期望值”(即未來(lái)經(jīng)濟(jì)增速預(yù)測(cè)值)的運(yùn)行區(qū)間。

圖14 預(yù)期經(jīng)濟(jì)增速分布對(duì)不同規(guī)模不確定性沖擊的脈沖響應(yīng)

一方面，就圖14 中理論模型的預(yù)期結(jié)果而言，不確定性增加10%會(huì)立刻導(dǎo)致預(yù)期經(jīng)濟(jì)增速分布的分散程度增加2%，在險(xiǎn)增長(zhǎng)率下降4%；而不確定性增加20%則會(huì)引致分散程度增加4%，在險(xiǎn)增長(zhǎng)率降低6%。另一方面，就圖14 中的實(shí)證結(jié)果而言，1 單位經(jīng)濟(jì)不確定性與金融不確定性沖擊能夠使得分散程度立刻增加2.5%，在險(xiǎn)增長(zhǎng)率下降5%。因此，結(jié)合圖13 中不同分位數(shù)預(yù)期經(jīng)濟(jì)增速對(duì)不確定性沖擊的脈沖響應(yīng)軌跡可以判斷，不確定性沖擊能夠引致未來(lái)經(jīng)濟(jì)增速的運(yùn)行區(qū)間范圍迅速擴(kuò)張。其中，區(qū)間上限會(huì)小幅下降，而區(qū)間下限會(huì)大幅降低，這意味著不確定性在驅(qū)動(dòng)經(jīng)濟(jì)下行的同時(shí)也顯著擴(kuò)大了經(jīng)濟(jì)增速的下行空間。

此外，無(wú)論是從預(yù)期經(jīng)濟(jì)增速分布分散程度還是在險(xiǎn)增長(zhǎng)率的脈沖響應(yīng)來(lái)看，經(jīng)濟(jì)不確定性造成的沖擊效應(yīng)都更為劇烈，十分接近大規(guī)模沖擊的影響程度。具體而言，觀察圖14(a)與圖14(c)可知，經(jīng)濟(jì)不確定性對(duì)分散程度的沖擊效應(yīng)在前兩期相等且最大，隨后呈現(xiàn)出緩慢的波浪式下降趨勢(shì)。但是，第7 期后的沖擊不再減弱，始終停留在1.5%的水平附近；金融不確定性對(duì)分散程度的沖擊在第1 期實(shí)現(xiàn)最大值后隨即收斂，最終減弱至零。這意味著，經(jīng)濟(jì)不確定性能夠?qū)ξ磥?lái)經(jīng)濟(jì)增速造成一定規(guī)模的永久性沖擊，即1 單位經(jīng)濟(jì)不確定性沖擊會(huì)使得經(jīng)濟(jì)增速的區(qū)間范圍擴(kuò)大1.5%，這也印證了基于經(jīng)濟(jì)不確定性條件的預(yù)期經(jīng)濟(jì)增速更為分散的分布特征。類(lèi)似地，比較圖14(b)與圖14(d)可以發(fā)現(xiàn)，經(jīng)濟(jì)不確定性對(duì)在險(xiǎn)增長(zhǎng)率的沖擊效應(yīng)始終圍繞在大規(guī)模沖擊附近，而金融不確定性對(duì)在險(xiǎn)增長(zhǎng)率的影響相對(duì)較小且衰減較快。因此，本文從預(yù)期經(jīng)濟(jì)增速分布特征的視角，進(jìn)一步說(shuō)明了經(jīng)濟(jì)不確定性沖擊的影響程度更大、持續(xù)時(shí)間更久。

需要注意的是，比較圖14 中實(shí)證數(shù)據(jù)與理論模擬的脈沖結(jié)果不難發(fā)現(xiàn)，無(wú)論是就經(jīng)濟(jì)不確定性還是金融不確定性而言，不確定性的實(shí)際沖擊效應(yīng)均介于理論模型預(yù)期的小規(guī)模沖擊與大規(guī)模沖擊之間。這意味著，不確定性對(duì)預(yù)期經(jīng)濟(jì)增速的實(shí)際影響明顯大于理論分析中同等規(guī)模的沖擊效應(yīng)。究其原因，相比于理論模型擬合的預(yù)期沖擊，不確定性除了能夠通過(guò)產(chǎn)生恐慌情緒等難以量化的微觀渠道放大其實(shí)際沖擊效應(yīng)，更為重要的是，在不確定性降低經(jīng)濟(jì)增速的同時(shí)，經(jīng)濟(jì)增速的下降還會(huì)引致不確定性水平的進(jìn)一步增加，即不確定性對(duì)經(jīng)濟(jì)增長(zhǎng)的影響存在“雙向反饋” 的動(dòng)態(tài)溢出循環(huán)。這使得不確定性沖擊在現(xiàn)實(shí)情境下表現(xiàn)出更為復(fù)雜的經(jīng)濟(jì)效應(yīng)，能夠加劇不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的實(shí)際沖擊作用。

(三)基于理論框架的中國(guó)經(jīng)濟(jì)風(fēng)險(xiǎn)驅(qū)動(dòng)機(jī)制分析

本文通過(guò)綜合分析理論模型預(yù)期與實(shí)證檢驗(yàn)的脈沖響應(yīng)結(jié)果，有效揭示了不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)具有確定性的時(shí)變響應(yīng)路徑，驗(yàn)證了理論模型構(gòu)建的合理性。然而，這也衍生出一系列問(wèn)題:何為“技能缺口”? 為何“技能缺口” 的波動(dòng)能夠定義不確定性?不確定性又如何驅(qū)動(dòng)經(jīng)濟(jì)風(fēng)險(xiǎn)?

所謂技能缺口，其在理論模型中等價(jià)于企業(yè)現(xiàn)有技能組合與最優(yōu)技能組合之差，而在本質(zhì)上反映的是經(jīng)濟(jì)投入要素(包括勞動(dòng)和資本投入)無(wú)法滿足企業(yè)技術(shù)要求的比例。不難發(fā)現(xiàn)，技能缺口充分體現(xiàn)了企業(yè)技術(shù)水平與投入要素之間的矛盾關(guān)系，技能缺口越大，表明企業(yè)的技術(shù)水平與投入要素越不匹配。從企業(yè)的實(shí)際生產(chǎn)經(jīng)營(yíng)決策來(lái)看，技術(shù)水平以及投入要素的動(dòng)態(tài)調(diào)整，正是企業(yè)應(yīng)對(duì)外部環(huán)境不確定的內(nèi)在表現(xiàn)，因此本文利用技能缺口的波動(dòng)刻畫(huà)不確定性。事實(shí)上，企業(yè)動(dòng)態(tài)調(diào)整技術(shù)以及投入要素這一過(guò)程，能夠根據(jù)企業(yè)實(shí)際產(chǎn)出與潛在產(chǎn)出的比例波動(dòng)進(jìn)行清晰刻畫(huà)。而在實(shí)踐中，產(chǎn)能利用率作為總產(chǎn)出對(duì)生產(chǎn)設(shè)備的比率，可以有效地反映實(shí)際產(chǎn)出對(duì)潛在產(chǎn)出的比例。有鑒于此，本文將產(chǎn)能利用率與技能缺口聯(lián)系起來(lái)，利用產(chǎn)能利用率的波動(dòng)對(duì)不確定性的概念進(jìn)行量化，繼而從實(shí)際生產(chǎn)的視角闡釋不確定性的經(jīng)濟(jì)含義，分析理論框架中不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的驅(qū)動(dòng)機(jī)制。

圖15 展示了產(chǎn)能利用率波動(dòng)與經(jīng)濟(jì)下行風(fēng)險(xiǎn)的相關(guān)性。其中，圖15(a)描繪了產(chǎn)能利用率波動(dòng)與經(jīng)濟(jì)不確定性條件下在險(xiǎn)增長(zhǎng)率的相關(guān)性，圖15(b)則刻畫(huà)了產(chǎn)能利用率波動(dòng)與金融不確定性條件下在險(xiǎn)增長(zhǎng)率的相關(guān)性。不難發(fā)現(xiàn)，產(chǎn)能利用率波動(dòng)與在險(xiǎn)增長(zhǎng)率呈現(xiàn)出明顯的負(fù)相關(guān)關(guān)系。究其原因，當(dāng)經(jīng)濟(jì)景氣繁榮時(shí)，廠商往往過(guò)度樂(lè)觀，盈利能力的提高會(huì)強(qiáng)化其對(duì)未來(lái)看好的預(yù)期，廠商會(huì)擴(kuò)大投資并提高產(chǎn)能利用率；一旦經(jīng)濟(jì)景氣發(fā)生逆轉(zhuǎn)，市場(chǎng)需求會(huì)迅速下降，此時(shí)產(chǎn)能過(guò)剩不可避免，進(jìn)而經(jīng)濟(jì)主體產(chǎn)能利用率降低，這在一定程度上會(huì)加劇經(jīng)濟(jì)波動(dòng)。因此，產(chǎn)能利用率的大幅波動(dòng)意味著外部環(huán)境具有強(qiáng)烈的不確定性，故與更大的經(jīng)濟(jì)下行風(fēng)險(xiǎn)密切相關(guān)。

圖15 產(chǎn)能利用率波動(dòng)與經(jīng)濟(jì)下行風(fēng)險(xiǎn)的相關(guān)性

此外，比較圖15(a)與圖15(b)可知，與金融不確定性條件下的在險(xiǎn)增長(zhǎng)率相比，產(chǎn)能利用率波動(dòng)與經(jīng)濟(jì)不確定性條件下的在險(xiǎn)增長(zhǎng)率相關(guān)系數(shù)明顯更大。追根溯源，產(chǎn)能利用率作為衡量生產(chǎn)部門(mén)尤其是第二產(chǎn)業(yè)生產(chǎn)經(jīng)營(yíng)狀況的重要指標(biāo)，與基于實(shí)體經(jīng)濟(jì)層面的經(jīng)濟(jì)不確定性關(guān)系更為密切，而與金融市場(chǎng)的不確定性關(guān)聯(lián)程度則相對(duì)較小。因此，產(chǎn)能利用率波動(dòng)與經(jīng)濟(jì)不確定性引致的下行風(fēng)險(xiǎn)相關(guān)性更為顯著。本文基于產(chǎn)能利用率的視角，運(yùn)用實(shí)際數(shù)據(jù)刻畫(huà)了理論框架中技能缺口的概念，繼而在分析產(chǎn)能利用率波動(dòng)與經(jīng)濟(jì)下行風(fēng)險(xiǎn)相關(guān)性的同時(shí)，闡釋了內(nèi)生不確定性的經(jīng)濟(jì)含義，進(jìn)而有效印證了技能缺口—內(nèi)生不確定性—經(jīng)濟(jì)風(fēng)險(xiǎn)的驅(qū)動(dòng)機(jī)制。

六、結(jié)論與政策啟示

首先，本文利用高維因子模型，實(shí)現(xiàn)經(jīng)濟(jì)不確定性與金融不確定性的分離測(cè)度。其次，基于經(jīng)濟(jì)增長(zhǎng)概率分布的視角，本文將經(jīng)濟(jì)增長(zhǎng)與不確定性納入在險(xiǎn)增長(zhǎng)的統(tǒng)一框架，繼而識(shí)別不確定性視閾下經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性特征。最后，本文綜合考量經(jīng)驗(yàn)證據(jù)與理論模型的預(yù)期結(jié)果，實(shí)現(xiàn)不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的時(shí)變路徑識(shí)別與驅(qū)動(dòng)機(jī)制分析。本文得出如下結(jié)論。第一，預(yù)期經(jīng)濟(jì)增速的條件分位數(shù)回歸結(jié)果表明，不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)具有明顯的非對(duì)稱影響。相比于經(jīng)濟(jì)上行風(fēng)險(xiǎn)，不確定性對(duì)經(jīng)濟(jì)下行風(fēng)險(xiǎn)具有更為顯著的影響，從而能夠引致更大的經(jīng)濟(jì)下行風(fēng)險(xiǎn)。隨后，基于在險(xiǎn)增長(zhǎng)、相對(duì)熵值以及期望損失等模型的測(cè)度結(jié)果，有效印證不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的非對(duì)稱影響，進(jìn)一步揭示不確定性沖擊下經(jīng)濟(jì)風(fēng)險(xiǎn)的確定性特征，即伴隨著不確定性的升高，經(jīng)濟(jì)下行風(fēng)險(xiǎn)顯著增加，而經(jīng)濟(jì)上行風(fēng)險(xiǎn)則較為穩(wěn)定，并且當(dāng)經(jīng)濟(jì)處于不確定性較高的風(fēng)險(xiǎn)階段時(shí)，這種非對(duì)稱性特征會(huì)更加明顯。第二，預(yù)期經(jīng)濟(jì)增速分布的時(shí)變路徑表明:一方面，就預(yù)期經(jīng)濟(jì)增速的變化趨勢(shì)而言，2002 年至2007 年間，經(jīng)濟(jì)增速持續(xù)升高，而在全球金融危機(jī)后，經(jīng)濟(jì)增速開(kāi)始逐漸放緩，證實(shí)中國(guó)經(jīng)濟(jì)已經(jīng)實(shí)現(xiàn)由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段。另一方面，就預(yù)期經(jīng)濟(jì)增速的區(qū)間特征而言，當(dāng)不確定性較低時(shí)，未來(lái)經(jīng)濟(jì)增速的潛在波動(dòng)空間相對(duì)較小，經(jīng)濟(jì)預(yù)期較為明確；而當(dāng)不確定性較高時(shí)，未來(lái)經(jīng)濟(jì)增速通常具有較大的波動(dòng)空間。這意味著，不確定性沖擊不僅能夠引致經(jīng)濟(jì)增速大幅下降，而且會(huì)致使經(jīng)濟(jì)增速下行空間顯著擴(kuò)張。第三，從不確定性的時(shí)變沖擊路徑來(lái)看，不確定性沖擊下的預(yù)期經(jīng)濟(jì)增速分布呈現(xiàn)出非對(duì)稱性的脈沖響應(yīng)軌跡，并且不確定性沖擊的消化周期相對(duì)較長(zhǎng)，能夠?qū)?jīng)濟(jì)增長(zhǎng)產(chǎn)生長(zhǎng)遠(yuǎn)的負(fù)向影響。從不確定性的實(shí)際沖擊效應(yīng)來(lái)看，經(jīng)驗(yàn)證據(jù)與理論分析的預(yù)期結(jié)果表明，不確定性對(duì)經(jīng)濟(jì)增長(zhǎng)的實(shí)際影響明顯大于理論分析中同等規(guī)模沖擊的沖擊效應(yīng)。這意味著，不確定性對(duì)經(jīng)濟(jì)增長(zhǎng)的影響具有“雙向反饋” 的動(dòng)態(tài)溢出循環(huán)，使得不確定性在現(xiàn)實(shí)情境下表現(xiàn)出更為復(fù)雜的經(jīng)濟(jì)效應(yīng)，能夠加劇不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的實(shí)際沖擊作用。第四，根據(jù)預(yù)期經(jīng)濟(jì)增速的條件分位數(shù)回歸結(jié)果、經(jīng)濟(jì)風(fēng)險(xiǎn)的測(cè)度指標(biāo)以及不確定性沖擊的脈沖響應(yīng)軌跡等一系列經(jīng)驗(yàn)證據(jù)，經(jīng)濟(jì)不確定性與金融不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)具有明顯的異質(zhì)性影響。其中，無(wú)論是就不確定性沖擊的影響程度還是持續(xù)周期而言，經(jīng)濟(jì)不確定性的影響均更為顯著。這意味著，與金融不確定性相比較，經(jīng)濟(jì)不確定性包含更多引發(fā)經(jīng)濟(jì)增速波動(dòng)的信息，能夠引致更大的經(jīng)濟(jì)下行風(fēng)險(xiǎn)，致使經(jīng)濟(jì)表現(xiàn)出悲觀的增速預(yù)期。

基于上述結(jié)論，本文提出如下政策建議:第一，要充分認(rèn)識(shí)不確定性沖擊中的確定性規(guī)律，重視不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)的非對(duì)稱沖擊效應(yīng)，選擇更具針對(duì)性的監(jiān)管目標(biāo)和政策工具。當(dāng)不確定性水平較高時(shí)，不僅應(yīng)當(dāng)關(guān)注未來(lái)經(jīng)濟(jì)增長(zhǎng)的預(yù)期值，更要重點(diǎn)監(jiān)控和防范不確定性沖擊引致的巨大經(jīng)濟(jì)下行風(fēng)險(xiǎn)，進(jìn)一步強(qiáng)化風(fēng)險(xiǎn)監(jiān)管與預(yù)期管理，保障經(jīng)濟(jì)運(yùn)行在合理區(qū)間。第二，要?jiǎng)?chuàng)新與優(yōu)化宏觀經(jīng)濟(jì)調(diào)控，將在險(xiǎn)增長(zhǎng)、相對(duì)熵值、期望損失等參考指標(biāo)納入宏觀調(diào)控范疇，健全風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警和早期干預(yù)機(jī)制，加強(qiáng)宏觀經(jīng)濟(jì)政策與審慎監(jiān)管措施的協(xié)調(diào)配合。第三，在應(yīng)對(duì)不確定性沖擊的負(fù)面影響時(shí)，要加強(qiáng)與經(jīng)濟(jì)主體的溝通交流，引入前瞻性指引等政策工具，強(qiáng)化公眾的預(yù)期管理，避免產(chǎn)生夸大“壞消息”、忽視“好消息” 的市場(chǎng)恐慌情緒。同時(shí)，要積極制定和實(shí)施宏觀調(diào)控政策，提高宏觀調(diào)控有效性，優(yōu)化完善沖擊處理機(jī)制，主動(dòng)防范和化解由不確定性的內(nèi)生放大機(jī)制形成的疊加沖擊。第四，考慮到經(jīng)濟(jì)不確定性與金融不確定性的同期水平存在顯著差異，并且經(jīng)濟(jì)不確定性與金融不確定性對(duì)經(jīng)濟(jì)風(fēng)險(xiǎn)具有明顯的異質(zhì)性影響，監(jiān)管當(dāng)局應(yīng)密切關(guān)注經(jīng)濟(jì)和金融狀況及其不確定性因素，充分意識(shí)到金融不確定性的先導(dǎo)性特征，重點(diǎn)關(guān)注經(jīng)濟(jì)不確定性的劇烈變化，在努力實(shí)現(xiàn)“穩(wěn)增長(zhǎng)” 與“防風(fēng)險(xiǎn)” 雙重目標(biāo)的背景下，為經(jīng)濟(jì)平穩(wěn)健康發(fā)展?fàn)I造良好的外部環(huán)境。

目前，中國(guó)正處于全面貫徹黨的二十大精神的關(guān)鍵之年，在這重要的歷史節(jié)點(diǎn)上，面對(duì)紛繁復(fù)雜的外部環(huán)境，國(guó)內(nèi)經(jīng)濟(jì)“穩(wěn)增長(zhǎng)” 承受著空前壓力。在此背景下，識(shí)別不確定性與經(jīng)濟(jì)風(fēng)險(xiǎn)之間的關(guān)系，揭示不確定性中的確定性規(guī)律，對(duì)于國(guó)民經(jīng)濟(jì)健康發(fā)展至關(guān)重要。唯有強(qiáng)化風(fēng)險(xiǎn)監(jiān)管與預(yù)期管理，創(chuàng)新宏觀經(jīng)濟(jì)調(diào)控體系，方能防范化解經(jīng)濟(jì)金融風(fēng)險(xiǎn)，保持經(jīng)濟(jì)運(yùn)行在合理區(qū)間，進(jìn)而有利于加快構(gòu)建新發(fā)展格局，實(shí)現(xiàn)第二個(gè)百年奮斗目標(biāo)，以中國(guó)式現(xiàn)代化全面推進(jìn)中華民族偉大復(fù)興。