黃媛 吳昊

摘 要：構(gòu)建分位數(shù)分位數(shù)回歸模型，依據(jù)1987年6月至2020年10月數(shù)據(jù)，考量經(jīng)濟(jì)政策不確定性對原油市場收益的異質(zhì)性影響。結(jié)果表明：經(jīng)濟(jì)政策不確定性對原油市場收益在大多數(shù)分位點(diǎn)具有抑制效應(yīng)，且這種影響在原油市場低迷時更加明顯。在三類細(xì)分經(jīng)濟(jì)政策不確定性沖擊中，貨幣政策不確定性和貿(mào)易政策不確定性對原油收益的影響在原油市場繁榮時占主導(dǎo)地位，而原油市場處于低迷狀態(tài)時對財政政策不確定性的變化更加敏感。此外，經(jīng)濟(jì)政策不確定性對原油市場收益的影響程度在金融危機(jī)爆發(fā)后明顯增強(qiáng)。鑒此，原油市場利益相關(guān)者在金融危機(jī)期間應(yīng)對經(jīng)濟(jì)政策不確定的變化應(yīng)更加謹(jǐn)慎。

關(guān)鍵詞： 經(jīng)濟(jì)政策不確定性;原油市場收益;分位數(shù)分位數(shù)回歸模型

中圖分類號：F724.5 ? 文獻(xiàn)標(biāo)識碼： A ? ?文章編號：1003-7217（2021）04-0131-07

一、引 言

作為現(xiàn)代經(jīng)濟(jì)發(fā)展中最具影響力的基礎(chǔ)能源，原油對于維護(hù)金融體系穩(wěn)定和經(jīng)濟(jì)發(fā)展具有戰(zhàn)略意義[1，2]。鑒于原油在世界經(jīng)濟(jì)體系中的地位日益凸顯，探討原油價格漲跌波動的影響因素對政府機(jī)構(gòu)、投資者及其他利益相關(guān)者具有重要意義。影響原油價格變化的因素包括原油供求關(guān)系的基本面因素以及包括投機(jī)活動、投資者情緒等在內(nèi)的非基本面因素。近年來，全球經(jīng)濟(jì)環(huán)境發(fā)生了深刻變化，經(jīng)濟(jì)和政治領(lǐng)域的不確定性加劇了資本市場的異常波動，原油價格多次上演“V型反轉(zhuǎn)”，引發(fā)了學(xué)者對于經(jīng)濟(jì)環(huán)境、產(chǎn)油國與周邊國家之間的政治安全及經(jīng)濟(jì)政策不確定性（Economic Policy Uncertainty，EPU）與原油價格異常波動關(guān)系的探討[3，4]?，F(xiàn)有研究表明經(jīng)濟(jì)政策不確定性與宏觀經(jīng)濟(jì)波動有關(guān)。例如，Bloom（2009）針對不確定性沖擊的經(jīng)濟(jì)影響進(jìn)行的一項(xiàng)早期探索性研究表明，來自經(jīng)濟(jì)和政治沖擊的不確定性對經(jīng)濟(jì)周期產(chǎn)生重大影響[5]。自此大量研究證實(shí)了經(jīng)濟(jì)政策不確定性對包括經(jīng)濟(jì)增長、投資和通貨膨脹等宏觀經(jīng)濟(jì)變量的影響[6，7]。事實(shí)上，與經(jīng)濟(jì)政策相關(guān)的不確定性也會對投資者和企業(yè)行為產(chǎn)生影響[8]。根據(jù)實(shí)物期權(quán)理論，在投資不可逆的前提下，投資機(jī)會被視為經(jīng)濟(jì)主體持有的一項(xiàng)資源。當(dāng)經(jīng)濟(jì)政策不確定性水平較高時，由于對未來總需求不確定致使社會公眾信心指數(shù)短期內(nèi)快速下滑，企業(yè)和投資者可能通過改變或延遲生產(chǎn)和投資決策以避免高昂的財務(wù)成本，這反過來又會對原油需求和油價波動產(chǎn)生影響。同時，企業(yè)融資成本面臨上行壓力，投資水平下降通過影響經(jīng)濟(jì)增長導(dǎo)致原油需求減少，進(jìn)而推動油價下跌。此外，經(jīng)濟(jì)政策不確定性也可能通過影響利率、通貨膨脹和預(yù)期風(fēng)險溢價影響油價[9]。鑒于經(jīng)濟(jì)政策不確定性與原油價格之間的密切關(guān)系，探討經(jīng)濟(jì)政策不確定性對原油價格的影響機(jī)制對于促進(jìn)能源市場穩(wěn)定發(fā)展具有意義。

現(xiàn)有研究利用不同國家經(jīng)濟(jì)政策不確定性指數(shù)考察了經(jīng)濟(jì)政策不確定性與原油價格的關(guān)系。例如，Wei（2017）運(yùn)用GARCH-MIDAS模型和DMA組合方法發(fā)現(xiàn)全球經(jīng)濟(jì)政策不確定性指數(shù)和美國經(jīng)濟(jì)政策不確定性對原油價格具有較強(qiáng)的預(yù)測能力[10]?；跁r域和頻域角度，Sun等（2020）利用小波相干方法和線性格蘭杰因果關(guān)系發(fā)現(xiàn)G7國家經(jīng)濟(jì)政策不確定性與原油價格之間的相互作用在長期內(nèi)逐漸增強(qiáng)，在重大歷史政治或金融事件發(fā)生時兩者之間的關(guān)聯(lián)度最高。此外，除美國外的六個國家在中長期內(nèi)均存在從經(jīng)濟(jì)政策不確定性到原油價格的單向或雙向因果關(guān)系[11]?；趧討B(tài)結(jié)構(gòu)變化視角，Lyu等（2020）利用TVP-SVAR-SV方法探究了經(jīng)濟(jì)政策不確定性沖擊對布倫特（Brent）和西德州輕質(zhì)原油（WTI）價格波動的影響，結(jié)果表明經(jīng)濟(jì)政策不確定性沖擊對原油市場的影響隨時間推移而變化，并且在極端市場條件下影響程度顯著增強(qiáng)[12]。然而，Aloui等（2016）通過利用滾動窗口方法實(shí)現(xiàn)Copula估計考察經(jīng)濟(jì)政策不確定性對原油收益率的時變影響，結(jié)果表明金融危機(jī)爆發(fā)前，經(jīng)濟(jì)政策不確定性與原油收益率之間存在正相關(guān)關(guān)系，但在整個樣本期間兩者表現(xiàn)為負(fù)相關(guān)關(guān)系[13]。Joёts等（2017）利用結(jié)構(gòu)門限自回歸（TVAR）模型研究了宏觀經(jīng)濟(jì)不確定性對19個大宗商品市場樣本的影響，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性與大多數(shù)大宗商品價格之間存在負(fù)向影響，并且不確定性事件和大宗商品價格波動是可以分離的，尤其是原油價格波動[14]。馮鈺瑤等（2020）通過構(gòu)建基于綜合集成的多尺度復(fù)雜系統(tǒng)研究方法論分析政策不確定性與原油市場的交互影響，發(fā)現(xiàn)不確定性變動對原油價格可以同時產(chǎn)生正向或負(fù)向影響，原油價格波動也會導(dǎo)致經(jīng)濟(jì)政策發(fā)生變化[15]?？傮w而言，現(xiàn)有關(guān)于經(jīng)濟(jì)政策不確定性與原油價格關(guān)系的研究尚未得到一致結(jié)論。值得注意的是，已有文獻(xiàn)在探討經(jīng)濟(jì)政策不確定性與原油市場的關(guān)系時，并沒有區(qū)分不同類型經(jīng)濟(jì)政策不確定性對油價的影響機(jī)制是否不同。此外，原油價格具有波動性強(qiáng)且波動幅度大的特點(diǎn)，不同原油市場行情下呈現(xiàn)的脆弱性和敏感性具有差異，經(jīng)濟(jì)政策不確定性對原油市場的影響可能會因經(jīng)濟(jì)政策不確定性水平高低和原油價格沖擊大小存在異質(zhì)性?，F(xiàn)有研究利用如VAR和Copula等標(biāo)準(zhǔn)經(jīng)濟(jì)計量技術(shù)對經(jīng)濟(jì)政策不確定性與原油市場之間的關(guān)系進(jìn)行估算，難以捕捉不同市場行情下經(jīng)濟(jì)政策不確定性對原油市場收益的異質(zhì)性影響，有必要進(jìn)一步探究經(jīng)濟(jì)政策不確定性對不同原油市場狀態(tài)下的影響機(jī)制和規(guī)律。

為了考察經(jīng)濟(jì)政策不確定性與原油市場收益可能存在的異質(zhì)性和復(fù)雜關(guān)聯(lián)性，本文采用分位數(shù)分位數(shù)回歸（Quantile-on-Quantile， QQ）對經(jīng)濟(jì)政策不確定性及三類細(xì)分經(jīng)濟(jì)政策不確定性（貨幣政策不確定性、財政政策不確定以及貿(mào)易政策不確定性）對原油市場收益的影響建模。作為標(biāo)準(zhǔn)分位數(shù)回歸的推廣，分位數(shù)分位數(shù)回歸方法通過揭示解釋變量的分位數(shù)如何影響因變量條件分位數(shù)的復(fù)雜特征，有效避免參數(shù)的限制性假設(shè)，彌補(bǔ)了傳統(tǒng)分位數(shù)回歸忽略解釋變量狀態(tài)的缺陷。考慮在較長的樣本周期內(nèi)受金融危機(jī)影響市場動蕩發(fā)生傳染，以2008年金融危機(jī)爆發(fā)為界，對比分析金融危機(jī)前后經(jīng)濟(jì)政策不確定性與原油市場收益的關(guān)系，以驗(yàn)證研究結(jié)果是否對樣本周期敏感。

二、模型構(gòu)建

分位數(shù)分位數(shù)回歸是Sim和Zhou（2015）提出的一種新的非參數(shù)分位數(shù)方法，用于檢驗(yàn)?zāi)骋蛔兞康姆治粩?shù)對另一變量條件分位數(shù)的影響[16]。之后，Stone（1977）和Cleveland（1979）提出的局部線性回歸方法用于估計解釋變量的給定分位數(shù)對因變量的局部影響，有效解決了純非參數(shù)模型固有的“維數(shù)災(zāi)難”問題，這兩種技術(shù)的結(jié)合為建立解釋變量分位數(shù)與因變量分位數(shù)之間關(guān)系的模型提供了解決方法[17，18]。與使用普通最小二乘法或標(biāo)準(zhǔn)分位數(shù)回歸等估計技術(shù)得到的結(jié)果相比，分位數(shù)—分位數(shù)回歸的關(guān)鍵優(yōu)勢在于它將一個變量的分位數(shù)回歸到另一個變量的分位數(shù)上，能更豐富地模擬經(jīng)濟(jì)關(guān)系[16]。例如，普通最小二乘方法只能估計經(jīng)濟(jì)政策不確定性沖擊對原油價格條件平均數(shù)的影響，分位數(shù)回歸進(jìn)一步將條件平均數(shù)的影響分解為條件分位數(shù)的影響，而分位數(shù)—分位數(shù)回歸通過闡明經(jīng)濟(jì)政策不確定性沖擊的分位數(shù)如何影響原油價格的條件分位數(shù)，有效拓展了利用分位數(shù)回歸方法得到的研究結(jié)論。具體地，首先將原油市場收益分位數(shù)作為因變量建模，因?yàn)樗峁┝擞嘘P(guān)原油市場價格波動的信息，然后將經(jīng)濟(jì)政策不確定性的分位數(shù)作為解釋變量建模，這些分位數(shù)包含了經(jīng)濟(jì)政策不確定性沖擊向上和向下的信息。因此，分位數(shù)—分位數(shù)回歸模型即通過選擇若干個經(jīng)濟(jì)政策不確定性沖擊分位數(shù)估計其對原油市場收益分位數(shù)的影響，提供了經(jīng)濟(jì)政策不確定性對原油市場收益在各自分布上如何影響的完整信息。此外，針對能源經(jīng)濟(jì)數(shù)據(jù)的非正態(tài)特征難以滿足均值回歸模型基本假設(shè)，分位數(shù)—分位數(shù)回歸技術(shù)因能較好地擬合非正態(tài)數(shù)據(jù)成為處理這一問題的有效工具。

需要注意的是，核回歸的關(guān)鍵在于帶寬的選擇。若選擇的帶寬較小，那么估計偏差較小;相反，則偏差較大。與Sim和Zhou（2015）[16]和Shahzad等（2017）[19]一致，本文選擇h=0.05。

三、實(shí)證分析

（一）數(shù)據(jù)來源及描述性統(tǒng)計

本文選取美國經(jīng)濟(jì)政策不確定性指標(biāo)和原油市場收益序列作為研究對象，樣本區(qū)間涵蓋1987年6月至2020年10月共401個月度數(shù)據(jù)。為了分析不同類型政策不確定性對原油市場的沖擊效應(yīng)，將美國經(jīng)濟(jì)政策不確定性細(xì)分為貨幣政策不確定性（Monetary Policy Uncertainty， MPU）、財政政策不確定性（Fiscal Policy Uncertainty， FPU）以及貿(mào)易政策不確定性（Trade Policy Uncertainty， TPU）。國際原油市場價格選擇西德州輕質(zhì)原油（WTI）和布倫特原油（Brent）作為代表，數(shù)據(jù)來源于美國能源情報署（Energy Information Administration， EIA）。經(jīng)濟(jì)政策不確定性指數(shù)、貨幣政策不確定性指數(shù)、財政政策不確定指數(shù)和貿(mào)易政策不確定性指數(shù)的數(shù)據(jù)均來源于EPU網(wǎng)站（http：//www.policyuncertainty.com）。為確保變量的平穩(wěn)性，對原油價格序列進(jìn)行對數(shù)差分變換：rt=（ln pt-ln pt-1）×100，其中rt表示對數(shù)收益率。

表1列出了變量的描述性統(tǒng)計結(jié)果。其中，經(jīng)濟(jì)政策不確定性及三類細(xì)分指標(biāo)均為右偏，且所有變量的峰度都超過3，表明變量序列存在尖峰厚尾特征，JB檢驗(yàn)結(jié)果也證實(shí)了變量不服從正態(tài)分布的結(jié)論。在這種情況下，利用最小二乘回歸方法得到的估計結(jié)果將不再具有穩(wěn)健性[20]。作為分位數(shù)回歸模型的推廣，分位數(shù)分位數(shù)回歸對具有異方差、非正態(tài)數(shù)據(jù)的擬合效果較好，是解決這一問題的有效工具。為避免出現(xiàn)“偽回歸”，利用ADF檢驗(yàn)、PP檢驗(yàn)和KPSS檢驗(yàn)對變量進(jìn)行單位根檢驗(yàn)，在1%置信水平上所有變量拒絕存在單位根的原假設(shè)，變量均為平穩(wěn)。

（二）模型估計結(jié)果分析

為分析經(jīng)濟(jì)政策不確定性對不同行情原油市場收益的影響，選取0.05， 0.10， 0.15 …， 0.95等19個分位點(diǎn)構(gòu)建分位數(shù)分位數(shù)回歸模型并進(jìn)行參數(shù)估計。一般地，將0.05～0.25分位點(diǎn)視為原油收益市場的熊市（蕭條市場），0.75～0.95分位點(diǎn)視為原油收益市場的牛市（繁榮市場），中間分位點(diǎn)為一般市場。表2列出了經(jīng)濟(jì)政策不確定性指標(biāo)及貨幣政策不確定性、財政政策不確定性以及貿(mào)易政策不確定性三類細(xì)分指標(biāo)對原油市場收益影響的部分估計結(jié)果①，圖1給出了分位數(shù)分位數(shù)回歸模型的所有參數(shù)估計結(jié)果。

根據(jù)圖1所示，經(jīng)濟(jì)政策不確定性及其細(xì)分指標(biāo)對原油市場收益的影響存在異質(zhì)性，主要表現(xiàn)在影響方向與影響程度上。具體地，圖1（a）的結(jié)果顯示：經(jīng)濟(jì)政策不確定性對原油市場收益影響的系數(shù)在大多數(shù)分位點(diǎn)為負(fù)，表明在大部分情況下經(jīng)濟(jì)政策不確定性對原油市場收益存在負(fù)向影響。這一結(jié)論與Kang等（2017）相似，他們的研究結(jié)論表明經(jīng)濟(jì)政策不確定性與原油市場收益之間的關(guān)系為負(fù)，并且這種關(guān)系被內(nèi)生經(jīng)濟(jì)政策不確定性反應(yīng)增強(qiáng)[20]。考慮在較高的經(jīng)濟(jì)政策不確定性水平下，投資者和企業(yè)難以對當(dāng)前和未來經(jīng)濟(jì)形勢做出準(zhǔn)確判斷，并傾向于延遲或改變生產(chǎn)和投資決策。生產(chǎn)規(guī)模減小和投資需求降低通過影響經(jīng)濟(jì)增長直接導(dǎo)致原油需求下滑，因而經(jīng)濟(jì)政策不確定性對原油市場收益的負(fù)向影響是可預(yù)期的。此外，在原油市場的低分位點(diǎn)系數(shù)的絕對值達(dá)到最大，表明經(jīng)濟(jì)政策不確定性對原油市場收益的抑制效應(yīng)在原油市場低迷時更加明顯。對這一結(jié)果的合理推測是：當(dāng)原油市場處于蕭條狀態(tài)時恐慌情緒彌漫，經(jīng)濟(jì)政策的細(xì)微變動會使整個市場做出激烈反應(yīng)。進(jìn)一步觀察不同類型經(jīng)濟(jì)政策不確定性與原油收益之間關(guān)系的結(jié)果發(fā)現(xiàn)，當(dāng)原油市場收益較高時，貨幣政策不確定性和貿(mào)易政策不確定性的負(fù)向沖擊主要集中在政策不確定性指數(shù)的高分位點(diǎn)。然而，財政政策不確定性的負(fù)向影響主要出現(xiàn)在原油市場的蕭條狀態(tài)，并且在大多數(shù)情況下財政政策不確定性對原油市場收益表現(xiàn)為正向影響。這一結(jié)果表明，當(dāng)原油市場繁榮時，貨幣政策和貿(mào)易政策的改變對原油收益的影響占主導(dǎo)地位，而當(dāng)原油市場處于蕭條狀態(tài)時，原油市場收益對財政政策的變化更加敏感，并且財政政策不確定性對原油市場收益的整體表現(xiàn)為正向促進(jìn)作用。因此，我們可以發(fā)現(xiàn)不同類型的經(jīng)濟(jì)政策不確定性對原油價格沖擊的影響存在異質(zhì)性。

（三）危機(jī)前、后影響效應(yīng)分析

為考察經(jīng)濟(jì)政策不確定性與原油市場之間的關(guān)系在危機(jī)前后是否發(fā)生變化，以全球金融危機(jī)發(fā)生的時點(diǎn)為分界將樣本劃分為危機(jī)前和危機(jī)后兩個子樣本進(jìn)行分位數(shù)分位數(shù)回歸模型估計，結(jié)果如圖2所示。根據(jù)圖2（a）：在金融危機(jī)爆發(fā)前，經(jīng)濟(jì)政策不確定性對中間分位點(diǎn)和高分位點(diǎn)原油市場的沖擊

效應(yīng)顯著為負(fù)，而在經(jīng)濟(jì)政策的高分位點(diǎn)和原油市場的低分位點(diǎn)，模型的估計系數(shù)顯著為正。這一結(jié)果意味著當(dāng)原油市場平穩(wěn)運(yùn)行或發(fā)展良好時，經(jīng)濟(jì)政策不確定性對原油收益的影響表現(xiàn)為抑制效應(yīng)，而較大的經(jīng)濟(jì)政策波動對原油市場處于熊市行情下的影響表現(xiàn)為正向促進(jìn)作用。相比之下，經(jīng)濟(jì)政策不確定性對原油市場影響的系數(shù)在金融危機(jī)爆發(fā)后整體明顯增大，表明經(jīng)濟(jì)政策不確定性的變化對原油市場收益的沖擊效應(yīng)增加。這可能是由于金融危機(jī)爆發(fā)后經(jīng)濟(jì)政策不確定性水平顯著提升，同時引發(fā)市場投資者動蕩不安，經(jīng)濟(jì)政策不確定性作為效應(yīng)的主要傳遞者加劇了對原油市場的沖擊效應(yīng)。這一發(fā)現(xiàn)與Aloui等（2016）和Yang（2019）的研究結(jié)論一致，他們指出經(jīng)濟(jì)政策不確定性對原油價格的溢出效應(yīng)在重大政治或金融事件發(fā)生時顯著增強(qiáng)[13，21]。因此，原油市場的利益相關(guān)者在危機(jī)期間應(yīng)對經(jīng)濟(jì)政策不確定的變化需更加謹(jǐn)慎。

進(jìn)一步分析不同類型經(jīng)濟(jì)政策不確定性對原油市場收益的影響在危機(jī)前后的差異。根據(jù)圖（2b）：在危機(jī)發(fā)生前，當(dāng)原油市場處于極端高分位點(diǎn)時（τ<0.1或τ>0.7），較高或較低分位點(diǎn)的貨幣政策不確定性對原油市場收益的影響顯著為負(fù)，而位于中間分位點(diǎn)的貨幣政策不確定性的影響為正。這一結(jié)果說明貨幣政策不確定性對原油市場收益的影響與原油市場的行情密切相關(guān)，在探討經(jīng)濟(jì)政策不確定性與原油市場收益之間的關(guān)系時考慮分布異質(zhì)性是必要的。從系數(shù)大小看，貨幣政策不確定性對原油市場收益的影響程度在危機(jī)后更大，這一結(jié)果意味著金融危機(jī)爆發(fā)顯著提升了原油市場對貨幣政策

不確定性沖擊的敏感性。對于財政政策不確定性（圖2c），當(dāng)原油市場處于蕭條狀態(tài)時，較低水平的財政政策不確定性對原油市場收益在危機(jī)前的負(fù)向沖擊在危機(jī)爆發(fā)后轉(zhuǎn)為正向影響，即金融危機(jī)爆發(fā)后財政政策改變促進(jìn)了原油市場的向好。對這一結(jié)果的合理推測是：金融危機(jī)爆發(fā)后，為了保持宏觀經(jīng)濟(jì)政策的穩(wěn)定性和連續(xù)性實(shí)行寬松的財政政策，這為原油市場注入一劑“強(qiáng)心針”進(jìn)而拉高了原油市場收益。此外，貿(mào)易政策不確定性的結(jié)果也能觀察到類似特征（圖2d）。在金融危機(jī)爆發(fā)前，貿(mào)易政策不確定性對原油市場收益影響的系數(shù)在大多數(shù)分位點(diǎn)不顯著。在金融危機(jī)爆發(fā)后系數(shù)明顯增大，并且貿(mào)易政策不確定性對原油市場的影響在原油市場處于低迷時表現(xiàn)為顯著的抑制效應(yīng)，這一結(jié)果同樣適用于原油市場的牛市狀態(tài)。以上發(fā)現(xiàn)驗(yàn)證了金融危機(jī)加劇了不同類型經(jīng)濟(jì)政策不確定性對原油市場的沖擊效應(yīng)，表明金融危機(jī)后經(jīng)濟(jì)政策不確定性沖擊對原油市場收益的影響程度更大，體現(xiàn)了經(jīng)濟(jì)政策不確定性對原油市場收益的影響對經(jīng)濟(jì)危機(jī)事件敏感的特征。

（四）穩(wěn)健性分析

為了驗(yàn)證利用分位數(shù)分位數(shù)回歸方法對經(jīng)濟(jì)政策不確定性對原油市場收益影響建模的合理性和穩(wěn)健性，將WTI原油價格替換成Brent原油價格對經(jīng)濟(jì)政策不確定性在全樣本時期和危機(jī)爆發(fā)前后分別進(jìn)行分位數(shù)分位數(shù)回歸參數(shù)估計，進(jìn)一步驗(yàn)證結(jié)果是否具有穩(wěn)健性。本文通過對模型系數(shù)估計后得出結(jié)論：除了不同分位點(diǎn)的系數(shù)大小存在細(xì)微變化外，模型結(jié)果規(guī)律大體上與前文相似，表明采用分位數(shù)分位數(shù)回歸方法刻畫經(jīng)濟(jì)政策不確定性與原油市場收益之間的關(guān)系較為合理②。

四、結(jié)論及建議

作為2008年金融危機(jī)誘因之一，經(jīng)濟(jì)政策不確定性與原油市場收益密切相關(guān)。本文利用分位數(shù)分位數(shù)回歸模型考察了1987年6月至2020年10月間經(jīng)濟(jì)政策不確定性及三類細(xì)分經(jīng)濟(jì)政策不確定性沖擊對原油市場收益的異質(zhì)性影響，同時，比較分析了金融危機(jī)爆發(fā)前后經(jīng)濟(jì)政策不確定性對原油市場收益影響的差異性。

實(shí)證結(jié)果表明：在整個樣本期內(nèi)，經(jīng)濟(jì)政策不確定性對原油市場收益的影響存在異質(zhì)性。具體地，經(jīng)濟(jì)政策不確定性對原油市場收益在大多數(shù)分點(diǎn)位具有負(fù)向影響，且這種影響在原油市場處于熊市狀態(tài)時更加明顯。在三類細(xì)分經(jīng)濟(jì)政策不確定性沖擊中，貨幣政策不確定性和貿(mào)易政策不確定性對原油收益的影響在原油市場繁榮時占主導(dǎo)地位，而原油市場處于蕭條狀態(tài)時對財政政策不確定性的變化更加敏感。此外，經(jīng)濟(jì)政策不確定性對原油市場收益的影響程度在金融危機(jī)爆發(fā)后比危機(jī)前顯著增強(qiáng)。

因此，投資者在做出購買原油儲備的決策時，需要充分考慮經(jīng)濟(jì)政策不確定性的影響，并特別關(guān)注貨幣政策不確定性、財政政策不確定性和貿(mào)易政策不確定性的波動，尤其在重大金融危機(jī)事件發(fā)生時應(yīng)提高警惕。此外，政府部門應(yīng)盡可能保持經(jīng)濟(jì)政策的連貫性和平穩(wěn)性，降低政策調(diào)整頻率，以利于投資者和企業(yè)對經(jīng)濟(jì)政策變化建立合理預(yù)期和防范對策。

注釋：

① ?限于篇幅未列出所有分位點(diǎn)估計結(jié)果，可向作者索要相關(guān)完整結(jié)果。

② 限于篇幅未列出完整的分位數(shù)系數(shù)回歸結(jié)果，可向作者索要相關(guān)完整結(jié)果。

參考文獻(xiàn)：

[1] Zhang Y J， Wu Y B. The time-varying spillover effect between WTI crude oil futures returns and hedge funds[J]. International Review of Economics & Finance， 2019， 61： 156-169.

[2] 朱慧明， 段容， 賈相華. 原油價格與經(jīng)濟(jì)政策不確定性對大宗商品市場非對稱沖擊效應(yīng)研究[J].財經(jīng)理論與實(shí)踐， 2019， 40（01）： 70-76.

[3] Wang Q， Sun X. Crude oil price： Demand， supply， economic activity， economic policy uncertainty and wars-From the perspective of structural equation modelling （SEM）[J]. Energy， 2017， 133： 483-490.

[4] Badshah I， Demirer R， Suleman M T. The effect of economic policy uncertainty on stock-commodity correlations and its implications on optimal hedging[J]. Energy Economics， 2019， 84： 104553.

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

[6] Jones P M， Olson E. The time-varying correlation between uncertainty， output， and inflation： Evidence from a DCC-GARCH model[J]. Economics Letters， 2013， 118（1）： 33-37.

[7] Alexopoulos M， Cohen J. The power of print： Uncertainty shocks， markets， and the economy[J]. International Review of Economics & Finance， 2015， 40： 8-28.

[8] Antonakakis N， Chatziantoniou I， Filis G. Dynamic spillovers of oil price shocks and economic policy uncertainty[J]. Energy Economics， 2014， 44： 433-447.

[9] Malliaris A G， Malliaris M. Are oil， gold and the Euro inter-related？ Time series and neural network analysis[J]. Review of Quantitative Finance and Accounting， 2013， 40（1）： 1-14.

[10]Wei Y， Liu J， Lai X， et al. Which determinant is the most informative in forecasting crude oil market volatility： Fundamental， speculation， or uncertainty？[J]. Energy Economics， 2017， 68： 141-150.

[11]Sun X， Chen X， Wang J， et al. Multi-scale interactions between economic policy uncertainty and oil prices in time-frequency domains[J]. The North American Journal of Economics and Finance， 2020， 51： 100854.

[12]Lyu Y， Tuo S， Wei Y， et al. Time-varying effects of global economic policy uncertainty shocks on crude oil price volatility： New evidence[J]. Resources Policy， 70： 101943.

[13]Aloui R， Gupta R， Miller S M. Uncertainty and crude oil returns[J]. Energy Economics， 2016， 55： 92-100.

[14]Joёts M， Mignon V， Razafindrabe T. Does the volatility of commodity prices reflect macroeconomic uncertainty？[J]. Energy Economics， 2017， 68： 313-326.

[15]馮鈺瑤， 劉暢， 孫曉蕾. 不確定性與原油市場的交互影響測度：基于綜合集成的多尺度方法論[J].管理評論， 2020， 32（07）： 29-40.

[16]Sim N， Zhou H. Oil prices， US stock return， and the dependence between their quantiles[J]. Journal of Banking & Finance， 2015， 55：1-8.

[17]Stone， Charles， J. Consistent Nonparametric Regression[J]. Annual Statistics， 1977.

[18]Cleveland W S. Robust locally weighted and smoothing scatterplots[J]. Journal of the American Statal Association， 1979， 74（368）：829-836.

[19]Shahzad S J H， Shahbaz M， Ferrer R， et al. Tourism-led growth hypothesis in the top ten tourist destinations： New evidence using the quantile-on-quantile approach[J]. Tourism Management， 2017， 60（jun.）：223-232.

[20]Kang W， Ratti R A. Structural oil price shocks and policy uncertainty[J]. Economic Modelling， 2013， 35： 314-319.

[21]Yang L. Connectedness of economic policy uncertainty and oil price shocks in a time domain perspective[J]. Energy Economics， 2019， 80： 219-233.

（責(zé)任編輯：鐘 瑤）