政策不确定性与总量波动：来自新兴和发达经济体的证据（英）

授权公开披露 政策研究工作文件10564 政策不确定性与总体波动 来自新兴和发达经济体的证据 授权公开披露 HaroonMumtazFranzUlrichRuch 发展经济学前景小组2023年9 月 政策研究工作文件10564 Abstract 本文确定了两种类型的政策不确定性措施-政府支出和实际利率-及其对54个发达，新兴和发展中经济体的宏观经济活动的影响。政策不确定性被定义为无法预测政策动向，即政策冲击的条件波动性。这是在面板向量自回归模型中实现的，该模型允许但不要求识别出的冲击的随机波动性对宏观经济结果具有直接和动态的影响。它表明财政和货币政策。 不确定性正在损害经济活动，并表现为负面的供给冲击:提高价格，同时降低产出、投资和消费。一个标准差的政府支出不确定性冲击使实际国内生产总值（GDP）累计下降了1.0个百分点，并在两年后略微增加了通货膨胀率。一个标准差的实际利率不确定性冲击使实际GDP在两年后累计下降了1.3个百分点，但使通货膨胀率上升了0.5个百分点。 本文是发展经济学展望小组的产物。这是世界银行为开放其研究并为世界各地的发展政策讨论做出贡献的更大努力的一部分。政策研究工作文件也在http://www上发布。世界银行。org/prwp.作者可以通过frch@worldba联系。org；和h。mmtaz@qml.AC.英国。 政策研究工作文件系列传播了正在进行的工作结果，以鼓励就发展问题交换意见。该系列的目标是快速得出发现，即使演示文稿还不够完善。论文带有作者的姓名，应相应地引用。本文表达的发现、解释和结论完全是作者的观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不代表世界银行执行董事或它们所代表的政府的观点。 由研究支持团队制作 政策不确定性与总体波动：来自新兴和发达经济体的证据 ∗ HaroonMumtaz†FranzUlrichRuch‡ 关键字:政策不确定性；货币政策；财政政策。 JEL代码：D80;E32;E43;E63。 ∗本文受益于安东尼奥·法塔斯，JogrimHa，AyhaKose，FraciscoArroyoMarioli，FrazisaOhsorge，JohRogers和GarimaVasistha的宝贵意见和建议。我们要感谢MarciHolda，La-BhsFahJirasavetal，ChrisRedl和AtoioSpilimbergo提供了经济政策不确定性的衡量标准。我们还要感谢范嘉悦的研究援助。本文的发现、解释和结论完全是作者的结论，不应归因于世界银行、执行董事或他们所代表的国家。 †伦敦玛丽女王大学。电子邮件:h.mumtaz@qmur.ac.uk ‡发展经济学，前景集团，世界银行。电子邮件：fruch@worldbank.org 1Introduction 过去几年货币和财政政策的不确定性可以说是最近历史上最高的（Davis，2016）。在过去的五十年中，财政和货币政策的举措是前所未有的，未来可能的政策路径变得更加不可预测和不确定。为了应对COVID-19大流行，政策制定者释放了财政刺激措施，以应对八十年来全球产出最急剧的收缩(世界银行，2020年)。这些刺激措施规模巨大，在2019年至2020年期间，全球政府债务增加了约16个百分点的产出。随着疫情的演变，再加上俄罗斯联邦入侵乌克兰，消费者通胀已经飙升至发达经济体四十年来以及新兴市场和发展中经济体(EMDE)20世纪90年代以来的最高水平。 为了应对不断上升的通货膨胀，货币政策制定者迅速提高了利率，这让金融市场感到惊讶。TheU.S.例如，美联储已经连续多次加息75个基点，这是自20世纪80年代以来从未见过的增长速度。在这种快速调整之前，美国的实际利率(美国S.)达到了近80年来未曾见过的最低点。EMDE看到政策利率同样迅速上升。 在此背景下，本文量化了全球货币和财政政策的不确定性，并量化了政策不确定性对宏观经济的影响。1它回答了以下问题。首先，财政和货币政策不确定性冲击对经济活动和价格的影响是什么？其次，这种影响在发达经济体和EMDE之间是否有所不同？最后，财政和货币政策不确定性在最近的历史中如何演变，特别是在EMDE中？ 为此，Mumtaz和Surico(2018)的模型-一个向量自回归(VAR)模型，允许但不要求识别出的冲击的随机波动 1全球货币政策不确定性定义为所有经济体的实际利率不确定性中位数。全球财政政策不确定性实际政府支出不确定 性中位数。本文一方面将使用“货币政策不确定性”和“实际利率不确定性”，另一方面将“财政政策不确定性”和“政府支出不确定性”交替使用。 对内生变量的直接和动态影响沿着两个关键维度延伸。首先，尽管以前的工作集中在美国，但本文着眼于54个经济体，其中包括32个发达经济体和22个EMDE。其次，本文对(但同样不需要)肥尾冲击进行了综述。也就是说，它区分了缓慢波动和快速波动，后一种措施减少了政策不确定性的估计被暂时性事件或数据异常值引起的波动所污染的可能性，并且是一种处理包括来自COVID-19pa-demic的数据的方法。2 与Jrado等人一样，本文对政策不确定性进行了定义。（2015）：政策冲击的条件波动性，或者更具体地说，是经济主体无法预测的政策部分。对于决定支出和储蓄，或生产和投资的家庭和公司来说，重要的不是特定结果是否变得或多或少分散（例如，销售是否会上升或崩溃），而是它是否变得或多或少可预测（也就是说，更难预测销售的上升或崩溃）。 本文报告了以下发现。首先，政策不确定性冲击会对实际活动和价格产生影响。财政政策不确定性（特别是实际政府支出不确定性）的增加与实际GDP，私人消费和固定投资的统计显着下降有关 。价格也上涨。货币政策不确定性（或实际利率不确定性）遵循类似的动态，与实际GDP的统计显着下降和价格上涨有关。在那里。 是没有先验不确定性冲击是否应该像供给或去一样起作用的理论基础 Mandsharps(seeFerna'ndez-Villaverdeetal.,2015;Ferna'ndez-VillaverdeandGuerro'n-Quintana,2020). 其次，政策不确定性对发达经济体和EMDE的影响不同，尽管考虑到较小样本的估计精度较低，但这些应该被解释为 2Carriero等人（2021）将快速波动率称为波动率的“短暂和不频繁”增加，将缓慢波动率称为“高度持久”。 谨慎。货币政策不确定性对EMDE的不利程度要大得多，并且与产出下降和通货膨胀上升有关。这可能只是反映了EMDE的货币政策不确定性水平较高。这也可能反映了通胀预期不太稳定，因为企业提高了价格，因为他们对央行能够维持其通胀目标的信心降低了。这也可能反映了外债在这些经济体的消费平滑中的作用，从而提高了它们对实际利率变化或不可预测性的敏感性。财政政策的不确定性对发达经济体更为不利，并且与产出的更大幅度下降有关。这可能反映了这样一个事实，即这些经济体的支出效率更高，财政乘数更大，因此企业和家庭从财政政策不确定性上升中受益更少。 第三，政策不确定性在推动活动和价格的变化和理解动态方面起着不可忽视的作用。货币和财政政策的不确定性解释了两年内约5％的产出变化，从长远来看约12％的产出变化。就价格而言，财政和货币不确定性在两年后推动了约2％的变化，从长远来看约为9％。反事实的演习表明，在1980年代中期(当EMDE面临危机时)、2009年大衰退和COVID-19大流行期间，财政和货币政策的不确定性一直不利于产出增长。相比之下，2012年至2019年的低政策不确定性有助于推动平均产出增长。 第四，VAR模型从统一的框架中描述了单个国家特定和全球不确定性的演变，定义为各国之间的中位数不确定性。自从COVID-19大流行达到几十年来未曾见过的水平以来，财政和货币政策的不确定性迅速上升。在大流行之前的20年里，与政府支出相关的财政政策不确定性在发达经济体稳步下降，但在2008-09年全球金融危机(GFC)期间迅速上升。相比之下，在GFC期间 ，EMDE的政府支出不确定性迅速上升，尚未恢复到GFC之前的水平。全球金融危机也反映了一段时期的高货币汇率。 冰冷的不确定性，但EMDE在21世纪初看到了更高的不确定性水平，当时许多经济体正在调整通胀目标框架并降低通胀预期。 本文对文献做出了一些贡献。首先，它将VAR模型中财政和货币政策不确定性影响的分析扩展到美国以外的54个经济体，包括32个发达经济体和22个EMDE。因此，本文首次就发达经济体和EMDE的政策不确定性提供了视角。其次，本文使用的VAR模型从统一的框架中产生了国家和全球财政和货币政策的不确定性，并提供了迄今为止最全面的财政和货币政策不确定性分析。它还为Baer等人的工作之后在文献中采用的测量不确定因素的通用方法提供了重要的替代方案。(2016)，并与Jrado等人一致。(2015)。Third,itisthefirsttotryadexplicitlyaccotforotherfactorsthatmaydrive不确定性byremovigtemporaryevetsaddataotlierthatmaycotie-ate不确定性measres.最后，本文对COVID-19大流行期间货币和财政政策不确定性的演变提供了一个视角。 2相关文献 本文有助于越来越多的文献关于政策不确定性在推动宏观经济结果和衡量这种不确定性方面的重要性。 2.1衡量政策不确定性 测量不确定性有四种广泛的方法:文本分析、市场数据、调查和具有时变波动率的模型。测量这种不确定性的最多产来源始于Baker等人(2016年)，他们使用报纸报道频率(文本分析)来开发经济政策不确定性(EPU)度量。 ThorshavesubsequentlyextendedthisapproachtoanumberofadvancedeconomyandEMDE.ThepopularityandsimpilityinimplementationthisapproachhasledtosimilarmeasuresforseveralotherEMDE.3这项工作还扩展到了具体政策，例如美国的Husted等（2020）和日本的Arbatli等（2017 ）中的货币政策。在Hoswda等人（2019）中，分别确定了财政和货币政策的不确定性。一系列文本分析也特别关注中央银行发布的文本（例如，参见Ehrmann和Fratzscher，2007）。 另一种衡量政策不确定性的方法是使用带有错误的统计模型，其中政策变量的第二矩随着时间而变化。Ferna'ndez-Villaverde等人（2015年）使用这种方法来定义税收和财政支出不确定性。Mumtaz和Surico（2018）使用这种方法来识别美国的财政和货币政策不确定性，采用一种方 法可以解决Baker等人（2016），Caggiano等人（2014）和StockandWatson（2012）中报告的不确定性度量与其他宏观经济变量之间的因果关系问题。 第三种方法使用市场数据，如期权和期货。货币政策不确定性可以通过期权价格对利率的隐含波动率和期货的已实现波动率来衡量（例如，参见Chang和Feunou，2013；Bauer等人 ，2012；和Carlson等人，2005）。 最后，可以通过调查数据通过询问参与者对不确定性的感知来构建不确定性度量。在政策不确定性的背景下，纽约联邦储备银行的初级交易商调查（始于2004年）要求初级交易商提供他们对政策利率的预测以及他们的预测不确定性。Hsted等人。(2020)使用这些调查回复来比较他们基于新闻的货币政策不确定性衡量标准。Dahlhas和Sehposya（2018）使用基于调查的政策利率预期来定义基于预期基本分布的货币政策不确定性度量。 3其中包括南非（Redl，2018年），波兰（Hoswda等人，2019年