基于主成分的全球经济政策不确定性指数

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《A global economic policy uncertainty index from principal component
  analysis》
---
作者：
Peng-Fei Dai (TJU), Xiong Xiong (TJU), Wei-Xing Zhou (ECUST)
---
最新提交年份：
2019
---
英文摘要：
  This paper constructs a global economic policy uncertainty index through the principal component analysis of the economic policy uncertainty indices for twenty primary economies around the world. We find that the PCA-based global economic policy uncertainty index is a good proxy for the economic policy uncertainty on a global scale, which is quite consistent with the GDP-weighted global economic policy uncertainty index. The PCA-based economic policy uncertainty index is found to be positively related with the volatility and correlation of the global financial market, which indicates that the stocks are more volatile and correlated when the global economic policy uncertainty is higher. The PCA-based global economic policy uncertainty index performs slightly better because the relationship between the PCA-based uncertainty and market volatility and correlation is more significant.
---
中文摘要：
本文通过对全球20个主要经济体的经济政策不确定性指数进行主成分分析，构建了全球经济政策不确定性指数。我们发现，基于主成分分析的全球经济政策不确定性指数可以很好地代表全球范围内的经济政策不确定性，这与GDP加权的全球经济政策不确定性指数非常一致。基于主成分分析的经济政策不确定性指数与全球金融市场的波动性和相关性呈正相关，表明全球经济政策不确定性越高，股票的波动性和相关性越大。基于主成分分析的全球经济政策不确定性指数表现稍好，因为基于主成分分析的不确定性与市场波动性和相关性之间的关系更为显著。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> A_global_economic_policy_uncertainty_index_from_principal_component_analysis.pdf (202.79 KB)

2022-6-24 08:27:27 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：不确定性 全球经济 经济政策 确定性 不确定

A主成分分析得出的全球经济政策不确定性指数彭飞岱，熊熊加，b，魏兴洲C，d，*天津大学管理与经济学院，天津300072，中国社会计算与分析中心，天津大学，天津300072，华东理工大学金融系，上海200237，华东理工大学数学系，上海200237，本文通过对全球20个主要经济体的经济政策不确定性指数进行主成分分析，构建了全球经济政策不确定性指数。我们发现，基于主成分分析的全球经济政策不确定性指数是全球经济政策不确定性的良好代表，这与GDP加权全球经济政策不确定性指数非常一致。基于主成分分析的经济政策不确定性指数与全球金融市场的波动性和相关性呈正相关，这表明当全球经济政策不确定性较高时，股票的波动性和相关性更大。基于主成分分析的全球经济政策不确定性指数表现稍好，因为基于主成分分析的不确定性与市场波动性和相关性之间的关系更为显著。关键词：经济政策不确定性；主成分分析；波动；相关性JEL分类：D80、G18、E661。引言关于不确定性的研究引起了广泛关注（Bloom，2009）。P’astor和Veronesi（2012）以及P’astor和Veronesi（2013）开发了一个一般均衡模型，以研究政府政策选择的变化如何影响股票价格，并探索政治不确定性和股票风险溢价之间的关系。Baker等人。

（2016）构建了一个指数，作为美国和其他11个主要经济体的替代预测ic政策不确定性（EPU），该指数最初由Baker等人（2013）提出。许多学者，suchas Moore（2017）和Arbatli et al.（2017），相继使用相同的方法构建了不同经济体的其他指数。Bontempi等人（2016年）引入了基于互联网搜索的新unc确定性指标。Castelnuovo和Tran（2017）根据谷歌趋势数据，为美国和澳大利亚制定了不确定性指数。许多论文研究了经济政策不确定性对国际金融的影响*通讯作者。地址：华东理工大学商学院梅龙路130号邮政信箱114，中国上海200237，电话：+86 21 64250053，传真：+8621 64253152。电子邮件地址：wxzhou@ecust.edu.cn（周伟兴）社会市场。Li等人（2015年）研究了经济政策不确定性冲击对美国金融市场股票债券相关性的影响。Kl¨ossner and Sekkel（2014）利用六个发达经济体的EPU指标讨论了政策不确定性的国际溢出。Brogaard和Detzel（2015）使用基于搜索的测量方法来获取21个经济体的经济政策不确定性，并发现经济政策不确定性对同期市场回报和波动性有显著影响。近年来，全球经济政策总不确定性（GEPU）被提出并研究。Davis（2016）构建了全球经济政策不确定性指数，该指数是20个经济体国家EPU指数的GDP加权平均值。Fang等人（2018年）研究了基于GDP的G EPU指数是否为G old期货市场波动性提供了可预测性。Ersan等人。

（2019）了解基于GDP的GEPU指数对旅游休闲公司股票回报的影响。对于一个拥有多种资产的金融市场，收益相关矩阵的最大特征值（按资产数量进行标准化）量化了市场的系统性风险，而其特征向量反映了市场的整体走势（Billio et al.，2012；Dai et al.，2016；Emmert Streib et al.，2018；Han et al.，提交给XXX的预印本，20192017年8月2日；Kenett et al.，2010；Kritzman et al.，2011；Meng et al.，2014；Plerou et al.，200 2；Sandoval Jr.，2017；Shapira et al.，2009；Song et al.，2011）。受这些研究的启发，我们构建了一个基于主成分分析的全球经济政策不确定性综合指数。此外，我们还探讨了全球经济政策不确定性对全球股市波动性和相关性的影响。本文的其余部分组织如下。第2节简要介绍了数据。第3节重点介绍了该方法。第4节记录研究结果。第5节结束。2、数据为了计算基于主成分分析的GEPU指数，我们检索了20个经济体的经济政策不确定性指数fromhttp://www.policyuncertainty.com.These20个经济体是澳大利亚（AU）、巴西（BR）、加拿大（CA）、智利（CL）、中国（CN）、法国（FR）、德国（DE）、希腊（GR）、印度（IN）、爱尔兰（IE）、意大利（IT）、日本（JP）、墨西哥（MX）、荷兰（NL）、俄罗斯（RU）、韩国（KR）、西班牙（ES）、瑞典（SE）、英国（UK）和美国（US），这与Davis（2016）应用于构建基于GDP的GEPU工业的经济体完全一致，如图。

1显示了2003年1月至2018年12月这些EPU指数的演变，其中每个指数包括192个月的观测值。UKCNBRRAUDECACLMXESINJPUSGRRUKR2003 2006 2009 2012 2015 2018Times2003 2006 2009 2012 2015 2018Times2003 2006 2009 2012 2015 2018Times2003 2006 2012 2015 2018Times2003 2006 2012 2015 2018TimeiTukCRAUDECACLMXESINJPUSGRRUKR2003 2006 2009 2012 2015 2018Times2003 2006 2012 2015 2018Times2003 2006 2012 2015 2015 2015 TimeitFigure 1:2003年1月至2018年12月，共有20个经济体：澳大利亚（AU）、巴西（BR）、加拿大（CA）、智利（CL）、中国（CN）、法国（FR）、德国（DE）、希腊（GR）、印度（IN）、爱尔兰（IE）、意大利（IT）、日本（JP）、墨西哥（MX）、荷兰（NL）、俄罗斯（RU）、韩国（KR）、西班牙（ES）、西南伊甸园（SE）、英国（UK）和美国（US）。在全球金融市场方面，我们选择摩根士丹利资本国际的全球各国指数（ACWI）作为衡量指标。MSCI ACWI代表了23个发达市场和24个新兴市场的股票表现。图2显示了摩根士丹利资本国际ACWI的tr端，涵盖了从2002年12月20日到2018年12月的每日收盘价。利用每个市场的综合指数（来自Bloomberg）来评估市场之间的相关性，还使用了2002年12月至2018年12月的每日收盘价格。2003 2006 2009 2012 2018时间图2:2003年1月至2018年12月MSCI全球指数的价格轨迹。方法首先，我们对移动窗口上的每个生态系统的EPU指数i进行规范化- 尺寸为T的T+1，T]：xi（s）≡ （EPUi）- hEPUi（s）是）/σi，（1）其中，EPUi（s）代表第s个月第i个经济体的ind-ex，σii是EPUi的标准偏差。

其次，我们通过计算经济的任何两个EPU指数之间的成对互相关系数来获得互相关矩阵C：Ci j≡Dxi（s）xj（s）E.（2）根据定义，元素Ci j不同于-1到1，其中Ci j=1对应于性能正互相关，Ci j=1对应于完全反相关，Ci j=0不反映经济指数i和经济指数j之间的交叉相关。交叉相关矩阵也可以用矩阵形式表示：C=TXX′，（3）其中X是一个N×T矩阵，元素{xi（s）：i=1，…，N；s=1，…，T}，X′表示X的转置。第三，我们得到了第三个窗口中互相关矩阵最大特征值eλ（t）的特征向量u（t）：Cu（t）=λ（t）u（t），（4），其中u（t）=[u（t），u（t），…，u1N（t）]。最后，我们通过经济政策不确定性指数的e igenportfolio为当时的经济体构建了基于PCA的GEPU指数：GEPU（t）=u（t）·EPU（t）PNi=1u1i（t），（5），其中EPU（t）=[EPU（t），EPU（t），…，EPUN（t）]。4、实证结果为了检验结果的稳健性，我们构建了基于PCA的五个月风的GEPU指数，T=24、30、36、42和48个月。图3显示了T=24个月的G EPU-PCA和GEPUGDP指数之间的比较。我们发现，GEPU-GDP和GEPUPCA指数的演变轨迹彼此接近，相应散点图中数据点的良好线性也表明了这一点。其他窗口大小的结果非常相似。总的来说，所有GEPU-PCA指数都非常接近GEPU-GDP指数，在不使用任何其他经济数据的情况下获得了一个长期的GEPU PCA。

当不确定度较高时，两个指标之间的差异增大。2005 2007 2009 2011 2013 2015 2017 2019时间（a）0 50 100 150 200 250 300 350GEPU-GDP（b）图3：GEPU-PCA和GEP U-G D P之间的比较。（a）GEPU-GDP（实线）和GEPU-PCA（虚线）的演化轨迹。（b） 两个GEPUIndex的散点图。表1显示了不同窗口大小的GEPU PCA和GEPU-GDP f之间的相关系数，均大于0.94。窗口大小似乎对相关性没有影响。表1不同窗口大小T的GEPU-PCA和GEPU-GDP之间的相关性。T托布斯。相关性24 M 2004.12 169 0.957230 M 2005.06 163 0.952136 M 2005.12 157 0.941742 M 2006.06 151 0.947348 M 2007.12 145 0.95252005 2007 2011 2011 2015 2015 2015 2015 2015时间-5（a）2005 2007 2009 2011 2011 2015 2015 2017时间（a）图4:GEPU-PCA与全球股市波动率和相关性。每个面板中的实线绘制GEPUPCA，其缩放后的平均值和方差与在同一面板中绘制的其他变量相同。另一个变量是上面板MSCI ACWI的波动性，以及低er面板MSCI ACWI中47个经济体对应的所有股票综合指数成对相关的等权平均数。波动率和相关性都是每月根据月内的每日收益计算的。P’astor和Veronesi（2013）为经济政策不确定性与波动性和相关性之间的正相关关系提供了理论基础，并在美国市场进行了实证分析，结果支持了理论论点。为了验证全球市场中也存在这种关联，GEPU-PCA和GEPU-GDP分别被用作全球经济政策不确定性的代表。无花果

4揭示了GPU PCA与全球市场的两个变量之间的强相关性，尤其是在第一个样本中。为了进行比较分析，我们采用了相同的经验模型asP\'astor和Veronesi（2013）。对于波动性，我们采用以下回归：Vol（t）=β+βGEPU（t）+ε（t）（6）Vol（t）=β+βGEPU（t）+βVol（t- 1） +ε（t），（7），其中Vol表示波动性。对于相关性，考虑以下回归：Corr（t）=β+βGEPU（t）+ε（t）（8）Corr（t）=β+βGEPU（t）+βCorr（t- 1） +ε（t），（9），其中Corr代表相关性。滞后术语，第（t）卷- 1） 和更正（t- 1） ，消除因变量序列中的大部分自相关。表2全球经济不确定性、波动性和相关性。面板A：挥发物。公式（6）公式（7）公式（6）公式（7）GEPU-PCA GEPU-GDP169 0。0018 0.0010 0.0 017 0.001 1(3.02) (2.23) (2.70) (2.17)163 0 .0017 0.0010 0.0 016 0.001 1(2.74) (2.09) (2.50) (2.09)157 0 .0015 0.0009 0.0 016 0.001 1(2.36) (1.88) (2.31) (2.01)151 0 .0014 0.0009 0.0 015 0.001 1(2.11) (1.81) (2.12) (1.95)145 0 .0013 0.0009 0.0 015 0.001 1（1.89）（1.71）（1.96）（1.87）面板B：相关性。公式（8）公式（9）公式（8）公式（9）GEPU-PCA GEPU-GDP169 0。0459 0.0194 0.0 377 0.016 3(2.88) (1.36) (2.30) (1.14)163 0 .0311 0.0127 0.0 262 0.011 2(1.96) (0.90) (1.58) (0.77)157 0 .0152 0.0051 0.0 154 0.006 3(0.97) (0.37) (0.99) (0.43)151 0 .0017 0.0003 0.0 067 0.003 8(0.10) (0.02) (0.39) (0.25)145 -0. 0063-0.0054 0.0020-0.0005（-0.04）（-0.04）（0.11）（-0.03）表2代表了所有40个回归中β的估计值及其统计值。面板A显示，所有20个回归中的β>0以及所有20个点的估计值在10%的水平上都是显著的，这为以下理论基础提供了有力的证据：当经济政策不确定性更大时，全球市场应该更不稳定。

小组B为相关的理论基础提供了有力的支持证据，因为尽管β在20次回归中有17次为正值，但只有三点估计的β面积为10%。我们还发现，去除波动率和相关性中的自相关后，系数β降低。此外，在大多数情况下，β随着样本长度的增加而增加，除了GEPU-GDP与使用公式（9）的svolatility相比，其中β与样本长度无关。事实上，我们认为，这种现象是由于市场波动性（或相关性）与近几年的不确定性之间的相关性更强，如图4.5所示。结论本文基于主成分分析构建了一个新的全球经济政策不确定性指标。该指数与GDP加权平均全球经济政策不确定性指数非常接近。我们采用GEPU-PCA和GEPU GDP作为不确定性的代表，以调查全球金融市场和经济政策不确定性之间的关联，并发现当经济政策不确定性较高时，全球市场应该更具波动性和相关性。此外，当观察结果足够时，GEPU-PCA的表现略好于GEPU GDP，即当GEPU-PCA应用于分析时，相关性更显著。致谢本项工作得到了国家自然科学基金（批准号：71532009、U1811462、717905 94）、中央大学基础研究基金和天津市创新创业发展计划的支持。参考Sabatli，E.C.，Davis，S.J.，Ito，A.，Miake，N.，Saito，I.，2017年。日本的政策不确定性。国际货币基金组织工作文件DOI:10.5089/9781484300671.001。贝克，S.R.，布鲁姆，N.，戴维斯，S.J.，2013年。衡量经济政策的不确定性。

芝加哥布斯研究论文。贝克，S.R.，布鲁姆，N.，戴维斯，S.J.，2016年。衡量经济政策的不确定性。夸脱J、 经济。131, 1593–1636.内政部：10.1093/qje/qjw024。Billio，M.，Getmansky，M.，Lo，A.W.，Pelizzon，L.，2012年。金融和保险行业连通性和系统性风险的计量经济学指标。J、 财务部。经济。104, 535–559.内政部：10.1016/j.jfineco。2011.12.010.布鲁姆，N.，2009年。不确定性冲击的影响。计量经济学77623–685。内政部：10.3982/ECTA6248。Bontempi，M.E.，Golinelli，R.，S quadrani，M.，2016年。基于互联网搜索的新不确定性指数：其他指标的朋友还是敌人？Quaderni工作文件DSE N.1062doi:10.2139/ssrn。2746346。Brogaard，J.，Detzel，A.，2015年。ZF经济政策不确定性对资产定价的影响。管理。Sci。61, 3–18.内政部：10.1287/mnsc。2014.2044.Castelnuovo，E.，Tran，T.D.，2017年。谷歌搜索！A美国和澳大利亚基于趋势的不确定性指数。经济。利特。161, 149–153.内政部：10.1016/j.econlet。2017.09.032.Dai，Y.H.，Xie，W.J.，Jiang，Z.Q.，Jiang，G。J、 ，Zhou，W.X.，2016年。全球原油市场的相关结构和主成分。帝国。经济。51, 1501–1519.内政部：10.1007/s00181-015-1057-1。Davis，S.，2016年。全球经济政策不确定性指数。技术报告。NBER第22740号工作文件。内政部：10.3386/w22740。Emmert Streib，F.、Musa，A.、Baltakys，K.、Kanniainen，J.、Tripathi，S.、Yli Harja，O.、Jodlbauer，H.、D ehmer，M.，2018年。经济和金融网络结构特性的计算分析。J、 网络理论财务。4, 1–32.内政部：10.21314/JNTF。2018.043.Ersan，O.，Akron，S.，Demir，E.，2019年。欧洲和全球不确定性对旅游和休闲公司股票回报的影响。旅游经济。25, 51–66.内政部：10.1177/1354816618792398。Fang，L.，Chen，B.，Yu，H.，Qian，Y.，2018年。