2017年-IMF国际货币组织全球_Measuring_Global_and_Country_41页_1013kb

报告摘要

总结：衡量全球与国家特定的不确定性

核心内容

本文由 Ezgi O. Ozturk 和 Xuguang Simon Sheng 共同撰写，旨在开发一种新的、全面的经济不确定性衡量方法。研究基于1989年至2014年间专业预测者的调查数据，构建了涵盖45个国家的月度宏观经济不确定性指标，并进一步提出了全球不确定性指标。该指标通过分解预测者的不确定性为共同不确定性（Common Uncertainty）和个体不确定性（Idiosyncratic Uncertainty）两个部分，以更好地理解不确定性对经济活动的影响。

主要观点

经济不确定性对经济活动的影响：经济不确定性具有反周期特性，共同不确定性对实际经济活动的负面影响更为显著，且具有持续性。
不确定性分解：本文借鉴资本资产定价模型（CAPM）中对股票波动率的分解方法，将预测者的不确定性分为两个部分：共同不确定性与个体不确定性。
衡量方法：共同不确定性通过随机波动率模型（Stochastic Volatility Model）进行估计，而个体不确定性则通过预测者之间的分歧（Forecast Disagreement）来衡量。
全球不确定性指标：本文提出的全球不确定性指标基于PPP加权平均的国家特定不确定性，比现有文献中的全球不确定性指标更为全面，覆盖超过90%的世界经济。
不确定性与预测偏差：研究发现，预测者之间的分歧并不能完全代表不确定性，而共同不确定性与个体不确定性对经济活动的影响是不同的。

关键信息

1. 方法论

不确定性分解：基于CAPM的思路，将预测者的不确定性分解为共同不确定性和个体不确定性。
- 共同不确定性反映的是经济整体的不确定性，如宏观经济冲击。
- 个体不确定性反映的是预测者之间的分歧，即对同一经济变量的预测存在差异。
公式推导：
- 共同不确定性通过随机波动率模型估计。
- 个体不确定性通过预测者分歧的中位数范围（Interquartile Range）衡量。
- 变量特定不确定性（VSU）为共同不确定性与个体不确定性的总和。
- 国家特定不确定性（CSU）为八个变量特定不确定性指标的加权平均。
- 全球不确定性为国家特定不确定性的PPP加权平均。

2. 数据来源

使用的是 Consensus Economics Inc. 提供的宏观经济预测调查数据。
数据覆盖 45个国家，包括发达经济体和新兴市场国家。
数据频率为月度，涵盖 GDP、消费、投资、工业生产、通胀、失业率、短期和长期利率等八个指标。
实际数据来源于 IMF、Haver Analytics、OECD 和各国统计局。

3. 不确定性特征

变量特定不确定性（VSU）：
- 多数国家的 VSU 呈现出反周期特性。
- VSU 之间存在较高的相关性，尤其是共同不确定性部分。
- 个体不确定性对 VSU 的解释力较低，说明分歧并不能完全反映不确定性。
国家特定不确定性（CSU）：
- CSU 呈现出强烈的反周期特性。
- 即使没有经历衰退，某些国家（如中国、澳大利亚）的 CSU 在2009年达到峰值。
- CSU 在不同国家中对不同变量的不确定性解释力存在差异。
- 在发达经济体中，CSU 对变量特定不确定性的解释力在衰退期间更高。
全球不确定性：
- 全球不确定性与国家特定不确定性之间存在显著的解释关系。
- 在一些东欧国家（如立陶宛、拉脱维亚、保加利亚），全球不确定性对国家特定不确定性的解释力高达 0.925。
- 全球不确定性在样本中对近一半国家的不确定性具有放大效应。

4. 不确定性与经济活动的动态关系

不确定性对经济活动的负面影响在衰退期间更为显著。
共同不确定性冲击对实际经济活动的影响较大且持续，而个体不确定性冲击的影响较小。
不确定性指标与实际经济活动之间存在显著的反向关系。

5. 与其他不确定性指标的比较

本文提出的不确定性指标与 Jurado 等（2015）提出的指标具有较高的相关性（0.79），而与 Baker 等（2016）的政策不确定性指标相关性较低（0.18）。
Jurado 等的指标更偏向于共同不确定性，而本文的指标则包含了共同与个体不确定性。
本文的不确定性指标在反周期特性方面优于其他指标。

结论

本文提出了一种新的、全面的不确定性衡量方法，将不确定性分解为共同与个体两个部分，并构建了国家和全球层面的不确定性指标。该方法基于专业预测者的调查数据，能够更准确地反映市场参与者对经济发展的不确定性感知。研究发现，共同不确定性对经济活动的影响更为显著，而个体不确定性的影响则相对较小。全球不确定性指标在文献中较为缺乏，本文通过PPP加权平均的方式，为全球不确定性提供了新的衡量工具。

展开完整摘要