本书界定的政策不确定性包含政策实施不确定性以及政策影响不确定性。同样重要的一个问题是对政策不确定性的计量。尽管不确定性与风险概念的内涵和外延都不相同，但是从可操作的角度，很多研究还是主要基于方差，使用不同方法，从不同角度衡量不确定性。

（一）不确定性指标的操控性计量

早期宏观层面不确定性与投资关系的研究主要使用价格、产出或者其他宏观变量的波动作为不确定性的替代指标，比如产出增长和通货膨胀的预期偏差（Driver等，1991）、预期需求的标准差（Guiso等，1999）、未来盈利预期函数残差的标准差（Ghosal等，2000）、通货膨胀波动的标准差（Geol等，1999）、股票市场波动（Bloom，2009）等。

早期公司层面不确定性与投资关系的实证研究相对较少，Leahy和Whited（1996）使用公司股票期权价格的波动衡量不确定性，相对来说资产价格可以捕捉公司环境任何方面的变化，而且是投资者总体预期变化的结果，因此可以作为不确定性的替代指标。Sterken等（2002）、Baum等（2008）以及Bulan（2005）亦使用股票或者权益回报波动作为不确定性的替代指标。尤其是隐含股票回报波动率被学者认为是衡量不确定性的一个权威指标（Bloom等，2007）。

后续研究还使用公司与行业层面收益和生产增长的截面差异（Bloom等，2009）、销售增长波动率（Ogawa等，2002）、净营业利润波动（Drakos等，2006）、现金流波动（Minton等，1999）以及财务分析师预测的截面分布（Bond等，2004）等作为衡量公司经营、市场以及外部环境不确定性的替代指标。

上述使用替代指标的不确定性计量方式可以统称为对不确定性的事后计量，即从事后结果中推测不确定性的影响。与之相对的是不确定性的事前计量，主要基于调查数据的方差衡量。Drakos和Goulas（2006）使用预测的年度经济情绪指数的标准差计量不确定性。Guiso和Parigi（1999）使用一个调研问卷中投资者的主观概率分布作为不确定性的计量，Patillo（1998）也使用了类似的方式计量不确定性。Caselli、Pagano和Schivardi（2001）还基于一些产业调研数据计量不确定性。Bachmann、Elstner和Sims（2010）使用来自于美国和德国的四种不同的商业调查数据作为不确定性的衡量，分别是费城联储地区商业前景调查（BOS）、小型企业经济趋势调查（SBETS）、就业前景调查（MEOS）和德国IFO商业环境调查（IFO-BCS）。事后计量的可替代指标尽管很多，但是一个很大的弊端是“噪音”很大。引发不确定性的原因可能是消费者偏好发生了变化，技术或制度发生了变化，企业基本面发生了变化等，很难对来源不同的不确定性进行辨别和计量；而且不确定性并不关注实际发生了什么，而是关注可能发生什么。因此基于事前调查的预期数据计量不确定性更为合理，但是关于预期的数据却非常少。(www.daowen.com)

（二）政策不确定性指标的操控性计量

相关文献中政策不确定性概念的内涵和外延范围较广，包含总体政策不确定性、宏观经济政策（例如货币政策、财政政策、利率政策、税收政策等）不确定性以及产业、企业层面相关政策的不确定性。Hermes和Lensink（2001）主要关注公共宏观经济政策对资本流动的影响。因此从不同方面使用了与公共部门政策行为不确定性相关的几个间接衡量指标，分别包括政府预算赤字不确定性、政府消费支出不确定性、通货膨胀不确定性、实际利率不确定性以及税收不确定性。

Bo等（2002）将不确定性的计量方式区分为两种：一种为事前的计量方式，一种为事后的计量方式。事前计量法主要基于调查数据的方差衡量，是对不确定性的一种直接计量；而事后计量法实际上是采用一定的方法寻找较为干净的不确定性替代指标，通常是将一些波动性指标中衡量不确定性的部分分离出来。在事前计量法下，Baker、Bloom和Davis（2011）使用类似于调查的方式构建了一个新的反映经济政策不确定性的指数（EPU）。该指数包含三个部分：报纸中提及的关于经济政策不确定性的频率，即将到期的联邦税收法规的数量以及经济学家对未来联邦政府、州政府和地方政府购买以及CPI水平预测的分歧程度。通过对三个部分赋予不同的权重，最终构建出衡量政策不确定性的综合指数。采用调查方式计量不确定性具有一定的优势。例如这些指标反映了对不确定性的主观预期，也是真正决策者的预期，也可以将这些预期的数据与后续实际发生的数据进行对比。事后计量法下较为常用的方法有两种：一种是使用GARCH模型得到的不确定性的计量，尤其适用于高频数据（Cermeno等，2006）；一种是随机过程未预期部分的方差。第一，估计预测方程以估算待考察变量的期望部分；第二，获得变量未预期部分的标准差，即预测方程的残差的标准差，用于计量不确定性。Aizenman和Marion（1993），Ghosal（1995）以及Ghosal和Loungani（1996）使用该种方法计量不确定性。使用这种方法对不确定性计量是否准确，取决于预测方程是否构建合理。最广泛被使用的构建预测方程的方法为构建一个包含时间趋势项的二阶自相关过程。很多宏观政策不确定性的操控性计量主要基于这种方法进行构建。

本书主要基于公司层面的投资决策进行研究，因此使用公司层面数据进行政策不确定性的计量更加贴近公司环境，且可以降低宏观政策不确定性计量的同时性问题。现有研究中，公司层面政策不确定性的计量，主要使用股票回报波动率以及在此基础上改进的不确定性计量。因为不确定性不是实际上发生了什么，而是可能发生什么。股票价格的波动隐含了市场参与者修正自己预期的频率，从而在一定程度上可以用作市场参与者当前不确定性的主观感受参考，而且股票价格波动可以捕捉政策影响的任何方面的信息，是投资者总体预期的综合。Leahy和Whited（1996）使用公司产权比例对股票日回报的波动率进行标准化作为政策不确定性的计量。Bloom等（2000）以及Böhm、Funke和Siegfried（2001）也使用该种方式计量。Baker、Bloom和Davis（2011）发现政策不确定性越高，政策消息对股票市场的影响也越显著，从而使用股票市场进行的政策不确定性的计量与其构造的政策不确定性指数非常相关，但是使用该指标替代政策不确定性的“噪音”很大。当然使用个体投资者对政策不确定性的预期的直接计量方式更好，这样可以避免其他因素带来的“噪音”影响，而且个体投资者对政策不确定性的真实感受与其交易行为存在一定的差距，但是我国目前还没有专门针对政策不确定性的调查。因此，本书在现有文献的基础上，选择以公司股票波动率为基础，进行一定的标准化处理以及自回归处理，并将处理后的变量作为本书政策不确定性的替代指标。