疫情沖擊與銀行風險承擔①
——基于104家城商行的分析

畢 泗 鋒

山東財經大學 金融學院，山東 濟南 250014

一、引 言

2019年年末我國爆發新冠疫情，經濟受到巨大沖擊。根據《中國統計年鑒2021》的統計，2020年全國經濟增速僅為2.3%，觸及改革開放以來GDP增速的谷底。處于疫情中心地帶的湖北省，受到疫情的沖擊也最為嚴重，經濟增速下滑至-5%，為全國最低。面臨如此巨大的沖擊，銀行業作為實體經濟金融資源調配的重要部門，無可避免的受到牽連。根據國泰安披露的商業銀行財務數據測算，2020年銀行業的平均利潤以資產報酬率衡量僅為0.56%，低于2010—2019年期間的歷史均值0.88%。

面對疫情沖擊下錯綜復雜的經濟形勢，銀行業的風險承擔態度是否發生了顯著變化呢？理論上分析，一方面，經濟的負面沖擊會在短期內影響到部分企業的經營，進而影響到企業的信貸質量，造成業務關聯銀行被動風險承擔增加；另一方面，銀行業面對未來的不確定性可能會收縮信貸業務，主動減少風險承擔?？傮w的風險承擔變化依賴于兩種風險承擔力量的對比。目前，有關該議題的研究文獻還相對匱乏。無論從貨幣政策的制定，還是從應對疫情宏觀調控的角度分析，銀行業的風險態度變化都是一個非常重要的因素，因此極有必要針對這一問題展開研究。

目前有關于疫情對于銀行風險影響的研究文獻，數量雖然龐大但大多數為定性分析，定量的實證分析相對較少。而且，這些文獻主要關注于疫情發生后銀行風險的等級劃分或銀行服務對象的風險分布，并未直接探討銀行風險承擔水平的疫情前后變化。本文參考已有研究文獻，嘗試以不良貸款率作為銀行風險承擔的核心代理變量，在區分主動風險承擔和被動風險承擔的基礎上對疫情沖擊下城市商業銀行的風險承擔變化進行研究。研究發現，疫情沖擊下銀行的被動風險承擔均顯著提升，但銀行的主動風險承擔意愿顯著下降，且下降的幅度要大于銀行主動風險承擔上升的幅度，最終導致銀行風險承擔總水平的下降。本文可能的貢獻在于，首次對疫情沖擊后商業銀行風險承擔變化進行實證分析，不僅測度了疫情沖擊給銀行業被動風險承擔的方向，而且間接測度了銀行主動風險承擔態度的變化。該研究結論有助于理解疫情發生后我國銀行業風險承擔的基本情況，可為央行制定貨幣政策以及各地政府依靠金融手段進行疫情管控提供決策依據。

二、文獻綜述

學界對銀行風險承擔議題的研究始于2008年全球金融危機時期。Borio和Zhu首次提出了貨幣政策的銀行風險承擔渠道，認為美國商業銀行在低利率環境下的激進冒險行為是加劇金融危機的主要原因之一①Borio C, Zhu H., "Capital Regulation, Risk-Taking and Monetary Policy: A Missing Link in the Transmission Mechanism?" BIS working paper,2008,(268), pp.24-25.，由此激發了學術界對于該問題的關注。隨后，De Nicolò、Jiménez等針對美國貨幣市場②De Nicolò G, Dell Ariccia G, L. L, F. V., "Monetary Policy and Bank Risk-Taking", IMF Staff Position Note, 2010；Jiménez G. et d, "Hazardous Times For Monetary Policy: What Do Twenty-Three Million Bank Loans Say About The Effects Of Monetary Policy On Credit Risk-Taking?" Econometrica, 2014, 82(2), pp.463-505.，Maddaloni、Peydró針對歐元區和美國③Maddaloni A, Peydró J L., "Bank Risk-Taking, Securitization, Supervision, and Low Interest Rates: Evidence From The Euro Area And The U.S. Lending Standards", The Review of Financial Studies, 2011, 24(6), pp.2121-2165.，Delis、Neuenkirch等針對歐洲或歐元區④Delis M D, Kouretas G P., "Interest Rates and Bank Risk-Taking", Journal of Banking and Finance, 2011,35(4), pp.840-855； Neuenkirch M, N?ckel M., "The Risk-Taking Channel of Monetary Policy Transmission in the Euro Area", Journal of Banking and Finance, 2018,93(8), pp.71-91.的經驗研究，均證實：寬松的貨幣政策會顯著引致銀行風險承擔水平增加。大批國內學者積極跟進，圍繞貨幣政策的銀行風險承擔渠道的存在性問題進行研究，以實證方法論證了在我國的市場環境中商業銀行同樣會通過調整風險態度對貨幣政策因子變化做出反應。近年來，有關貨幣政策銀行風險承擔渠道議題的研究正逐步走向深入和細化，內容涵蓋了“銀行風險承擔渠道的識別”“銀行風險承擔的流動性機制”“全球流動性對銀行風險承擔的影響”等重要議題。

顯然，上列文獻主要還是在貨幣政策語境之下討論銀行風險承擔，本文關注的則是疫情沖擊下銀行風險承擔的變化問題。雖然貨幣政策始終是與銀行風險承擔問題息息相關，但在疫情發生期間前后若干年，我國的貨幣政策基本維持在一個較為穩定的寬松狀態：存貸款基準利率從2015年以來未作調整，廣義貨幣M2增速保持穩定。因此，從貨幣政策變化的角度探究銀行風險承擔變化似乎并非理想方式。一部分學者聚焦于新冠疫情沖擊對金融風險問題展開分析，其中涉及到對銀行部門風險的討論，但是這些研究主要還是關注于整個金融市場風險的反應以及部門之間風險的傳染問題，對銀行風險承擔行為的討論并非重點亦不深入。還有一部分學者關注疫情沖擊下銀行部門風險變化的研究。例如，張鳳林基于聚類模型和機器學習算法，對疫情發生以來29家商業銀行的風險進行識別和分類以及測算，實現了樣本銀行的風險等級評價目標①張鳳林：《疫情常態化背景下商業銀行風險分類與識別研究——基于聚類模型及機器學習算法對29家商業銀行的實證分析》，《金融發展評論》2021年第6期。；張茜等利用SUR模型，對國有商業銀行信用風險進行壓力測試，具體分析疫情沖擊對不同信貸服務行業不良貸款率的沖擊程度②張茜、梁海志、馬倩倩：《后疫情時期商業銀行風險壓力測試研究——基于銀行行業貸款數據的實證分析》，《開發性金融研究》2020年第6期。。不過，這些研究側重于疫情沖擊下銀行風險的行業分布特征研究，同樣未能直接觸及銀行風險承擔水平這一重要議題。

基于現有研究成果，我們判斷：傳統上關于銀行風險承擔議題的討論主要還是局限在“貨幣政策銀行風險承擔渠道”的框架之下，而有關于疫情沖擊之下我國商業銀行風險承擔變化的研究明顯匱乏。因此，本文將參照傳統上討論商業銀行風險承擔的指標方法，集中于疫情沖擊這一特殊事件，探討銀行風險承擔變化。

三、研究假設

本部分基于疫情沖擊引致銀行風險承擔的分析框架提出待檢驗的假設。參照方意等的討論③方意、趙勝民、謝曉聞：《貨幣政策的銀行風險承擔分析——兼論貨幣政策與宏觀審慎政策協調問題》，《管理世界》2012年第1期。，我們將疫情沖擊造成的銀行風險承擔行為區分為主動風險承擔與被動風險承擔兩種類型。

疫情沖擊時，經濟受到負面沖擊，造成企業生產經營困難，計劃項目難以達成目標，從銀行獲得信貸資源就難以如期償還。因此相關聯的商業銀行被動承擔了這一類型的風險，疫情沖擊越嚴重，商業銀行承擔的被動風險就會越大。另一方面，疫情沖擊同時帶來巨大的經濟不確定性，商業銀行在面對企業新的資金需求時變得更加保守與謹慎，為防止發生較大規模的信用風險，往往會“惜貸”。這是一種典型的主動減少風險承擔的行為。疫情沖擊的規模越大，時間越長，商業銀行主動風險承擔的水平就會越低（見圖1）。

圖1 疫情沖擊對銀行風險承擔的影響機理

在已有文獻中，徐明東、項后軍、徐蕾等均采用不良貸款率作為銀行風險承擔的指標④徐明東、陳學彬：《貨幣環境、資本充足率與商業銀行風險承擔》，《金融研究》2012年第7期；項后軍、郜棟璽、陳昕朋：《基于“渠道識別”的貨幣政策 銀行風險承擔渠道問題研究》，《管理世界》2018年第8期；徐蕾：《全球流動性動態與新興市場國家銀行風險承擔》，《世界經濟研究》2021年第11期。。不良貸款率是銀行發放的總貸款中被劃定為次級、可疑和損失類的貸款比例，是銀行事后統計的風險承擔水平，也是監管機構考核銀行業資產質量的重要指標之一。通常，不良貸款率越高，表明銀行承擔了較高的風險。如方意認為，不良貸款率主要代表了銀行被動風險承擔的水平；理由是，不良率是銀行的風險的容忍度沒有發生變化的情況下由宏觀經濟等不利因素導致企業違約風險加大造成的。①方意：《貨幣政策與房地產價格沖擊下的銀行風險承擔分析》，《世界經濟》2015年第7期。這里，我們提出一個不同的觀點：當外部宏觀經濟環境變化時，銀行的風險容忍度可能會發生變化（而非不變），而且極有可能會根據環境主動擴大或收縮信貸資源，從而帶來壞賬率的上升或下降。已有文獻中，Ioannidou、Altunbas、Maddaloni等學者的研究②Ioannidou, Vasso and Ongena, Steven R. G. and Peydro, Jose-Luis, "Monetary Policy, Risk-Taking and Pricing: Evidence from a Quasi-Natural Experiment (June 30, 2014)", European Banking Center Discussion Paper, No. 2009-04S, CentER Discussion Paper Series, No. 2009-31S； Altunba? Yener Gambacorta Leonardo, Marques-Ibanez L., "Does Monetary Policy Affect Bank Risk-Taking?” International Journal of Central Banking,2014,10(1), pp.95-136； Maddaloni A, Peydró J L,“Bank Risk-Taking, Securitization, Supervision, and Low Interest Rates: Evidence from the Euro Area and the U.S. Lending Standards”, The Review of Financial Studies, 2011,24(6),pp. 2121-2165.均證明，寬松（緊縮）的貨幣政策環境下銀行會主動增加（收縮）銀行信貸活動，這中間的分析邏輯其實暗含著：銀行的風險態度是要受到外部環境影響的，而非一成不變。

故此，我們認為，不良貸款率雖然是事后統計的銀行風險承擔的最終結果，但是該結果既包含商業銀行被動承擔的一部分風險，同時也包含著銀行主動承擔風險的一部分。我們采用簡單的數學符號進行說明：假設在t=0時刻，銀行因為外部環境變化被動承擔的風險為Rp，銀行主動承擔風險為Ra，在滯后一期t=1時刻進行統計，銀行綜合的風險承擔水平應該是主動風險承擔和被動風險承擔水平之和，即R=Rp+Ra。

以經濟增速偏離度度量疫情沖擊大小，以不良貸款率衡量銀行綜合的風險承擔水平。根據前面的論證，疫情沖擊是銀行被動風險承擔的來源之一，當外生的沖擊來臨，實體經濟狀況惡化，不利于銀行貸款的收回，因此，被動風險承擔（即壞賬率）會上升。由此，我們提出第一個待驗證的假設：

H1：疫情沖擊導致商業銀行被動風險承擔（即壞賬率）上升。

在疫情沖擊下，如果疫情沖擊顯著增加了銀行不良率，即Rp增加，且同期可觀測銀行總體的風險承擔水平R在下降，那么銀行主動風險承擔水平Ra=R-Rp就會變小。也就是說，這兩類風險承擔的變化方向是相反的：疫情沖擊帶來經濟的負面沖擊，銀行的不良率（被動風險）增加，而疫情帶來的不確定性又使得銀行收縮信貸活動從而導致不良率（主動風險）減少。基于這一分析邏輯，提出研究假設2：

H2：疫情沖擊導致商業銀行主動風險承擔水平下降，銀行被動風險承擔和主動風險承擔變化方向出現分化。

進一步，如果區分疫情沖擊嚴重地區和非嚴重地區，我們推測，在疫情沖擊較為嚴重的地區，實體經濟遭受負面沖擊更大，防疫管控措施更為嚴厲，這些地區的銀行被動承擔的風險更大，不良率上升，銀行出于自我保護的目的主動承擔風險的意愿也會更弱。由此，我們提出研究假設3：

H3：與疫情沖擊非嚴重的地區比較，疫情沖擊嚴重的地區的銀行其風險承擔水平更低。

四、實證分析

（一）樣本與變量

本文的研究樣本為城市商業銀行，重點觀察這些銀行在2020年疫情發生之后的風險承擔變化。為與疫情之前正常年份的表現作比較，本文同時收集了這些樣本銀行2018與2019年的相關財務數據?；阢y行截面數據，匹配銀行所在地區的GDP數據以及疫情感染數據，以對疫情沖擊作度量。剔除部分包含關鍵變量異常值的樣本，最終的銀行樣本量為104。本研究中，銀行財務數據全部來自于國泰安數據庫，宏觀經濟以及疫情數據來自于Wind數據庫。

對于被解釋變量，本文使用不良貸款率（npl）作為銀行風險承擔的度量指標。在銀行風險承擔的度量指標選擇上，學者們曾嘗試過各種變量。Nguyen、蔣海等學者嘗試以銀行Z值作為風險承擔指標①Nguyen Q. K., "Ownership Structure and Bank Risk-Taking in ASEAN Countries: A Quantile Regression Approach",Cogent Economics & Finance, 2020,8(1)；蔣海、張小林、唐紳峰、陳創練：《貨幣政策、流動性與銀行風險承擔》，《經濟研究》2021年第8期。，但是，本文關注的是疫情發生年度2020年的風險承擔情況，而銀行Z值的計算需要使用長時間序列數據測算波動率，因而并不適合本文的研究目的。另外，張雪蘭和何德旭使用貸款損失或減值準備占貸款比②張雪蘭、何德旭：《貨幣政策立場與銀行風險承擔：基于中國銀行業的實證研究（2000—2010）》，《經濟研究》2012年第5期。，對銀行風險承擔行為進行度量；方意、馬勇等采用了風險加權資產比例指標③方意、趙勝民、謝曉聞：《貨幣政策的銀行風險承擔分析——兼論貨幣政策與宏觀審慎政策協調問題》，《管理世界》2012年第11期；方意：《貨幣政策與房地產價格沖擊下的銀行風險承擔分析》，《世界經濟》2015年第7期；馬勇、姚馳：《雙支柱下的貨幣政策與宏觀審慎政策效應》，《管理世界》2021年第6期。，認為風險加權資產是可以有效衡量銀行主動風險承擔行為的指標，而不良率指標可能僅僅捕捉到了銀行被動風險承擔的后果。筆者認為，不良率不僅僅包含被動風險承擔，其實在銀行主動承擔風險時也會表現為不良率的上升，因此是一個綜合指標。也許，使用該指標的一個挑戰是難以將主動風險承擔從綜合的風險承擔水平中剝離出來，但不應否定不良率指標在度量銀行風險承擔水平上的價值。后文將通過對銀行總體風險承擔水平以及被動風險承擔的測度，間接實現對主動風險承擔水平的估計，盡管這種估計可能存在一定的偏差。

核心解釋變量為疫情沖擊。本文采用疫情發生后的經濟增速偏離度(div_gdp)作為疫情沖擊的代理變量，詳見式（1）。具體處理方法如下：疫情發生后，我國各地區GDP增速均出現了明顯下滑；考慮到地區經濟增速存在較大的區域差異且存在一定的發展慣性，我們將各省區疫情發生前兩年的GDP均值作為該地區增速的正常值，以2020年的GDP增速減去正常值的差值作為該地區疫情沖擊下的經濟增速偏離度指標。

顯然，該指標的絕對值越大，說明受到的沖擊就越大。

直接使用2020年各地區的GDP增速數據也可以捕捉疫情沖擊的影響，例如湖北省2020年的GDP增速為-5%，其他省區的GDP增速均值只有不到3%。因此，我們在實證分析中同時使用了2020年的GDP增速作為對照分析。但是，應該指出，當各地區GDP增速都處于谷底且相差不大時，我們將難以捕捉到2020年與先前正常年份的劇烈變動信息，因此，采用經濟增速偏離度指標來度量可能是更為科學的處理方式。

控制變量主要包括銀行的資產規模log(Asset)和代表營利性水平的息稅前收益資產比（Ebit-to-Asset）。本文并未對文獻中廣泛采納的貨幣政策變量進行控制，主要是考慮到：在疫情發生前后，貨幣政策并未作很大的調整，事實上，自從2015年以來，我國一直未調整存貸款利率，廣義貨幣M2增速保持穩定。此外，本文考察的樣本為地區性商業銀行，因此，我們并未采用全國性的控制變量如全國GDP增速等。關鍵變量的描述性統計見表1。

表 1 關鍵變量描述性統計

由表1可見，2020年城市商業銀行的不良率最高為4.07%，最低為0.75%，平均只有1.8%，與往年相比，最大降幅為4.28%，平均下降0.13%。直觀的觀察，2020年的不良率均值明顯下降。各省市自治區的經濟偏離度均為負數，也就是說，受到疫情沖擊，2020年各地區的經濟增速均出現了下滑。其中處于疫情中心地區的湖北省的經濟偏離度達到-12.65%，是所有省份中經濟偏離程度大的地區。吉林省受到疫情的沖擊最小，經濟偏離度只有-1.3%。大部分省區的GDP增速因為疫情下降了大約3.77%。

（二）研究設計

第一步，估計疫情造成的被動風險承擔。主體模型為基于2020年銀行截面數據的回歸模型：

第二步，觀察2020年銀行不良率相對正常年份的變化趨勢。如果不良率系統性的下降，考慮到第一步所證明的銀行被動風險承擔增加，因此可以推測：只有銀行主動風險承擔降低才可以使不良率最終表現為下降，由此間接證明，商業銀行在疫情發生后主動風險承擔的意愿下降。但是，如果我們觀察到不良率系統性的上升，那么，就無法從邏輯上推測銀行主動風險承擔意愿的變化方向。

第三步，考慮不同地區疫情的受沖擊程度的差異，設置啞變量treat指代疫情發生后受到疫情嚴重沖擊的省份，即：將treat變量納入主回歸方程進行重新估計，即：

如果啞變量treat的估計系數 顯著為負數，我們可以推測：假設疫情沖擊嚴重地區的不良率下降的幅度比其他地區還要大，那么說明這些地區的銀行其主動風險承擔意愿降低的幅度也要比其他非嚴重地區要大。

五、結果與討論

本部分匯報實證分析的結果并作討論，分三個部分。第一部分基于主體模型檢測疫情沖擊對于銀行被動風險承擔的影響效應，第二部分結合銀行在疫情年度綜合風險承擔的變化推測銀行主動風險意愿的變化，第三部分考慮疫情沖擊嚴重和非嚴重區域差異，觀察在疫情嚴重地區銀行的風險承擔情況。

（一）被動風險承擔的測度

首先，基于式（2）對疫情導致的銀行被動風險承擔進行測度。疫情發生時，湖北省是受到疫情影響最為嚴重的地區，當地政府采取了最為嚴厲的疫情管控措施，因此，該地區的銀行系統可能受到了不同于其他地區的影響與干擾。為保證估計結果的準確性，我們首先對全部樣本進行估計，然后再剔除湖北省的銀行樣本進行二次估計，并作對照，估計結果見表2。

表 2 基準模型估計結果

表2顯示，地區經濟增速偏離度（div_lgdp）的估計系數為負數（1%的顯著性水平）①剔除湖北省銀行樣本的估計結果顯示，其他地區的銀行似乎受到了更大的外部沖擊。不過，兩個樣本估計系數的差異微小，而且研究樣本中湖北省只有兩家城商行，其代表性較弱。因此對結果的差異不宜過度解讀，這里我們主要關心在包含和剔除湖北樣本的測算結果是否穩健一致。有關疫情地區和非疫情地區銀行風險承擔差異的問題，“分地區的檢測”部分進行了詳細的論證。。疫情沖擊下全部省區的經濟偏離度均為負數，因此，經濟偏離度取值越小，經濟偏離程度越大，那么該地區商業銀行的不良貸款率就會越高。這就表明，疫情發生造成經濟沖擊，從而導致銀行不良率的顯著提升。這是銀行在疫情沖擊之下被動風險承擔的證據，該結果證實了研究假設H1的論斷。

（二）主動風險承擔意愿的討論

我們接下來對銀行主動風險承擔的情況進行討論。首先觀察銀行業在2020年疫情發生之后銀行不良率的變動。以各家城商行2010—2020年的不良率在年度上作平均，對2010年以來城市商業銀行的不良率的時間變化作統計②我們同時采用各家銀行不良率中位數進行了時間上的均值統計，結果基本一致，未報告。。如圖2所展示，城商行的不良率在樣本期內呈現一種穩步上升發展態勢。但是，與距離疫情較近的2018年、2019年相比，2020年卻呈現一種明顯的下降態勢。因此，基本上可以判斷：在疫情發生年度，以不良貸款率指標代表的綜合的銀行風險承擔水平出現了下降。

圖 2 城市商業銀行不良率（2011—2020年）

考慮到主體回歸模型是以地區經濟偏離度作為疫情沖擊變量，因此在對銀行風險承擔的分解討論時有必要考量地區層面的不良率變化。我們將銀行按照所在地區進行分類，在地區層面統計2020年城商行不良率的均值。結果發現，疫情發生年度大部分地區的不良率出現了下滑，只有部分地區的不良率出現上升。其中，湖北作為疫情沖擊最為嚴重的地區，該地區城商行貸款不良率出現較大幅度的上升。誠如我們前面所討論的，不良率代表的銀行風險承擔是一個綜合性指標，既包含主動風險承擔，也包括被動風險承擔。當某地區不良率代表的銀行風險承擔上升（或下降）了時，我們需要結合被動風險承擔情況進行討論。具體的分析邏輯如下：

根據第一部分的模型估計，平均而言，疫情造成的銀行被動風險承擔顯著上升，但是大部分地區的不良率同期出現了下降，這就間接的證明了疫情發生后銀行的主動風險承擔意愿平均而言在下降。我們可以對這個論斷進行反證：如果同期銀行的主動風險增加的話，疊加銀行被動風險的增加，那么最終以不良率作為代理指標可以觀察到的風險承擔水平一定是上升的。但是，我們觀察到的實際數據是，以不良率代表的綜合風險承擔是下降的，這就出現了矛盾。因此，只有一種推論是合理的，即疫情發生后銀行的主動風險承擔水平顯著下降，而且下降的幅度超過了被動風險承擔上升的幅度，最終導致我們所觀察到的銀行綜合風險承擔水平的下降。

當然，這里僅僅是從平均意義上來討論。具體到某些地區，城商行的不良率出現了明顯的上升而非下降。由于疫情造成的被動風險承擔水平是上升的，而以不良貸款率代表的綜合風險承擔水平也是上升的，這就很難進一步推測這些銀行的主動風險承擔水平是上升了還是下降了。我們只能大致的判斷：假設這些銀行的主動風險承擔水平下降了，那么其下降的幅度也很微弱；假設這些銀行的主動風險承擔水平上升了，我們則對其升幅難以判斷。因此，我們的結論是，平均意義而言，疫情發生之后銀行的主動風險承擔意愿明顯的下降了，而且下降的幅度要大于同期疫情引起的銀行被動風險承擔的水平，證實了研究假設H2。

作為一個輔助證明，我們接下來使用疫情年度城商行貸款增速數據對研究假設H2作進一步的論證。根據先前討論的邏輯，如果銀行綜合的風險承擔水平下降，而被動風險承擔水平上升，那么主動風險承擔水平就是下降的。如果以銀行主動發放貸款情況作為檢測銀行主動風險承擔水平變化的變量，那么，銀行主動風險承擔水平下降的一個有力證據就是貸款數量或貸款增速的下降。根據這一分析邏輯，我們統計了2010年以來城商行在年度上平均的貸款增速的變化（見圖3），以進一步論證本文的結論。

圖 3 城商行貸款增速變化

根據圖3，我們發現，2020年城商行的貸款增速相對前兩年出現了明顯下降。除了觀察銀行平均貸款增速在時間上的變化，我們繼續分地區統計了2020年商業銀行貸款增速相對于2018、2019年平均增速的偏離程度。統計發現，大部分地區的貸款增速出現下滑。由此我們可以大致上判斷，貸款增速下降可能是疫情沖擊下銀行“惜貸”自我保護的一種表現，說明銀行的主動風險承擔意愿在下降。進一步結合同期銀行貸款不良率在上升的事實，可以推測：銀行主動風險承擔的意愿下降的程度可能超過了疫情沖擊造成的銀行被動風險承擔的強度，最終導致銀行的綜合風險承擔水平下降的可觀測事實。

（三）分地區的檢測

新冠肺炎首次在中國湖北武漢爆發后，疫情迅速蔓延至周邊省區。我們將1個季度內的感染人數超過300人作為該省區被感染的標識，依照該事件發生的時間，對全部地區樣本進行劃分。根據Wind數據庫的統計，在2020年第1季度發生感染300人以上事件的省份包括：湖北、北京、廣東、上海、浙江、河南、湖南、安徽、重慶、江西、山東、四川、江蘇、福建、河北；2020年2季度和3季度感染人數超300人的省份分別只包括陜西和新疆；2020年四季度包括遼寧、天津、內蒙古三個省市自治區。設置一個感染地區啞變量treat?？紤]到2020年第2、3季度的感染地區的數量比較少，將2020年第1季度發生300人以上感染數量的省區，treat變量設置為1，2020年其他地區treat變量設置為0。作為對照，同時設置第二個啞變量，treat2，將所有感染地區設置為1，其他未超過300人感染的省區設置為0，得到表3。

表 3疫情沖擊嚴重與非嚴重地區的經濟偏離度與銀行不良率(單位：%)

根據表3，分別按照Treat1和Treat2分組，疫情影響嚴重地區的省份分別占到73%和85%，說明大部分地區都處于疫情嚴重地區。不過，無論采用哪一種分組劃分，疫情嚴重地區的經濟沖擊偏離度和不良率均值都低于非嚴重地區。

我們接下來將地區感染變量納入主體回歸方程，以觀察銀行風險承擔的變化，估計結果見表4。

表4顯示，疫情沖擊更嚴重的省區，不良率下降的幅度更大，證實研究假設H3。第（2）列的結果表明，疫情沖擊帶來的銀行被動風險承擔下降了0.086%（1%的顯著性水平），而疫情嚴重地區比非嚴重地區進一步下降了0.287%（1%的顯著性水平）。在控制了其他因素的情況下，我們認為，疫情沖擊嚴重地區的銀行主動收縮信貸、主動風險承擔意愿降低是造成這一結果的重要原因之一。

表 4 區分疫情沖擊區域的估計結果

六、穩健性檢驗

為驗證本文研究結論的穩健性，我們考慮通過使用不同的模型、替換不同的變量對研究假設重新進行估計。

首先，在討論疫情沖擊對銀行不良率的影響時，主體模型主要采用了2020年的城商行截面數據進行計量分析。為驗證經濟沖擊對于銀行風險承擔的影響，我們將樣本期擴展至2018、2019年，采用城市商業銀行三年短面板數據重新進行估計。被解釋變量依然選擇銀行不良率作為銀行風險承擔指標，解釋變量為經濟沖擊偏離度和經濟增速?；诠潭ㄐＰ偷挠嬃拷Y果顯示，經濟負面沖擊造成了城市商業銀行被動風險承擔的顯著上升，與主體回歸模型的估計結果相一致。

其次，以損失準備金占貸款的比重作為銀行風險承擔的指標，重新進行測算，核心變量的估計系數和方向均未發生變動。

最后，我們對控制變量作了一些調整，例如，以資產報酬率替換原銀行收益率指標，增加流動率比率指標等。

最后的結果顯示，估計結果仍然穩健。全部穩健性檢驗的估計結果匯總于表5。

表 5 穩健性檢驗結果匯總

七、研究結論與政策啟示

本文研究了2020年新冠疫情爆發對于我國商業銀行風險承擔水平的影響。基于現有的研究文獻，我們將商業銀行風險承擔分為主動風險承擔和被動風險承擔兩種類型。在新冠疫情沖擊之下，銀行被動風險承擔主要來自于疫情對經濟的負面影響間接波及銀行信貸，屬于銀行不得不承擔的一類風險；銀行主動風險承擔則主要來源于銀行面臨巨大不確定性出于自我保護目的的主動收縮信貸以減少銀行風險承擔行為。本文認為，銀行的不良貸款率指標同時包含了主動風險承擔和被動風險承擔兩種類型。從理論上看，這兩類風險承擔在疫情沖擊下呈現方向相反的變化，即被動風險承擔增加而主動風險承擔下降。

基于2020年我國城市商業銀行104家的財務數據，以銀行不良貸款率作為銀行風險承擔指標進行測算分析，結果顯示：疫情沖擊之下，銀行的風險承擔水平顯著下降。分風險承擔類型的討論發現，疫情沖擊導致銀行被動風險承擔水平顯著上升，而同期銀行的主動風險承擔意愿出現了明顯下降。而且，銀行主動風險承擔意愿下降的幅度要大于銀行被動風險承擔增加的幅度?？紤]到不同省區受疫情影響的嚴重程度有所差異，我們分區域進一步進行檢驗發現，在疫情沖擊更為嚴重的地區，商業銀行被動風險承擔的水平顯著增加，但其主動風險承擔意愿下降的幅度相對于非嚴重地區要更大。

本文的研究結論具有重要的政策啟示。首先，貨幣政策當局在制定貨幣政策時，要考慮到商業銀行在疫情沖擊下的自保行為特征。根據本文的研究，在疫情沖擊下商業銀行的主動風險承擔意愿在下降，傳統意義上的寬松的貨幣政策將難以通過商業銀行發揮作用。因此，貨幣當局需要在傳統貨幣政策的基礎上，加大對窗口指導等政策調節方式的靈活運用；其次，疫情沖擊實體經濟造成生產供給端的損失是造成商業銀行被動風險承擔的主要渠道，因此，監管部門和政府部門可以對信貸資金的償還制定特殊安排計劃，穩定貸款企業和銀行的信心，這些措施將在一定程度上緩解銀行對未來不確定性的擔憂，提升其主動風險承擔的意愿。最后，政府在后疫情時期推動經濟發展的政策制定方面，既要考慮到企業供給端的現實困難，持續推進減稅降費政策，也要重視商業銀行自身的風險防控能力和意愿，不能將商業銀行單純作為經濟的啟動器或發動機，而忽略商業銀行自身的發展特性。