政策不確定性、貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)

馬續(xù)濤，沈 悅

政策不確定性、貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)

馬續(xù)濤，沈 悅

（西安交通大學(xué)經(jīng)濟(jì)與金融學(xué)院，陜西西安710061）

政策不確定性背景下的貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)渠道表現(xiàn)特征是一個(gè)亟待解答的問題。文章基于我國(guó)商業(yè)銀行面板數(shù)據(jù)全面分析了政策不確定性環(huán)境下我國(guó)不同類型貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平的影響特征。實(shí)證檢驗(yàn)表明，貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平有顯著影響，貨幣政策越寬松，銀行會(huì)承擔(dān)越高的風(fēng)險(xiǎn)。而且，相對(duì)數(shù)量型貨幣政策工具而言，價(jià)格型貨幣政策工具對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響更為顯著。進(jìn)一步研究發(fā)現(xiàn)，政策不確定性不僅對(duì)銀行體系的穩(wěn)定有負(fù)面沖擊，而且對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的關(guān)系也有顯著影響。隨著政策不確定性程度的上升，貨幣政策的變化對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平的影響程度越來(lái)越大，而且這種影響在價(jià)格型貨幣政策工具中表現(xiàn)得更為明顯。

政策不確定性；貨幣政策；銀行風(fēng)險(xiǎn)承擔(dān)；金融穩(wěn)定

一、引言

人們普遍認(rèn)為2008年金融危機(jī)的爆發(fā)與長(zhǎng)期較為寬松的貨幣政策有密切關(guān)系［1］。曾經(jīng)長(zhǎng)期被忽略的貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)之間關(guān)系也開始逐漸引起國(guó)內(nèi)外研究者的關(guān)注。多數(shù)理論研究和實(shí)證研究表明，寬松的貨幣政策會(huì)引起銀行承擔(dān)更高水平的風(fēng)險(xiǎn)，并將此影響機(jī)制稱之為貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道［2］。實(shí)際上，經(jīng)濟(jì)政策在實(shí)施時(shí)間、具體內(nèi)容以及貫徹力度等方面都具有高度不確定性，自然也會(huì)引起政策傳導(dǎo)效應(yīng)的不確定性。政策不確定性可能產(chǎn)生的負(fù)面效應(yīng)已經(jīng)引起人們的重視。IMF在2012年的《世界經(jīng)濟(jì)展望》中指出，金融危機(jī)的巨大破壞效應(yīng)以及經(jīng)濟(jì)緩慢的復(fù)蘇與貨幣、財(cái)政以及監(jiān)管政策的不確定性有緊密聯(lián)系，對(duì)政策不確定性引起的政策扭曲需要加以重視。因此，一個(gè)值得思考的問題是：政策不確定性是否會(huì)對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)之間的作用機(jī)制產(chǎn)生影響？本文嘗試對(duì)這個(gè)問題進(jìn)行解答。

受經(jīng)濟(jì)下行和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的影響，我國(guó)銀行業(yè)正承受著前所未有的沖擊。五大國(guó)有銀行2015年的利潤(rùn)增速由上年的7%銳減到不足1%，建行更是低到0.14%。與此同時(shí)，五大國(guó)有銀行不良貸款規(guī)模達(dá)到了近十年最高值，不良貸款率均比上年增長(zhǎng)30%以上，農(nóng)行更是增長(zhǎng)70%，不良貸款率已經(jīng)超過(guò)2%。在當(dāng)前復(fù)雜的內(nèi)外環(huán)境下，我國(guó)經(jīng)濟(jì)政策也具有高度不確定性。我國(guó)經(jīng)濟(jì)下行壓力依然很大且還未完全見底，保增長(zhǎng)與經(jīng)濟(jì)轉(zhuǎn)型間的沖突越來(lái)越尖銳，對(duì)經(jīng)濟(jì)政策制定的連貫性和一致性是個(gè)極大的考驗(yàn)。與這些實(shí)體經(jīng)濟(jì)的不景氣相反，我國(guó)部分城市房地產(chǎn)市場(chǎng)出現(xiàn)過(guò)熱，房?jī)r(jià)上漲速度難以控制，各城市紛紛重啟限購(gòu)政策和提高首付比例，去庫(kù)存和穩(wěn)房?jī)r(jià)的沖突成為令政府頭疼的問題。全球經(jīng)濟(jì)復(fù)蘇緩慢，各國(guó)經(jīng)濟(jì)政策越來(lái)越呈現(xiàn)分化趨勢(shì)，再次加大了我國(guó)政策制定的難度。因此，在當(dāng)前政策充滿高度不確定性背景下分析貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道就顯得非常具有現(xiàn)實(shí)價(jià)值。

已有的關(guān)于政策不確定性的相關(guān)研究，側(cè)重于討論政策不確定性的宏觀經(jīng)濟(jì)效應(yīng)，鮮有分析政策不確定性對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)之間作用機(jī)制的影響。本文基于我國(guó)銀行業(yè)面板數(shù)據(jù)全面分析政策不確定性環(huán)境下我國(guó)貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平的影響特征。同時(shí)，在研究中采用多種銀行風(fēng)險(xiǎn)承擔(dān)變量、貨幣政策代理變量進(jìn)行分析來(lái)保證研究結(jié)果的穩(wěn)健性。本文研究不僅是對(duì)已有研究的一個(gè)補(bǔ)充和豐富，還對(duì)不確定性環(huán)境下的宏觀審慎監(jiān)管框架的構(gòu)建有較強(qiáng)指導(dǎo)價(jià)值。

二、文獻(xiàn)綜述

長(zhǎng)久以來(lái)，貨幣政策只是被認(rèn)為是引起經(jīng)濟(jì)波動(dòng)的一個(gè)重要因素［3］。直到近幾年，學(xué)術(shù)界才開始轉(zhuǎn)向討論貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)之間的作用機(jī)制，并稱其為貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道［2］。大量研究表明，貨幣政策主要借助兩種傳導(dǎo)渠道對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平產(chǎn)生影響：一是，貨幣政策可以直接影響到貸款抵押物的估值，從而影響到銀行對(duì)風(fēng)險(xiǎn)的判斷，進(jìn)而改變銀行風(fēng)險(xiǎn)承擔(dān)水平［2，4］；二是，貨幣政策還會(huì)影響到銀行的融資成本以及資產(chǎn)收益，從而對(duì)銀行的盈利狀況產(chǎn)生影響，銀行出于“風(fēng)險(xiǎn)—收益”對(duì)等的考慮會(huì)對(duì)自身的風(fēng)險(xiǎn)承擔(dān)水平做出調(diào)整［5］。實(shí)證研究方面，已有大量研究來(lái)檢驗(yàn)貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)是否成立。Adrian和Shin（2009）基于美國(guó)銀行業(yè)數(shù)據(jù)發(fā)現(xiàn)，寬松的貨幣政策會(huì)提高銀行的風(fēng)險(xiǎn)偏好，促使銀行擴(kuò)大信貸規(guī)模［6］。Jiménez等（2014）利用西班牙銀行業(yè)微觀個(gè)體的信貸申請(qǐng)資料，從微觀視角對(duì)這個(gè)主題進(jìn)行了探討，研究發(fā)現(xiàn)低利率會(huì)鼓勵(lì)銀行向高風(fēng)險(xiǎn)企業(yè)發(fā)放更多的貸款，而且會(huì)為抵押物價(jià)值不足的企業(yè)承擔(dān)更大的信用擔(dān)保［7］。因此，貨幣政策對(duì)銀行信貸行為的影響不僅體現(xiàn)在信貸規(guī)模上，還會(huì)影響到信貸風(fēng)險(xiǎn)。Altunbas等（2014）基于歐盟和美國(guó)銀行業(yè)數(shù)據(jù)，發(fā)現(xiàn)寬松的貨幣政策會(huì)鼓勵(lì)銀行承擔(dān)更高的風(fēng)險(xiǎn)［8］。Ioannidou等（2015）則從另外一個(gè)視角出發(fā)，分析了貨幣政策對(duì)銀行貸款風(fēng)險(xiǎn)結(jié)構(gòu)以及利率的影響機(jī)制，結(jié)果表明寬松的貨幣政策會(huì)刺激銀行發(fā)放更大規(guī)模的高風(fēng)險(xiǎn)貸款，還會(huì)縮減高風(fēng)險(xiǎn)貸款與低風(fēng)險(xiǎn)貸款之間的價(jià)差［9］。還有許多學(xué)者討論了銀行微觀特征對(duì)貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)渠道的影響。Delis和Kouretas（2011）以2000-2008年的歐盟銀行作為研究樣本，發(fā)現(xiàn)寬松的貨幣政策會(huì)顯著提高銀行風(fēng)險(xiǎn)承擔(dān)水平，而且對(duì)資產(chǎn)率較低和從事更多表外業(yè)務(wù)銀行作用更顯著［10］。Brissimis等（2014）發(fā)現(xiàn)與資本充足性和流動(dòng)性等銀行微觀變量特征相比較而言，貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)之間的作用機(jī)制與銀行市場(chǎng)勢(shì)力的關(guān)系更為明顯［11］。具體來(lái)說(shuō)，隨著銀行的市場(chǎng)勢(shì)力增加，其風(fēng)險(xiǎn)承擔(dān)的水平對(duì)貨幣政策的變化表現(xiàn)得越來(lái)越不敏感。

近幾年來(lái)，國(guó)內(nèi)研究者也對(duì)我國(guó)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)之間的作用機(jī)制開展了豐富的實(shí)證研究并獲得一些非常有意義的研究成果。江曙霞、陳玉嬋（2012）借助我國(guó)14家上市銀行的面板數(shù)據(jù)，利用門限面板回歸模型對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)之間的關(guān)系進(jìn)行了檢驗(yàn)，結(jié)果發(fā)現(xiàn)緊縮的貨幣政策會(huì)顯著降低銀行風(fēng)險(xiǎn)承擔(dān)水平，并且影響程度與銀行資本狀況有關(guān)［12］。徐明東、陳學(xué)彬（2012）也得出了類似的結(jié)論，而且這種影響關(guān)系在規(guī)模較小和資本不充足的銀行中表現(xiàn)得更為顯著［13］。方意等（2012）基于我國(guó)2003-2010年72家商業(yè)銀行面板數(shù)據(jù)，結(jié)果顯示銀行資本充足率越低，貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)之間的關(guān)系越不顯著［14］。張強(qiáng)等（2013）以2002-2012年14家商業(yè)銀行為研究對(duì)象，從銀行風(fēng)險(xiǎn)承擔(dān)和信貸供給兩個(gè)角度證實(shí)寬松的貨幣政策會(huì)提高銀行的風(fēng)險(xiǎn)偏好［15］。劉生福、李成（2014）則重點(diǎn)討論了貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的作用機(jī)制在不同類型銀行中表現(xiàn)的差異性，結(jié)果發(fā)現(xiàn)系統(tǒng)重要性銀行的風(fēng)險(xiǎn)承擔(dān)水平對(duì)貨幣政策反應(yīng)更為敏感［16］。金鵬輝等（2014a）以反映銀行貸款審批標(biāo)準(zhǔn)的貸款審批條件指數(shù)來(lái)刻畫銀行風(fēng)險(xiǎn)承擔(dān)意愿，發(fā)現(xiàn)寬松的貨幣政策會(huì)降低銀行貸款審批標(biāo)準(zhǔn)，而且這種作用機(jī)制更多地體現(xiàn)在資產(chǎn)選擇上而非負(fù)債選擇［17］。進(jìn)一步，金鵬輝等（2014b）將銀行過(guò)度風(fēng)險(xiǎn)承擔(dān)行為與一般的風(fēng)險(xiǎn)承擔(dān)行為進(jìn)行了區(qū)分，發(fā)現(xiàn)銀行在寬松的貨幣環(huán)境下會(huì)過(guò)度承擔(dān)風(fēng)險(xiǎn)［18］。

這些研究對(duì)于我們充分理解貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的作用機(jī)制有很強(qiáng)的借鑒意義，然而不足的是這些研究均未涉及外部經(jīng)濟(jì)環(huán)境尤其引起越來(lái)越多關(guān)注的政策不確定性因素在這種作用機(jī)制中可能產(chǎn)生的影響。政策不確定性是引起經(jīng)濟(jì)波動(dòng)的一個(gè)重要因素。Julio和Yook（2012）利用包含48個(gè)國(guó)家的面板數(shù)據(jù)，發(fā)現(xiàn)政府更迭造成的政策不確定性會(huì)引起企業(yè)投資下降，企業(yè)投資率在大選年度要比非大選年度下降大約4.8%［19］。Fernandez-Vil?laverde等（2015）將財(cái)政政策不確定性因素引入到DSGE模型中，結(jié)果顯示財(cái)政政策不確定性沖擊對(duì)宏觀經(jīng)濟(jì)產(chǎn)生明顯的負(fù)面效應(yīng)［20］。Baker等（2016）基于美國(guó)企業(yè)面板數(shù)據(jù)發(fā)現(xiàn)，無(wú)論從微觀層面還是宏觀層面來(lái)看，政策不確定性對(duì)企業(yè)投資有顯著的抑制效應(yīng)，并且其力度不可小覷，在金融危機(jī)期間美國(guó)企業(yè)投資率的2/3下降都可以歸結(jié)為政策不確定性因素［21］。金雪軍等（2014）基于我國(guó)宏觀數(shù)據(jù)，發(fā)現(xiàn)政策不確定性沖擊對(duì)消費(fèi)、投資以及出口均有負(fù)面影響，而且主要通過(guò)預(yù)期渠道作用于宏觀經(jīng)濟(jì)［22］。黃寧、郭平（2015）也得出了類似的結(jié)論［23］。既然政策不確定性對(duì)宏觀經(jīng)濟(jì)有如此顯著的影響，必然也會(huì)對(duì)與宏觀經(jīng)濟(jì)聯(lián)系緊密的銀行業(yè)產(chǎn)生影響。遺憾的是，目前并沒有文獻(xiàn)討論政策不確定性對(duì)銀行行為的影響。雖然也有一些研究討論了總體經(jīng)濟(jì)不確定性對(duì)銀行信貸的影響，如Quagliariello（2009）、Valen?cia（2013）、Buch等（2015）等［24-26］，但并沒有對(duì)總體經(jīng)濟(jì)不確定性與政策不確定性進(jìn)行具體區(qū)分。

基于此，本文嘗試對(duì)已有的研究?jī)?nèi)容進(jìn)行拓展，重點(diǎn)討論政策不確定性對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間作用機(jī)制可能產(chǎn)生的影響。要想順利開展研究還需要考慮的一個(gè)重要問題是測(cè)度政策不確定性。雖然測(cè)度總體經(jīng)濟(jì)不確定性的方法很多，但要想從總體經(jīng)濟(jì)不確定性中剝離出來(lái)政策不確定性是一項(xiàng)比較復(fù)雜的工作。Baker等（2016）另辟蹊徑提出了一種基于新聞媒體報(bào)道次數(shù)的測(cè)度政策不確定性的新方法，編制了政策不確定性指數(shù)，結(jié)果顯示該指數(shù)能夠比較準(zhǔn)確地刻畫政策不確定性特征［21］。實(shí)際上，利用文本搜索手段來(lái)測(cè)度經(jīng)濟(jì)變量的方法已經(jīng)在經(jīng)濟(jì)學(xué)研究中得到了大量應(yīng)用［27-28］。這種方法最大特點(diǎn)是直觀，而且不過(guò)分依賴經(jīng)濟(jì)數(shù)據(jù)，尤其對(duì)還未建立完整的數(shù)據(jù)統(tǒng)計(jì)體系的我國(guó)來(lái)說(shuō)，具有更強(qiáng)的可參考價(jià)值。

三、變量選取與模型設(shè)定

（一）數(shù)據(jù)來(lái)源

本文以2000-2014年的中國(guó)銀行業(yè)面板數(shù)據(jù)作為研究對(duì)象，其中銀行業(yè)微觀數(shù)據(jù)來(lái)源于Bankscope數(shù)據(jù)庫(kù)，宏觀經(jīng)濟(jì)數(shù)據(jù)來(lái)自CEIC數(shù)據(jù)庫(kù)，銀行類型僅限于商業(yè)銀行，并主要根據(jù)三個(gè)標(biāo)準(zhǔn)對(duì)樣本進(jìn)行篩選：①剔除外資銀行在我國(guó)境內(nèi)的分行，只包含總部設(shè)在我國(guó)大陸境內(nèi)的商業(yè)銀行；②剔除資本規(guī)模為負(fù)值的樣本；③剔除可獲得數(shù)據(jù)樣本少于5年的商業(yè)銀行。經(jīng)過(guò)篩選以后，研究樣本最終包含77家商業(yè)銀行，其中有大型國(guó)有銀行5家（工農(nóng)中建交），全國(guó)性股份制銀行10家，城市商業(yè)銀行49家和農(nóng)村商業(yè)銀行13家。需要說(shuō)明的是，這些商業(yè)銀行的總資產(chǎn)規(guī)模占到全國(guó)銀行業(yè)資產(chǎn)規(guī)模的70%以上，而且包含了所有類型的商業(yè)銀行，可以很好地代表我國(guó)銀行業(yè)的基本特征。

（二）變量選取

1.被解釋變量

測(cè)度銀行風(fēng)險(xiǎn)的指標(biāo)比較豐富，主要有預(yù)期違約概率、Z-score、不良貸款率（NPL）和加權(quán)風(fēng)險(xiǎn)資產(chǎn)比率。預(yù)期違約概率的計(jì)算需要借助股票市場(chǎng)數(shù)據(jù)，但我國(guó)上市銀行數(shù)量只有區(qū)區(qū)16家，也就是說(shuō)我國(guó)多數(shù)銀行為非上市銀行，出于樣本數(shù)量角度考慮，該指標(biāo)不具有可行性。加權(quán)風(fēng)險(xiǎn)資產(chǎn)比率是一個(gè)很好的用來(lái)刻畫銀行資產(chǎn)質(zhì)量狀況的指標(biāo)，但是考慮此數(shù)據(jù)在Bankscope數(shù)據(jù)庫(kù)中的缺失較為嚴(yán)重，使得該指標(biāo)也無(wú)法使用。Z-score反映了銀行破產(chǎn)風(fēng)險(xiǎn)大小，Z-score值越大意味著銀行破產(chǎn)風(fēng)險(xiǎn)越小。不良貸款率是衡量銀行風(fēng)險(xiǎn)狀況的一個(gè)最為直接的指標(biāo)，不良貸款率越大則表明銀行當(dāng)前承擔(dān)的風(fēng)險(xiǎn)越大。因此，本文將Z-score以及不良貸款率兩種指標(biāo)共同作為衡量銀行風(fēng)險(xiǎn)狀況的代理變量，可以保證分析結(jié)果的穩(wěn)健性。

Z-score的計(jì)算比較容易，參考Laeven和Levine（2009）［29］，Z-score的具體計(jì)算方式為：

需要說(shuō)明的是，ROA為銀行收益與資產(chǎn)規(guī)模的比值，CAR為銀行權(quán)益資本規(guī)模與資產(chǎn)規(guī)模的比值，σ(ROA)為ROA的標(biāo)準(zhǔn)差。考慮到Z-score高度有偏的特點(diǎn)，在實(shí)際研究中一般對(duì)其取自然對(duì)數(shù)。

2.貨幣政策代理變量

在國(guó)外相關(guān)研究中，貨幣政策代理變量的選擇多以市場(chǎng)利率為主?？紤]到我國(guó)利率市場(chǎng)并未充分實(shí)現(xiàn)市場(chǎng)化的現(xiàn)實(shí)背景，我國(guó)商業(yè)銀行的定價(jià)權(quán)非常有限，從而只選擇市場(chǎng)利率作為貨幣政策代理變量在我國(guó)有一定的局限性。并且，近些年中國(guó)人民銀行在調(diào)整貨幣政策時(shí)很多時(shí)候借助數(shù)量型工具。為了保證研究結(jié)果的可靠，與金鵬輝等（2014a，2014b）一樣［17-18］，本文選取比較常見的廣義貨幣供給量M2增速（GM2）、存款準(zhǔn)備金率（RR）以及一年期貸款基準(zhǔn)利率（IR）三種指標(biāo)來(lái)作為貨幣政策的代理變量。這三種指標(biāo)不僅包括了數(shù)量型貨幣政策工具（GM2和RR），也包括了價(jià)格型貨幣政策工具（IR），從而可以很好地反映我國(guó)貨幣政策的變化情況。其中，GM2增加或者RR、IR減小都代表貨幣政策變得更加寬松。

3.政策不確定性

關(guān)于政策不確定性的測(cè)度，本文借鑒“政策不確定性網(wǎng)站”（www.policyuncertainty.com）編制的我國(guó)政策不確定性指數(shù)（EPU）。該指數(shù)是由Baker等人基于與政策不確定性相關(guān)的新聞媒體報(bào)道頻率進(jìn)行編制的。具體編制過(guò)程是，首先利用文本搜索手段對(duì)每月出現(xiàn)在主流新聞媒體中與政策不確定性相關(guān)的關(guān)鍵詞出現(xiàn)次數(shù)進(jìn)行檢索統(tǒng)計(jì)，然后對(duì)所得到的統(tǒng)計(jì)結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理，即為政策不確定性指數(shù)，指數(shù)越大意味著政策不確定性越大。該方法具有一定的科學(xué)性，畢竟只有政策不確定性較大時(shí)，才會(huì)引起新聞媒體重點(diǎn)關(guān)注。“政策不確定性網(wǎng)站”編制了我國(guó)自1995年1月份至今的月度政策不確定性指數(shù)。鑒于本文研究基于年度數(shù)據(jù)，因此以每年月度政策不確定性指數(shù)的均值來(lái)代表年度政策不確定性指數(shù)。與Baker等（2016）一樣［21］，在研究中對(duì)其做取對(duì)數(shù)處理。圖1展示了我國(guó)2000-2014年的政策不確定性指數(shù)變化狀況。不難發(fā)現(xiàn)，我國(guó)政策不確定性指數(shù)分別在2001年、2008年以及2012年出現(xiàn)了三個(gè)峰值，這也反映了當(dāng)時(shí)的國(guó)內(nèi)外經(jīng)濟(jì)環(huán)境狀況。2001年左右的WTO入世談判和美國(guó)911事件、2008年爆發(fā)的金融危機(jī)、2012年的中央政府換屆以及歐債危機(jī)都顯著增加了當(dāng)年政策不確定性。因而，采用該政策不確定性指數(shù)來(lái)反映我國(guó)政策不確定性變化情況具有較強(qiáng)的合理性。

圖1 我國(guó)政策不確定性指數(shù)

4.控制變量

參考已有相關(guān)研究文獻(xiàn)，本文選取的控制變量主要包括宏觀經(jīng)濟(jì)狀況、銀行規(guī)模、資產(chǎn)狀況和從事表外業(yè)務(wù)狀況。宏觀經(jīng)濟(jì)狀況的代理變量為GDP增速（GGDP）。一般來(lái)說(shuō)，經(jīng)濟(jì)景氣時(shí)，資產(chǎn)價(jià)格比較高，這就意味著貸款抵押物價(jià)值增加，而且再加上此時(shí)銀行對(duì)經(jīng)濟(jì)前景非常樂觀，因此會(huì)鼓勵(lì)銀行承擔(dān)更多的風(fēng)險(xiǎn)；而經(jīng)濟(jì)衰退時(shí)，剛好相反，資產(chǎn)價(jià)格的降低使得貸款抵押物價(jià)值縮水，此時(shí)的銀行對(duì)經(jīng)濟(jì)前景又比較悲觀，促使銀行采取更為保守的經(jīng)營(yíng)戰(zhàn)略，降低風(fēng)險(xiǎn)承擔(dān)水平。銀行規(guī)模的代理變量為銀行總資產(chǎn)規(guī)模的對(duì)數(shù)（SIZE）。銀行規(guī)模與銀行風(fēng)險(xiǎn)承擔(dān)之間的關(guān)系并沒有一致性的結(jié)論，有些研究認(rèn)為，“大而不倒”的存在會(huì)鼓勵(lì)規(guī)模大的銀行承擔(dān)更高的風(fēng)險(xiǎn)；但還有一些研究認(rèn)為，規(guī)模大的銀行具備更強(qiáng)的利用資產(chǎn)多元化來(lái)分散風(fēng)險(xiǎn)的能力，從而降低銀行風(fēng)險(xiǎn)承擔(dān)。選取銀行信貸規(guī)模與總資產(chǎn)的比值（LAR）作為資產(chǎn)狀況的代理變量，顯然信貸規(guī)模占比越大意味著銀行更加偏好風(fēng)險(xiǎn)。非利息收入在總收入中的占比（NII）為反映銀行從事表外業(yè)務(wù)狀況的代理變量。近些年來(lái)，開始有越來(lái)越多的研究關(guān)注非利息收入占比對(duì)銀行風(fēng)險(xiǎn)的影響，多數(shù)認(rèn)為非利息收入占比的增加會(huì)顯著增加銀行風(fēng)險(xiǎn)［30］。另外，回歸模型中還引入了時(shí)間虛擬變量，來(lái)刻畫模型中遺漏的與宏觀經(jīng)濟(jì)和監(jiān)管政策相關(guān)的隨時(shí)間變化的因素。主要代理變量的描述性統(tǒng)計(jì)結(jié)果見表1所列。

表1 主要代理變量的描述性統(tǒng)計(jì)結(jié)果

（三）模型設(shè)置

1.貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間影響機(jī)制的檢驗(yàn)

本文研究主要是對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的關(guān)系進(jìn)行檢驗(yàn)，因此設(shè)定如下回歸方程：

其中，回歸方程等號(hào)左邊的被解釋變量為銀行風(fēng)險(xiǎn)Risk，由NPL和Z-score兩個(gè)代理變量組成，等號(hào)右邊的核心解釋變量為貨幣政策代理變量MP，包括GM2、RR以及IR，EPU為我國(guó)政策不確定性指數(shù)，GGDP為GDP增速，X為銀行微觀層面控制變量，包括SIZE、LAR和NII，νt為時(shí)間虛擬變量，εit為殘差項(xiàng)。Hausman檢驗(yàn)的P值為0.000，因此拒絕隨機(jī)效應(yīng)模型原假設(shè)，選取固定效應(yīng)模型，νi為個(gè)體固定效應(yīng)項(xiàng)。為了減弱模型內(nèi)生性問題，對(duì)所有銀行特征變量滯后一期。估計(jì)系數(shù)α1是需要重點(diǎn)關(guān)注的系數(shù)，刻畫了貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平的影響，預(yù)期寬松的貨幣政策會(huì)鼓勵(lì)銀行承擔(dān)更多的風(fēng)險(xiǎn)。

2.檢驗(yàn)政策不確定性對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間作用機(jī)制的影響

將研究樣本以政策不確定性指數(shù)的中位數(shù)作為分界線分為政策不確定性較高和政策不確定性較低兩個(gè)子樣本，然后分別依據(jù)方程（2）進(jìn)行回歸估計(jì)，通過(guò)比較兩個(gè)回歸方程中的貨幣政策代理變量MP的估計(jì)系數(shù)α1的大小以及顯著性特征來(lái)檢驗(yàn)貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平的影響是否與政策不確定性大小有關(guān)。需要說(shuō)明的是，本文之所以沒有選擇以引入貨幣政策代理變量與政策不確定性指數(shù)交互項(xiàng)的方式來(lái)進(jìn)行分析是因?yàn)椋@兩個(gè)變量均是隨時(shí)間變化的變量而回歸模型中又存在時(shí)間虛擬變量，這使得交互項(xiàng)因共線性原因而無(wú)法估計(jì)。為了保證分析結(jié)果的穩(wěn)健性，本文還選擇了不同的子樣本劃分標(biāo)準(zhǔn)來(lái)進(jìn)行穩(wěn)健性分析。

四、實(shí)證結(jié)果與分析

（一）貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平的影響

表2展示了貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平影響的回歸結(jié)果。需要說(shuō)明的是，因此廣義貨幣M2增長(zhǎng)率GM2與GDP增速具有較強(qiáng)的相關(guān)性，為了保證回歸結(jié)果的準(zhǔn)確性，將GGDP從貨幣政策代理變量為GM2的模型中舍去，不予估計(jì)。

觀察貨幣政策代理變量的估計(jì)系數(shù)可知，貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)有顯著影響，在1%顯著水平下顯著。而且估計(jì)系數(shù)的符號(hào)表明，貨幣政策越寬松，銀行會(huì)承擔(dān)更高的風(fēng)險(xiǎn)，這也就是說(shuō)貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道在我國(guó)是存在的。值得注意的是，通過(guò)比較三個(gè)貨幣政策代理變量的估計(jì)系數(shù)大小不難發(fā)現(xiàn)，銀行風(fēng)險(xiǎn)承擔(dān)水平對(duì)這三個(gè)貨幣政策代理變量的敏感程度存在顯著差異，而且對(duì)貸款基準(zhǔn)利率IR的反應(yīng)最為敏感。出現(xiàn)這樣的結(jié)果與兩方面因素有關(guān)：一方面，與另外兩種貨幣政策代理變量相比，貸款利率對(duì)銀行風(fēng)險(xiǎn)定價(jià)影響最大，是決定銀行風(fēng)險(xiǎn)承受意愿的一個(gè)重要因素；另一方面，我國(guó)利率市場(chǎng)化程度不高，銀行沒有充分自主的定價(jià)權(quán)，進(jìn)一步加大了基準(zhǔn)利率對(duì)銀行風(fēng)險(xiǎn)決策行為的影響。

政策不確定性指數(shù)的估計(jì)系數(shù)EPU同樣非常顯著，對(duì)銀行風(fēng)險(xiǎn)也有顯著影響。政策不確定性程度越高，銀行承擔(dān)的風(fēng)險(xiǎn)越高。這是因?yàn)?，政策不確定性越高，對(duì)實(shí)體經(jīng)濟(jì)的負(fù)面沖擊越大，從而導(dǎo)致銀行信貸違約率增加，造成銀行資本損失，威脅銀行穩(wěn)定。

表2 貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響

除了LAR，控制變量同樣對(duì)銀行風(fēng)險(xiǎn)承擔(dān)有顯著影響。NII的估計(jì)系數(shù)只有在被解釋變量為Z-score時(shí)顯著，且顯著為負(fù)，說(shuō)明銀行從事表外業(yè)務(wù)會(huì)增加銀行風(fēng)險(xiǎn)。SIZE的估計(jì)系數(shù)在6個(gè)模型中都非常顯著，銀行規(guī)模越大則銀行風(fēng)險(xiǎn)越高。GGDP的估計(jì)系數(shù)也非常顯著，證實(shí)銀行風(fēng)險(xiǎn)承擔(dān)具有順周期特征。

（二）政策不確定性對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間關(guān)系的影響

上文分析表明銀行風(fēng)險(xiǎn)承擔(dān)水平與政策不確定性有密切關(guān)系，那么貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的關(guān)系也有可能會(huì)受政策不確定性影響，為此將研究樣本以政策不確定性指數(shù)的中位數(shù)作為分界線分為政策不確定性較高和政策不確定性較低兩個(gè)子樣本，然后分別依據(jù)方程（2）進(jìn)行回歸估計(jì)，以檢驗(yàn)貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)渠道是否與政策不確定性有關(guān)。表3報(bào)告了模型中的被解釋變量為NPL時(shí)政策不確定性對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間關(guān)系的影響結(jié)果。

表3 基于NPL的政策不確定性對(duì)貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)渠道的影響

不難發(fā)現(xiàn)，各種類型貨幣政策變量的估計(jì)系數(shù)均在1%顯著水平下顯著，而且無(wú)論政策不確定性高低與否，貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的關(guān)系與上文分析一致，即貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道依然成立。而且通過(guò)對(duì)比兩個(gè)子樣本的貨幣政策代理變量的估計(jì)系數(shù)大小不難發(fā)現(xiàn)，與政策不確定性較低時(shí)相比，政策不確定性較高時(shí)的銀行風(fēng)險(xiǎn)承擔(dān)水平對(duì)貨幣政策的反應(yīng)變得更加敏感。出現(xiàn)這樣的結(jié)果與預(yù)期因素有關(guān)，政策不確定性越低意味著銀行對(duì)貨幣政策未來(lái)走勢(shì)有更清晰的預(yù)期，從而依此判斷提前對(duì)風(fēng)險(xiǎn)承擔(dān)水平進(jìn)行相應(yīng)調(diào)整，這就使得銀行風(fēng)險(xiǎn)承擔(dān)對(duì)貨幣政策變動(dòng)的反應(yīng)變得越來(lái)越不敏感。而且就這三種貨幣政策代理變量而言，貸款基準(zhǔn)利率IR與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的關(guān)系受政策不確定性影響更大。這也再次證明了價(jià)格型貨幣政策工具對(duì)銀行風(fēng)險(xiǎn)承擔(dān)影響最顯著。

為了保證研究結(jié)論的穩(wěn)健性，表4報(bào)告了模型中的被解釋變量為Z-score時(shí)政策不確定性對(duì)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間作用機(jī)制的影響結(jié)果。結(jié)果顯示，三種類型貨幣政策代理變量的估計(jì)系數(shù)依然很顯著，貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道在兩個(gè)子樣本中仍同時(shí)存在。與被解釋變量為NPL時(shí)的回歸結(jié)果一樣，GM2、RR與IR對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平的影響仍然在政策不確定性較高時(shí)更顯著，并且政策不確定性對(duì)價(jià)格型貨幣政策IR與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的作用機(jī)制影響更顯著。

表4 基于Z-score的政策不確定性對(duì)貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)渠道的影響

（三）穩(wěn)健性分析

本文除了選取多種銀行風(fēng)險(xiǎn)承擔(dān)代理變量和貨幣政策代理變量來(lái)保證分析結(jié)果的穩(wěn)健性外，還考慮與政策不確定性水平有關(guān)的子樣本劃分標(biāo)準(zhǔn)設(shè)定可能帶來(lái)的結(jié)果干擾，將研究樣本以30%、70%分位數(shù)作為界限劃分為具有高、低、中政策不確定性水平的三個(gè)子樣本進(jìn)行回歸?；貧w結(jié)果顯示，貨幣政策代理變量的估計(jì)系數(shù)顯著性水平和符號(hào)沒有發(fā)生變化，而且通過(guò)對(duì)三個(gè)子樣本回歸系數(shù)的比較得出與上文一致的研究結(jié)果。限于篇幅，本文沒有對(duì)具體回歸結(jié)果進(jìn)行報(bào)告，如有興趣可向作者索取。

五、研究結(jié)論與政策建議

已有的關(guān)于政策不確定性的相關(guān)研究，側(cè)重于討論政策不確定性的宏觀經(jīng)濟(jì)效應(yīng)，鮮有分析政策不確定性對(duì)貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)渠道的影響。有鑒于此，本文基于我國(guó)銀行業(yè)面板數(shù)據(jù)，對(duì)我國(guó)貨幣政策與銀行風(fēng)險(xiǎn)承擔(dān)水平之間的關(guān)系進(jìn)行全面探討，并重點(diǎn)討論政策不確定性對(duì)貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)渠道的影響。同時(shí)，在研究中采用多種銀行風(fēng)險(xiǎn)承擔(dān)變量、貨幣政策代理變量進(jìn)行分析來(lái)保證研究結(jié)論的穩(wěn)健。

研究發(fā)現(xiàn)，貨幣政策的變動(dòng)對(duì)銀行風(fēng)險(xiǎn)承擔(dān)水平有顯著的影響，寬松的貨幣政策會(huì)顯著引起銀行風(fēng)險(xiǎn)承擔(dān)的增加。而且，相對(duì)數(shù)量型貨幣政策工具而言，價(jià)格型貨幣政策工具對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響更為顯著。進(jìn)一步檢驗(yàn)發(fā)現(xiàn)，政策不確定性不僅會(huì)威脅到銀行的穩(wěn)定性，還會(huì)顯著影響貨幣政策銀行風(fēng)險(xiǎn)承擔(dān)渠道，尤其在價(jià)格型貨幣政策工具中表現(xiàn)得更為明顯。政策不確定性越高，則銀行風(fēng)險(xiǎn)承擔(dān)水平對(duì)貨幣政策的反應(yīng)越敏感。多種穩(wěn)健性分析表明本文研究結(jié)果是可信的。

本文研究結(jié)果無(wú)論是對(duì)于貨幣政策的制定還是宏觀審慎監(jiān)管框架的構(gòu)建來(lái)說(shuō)都具有重要啟示。首先，央行在制定貨幣政策時(shí)除了考慮保持物價(jià)穩(wěn)定，還有兼顧維護(hù)金融穩(wěn)定，科學(xué)分析、統(tǒng)籌規(guī)劃，避免顧此失彼；其次，增強(qiáng)政策制定過(guò)程的公開化和透明化，構(gòu)建并完善多層次的與市場(chǎng)主體溝通交流渠道，正確引導(dǎo)市場(chǎng)預(yù)期；最后，貨幣政策的制定要堅(jiān)持一致性和連貫性，切忌反復(fù)無(wú)常，防止政策自身成為不確定性來(lái)源。

［1］Schularick M，Taylor A M.Credit Booms Gone Bust：Mone?tary Policy，Leverage Cycles，and Financial Crises，1870-2008［J］.The American Economic Review，2012，102（2）：1029-1061.

［2］Borio C，Zhu H.Capital Regulation，Risk-Taking and Mon?etary Policy：A Missing Link in the Transmission Mecha?nism？［R］.BIS Working Paper NO.268，2008.

［3］Fisher I.The Debt-Deflation Theory of Great Depressions［J］.Econometrica，1933（4）：337-357.

［4］Adrian T，Shin H S.Money，Liquidity，and Monetary Policy［J］.The American Economic Review，2009，99（2）：600-605.

［5］Rajan R G.Has Financial Development Made the World Riskier？［R］.NBER Working Paper No.11728，2005.

［6］Adrian T，Shin H S.Financial Intermediaries and Monetary Economics［J］.Handbook of Monetary Economics，2010（3）：601-650.

［7］Jiménez G，Ongena S，Peydró J L，et al.Hazardous Times for Monetary Policy：What Do Twenty-Three Million Bank Loans Say About the Effects of Monetary Policy on Credit Risk-Taking？［J］.Econometrica，2014，82（2）：463-505.

［8］Altunbasa Y，Gambacortab L，Marques-Ibanezc D.Does Monetary Policy Affect Bank Risk？［J］.International Jour?nal of Central Banking，2014，10（1）：95-135.

［9］Ioannidou V，Ongena S，Peydró J L.Monetary Policy，Risk-Taking，and Pricing：Evidence from a Quasi-Natural Experiment［J］.Review of Finance，2015，19（1）：95-144.

［10］Delis M D，Kouretas G P.Interest Rates and Bank Risk-Taking［J］.Journal of Banking&Finance，2011，35（4）：840-855.

［11］Brissimis S N，Delis M D，Iosifidic M.Bank Market Pow?er and Monetary Policy Transmission［J］.International Jour?nal of Central Banking，2014，10（4）：173-213.

［12］江曙霞，陳玉嬋.貨幣政策，銀行資本與風(fēng)險(xiǎn)承擔(dān)［J］.金融研究，2012（4）：1-16.

［13］徐明東，陳學(xué)彬.貨幣環(huán)境，資本充足率與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)［J］.金融研究，2012（7）：48-62.

［14］方意，趙勝民，謝曉聞.貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)分析——兼論貨幣政策與宏觀審慎政策協(xié)調(diào)問題［J］.管理世界，2012（11）：9-19.

［15］張強(qiáng)，喬煜峰，張寶.中國(guó)貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)渠道存在嗎？［J］.金融研究，2013（8）：84-97.

［16］劉生福，李成.貨幣政策調(diào)控，銀行風(fēng)險(xiǎn)承擔(dān)與宏觀審慎管理——基于動(dòng)態(tài)面板系統(tǒng)GMM模型的實(shí)證分析［J］.南開經(jīng)濟(jì)研究，2014（5）：24-39.

［17］金鵬輝，張翔，高峰.貨幣政策對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響——基于銀行業(yè)整體的研究［J］.金融研究，2014（2）：16-29.

［18］金鵬輝，張翔，高峰.銀行過(guò)度風(fēng)險(xiǎn)承擔(dān)及貨幣政策與逆周期資本調(diào)節(jié)的配合［J］.經(jīng)濟(jì)研究，2014（6）：73-85.

［19］Julio B，Yook Y.Political Uncertainty and Corporate In?vestment Cycles［J］.The Journal of Finance，2012，67（1）：45-83.

［20］Fernández-Villaverde J，Guerrón-Quintana P，Kuester K，et al.Fiscal Volatility Shocks and Economic Activity［J］.The American Economic Review，2015，105（11）：3352-3384.

［21］Baker S R，Bloom N，Davis S J.Measuring Economic Pol?icy Uncertainty［J］.The Quarterly Journal of Economics，2016,131（4）：1593-1636.

［22］金雪軍，鐘意，王義中.政策不確定性的宏觀經(jīng)濟(jì)后果［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2014（2）：17-26.

［23］黃寧，郭平.經(jīng)濟(jì)政策不確定性對(duì)宏觀經(jīng)濟(jì)的影響及其區(qū)域差異——基于省級(jí)面板數(shù)據(jù)的PVAR模型分析［J］.財(cái)經(jīng)科學(xué)，2015（6）：61-70.

［24］Quagliariello M.Macroeconomic Uncertainty and Banks’Lending Decisions：The Case of Italy［J］.Applied Econom?ics，2009，41（3）：323-336.

［25］Valencia F.Aggregate Uncertainty and the Supply of Credit［R］.IMF Working Papers No.13/241，2013.

［26］Buch C M，Buchholz M，Tonzer L.Uncertainty，Bank Lending，and Bank-Level Heterogeneity［J］.IMF Econom?ic Review，2015，63（4）：919-954.

［27］Gentzkow M，Shapiro J M.What Drives Media Slant？Ev?idence from US Daily Newspapers［J］.Econometrica，2010，78（1）：35-71.

［28］Hoberg G，Phillips G.Product Market Synergies and Com?petition in Mergers and Acquisitions：A Text-Based Analy?sis［J］.The Review of Financial Studies，2010，23（10）：3773-3811.

［29］Laeven L，Levine R.Bank Governance，Regulation and Risk Taking［J］.Journal of Financial Economics，2009，93（2）：259-275.

［30］Brunnermeier M K，Dong G，Palia D.Banks’Non-Inter?est Income and Systemic Risk［C］.AFA 2012 Chicago Meetings Paper，2011.

Policy Uncertainty,Monetary Policy and Bank Risk-Taking

MA Xu-tao,SHEN Yue
(School of Economics and Finance,Xi’an Jiaotong University,Xi’an 710061,China)

How bank risk-taking channel of monetary policy behaves in the circumstance of policy uncertainty is a question to be solved. Using the panel data of Chinese banking,this paper completely analyzes the impact of various types of Chinese monetary policies on bank risk-taking level in the circumstance of policy uncertainty.The empirical test shows that monetary policy has a significant impact on the bank risk-taking level.The looser monetary policy is,the more risk the bank takes.Moreover,compared with quantitative monetary policy tools,price-based monetary policy tools have more impacts on bank risk-taking.Further,we find that policy uncertainty not only threats bank stability,but also significantly affects the relationship between monetary policy and bank risk-taking level.As policy uncertainty in?creases,the impact of monetary policy on bank risk-taking level becomes more and more significant in particular for price-based mone?tary policy tools.

policy uncertainty;monetary policy;bank risk-taking;financial stability

F820.1;F832

A

1007-5097（2017）05-0100-07

［責(zé)任編輯：張兵］

10.3969/j.issn.1007-5097.2017.05.014

2016-11-10

國(guó)家自然科學(xué)基金項(xiàng)目（71373201；71673214）

馬續(xù)濤（1987-），男，河北寧晉人，博士研究生，研究方向：系統(tǒng)性風(fēng)險(xiǎn)；沈悅（1961-），女，陜西大荔人，教授，經(jīng)濟(jì)學(xué)博士，研究方向：金融市場(chǎng)風(fēng)險(xiǎn)管理。