研究背景与创新 [page::0][page::1][page::5]

• 脱欧作为重要的政治经济转折，带来了持续的经济不确定性，影响投资、贸易、汇率等多方面。

- 现有文献中脱欧不确定性指数存在覆盖期有限、数据来源单一、难以区分脱欧与新冠疫情影响等局限。

• 本文提出BRUI指数利用经济学人智库报告，结合文本挖掘、上下文窗口分析、NLP与LLM技术，实现脱欧与疫情相关不确定性的动态区分和长期追踪。

BRUI构建方法论 [page::6][page::7][page::8][page::9]

• 利用关键词列表区分"不确定性词"、"与脱欧相关词"和"新冠疫情相关词"。

- 通过上下文窗口技术（前后10词），检测不确定性词与脱欧词是否同时出现，排除含有疫情词的上下文，实现脱欧不确定计数。

• 采用自然语言处理技术对原始文本进行分词、去停用词和命名实体识别，辅助词频统计和语义确认。

- 指数值通过不确定关键词数标准化处理，并归一化至最大100，月度动态更新。

• 为有效区分疫情影响，建立了独立的COVID-19相关不确定性指数（CRUI）。

BRUI时间演变与重要事件关联 [page::10][page::11]

• 脱欧不确定性自2013年起逐步上升，2016年脱欧公投后达到高峰，反映重大政策和政治事件的影响，如议会表决失败、北爱尔兰协议争议、内阁变动及后续贸易谈判。

- 尽管正式脱欧已完成，但后脱欧时期仍存在不确定性，尤其是贸易协议、财政政策、移民政策及政治局势波动。

BRUI与其他指数比较验证 [page::12][page::13][page::14]

• BRUI与Bloom et al. (2019)指数具有0.82的高相关性，与Chung et al. (2023)指数相关系数为0.75，显示BRUI的有效性和稳健性。

- 与Baker et al. (2016)基于报刊的指数相比相关系数较低（0.35），主要因覆盖期和数据类型的不同。

• BRUI通过月度结构化报告，在捕捉长期动态变化和剔除疫情影响方面具有明显优势。

宏观经济影响的VAR实证分析 [page::15][page::16][page::17]

• 单位冲击下，脱欧不确定性的上升导致GDP、生产者价格指数(PPI)、出口和进口下降，进口下降幅度更大，反映贸易受阻。

- 消费者价格指数(CPI)、失业率上升，就业人数下降，显示经济活动放缓及劳动力市场压力。

• 英镑兑欧元和美元汇率出现短期贬值，美元汇率存在部分回升但未完全回复至冲击前水平。

- 方差分解显示BRUI对GDP和汇率变量的解释力较强，特别是对PPI影响大于CPI，说明企业生产成本受脱欧冲击更明显。

结论与政策启示 [page::18][page::19]

• 脱欧不确定性为长期结构性风险，非短期冲击，持续影响贸易、价格和汇率。

- BRUI指标为量化监测脱欧不确定性动态演化的重要工具，可辅助制定更精准的经济政策，指导企业和投资者管理衍生风险。

• 指数覆盖脱欧全过程，动态连续，利于预测和风险管理，同时支持学术研究的实证分析。

- 未来研究可拓展不同数据来源和方法，细分行业影响，深化对不确定性经济效应的理解。

金融研究报告详尽分析报告

报告标题：Introducing a New Brexit-Related Uncertainty Index: Its Evolution and Economic Consequences
作者：Dr. Ismet Gocer, Dr. Julia Darby, Dr. Serdar Ongan
所属机构：Southampton Solent University (英国)，University of Strathclyde (英国)，University of South Florida (美国)
发布日期：2025年（具体日期未详）

---

1. 元数据与概览

本报告旨在介绍并构建一项全新的英国脱欧相关不确定性指数（Brexit-Related Uncertainty Index，BRUI），旨在通过先进的文本挖掘、上下文窗口分析、自然语言处理（NLP）以及深度学习中的大语言模型（LLM）技术，对经济学权威资料——经济学人智库（Economist Intelligence Unit，EIU）的月度国家报告（2012年5月至2025年1月）进行量化分析，形成动态、细致的脱欧不确定性度量指标。为避免与同期新冠疫情相关不确定性交织，报告同步构造了一个COVID-19相关不确定性指数（CRUI），作为对比和控制变量。BRUI不仅揭示了脱欧不确定性的演进轨迹，还通过向量自回归模型（VAR）实证探讨了这类不确定性冲击对宏观经济变量的影响，为英国政策制定者提供了更具针对性和时效性的工具。报告展示了BRUI相较于前人研究（包含以政策不确定指数衍生的脱欧不确定性指标、企业调查数据以及新闻文本分析等方法）在覆盖时段、方法论创新、区分脱欧与疫情因素等方面的显著优势，并给出宏观经济层面的实证结论，表明脱欧相关不确定性对GDP、贸易、就业和汇率有深刻且持久的影响[page::0,1,5,15,18]。

---

2. 逐节深度解读

2.1 引言与研究动机（第1页~第2页）

引言部分总结了脱欧作为近年来欧洲历史上最重大的政治经济事件之一，其多轮谈判与政策调整制造的长期经济不确定性。虽然脱欧在法律上已完成，但相关经济影响尚未结束，且复杂性加剧（如贸易协定调整和劳动力流动限制）。现有测量瓶颈在于很多指标未能覆盖谈判全周期，且无法清晰区分疫情与脱欧带来的不确定性，从而掩盖了脱欧的独有影响。作者指出BRUI填补了这些空白，为经济学研究和政策分析提供了全新工具[page::1,2]。

2.2 理论基础（第3页）

报告基于新制度经济学理论，强调制度变迁在塑造经济活动中的核心作用，特别是在财产权、交易成本和经济关系中断方面；脱欧则是一个典型的制度变革案例，造就制度不确定性，BRUI作为量化指标有助于评估这一影响。另基于贸易政策不确定框架，BRUI用途扩展到评估贸易政策不确定对企业投资与出口决策的影响，其构建参照了美国基于政策不确定性的指数（Baker et al., 2016）[page::3]。

2.3 文献综述（第3~6页）

综述区分了现有测量脱欧不确定性方法：文本分析、市场预测、统计动态模型、决策者调查等。介绍了代表性指标：基于报刊关键词的BRUIBaker（只涵盖2000-2016年前期）、基于企业调查的BRUIB（2015-2024，以主观认知为主）、基于新闻文本采用CBOW模型的BRUIC（截至2022，尝试区分疫情因素，但覆盖有限）。指出这些指标的缺陷：数据时限、主观偏见、疫情影响无法剥离等。相较之下，BRUI采用统一、标准化的EIU月报数据，应用上下文窗口和深度学习技术，更精准地分辨脱欧与疫情影响，并可动态更新，具有更高的分析价值和泛用性[page::4,5,6]。

2.4 方法论详解（第6~10页）

详细介绍了BRUI构建流程：

• 采样时间跨度为2012.5至2025.1，涵盖脱欧全流程；

- 关键词选取包含不确定性词汇，脱欧和COVID相关关键词，共计若干条，利用NLP的n-gram方法精准识别词组；

• 应用PyMuPDF实现文本搜索，NLTK进行标记化(tokenization)和停止词去除(stopwords removal)；

- 利用命名实体识别（NER）和SpaCy "encoreweblg" 大模型定位关键词在文本中的上下文；

• 核心用上下文窗口技术（10个词前后）判定带不确定性词的句子是否关联脱欧关键词，且排除包含苏格兰独立相关“referendum”等混淆词的上下文；

- 确定带脱欧特征的不确定词计数，对应词频标准化为除以报告总词数；

• 标准化并归一化指数，最高值为100，便于跨期比较；

- 图1以流程图形式系统展示了上述上下文识别流程[page::6~10]。

此外同步构建了COVID-19不确定性指数（CRUI），以便分辨两者影响。

2.5 实证结果（第10~17页）

2.5.1 BRUI演变与重大事件关联（第10~11页）

图2显示BRUI走势分三大时期：前脱欧期（2012初开启脱欧议题）、过渡期（2016年公投后的谈判实施阶段），后脱欧期（2020年后经济新常态）。指数峰值对应关键事件，如2016公投、英国最高法院裁决需议会批准触发条款50、北爱边界“后盾机制”争议、议会多次否决退出协议、2020年离欧正式实施及相关法案与政治变动等。即使关键政策已经落定，脱欧不确定性仍未消退，尤其是与国际贸易和移民相关的后续不定因素。此外，地缘政治和美国政策变化亦可能逆向激发不确定性[page::10,11]。

2.5.2 BRUI与其他指数对比（第12~14页）

• 图3：BRUI与Bloom et al. (2019)基于企业调查的BRUIB相关系数高达0.82，说明BRUI能够较好反映企业感知的脱欧不确定性，但两者数据源差异带来细节差距；

- 图4：与基于报纸文本的Chung et al. (2023)指数BRUIC的相关系数0.75。BRUI采用的EIU报告相较于报纸有系统规范的文本格式，索引更稳定，差异主要因关键词和数据源区别；

• 图5：与Baker et al. (2016)指数BRUIBaker的相关度较低（0.35），主要因为BRUIBaker覆盖于2016年公投前，且基于报纸编辑内容、时间范围受限。BRUI覆盖时间更长，动态性更强。

此外，BRUI因采用月报及上下文算法，避开了新闻日波动性等噪声，表现出更平滑且代表性的趋势[page::12~14]。

2.5.3 宏观经济影响的VAR分析（第14~17页）

汇总了宏观变量编码、定义及数据来源（ONS官方统计），设计了包含BRUI的多变量VAR模型，运用脉冲响应函数（IRF）模拟BRUI单次正向单位冲击对宏观经济体系的影响，发现：

• GDP、生产者物价指数（PPI）、出口(X)、进口(M)、英镑兑欧元(GBPEUR)和就业(EMP)负向响应，表明脱欧不确定性增加会抑制经济增长和贸易活动，且就业减少；

- 消费者物价指数(CPI)、英镑兑美元(GBPUSD)和失业率(UEMP)则正向反应，体现通胀压力上升和就业市场疲软；

• 进口下降幅度大于出口，暗示后脱欧进口环节受阻更大；

- 英镑兑美元最初短期升值后贬值，兑欧元系持续贬值，反映市场对英镑汇率的波动和不确定性担忧。
变量均采用对数或差分处理，采用999次自助法估计置信区间，结果均具有统计显著性。
此外，方差分解（FEVD）显示BRUI冲击对GDP、GBPUSD、进口及GBPEUR的贡献最大，表明脱欧不确定性是重要的经济波动源泉。生产者价格受影响强于消费者价格，说明企业生产成本敏感度高于终端消费价格。失业率受影响强于就业总数，进一步揭示脱欧负面社会经济冲击[page::14~17]。

2.5.4 分阶段分析（附录1-3）

根据脱欧进程分为前脱欧期、过渡期和后脱欧期三阶段，发现BRUI在过渡及后脱欧期独立性较强，成为宏观经济变量的因变量而非被解释变量，且在过渡期冲击最为剧烈，说明谈判不确定性对经济变量影响犹为突出。附图7至9和表4-6详尽展示了三阶段脉冲响应及方差分解结果，验证了BRUI指数的阶段特征及其实用价值[page::17,25~28]。

---

3. 图表深度解读

3.1 图1（第9页）

流程图清晰描述了识别不确定性关键词(U)并向前后10词范围内确认脱欧关键词(BRK)的核心方法。该“上下文窗口”策略防止简单关键词匹配导致的误判，是BRUI方法论创新的核心体现，保证了指标的针对性和准确性。该流程显示如何从文本转化为结构化的、反映脱欧不确定性的动态指标，有助理解技术细节，也展示了文本数据处理的严谨性[page::9]。

3.2 图2（第10页）

BRUI走势折线图结合脱欧关键节点(公投、议会否决、法案通过、国际政治事件等)具体标注，趋势明确显示不确定性由萌芽期、爆发期到缓解期的三阶段演变，峰值对应重大政策或政治冲突。该图形化表示提供了动态监测脱欧不确定性水平的时间序列视角，是BRUI指标实际应用的生动展示，支持作者关于脱欧不确定性演化节奏及事件驱动的论断[page::10]。

3.3 图3-5（第12~13页）

三图分别展示BRUI与3种主要历史指数的对比趋势和相关系数：

• BRUI与以企业调查为基础的BRUIB高相关（0.82），反映BRUI能反映企业层面的不确定性感知；

- BRUI与以报纸文本为基的BRUIC相关度为0.75，显示文本挖掘方法的效用与稳定性；

• BRUI与早期基于报纸关键词的BRUI_Baker因时间范围和数据源差异相关度较低，但在时间重叠期趋势基本一致。

三图佐证BRUI的稳健性与对比优势，体现了本指数相较于先前指标更全面、动态和细致[page::12~14]。

3.4 图6（第16页）

九幅脉冲响应函数图分别展示BRUI对GDP、CPI、PPI、出口、进口、汇率和就业等变量的动态影响轨迹及95%置信带。图示清楚呈现不确定性冲击对经济放缓、通胀和汇率波动的即时及滞后效应，支持量化结论。
劳动力市场响应图揭示了失业率上升、就业减少的不均匀冲击，外汇图表分别显示英镑兑欧元持续贬值、兑美元先升后贬的复杂走势。此视图强化了VAR模型结果的直观解释，便于理解宏观经济的系统响应[page::16]。

3.5 表2（第14页）

详细列示BRUI及宏观变量定义、数据来源与处理办法，落实了VAR建模的变量基础，确保可重复性及数据质量。编码说明体现变量处理考虑，增加专业透明度[page::14]。

3.6 表3、4、5、6（第16~28页）

Cholesky方差分解结果定量展现BRUI对其他经济变量间接解释力，附帖按期分割，从整体到细节分解不同时期影响差异，验证了BRUI的动态性和阶段性特征。结果显示脱欧不确定性对GDP、进口、汇率及就业变量贡献显著，是推动经济波动的重要因素。通过这些分析，读者可以全面识别不确定性对经济的传染路径与作用强度[page::16~28]。

---

4. 估值分析

此研究不涉及企业估值或股票评级，故无现金流折现或其他金融估值模型的应用。研究主要贡献在于构建经济政策不确定性的指数和其宏观经济影响的动态评估，因而无传统估值分析。本指数旨在为政策制定和宏观经济研究服务，非企业价值估算指标。

---

5. 风险因素评估

报告探讨了脱欧不确定性的政策和经济风险：

• 脱欧谈判失败、协议延误带来的政治风险；

- 贸易摩擦和非关税壁垒升高对进口和出口的阻碍；

• 劳动力市场波动与就业不稳定；

- 英镑汇率剧烈波动对进出口和资本流动的影响；

• 与COVID-19疫情同期发生可能掩盖脱欧单独影响的识别风险。

报告通过构造独立COVID-19不确定性指数（CRUI）及上下文窗口分析法，有效隔离并减少了疫情因素带来的风险和分析上的混淆，增强了BRUI的稳定性和区分力[page::1,5,6,18]。

---

6. 批判性视角与细微差别

• 方法论层面： 尽管采用了先进的NLP和LLM技术，但报告承认所选关键词和使用的数据源（EIU月报）可能限制了指数的全覆盖和精确度。

- 数据源差异： 与基于报纸文本和企业调查的指数相比，BRUI以月度报告文本为数据基础，可能更具系统性但也可能平滑了较短期波动，导致对某些事件反应不够灵敏。

• 疫情影响： CRUI辅助剥离疫情干扰，但不可排除某些疫情与脱欧交叉不确定性的复杂联动难以完全区分。

- 风险识别可能欠缺完备性： 指数虽动态追踪不确定性，但对结构性风险和潜在非线性经济冲击的捕捉还有进一步提升空间。
综上，报告的分析稳健且严谨，但未来可进一步扩展多数据源、多方法联合应用以增强鲁棒性[page::19,20]。

---

7. 结论性综合

本文创新性地开发了覆盖2012年至2025年的英国脱欧相关经济不确定性动态指数——BRUI，利用文本挖掘与深度学习技术处理标准化EIU月报数据，实现了对脱欧不确定性的精准量化和动态跟踪。BRUI有效剥离了同期疫情不确定性（CRUI），保证分析的纯粹性和针对性。基于BRUI的VAR模型分析表明，脱欧不确定性冲击显著抑制英国经济增长、加剧贸易摩擦，推高通胀和失业率，且影响在过渡期尤为显著，汇率呈现复杂震荡走势。与现有企业调查和报刊文本指标高度相关，验证BRUI的实证效用和稳健性。

图表层面，BRUI指数演绎了脱欧不确定性的三阶段演进；与对比指标的动态对比显示出其广泛适用性和更优的事件覆盖；VAR脉冲响应曲线及方差分解数据揭示了脱欧不确定性对宏观经济影响的即时与中长期幅度和方向，提供了清晰的定量支持。

政策层面，BRUI为英国及相关利益方提供了监测和预测脱欧冲击的关键指标，有助于制定更精准的贸易政策和经济应对方案，特别是在当前全球经济复杂性加剧背景下。研究同时指出扩大数据来源、多元方法结合以及行业分领域分析将是未来提升BRUI效能的方向。

整体而言，BRUI作为一个结合先进自然语言处理技术、基于统一标准化权威数据、并量化脱欧过程全过程的经济不确定性工具，具有显著学术价值和政策实用价值，为理解脱欧的复杂宏观经济效应奠定了坚实基础[page::0~18,25~28]。

---

参考页码索引

报告引用页码均依据卷内页码编号，正文引用示例如下：

• [page::0,1] 表示引用第0页与第1页内容。

- 多页引用按逗号分隔，且同页不可超引用两页。

---

（完）

报告