经济政策不确定性对我国物流指数波动率的影响

全文总计 6013 字,阅读时间 16 分钟,快速浏览仅需 4 分钟。

英文标题:Influence of Economic Policy Uncertainty on Volatility of China’s Logistics Index

内容摘要:以Baker的经济政策不确定性(Economic Policy Uncertainty,EPU)指数和我国物流行业代表性的股价指数-国证物流指数为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对物流行业波动率的影响。实证结果表明:EPU对我国物流行业股市波动具有显著的影响,能对物流股票指数波动率的长期成分起到抑制作用。

关键词:经济政策不确定性,物流指数波动率,GARCH-MIDAS,混频数据  economic policy uncertainty,logistics index v

GB/T 7714-2015 格式引文:[1].经济政策不确定性对我国物流指数波动率的影响.[J]或者报纸[N].物流技术,(20186):83-87,106

正文内容

  doi:10.3969/j.issn.1005-152X.2018.06.017

  1 引言

  物流产业是指以物流活动或各种物流支援活动为经营内容的营利性事业,它涉及到的资源非常多,包括运输、仓储、装卸、搬运、包装、流通加工、配送、信息平台等,因此,物流产业也是一种复合型或聚合型产业。物流产业在提升国家整体经济实力和优化产业结构等方面具有重要作用,同时,物流产业的发展涉及到社会经济发展的方方面面,在社会生产和居民消费等环节中更是起着桥梁和纽带作用。随着物流产业的不断发展,已经成为社会经济体系中一个基本的组成部分。目前我国社会经济发展进入转型升级新常态的背景下,促进物流行业的健康发展具有重要的现实意义。

  近些年来,随着国民经济水平大幅度提升,社会物流总额在GDP的比率逐步上升,我国已经成为一个物流大国。我国政府高度重视物流产业的发展,2009年国务院出台了《物流业调整和振兴规划》,并制定了十大产业整体规划;2014年,我国制定了《物流业发展中长期规划(2014-2020年)》,规划中明确提出:“物流产业作为国家一项支柱产业,优先得到扶持和发展”。随着国家利好政策的连续出台,进一步促进了我国的基础设施建设,健全了经济制度,使我国物流行业得以保持较快的增长速度,拓展了未来的发展空间。

  根据以上分析研究可以得出结论,在当代经济发展过程中,国民经济发展状况和国家政策是影响物流产业的两个重要因素。物流股票指数作为物流产业发展状况的重要指标,其波动率反映了物流行业的不确定性特征和风险状况,与经济政策的不确定性密切相关,因此,本文将视角集中于经济政策不确定性对物流行业股票波动率的影响。

  2 文献综述

  国内外学者对经济政策不确定性和物流产业也开展了众多有价值的研究。自Baker et al.,[1]提出EPU指数以来,引起了国内外学者们的广泛关注。不少学者将其用于众多相关研究中。目前对经济政策不确定性的应用研究主要集中于分析EPU指数对宏观经济、公司层面和股票指数的影响。Baker et al.[2]基于他们2012年编制的EPU指数,论证了2007-2011年期间经济政策不确定性是导致美国经济前景不确定性的主要原因,也是阻碍美国经济复苏的重要原因。Arouri et al.[3]运用马尔科夫机制转换模型,研究了1900-2014年期间美国经济政策不确定性对股票市场的影响。研究发现,随着政策不确定性的增加,显著降低了股票收益率,并且这种影响在极端波动期间更强。谭小芬和张文婧[4]对经济政策不确定性影响中国企业投资行为的传导机制进行了分析。研究结果表明,经济政策不确定性通过实物期权和金融摩擦两种渠道抑制了中国企业投资,政策不确定性的传导作用可归结为其对资本流动性价值的冲击。郝永敬[5]等从理论上探究了经济政策不确定性影响居民消费的作用机制,并指出政府在宏观经济政策调控时应注意经济冲击对消费的影响,保持政策的系统性与稳定性。吴雨濛[6]等从政策不确定性着眼,首先分析了政策不确定性对投资与经济增长的作用机理,进而采用经济政策不确定性指数及相关数据,例证了政策不确定性、投资与经济增长之间的互动关系。

  关于物流产业的相关研究,很多学者对物流企业、物流和宏观经济的关系以及物流需求的影响因素等方面进行了研究。Zhu et al.[7]运用统计分析的方法验证了经济与物流之间的这种相互作用。研究发现,中国经济在促进物流发展方面发挥了重要作用,应该进一步加快中国物流的发展,并对物流的未来发展提出了一些建议。Shao and Ma[8]等根据中国区域物流系统在供应链全球化环境下的特点,设计了一套系统全面的区域物流竞争力综合评价指标体系,并分析了指标评价体系中各因素的内涵。然后基于层次分析思想和模糊决策原理,对我国区域物流业的发展趋势进行了系统而全面的评估。He and Cheng[9]对多家物流企业进行了研究,探索了结合模糊逻辑的决策试验和评估实验室(DEMATEL)方法,并确定了城市物流的关键影响因素,得出物流中心位置、信息科技、经济成本和物流网络这四个因素对物流行业具有决定性影响。邱立国和赵薇[10]以熵值计算权重并嵌入灰色关联模型,对我国物流需求动力进行研究。研究发现,我国物流产业发展动力主要来源于第二产业的发展,第三产业是我国物流产业需求动力的重要来源,第一产业对我国物流产业推动作用不明显,进出口贸易的发展能推动我国物流产业国际竞争力的提高;居民消费水平的提高有利于物流产业的发展。华幸和乐琦[11]分析了企业规模、人才资源、企业所有制和企业所处区域对于物流企业竞争力的影响程度。基于我国88家上市物流企业2011-2013年的数据,实证检验企业规模、企业人力资源、企业股权性质、企业所在区域等因素与企业竞争力之间的关系。冯朝军[12]采取多元回归分析的方法,通过建立科学的指标体系,识别出影响我国物流需求的主要因素,对社会物流总需求进行预测和分析。

  据笔者目前所了解到的文献而言,暂未发现有文献研究经济政策不确定性对物流产业股票波动率的作用,因此,本文将视角集中于EPU指数对我国物流股市波动率的影响,并采用混频数据的GARCH-MIDAS模型进行建模分析,研究结果可以为我国物流产业的发展提供一定的指导。

  3 经济政策不确定性指数与物流指数介绍

  3.1 经济政策不确定性介绍

  本文采用的经济政策不确定性(Economic Policy Uncertainty,EPU)指数,是由芝加哥大学(University of Chicago)布斯商学院的Steven Davis、Scotty Baker和斯坦福大学(Stanford University)的经济学教授Nicholas Bloom等学者领衔的研究小组于2011年开始编制,用以量化经济政策的不确定性。该指数涵盖了世界各主要经济体,如美国、中国、俄罗斯、日本、法国等。EPU指数提出后得到了学术界的广泛关注和认可。下面首先以美国为例来详细介绍EPU的组成。

  美国的EPU指数由三个部分组成,第一部分是新闻指数(News Index),即通过统计美国10家大型有影响力的报社的搜索结果索引,并对每篇论文进行搜索,查找与经济和政策不确定性相关的术语(如:‘congress’‘legislation’‘white house’‘regulation’等),并进行量化(构造一个标准化指数),以此来衡量经济政策的不确定性。第二部分是税法条款到期指数(Tax Expiration Index),即利用国会预算办公室(CBO)的报告,该办公室编制了临时联邦税法规定清单。临时税收措施是企业和家庭的不确定因素,因为国会经常在最后一刻延长这些措施,破坏税法的稳定性和确定性。第三部分是经济预测差值指数(Economic Forecaster Disagreement Index),又分为CPI预测差值(CPI Disagreement)和联邦/地方州政府支出预测差值(Federal/State and Local Government Expenditure Disagreement),即通过考察不同预测机构对重要宏观经济指标的预测差异构建政策变量不确定性指数。EPU总指数(Overall Index)是上述四个子指数的加权总和,新闻指数占1/2;税法条款到期指数、CPI预测差值和联邦/地方州政府支出预测差值各占1/6。

  在计算中国的EPU指数时,仅指综合指数第一部分的新闻指数,故又称作News-Based EPU。虽然仅包括新闻指数,但Baker等指出,News-Based EPU与综合指数具有很强的相关性,仍具有很强的代表性。Baker等以香港、内地以至亚洲发行量最大、影响力最强、最具公信力的英文报刊之一—《南华早报》作为新闻报道检索平台,通过搜索一些关键词(如:‘China/Chinese’‘economy/economic’‘uncertain/uncertainty’‘policy/spending’等),使用一种文章内容过滤标准,过滤筛选出与经济政策不确定相关的文章,将每月这些文章出现频次数除以当月所有《南华早报》文章的数量,并标准化处理后得到的指数,中国的EPU指数频率为月数据。

  3.2 物流指数介绍

  为了反映中国资本市场上物流类上市公司价格变动的总体趋势,以满足社会各界对中国证券市场物流行业股票价格动态信息的广泛需要,深圳证券信息有限公司选择在深圳证券交易所、上海证券交易所上市的40只A股组成国证物流指数的样本股。该指数涵盖了与物流相关的各种样本股,能全面表现出我国物流产业的发展状态,在物流行业具有“晴雨表”的作用,同时,通过该指数可以判断我国经济总体的发展趋势。

  国证物流指数在选股上突破了传统行业的划分限制,从具有内在联系的子行业所聚合成的物流产业链中,选择涉及对货物、服务及相关信息在原产地与消费地之间流通和存储业务的代表性公司作为样本股,良好地反映了这一系列上市公司股价的变化情况,为投资者提供更多、更丰富的主题型指数化投资标的。公司的选择范围在符合上述定义的基础上,还从属于下列传统行业分类中的部分上市公司群体,包括:仓储业、公路运输业、管道运输业、航空运输业、交通运输辅助业、其他交通运输业、水上运输业、铁路运输业中的从事物流业务的公司以及零售业中的连锁零售公司等。

  国证物流指数以2002年12月31日为基日,基日指数定为1 000。样本股选样指标为一段时期(前6个月)平均总市值的比重、平均自由流通市值的比重和平均成交金额的比重。选样时先计算入围个股平均总市值占市场比重、平均自由流通市值占市场比重和平均成交金额占市场比重,再将上述指标按1∶1∶1的权重加权平均,然后将计算结果从高到低排序,选取排名在前40名的股票,构成国证物流指数的初始样本股。

  4 GARCH-MIDAS模型介绍

  Engle et al.[13]在MIDAS模型的基础上结合GARCH模型提出了GARCH-MIDAS模型。该模型与一般GARCH模型的条件均值方程基本保持一致,与同频数据的GARCH模型相比,混频数据GARCH-MIDAS模型的主要特点是增加了成分方程的设定,将金融资产波动分解为长期波动与短期波动。该模型的收益方程为:

  

  其中,μ为收益序列的非条件均值。对于长期波动的建模,常用的方法是用已实现波动率(Realized volatility)来衡量,需要说明的是,这里并不是使用已实现波动率来代表长期波动,而是通过MIDAS回归来平滑已实现波动率。长期波动可以表示为:

  

  另外,当GARCH-MIDAS模型纳入外生变量时,外生变量的符号可能为正也有可能为负,为了适合任何符号的外生变量,通过对式(3)进行对数化处理便可得到如下形式的已实现波动率GARCH-MIDAS模型:

  

  上述式(1)-(6)共同构成基于收益率信息已实现波动率的GARCH-MIDAS模型。

  下面考虑在上述的GARCH-MIDAS模型中引入变量EPU。在基于已实现波动率的GARCH-MIDAS模型中,要在物流股市波动的长期成分中纳入变量EPU,就要在波动率的长期成分模型基础上加以改变,本文采用对数化处理后的长期成分模型。基于变量EPU与长期波动的关系建立模型,具体如下:

  

  式(7)与式(1)、(2)结合起来即可成为纳入变量EPU的GARCH-MIDAS模型。

  5 实证分析

  本文研究数据样本为国证物流指数的每日数据和Baker等发布的关于中国经济政策不确定性(EPU)指数的月度数据。其中,国证物流指数样本区间为2005年3月2日至2018年1月31日(剔除节假日等,共3 147个交易日),数据来源于“东方财富网”。EPU指数样本区间为2005年3月至2018年1月,共155个月度数据,数据来自经济政策不确定性网站(www.policyuncertainty.com)。为了缩小变量的取值范围,在此处将EPU指数除以10 000,上述数据的描述性统计结果见表1。

  从表1可以看出,国证物流指数收益率呈现出显著的右偏(Right skewed)性和尖峰(Leptokurtic)特征,EPU指数则呈现出显著的左偏(Left skewed)性;Jarque-Bera统计量的结果表明变量数据均不服从正态分布;另外,ADF检验结果显著拒绝了存在单位根的原假设,即变量均为平稳时间序列,因此可以直接进行进一步的计量建模分析。

  

  为了分析EPU对物流指数波动率的影响,采用GARCH-MIDAS模型对样本数据进行了估计,估计结果见表2。根据AIC和BIC准则,结合经济意义,综合考虑选择EPU的滞后期参数=9,即假定EPU对物流指数波动影响的滞后时间范围为9个月。从参数估计结果来看,除了短期波动的均值参数μ不显著外,其他参数均在1%水平上显著。此时,物流指数波动率与EPU之间的关系可以通过式(7)表现出来,即EPU对我国股市长期对数波动率影响的加总效应()为-0.507 2,且统计上显著为负,这表明经济政策不确定性的变化对物流指数波动影响较大,且经济政策不确定性的增加会抑制物流股票市场的波动,降低物流股市的风险;的估计结果都大于1,说明变量EPU滞后项的权重系数随着滞后时间的增加而递减,即距离当前时间越近,EPU对物流指数波动的影响越大。

  图1展示了采用GARCH-MIDAS模型的EPU和物流指数样本估计的条件波动及其长期成分图。从图中可以看出,长期成分与条件波动呈现出相反的起伏,这说明长期成分对条件波动具有抑制作用,即降低了物流指数的条件波动率。且从条件波动的趋势看,2008年和2016年附近波动明显增大,然而条件波动的长期成分却呈现出下降的趋势,可能的原因是2008年和2016年左右我国政府实施了一系列刺激经济的计划,促进了经济发展和基础设施建设,有利于物流行业的稳定发展,抑制了物流股票市场的风险。

  

  图1 GARCH-MIDAS模型估计的条件波动和长期成分走势

  6 结语

  本文采用混频数据的GARCH-MIDAS模型,实证考察了中国经济政策不确定性(EPU)指数对我国物流股市波动率的影响,实证结果表明,EPU指数对我国物流行业股市波动具有显著的影响,能抑制物流市场股票波动率,降低物流股票市场风险。

  本文的研究结论说明了保持经济的平稳发展、加强基础设施建设有助于物流产业的健康发展,要求我国经济政策制定者重视宏观经济环境对物流行业的影响和基础设施建设的基础性作用,制定出台相应的法律法规及政策。

参考文献

[1]Baker S R,Bloom N,Davis S J.Measuring Economic Policy Uncertainty[Z].Stanford University,2013.

[2]Baker S R,Bloom N,Davis S J.Has Economic Policy Uncertainty Hampered the Recovery?[Z].Chicago Booth Research Paper,2012.

[3]Arouri M, Estay C, Rault C, et al.Economic Policy Uncertainty and Stock Markets:Long-run Evidence from the US[J].Finance Research Letters, 2016, 18: 136-141.

[4]谭小芬,张文婧.经济政策不确定性影响企业投资的渠道分析[J].世界经济,2017,40(12):3-26.

[5]郝永敬,黄东艳,康冰清,经济政策不确定性对城镇居民消费的影响[J].时代金融,2017,(30):184,188.

[6]吴雨濛,门泽昊,王晓娟,政策不确定性、投资与经济增长的互动关系分析[J].统计与决策,2017,(14):115-117.

[7]Hong-wen Z, Hong-yan W, Yu-min Z.The Research of Relationship between Economy Development and Logistics Development Based on Statistical Analysis[A].Management Science and Engineering, 2007.ICMSE 2007.International Conference on.IEEE[C].2007.

[8]Shao J,Ma T,Dong S,et al.Evaluation and Analysis:Development Trend of China's Logistics Industry under Supply Chain Globalization Environments[J].Journal of Service Science and Management, 2009, 2(2): 71.

[9]He H,Cheng H.Analyzing Key Influence Factors of City Logistics Development Using the Fuzzy Decision Making Trial and Evaluation Laboratory(DEMATEL)Method[J].African Journal of Business Management,2012,6(45):11 281-11 293.

[10]邱立国,赵薇.基于嵌入熵权灰色关联模型的物流需求动力考察[J].统计与决策,2015,(6):117-119.

[11]华幸,乐琦.我国物流上市公司竞争力的影响因素实证研究[J].物流科技,2016,39(7):12-15.

[12]冯朝军.我国物流需求影响因素与发展对策研究[J].重庆三峡学院学报,2018,34(1):80-86.

推荐10篇