經濟政策不確定性對銀行風險承擔的影響

■王之揚 王歡 夏凡

一、引言

經濟政策不確定性是指社會中的經濟主體無法準確地感知政策當局是否、何時以及如何改變當下的經濟政策[1，2]。自美國次貸危機后，為緩解全球經濟持續下行的壓力，各國頻繁調整經濟政策，但這也為市場主體帶來了不可忽視的負面影響。在新冠肺炎疫情的沖擊下，我國政策當局為應對經濟衰退，適應經濟新常態，也多次調整經濟政策以達到經濟穩定高質量發展的目標。

銀行作為資金配置和信用融通的核心機構，肩負著傳遞貨幣政策調控意圖的職責，是我國金融體系中的關鍵一環。銀行獲取利潤主要是通過承擔和管理風險，因此其風險屬性本身就較高[3]。頻繁變動的經濟政策會導致銀行對政策預期的判斷產生重大偏差，極易產生系統性金融風險。

因此，在經濟政策不確定性的背景下，研究如何防范化解銀行系統性金融風險有著重大的理論和現實意義。新冠肺炎疫情、俄烏戰爭、中美貿易摩擦等“黑天鵝”事件使得國際關系錯綜復雜，厘清經濟不確定對銀行風險承擔的影響，有助于各經濟主體明確責任，防范銀行風險，保證我國金融安全，從而為實體經濟發展持續注入新鮮血液。

二、文獻綜述

經濟政策不確定性最早是由國外學者在研究中提出的。Aizenman等[4]在1993年就研究了經濟政策波動對經濟增長的影響。Gulen 等[1]認為經濟政策不確定性是指經濟主體對政策當局如何改變和調整經濟政策的不可預知性。國內外開始系統研究經濟政策不確定性是在經濟不確定性指數提出之后。Baker等[5]提出的經濟政策不確定性指數是當前國內外研究中使用最多的指標。該指標主要是通過統計報紙中有關經濟政策不確定性的關鍵詞在報道中出現的頻數所合成的。此后，其他學者對該指標進行了改良。Davis[6]所提出的經濟政策不確定性指數考慮了政府政策與學者觀點的分歧。Huang 等[7]拓展了合成指數所使用的報紙數量，加入了《北京青年報》等10余份國內較為權威的報紙。

大多有關經濟政策不確定性的研究集中在企業層面和宏觀層面。在企業層面，學者發現資本回報率較高、內部融資使用較多的企業可以緩解政策波動對投資的負面影響。王歡等[8]發現經濟政策不確定性會抑制企業金融化水平。在宏觀層面，姜偉等[9]認為經濟政策波動的增加會抑制宏觀經濟的增長，Caggiano 等[10]認為在衰退中經濟政策波動對失業的影響更明顯。由于我國制度環境的影響，銀行是實體經濟運行中最重要的金融媒介，其風險偏好和風險承擔不僅會影響企業投資所獲得的貸款，還會影響整體金融環境的穩定[11]。

大多學者認為宏觀層面和銀行內部層面的因素對銀行風險承擔的影響較大。在宏觀層面，銀行風險承擔主要受到貨幣政策[3]、互聯網發展[12]、利率和銀行集中度[13]等因素的影響。在銀行內部層面，銀行風險承擔主要受到銀行所有權結構[14]、董事會權力[15]和杠桿率[16]的影響。國內外學者普遍認可最能夠準確反映銀行風險承擔的指標是預期違約概率EDF[17]，但是國內信用評級體系尚不完善，想完整地獲得國內銀行的EDF較為困難。因此，大多數學者研究銀行風險承擔所使用的指標是不良貸款率[12，18]和z-score[3，14]。然而，部分學者認為不良貸款率取決于企業違約率，z-score 僅能衡量銀行的經營風險，兩者都不能完整的概括銀行在面臨經濟政策波動時所承擔的風險。因此，有學者提出采用能夠受到銀行主動調控的風險加權資產比率[19]來衡量銀行風險承擔。

回顧國內外的研究可以發現，對銀行風險承擔的研究大多使用部分衡量指標，缺乏對各類銀行風險承擔指標的統一研究和區分。雖然已有對銀行風險承擔進行細分的研究，但是劃分維度仍然不足且大多集中在當期，而頻繁變動的經濟政策對銀行風險承擔的滯后影響很少被考慮。此外，現有國內外研究關于經濟政策不確定性對不同類別銀行風險承擔水平差別的研究和影響機制的研究相對不完善。

基于現有研究存在的不足，本文可能的創新之處有：（1）相比先前研究，更加系統地區分了各類銀行風險承擔水平，并分別研究了經濟政策的波動對他們的影響且首次研究了經濟政策波動對銀行滯后風險承擔的影響。（2）本文在異質性研究部分不僅基于銀行不同性質、是否上市和資本水平三個方面進行分析，還首次在銀行經營風險的影響中引入經濟政策不確定性細分指數。（3）本文在影響機制研究部分選取了與先前學者不完全一樣的中介變量和調節變量，可能擴充了銀行風險承擔相關研究。（4）相比已有研究，本文選取的樣本量更大，選取了2007—2020年258家銀行2479個觀測樣本，回歸結果相對來說更加科學可靠。

三、理論分析與研究假設

（一）經濟政策不確定性對銀行風險承擔的影響

一般情況下，銀行會根據經濟政策的出臺調節資本配置和信貸供給，從而提高銀行資本利用效率，達到支持實體經濟發展的效果。但是當經濟政策頻繁變化時，經濟政策頻繁變動產生的噪聲和借貸主體的羊群效應會嚴重干擾銀行決策[20，21]，銀行很難形成對未來經濟政策變化的合理預期。此時，銀行出于最大限度保護股東權益的安全性考慮：一方面會提高信貸審查標準，減少信貸供給，產生“惜貸傾向”；另一方面則會降低風險容忍度，產生“自我保險”傾向。顧海峰等[22]借助局部均衡理論也得出銀行可控風險承擔水平會隨著經濟政策波動的提高而降低的結論。同時，經濟政策波動加劇了銀行外部環境的未知性，根據金融脆弱性理論，這會導致銀行自身經營不確定性和競爭加劇，出于盈利考慮，銀行會降低風險容忍度，減少風險資產配置比例，偏向于保守經營，提高自身資本積累以抵御外部風險。因此，本文提出如下假設：

H1a：經濟政策不確定性的提高將降低銀行可控風險承擔水平。

也有研究認為，經濟政策的變動會導致銀行經營多元化，提高其非利息收入，而非利息收入本身風險較高。銀行高管普遍存在過度自信行為，且過度自信行為與風險承擔存在正相關關系，過度自信的高管會提高銀行風險資產配比，更多地投資于證券，并持續向違約率高的企業貸款以獲得較高的利率。由此，本文提出如下假設：

H1b：經濟政策不確定性的提高將提高銀行可控風險承擔水平。

經濟政策波動與銀行不可控風險承擔之間的關系可以從信息傳遞失真和企業經營惡化兩個方面進行討論。一是信息傳遞失真。政策制定當局和銀行之間往往存在著信息不對稱，而經濟政策頻繁調整會加劇經濟政策不確定性，導致信息傳遞失真更加嚴重，銀行會對經濟形勢產生誤判，錯誤地向發展前景不佳的企業或行業傾斜[23]。這將干擾銀行放貸時的風險識別水平，從而導致銀行不可控風險承擔水平加劇。二是影響企業經營。經濟政策波動會降低企業投資行為，抑制企業創新，導致企業經營的不確定性提升[24]，而企業是銀行貸款的主要對象。當企業經營惡化時企業利潤水平會降低，此時企業違約率必然上升，從而導致銀行不良貸款率升高，進而銀行不可控風險承擔加劇。綜上，本文提出如下假設：

H2：經濟政策不確定性的提高將提高銀行不可控風險承擔水平。

基于以上討論可以發現，經濟政策波動對銀行兩種風險作用的方向可能存在差異。因此，根據主效應不同，經濟政策波動對整體經營風險的影響方向也存在兩種可能。由此，本文提出如下假設：

H3a：經濟政策不確定性的上升將使銀行經營風險承擔水平上升。

H3b：經濟政策不確定性的上升將使銀行經營風險承擔水平下降。

從時間上看，一方面，經濟政策頻繁波動對部分企業的影響存在滯后性。部分資金儲備較為充足且內部融資渠道較為健全的企業不會因為經濟政策不確定性而立刻受到負面影響，但是由于經濟政策不確定性對其關聯企業的影響會惡化企業盈利而波及企業經營，這同樣會在一段時間后導致企業資金鏈斷裂的可能性加大，其貸款成本也會進一步加大，使得企業破產風險加劇，違約率風險提高。另一方面，經濟政策不確定性對銀行的影響也存在滯后性[20]。儲戶在經濟政策不確定性初期會降低投資傾向，提高在銀行的儲蓄，但是在經濟政策不確定性的持續影響下，儲戶預期其資金在銀行無法得到充足保障，會對銀行存款持更加謹慎的態度并增加取款傾向，因此銀行流動性降低[25]，銀行后期風險承擔水平加大。另外，銀行高層對經濟政策不確定性的反應時間也存在一定的滯后性。綜上，本文提出如下假設：

H4：經濟政策不確定性的提高將提高銀行滯后風險承擔水平。

（二）經濟政策不確定性對銀行風險承擔的影響機制

根據上述理論分析可知，企業利潤水平是經濟政策不確定性影響銀行風險承擔的重要一環。經濟政策不確定性提高時，企業要在短時間內迅速作出對經濟政策頻繁變動的反應。因此，企業投資規模和盈利水平會大幅縮減，資源配置效率和生產率會降低，其經營風險會進一步加劇，最終企業利潤水平會大幅降低。同時，在經濟政策不確定性的影響下，銀行出于資金安全性和流動性的需求，會保持謹慎的態度，企業貸款難度也會進一步加大，因此企業資金鏈斷裂的可能性會加大[21]。綜合以上兩點原因，經濟政策不確定性在導致企業經營惡化、盈利水平降低的同時，也會造成企業對銀行違約率的提高。由于該行為受企業影響，不受銀行自身控制，因此該路徑影響的是銀行不可控風險。據此，本文提出如下假設：

H5：在經濟政策不確定性對銀行不可控風險的影響中，企業利潤水平發揮了中介的作用，即存在“經濟政策波動—企業利潤水平下降—銀行不可控風險承擔提升”這一中介機制。

當信貸環境較為景氣時，銀行管理層趨于樂觀，銀行資金在高風險項目的配置更多，并且銀行貸款審批也相對較寬松，能在一定程度上幫助企業緩解經營困難、降低違約率。此時，儲戶的儲蓄意愿相對較高，銀行流動性會得到一定的補充。而當銀行資本資產比例相對較高時，銀行自有資本能夠在一定程度上滿足銀行正常經營的需要，且給予了銀行更大的調整空間。由此，本文提出如下假設：

H6：信貸環境景氣程度和銀行資本資產比例在經濟政策不確定性對銀行風險承擔的影響中起到了調節效應。

四、實證研究設計

（一）樣本選擇及數據來源

本文選取2007—2020年銀行年度數據為研究樣本，并進行如下處理：（1）剔除原始樣本中外資銀行、政策性銀行及郵政儲蓄銀行。（2）剔除主要變量嚴重缺失及數據不足3年的樣本。（3）為了減少極值的干擾，銀行層面的所有連續變量都在上下5%分位數處進行尾部縮減。最終本文的研究樣本是由258家銀行2007—2020年的2479 個樣本值組成的年度非平衡面板數據，其中包括5家大型國有銀行、12家股份制銀行、112家城商行和129家農商行。

銀行層面的微觀數據主要來自國泰安數據庫，其中缺失值最大限度根據各銀行年報手動補齊。宏觀數據主要來自中國人民銀行官網和國家統計局官網。本文數據處理及回歸均采用Stata14。

（二）變量定義

1.被解釋變量

銀行風險承擔（Risk）。國內外對銀行風險承擔常用的度量指標有z-score、不良貸款率、預期違約概率、風險加權資產比率和貸款損失占貸款總額之比[26]。其中，非上市銀行的預期違約率數據獲取較為困難，而貸款損失占貸款總額之比與不良貸款率相差不大。因此，本文選取z-score、不良貸款率和風險加權資產比率作為銀行風險承擔的代理變量。

參考顧海峰等[22]的研究，風險加權資產比率（rwar）可以用來衡量銀行可控風險承擔意愿。由于我國信用體系尚不健全，風險加權資產比率數據不易查找，因此本文參照方意[27]的研究，風險加權資產比率近似可用以下公式計算得出：

不良貸款率（lnNPL）可以用來衡量銀行不可控風險承擔。該變量是由企業違約所造成的，銀行只能選擇被動接受而無法自我決定。滯后一期的NPL（l.lnNPL）用來衡量銀行滯后風險承擔。

參考Laeven 等[14]的研究，z-score（lnZ）主要衡量銀行當期經營風險，可以看作是銀行可控風險與不可控風險的綜合表現，即經營風險。其計算方法為：

其中，ROAit為各銀行不同年度總資產收益率，σi(ROAit)為各銀行ROA 的標準差①，CARit為各銀行不同年度的權益比率。

2.核心解釋變量

經濟政策不確定性指數（lnEPU）。本文選取的經濟政策不確定性指數主要是由Baker 等[5]通過統計香港《南華早報》中有關經濟政策不確定性的關鍵字在報道中出現的頻數合成得到②。由于該指數是月度數據，因此本文利用月度數據的算術平均數作為年度經濟政策不確定性指數。為驗證模型的穩健性，本文收集了Huang等[7]基于《北京青年報》合成的中國經濟政策不確定性指數③。

3.控制變量

（1）銀行層面控制變量

本文采用銀行總資產的對數來控制銀行規模（lnasset）。銀行規模越大，其承擔風險的能力越強。采用銀行資產回報率（ROA）來控制不同銀行的利潤水平。利潤水平越高，銀行承擔風險的能力越強。采用銀行資本充足率（CAP）來控制銀行的流動性。流動性越強，銀行承擔損失的能力越強。

（2）宏觀層面控制變量

參照陳孝明等[21]的研究，本文選取國內生產總值增長率（gdpg）來控制經濟增長對銀行的影響。選取消費者物價指數（CPI）來控制通貨膨脹對銀行的影響。參照郝威亞等[28]的做法，選取廣義貨幣供應量增長率（m2g）來控制貨幣政策對銀行的影響。

4.中介變量

企業盈利指數（yield）。參照陳孝明等[21]的研究，該指標采用上市企業凈資產收益率來衡量。

5.調節變量

銀行業景氣指數（BBI）。該指標由人民銀行定期向銀行家發放問卷調查取得。參照顧海峰等[22]的研究，銀行業景氣指數可以反映銀行家對社會總體銀行信貸環境狀況的判斷。本文選取4個季度的銀行業景氣指數的算術平均值作為年度銀行業景氣指數。

資本資產比率（CAR）。該指標可以較好地反映銀行的資產結構。通常來說，銀行風險承擔能力隨著該比率的提高而增強。

（三）實證模型設定

1.基準模型

為研究經濟政策不確定性對銀行風險承擔的影響，本文依照前文理論假設并結合已有研究，設定如下基礎模型：

其中，Risk 為被解釋變量，即銀行風險承擔。ln EPU 為核心解釋變量，即中國經濟政策不確定性指數。系數β1是本文所要關心的，代表經濟政策不確定性對銀行風險承擔的影響。X 是隨時間變化的銀行層面的控制變量，M 為宏觀層面的控制變量。α為銀行個體固定效應，μ為隨機誤差項，β0為截距項。本文異質性研究部分也均采用模型（3）進行OLS 回歸。為保證回歸結果的科學性，本文采用聚類穩健標準誤的方法進行回歸。

2.作用機制檢驗模型

（1）調節效應

為研究銀行業景氣指數對銀行可控風險承擔和經營風險承擔的影響機制，本文設定如下模型：

在模型（4）中主要關注交互項系數?，若調節效應顯著存在，可知?為銀行業景氣指數每變化一個單位，ln EPU 對銀行風險承擔影響強度的改變幅度。

為研究資本資產比率對銀行不可控風險承擔和滯后風險承擔的影響機制，本文設定如下模型：

在模型（5）中主要關注交互項系數λ，若調節效應顯著存在，可知λ為資本資產比率每變化一個單位，ln EPU 對銀行風險承擔影響大小的變化幅度。

（2）中介效應

本文重點研究企業利潤水平在經濟政策波動對銀行不可控風險承擔的影響過程中是否存在中介傳導作用，即驗證“經濟政策波動—企業利潤水平下降—銀行不可控風險承擔提升”這一傳導路徑是否存在。由于在現實生活中對于可控風險銀行能夠事前自主調節配置，滯后風險銀行有充分的時間進行調控，因此銀行無法控制的不可控風險在銀行風險管控中就顯得格外重要。限于篇幅原因，本文僅針對經濟政策不確定性對銀行不可控風險承擔水平的影響進行研究。

其中，risk代表銀行不可控風險承擔，yield代表企業盈利指數。需要重點關注的系數為α1、ω1和ω2。

（四）描述性統計

表2報告了本文主要解釋變量的描述性統計結果。可以看出，經過前期數據預處理，現有數據已經消除了極端值和異常值的影響，并且數據平穩性也較好，因此本文回歸分析結果也較為可靠。

表1 變量定義及其計算方法

表2 主要變量描述性統計

圖1顯示了中國經濟政策不確定性指數在2007—2020年的變化。2008年前后的峰值是由于全球金融危機發生后，中國政府啟動了四萬億政府投資刺激經濟發展。2010—2012年經濟政策不確定性指數小幅度攀升是由于歐債危機加劇了外部環境的不確定性。2015—2017年經濟政策不確定性指數出現的較大幅度上升與“811 匯改”、中國GDP增速放緩、經濟進入新常態有關。2018—2019年經濟政策不確定性指數出現激增則與中美貿易摩擦和新冠肺炎疫情有關。2020年經濟政策不確定性指數出現小幅度下降則是因為中國迅速控制住了新冠肺炎疫情。

圖1 中國經濟政策不確定性指數

五、實證結果及分析

（一）基準模型回歸

本文首先運用Hausman檢驗以在固定效應模型和隨機效應模型之間進行選擇。如表3所示，Haus?man檢驗均在5%顯著性水平上拒絕原假設，即固定效應模型相比隨機效應模型更穩定，因此本文將基于固定效應模型開展研究。

隨后，在前文基準模型的基礎上，本文分別研究經濟政策不確定性對銀行可控風險承擔、銀行不可控風險承擔、銀行經營風險和銀行滯后風險的影響。

如表3（1）列所示，lnEPU 的系數為-0.00612，且在1%的水平上顯著為負。這表明當經濟政策不確定性增加時，銀行會選擇規避風險、降低風險資產的比例，以更好地保護股東權益。這與本文假設H1a一致。（2）列報告了經濟政策不確定性對銀行不可控風險承擔的影響，lnEPU 的系數為0.11189，且在1%的水平上顯著。這表明當經濟政策不確定性上升時，由于企業經營活動會受到更多的不確定性影響，企業會選擇減少投資、收縮業務，從而導致企業利潤水平下降，因此企業違約率提高，銀行不可控風險承擔提高。該結果驗證了本文的假設H2。（3）列報告了經濟政策波動對銀行經營風險的影響，lnEPU 的系數為0.05457，且在1%的水平上顯著。這表明經濟政策不確定性加劇了銀行經營風險，說明面對經濟政策波動時，相較于銀行收縮風險資產配置，銀行不可控風險仍占據相對主導的地位。這與本文的假設H3a相一致。（4）列報告了經濟政策不確定性對銀行滯后風險的影響，lnEPU 的系數為0.10439，且在1%的水平上顯著。這表明由于政策感知的延遲性，經濟政策頻繁波動不僅會對銀行當期風險承擔造成影響，同樣也會對銀行滯后風險承擔造成影響。證明本文的假設H4成立。

表3 基準模型回歸結果

（二）經濟政策不確定性對銀行風險承擔的異質性影響

1.基于銀行層面異質性研究

本文進行了三組銀行層面的異質性研究。一是基于銀行性質，將銀行劃分為國有銀行、股份制銀行、城商行、農商行。二是根據是否上市，將銀行劃分為上市銀行和非上市銀行。三是基于資本水平，將銀行按照資本充足率劃分為高于平均值和低于平均值兩組。相對于滯后風險而言，銀行當期風險承擔對于銀行影響更大，本文限于篇幅原因，對銀行層面異質性研究僅基于銀行可控風險承擔和不可控風險承擔展開。

（1）基于銀行性質的異質性研究

從表4的回歸結果來看，國有銀行和股份制銀行的系數分別為0.00803、-0.000141，且均在10%水平上顯著，而城商行和農商行的系數分別為-0.01194、-0.00558，且均在1%水平上顯著。

表4 基于銀行性質的可控風險承擔分組回歸結果

從回歸系數方向來看，與其他幾類銀行回歸結果有所不同，國有銀行可控風險承擔水平隨經濟政策不確定性增高而增高。這是由于國有銀行作為貨幣當局實現宏觀經濟政策的重要金融機構，肩負著為市場注入信心的責任。當經濟政策波動較大時，國有銀行將提高可控風險承擔水平，向市場傳遞積極信號，起到穩定金融市場信心的作用。

從回歸系數大小來看，城市商業銀行可控風險承擔水平對經濟政策不確定性的敏感性最高，農村商業銀行其次，股份制銀行敏感性最低。這是由于股份制銀行雖然經營范圍廣，但其經營規模大、自有資本充足、風險控制能力較強，因此其可控風險承擔水平受經濟政策波動影響最小。而農村商業銀行雖然規模小，風險承擔水平低，但是其經營地域性極強，所以可控風險承擔水平受經濟政策波動影響較小。而城商行相比于農商行經營范圍較大，同時城商行相比于股份制銀行規模較小，風險承擔水平較弱。因此，相比于以上兩類銀行城商行可控風險承擔水平受經濟政策波動影響較大。

從表5的回歸結果來看，不同性質的銀行顯著性整體較好。國有銀行的系數為-1.62797，且在10%水平上顯著；股份制銀行、城商行、農商行的系數分別為0.28174、0.12968、0.13998，且均在1%水平上顯著。

表5 基于銀行性質的不可控風險承擔分組回歸結果

從回歸系數方向來看，國有銀行不可控風險承擔水平隨著經濟政策不確定性增大而減小，與其他各類銀行回歸系數方向相反。關于這一現象，一方面是由于國有銀行擁有先天優勢資源，能夠迅速獲取相對準確的經濟政策；另一方面則是國有銀行作為國家實現政策目標和維持金融系統穩定的調節器，其借貸行為可能受到政府干預[21]。

從回歸系數大小來看，股份制銀行不可控風險承擔水平對經濟政策不確定性的敏感性最高。這是由于股份制銀行經營范圍較廣，經營活動較為依賴整體經濟政策環境，因此任何可能引起企業虧損或市場信心不足的微小經濟政策變化都會使其不可控風險承擔水平提高。而城市商業銀行和農村商業銀行敏感性相對較低，這是由于二者經營的區域性較強，國家層面經濟政策變化對其影響有限。農村商業銀行敏感性更低則是由于相比城市商業銀行而言其服務定位往往更為專一，區域性相對來說更強。

（2）基于銀行是否上市的異質性研究

本文以銀行是否上市為分組標準將樣本分為上市銀行和非上市銀行兩類，并對兩類銀行可控風險承擔水平和不可控風險承擔水平進行分組回歸。回歸結果如表6所示。

表6 基于銀行是否上市的風險承擔分組回歸結果

經濟政策波動的增加會導致兩類銀行可控風險承擔顯著下降，而對于不可控風險承擔則均有顯著的正向影響。但是相比于非上市銀行來說，上市銀行可控風險承擔水平對于經濟政策變化的敏感度較高，而不可控風險承擔水平的敏感度較低。這是由于上市銀行監管體系較為健全且股權較為分散，股票持有者容易“用腳投票”，因此其面對經濟政策波動時表現較為謹慎，通常會較大程度地主動降低風險資產配置。同時，上市銀行資本相對充足，風險審查機制和放貸程序往往比較嚴格，因此其不可控風險承擔水平受經濟政策波動影響較小。而非上市銀行往往股權較集中，外部監管和約束較寬松，風險審查程序較寬松，因此其可控風險承擔水平受經濟政策波動影響較小，不可控風險承擔水平受經濟政策波動影響較大。

（3）基于銀行資本水平的異質性研究

為驗證經濟政策不確定性對不同資本水平銀行的異質性影響，本文以資本充足率為劃分依據，將樣本劃分為資本水平高于平均值和低于平均值的兩組，并對兩組樣本進行分組回歸。回歸結果見表7。

從表7可以看出，相比于資本水平低的銀行而言，資本水平高的銀行的主動和被動兩類風險承擔水平受經濟政策波動影響都較小。這是由于資本水平高的銀行，一方面其資本充足率較高，自有資本償還債務能力強，因此經濟政策波動對其風險資產配置的影響較小；另一方面其風控體系健全，貸款客戶信譽較好，因此經濟政策波動對其不可控風險承擔水平的影響也較小。

表7 基于銀行資本水平的風險承擔分組回歸結果

2.基于宏觀層面異質性研究

本文參考Huang 等[7]將經濟政策不確定性指數細分為財政政策不確定性、貨幣政策不確定性、貿易政策不確定性、匯率和資本管制政策不確定性四類。另外，由于宏觀經濟層面對于銀行風險的影響更多集中在經營風險上，因此本文重點研究了經濟政策不確定性細分指數對銀行經營風險承擔水平的影響。回歸結果見表8。

從表8可以看出，四類經濟政策不確定性細分指數對銀行經營風險均有顯著正向影響，其中匯率和資本管制政策不確定性的系數為0.00132，且在5%水平上顯著，而財政政策、貨幣政策、貿易政策的系數分別為0.00569、0.00358、0.00200，且均在1%水平上顯著，即財政政策不確定性對銀行經營風險影響最大，貨幣政策其次，貿易政策的影響再次，匯率和資本管制政策的影響最小。

表8 基于宏觀層面分組回歸結果

財政政策和貨幣政策的變動會從內部和外部兩個方向加劇銀行經營風險，因此兩者對銀行經營風險影響較大。財政政策主要包括政府支出和稅收政策。其中，政府支出的調整會影響銀行對未來經濟形勢的判斷和銀行信貸政策，從而加劇銀行的信貸風險；而稅收政策變化主要是通過影響企業盈利，從外部間接影響銀行經營風險。從內部影響來看，貨幣政策不確定性加劇了政策的噪聲信號和借貸主體的羊群行為對銀行的干擾，從而影響了銀行的決策，使銀行產生“惜貸傾向”[29]。從外部影響來看，貨幣政策不確定性加劇會使貨幣持有者傾向于儲蓄觀望，降低其貸款傾向，此時銀行為實現目標收益率會傾向于冒險性投資行為，導致經營風險的提高[3]。

貿易政策、匯率和資本管制政策的變動只能從單個方向影響銀行經營風險，因此兩者對銀行經營風險影響較小。貿易政策的變動主要從外部影響銀行經營風險，貿易政策的頻繁變動會抑制企業投資，影響企業對未來經濟形勢的判斷，從而可能會提高違約率，加劇銀行經營風險。而匯率和資本管制政策不確定主要從內部影響銀行經營風險，匯率和資本管制政策不確定一方面通過影響銀行國際業務的開展而影響銀行盈利，另一方面加劇了銀行的匯率風險，影響銀行外匯頭寸價值，從而提高了銀行經營風險承擔水平。

六、穩健性檢驗

（一）內生性檢驗

為了減小內生性問題對結果穩健性的影響，本文選取美國經濟政策不確定性作為工具變量[30]，采用兩階段最小二乘法進行檢驗。美國經濟政策的變動可能會引起中國經濟政策的波動，但是該變量不會直接影響中國的銀行風險承擔水平。由表9可知，經過工具變量法回歸，上述結果均在10%水平上顯著，且回歸結果方向與前文結果一致，因此本文回歸結果較為穩定。

表9 工具變量法穩健性檢驗

（二）更換核心解釋變量

1.經濟政策不確定性指數的其他構建方法

為保證回歸結果的穩健性，本文參照已有研究選取了以下幾種方法重新定義經濟政策不確定性指數（EPU）。一是采用一年內EPU的幾何平均數代替算術平均數衡量經濟政策的變動。二是利用移動加權平均法構建的EPU 指數代替算術平均數衡量經濟政策的變動。考慮到銀行風險承擔對經濟政策頻繁變動的反應時間較短，因此本文分別以1/6、2/6、3/6作為單個季度中第一個月、第二個月、第三個月的權重計算得出季度經濟政策不確定性指數[1，20]，隨后分別以1/10、2/10、3/10、4/10 作為一年中第一季度、第二季度、第三季度、第四季度的權重計算得出年度經濟政策不確定性指數[31]。三是采用一年內經濟政策不確定性指數的調和平均數作為代理變量。表10至表12匯報了利用以上方法重新構建經濟政策不確定性指數時的回歸結果。

表10 幾何平均數作為代理變量的穩健性檢驗

表11 移動加權平均法穩健性檢驗

表12 調和平均數作為代理變量的穩健性檢驗

檢驗結果顯示，經濟政策不確定性對銀行風險承擔影響方向并未發生變化，且結果均在1%水平上顯著，因此可以認為本文回歸結果具有穩健性。

2.經濟政策不確定性指數的其他界定方法

為排除不同學者構建的經濟政策不確定性指標差異所造成的偏差對本文結果的影響，本文采用Huang 等[7]構建的經濟政策不確定性指數作為度量經濟政策不確定性的指標，并進行穩健性檢驗。回歸結果如表13所示。

表13 經濟政策不確定性指數其他構建方法的穩健性檢驗

表13的檢驗結果顯示，在運用Huang 等[7]構建的經濟政策不確定性指數來度量經濟政策波動時，經濟政策波動對銀行風險承擔影響的方向和顯著性都沒有發生變化，因此也驗證了本文回歸結果穩健性較好。

（三）增減控制變量

為進一步驗證本文回歸結果的穩健性，本文參照王晉斌等[32]的研究，增添股票市場綜合指數的對數值來控制國內金融發展水平，并增添資本資產率控制銀行層面資產機構的影響，同時刪去對銀行風險承擔影響不大的消費者物價指數。回歸結果報告如表14所示。

表14 增減控制變量的穩健性檢驗

由表14的回歸結果可以看出，經濟政策不確定性對銀行風險承擔的方向與前文結果一致，且在1%水平上顯著，證明本文回歸結果穩健性較好。

（四）剔除金融危機期間樣本

由于銀行風險承擔水平容易受外部金融環境影響，為確保選取的樣本具有代表性，本文參照田國強等[33]的研究，刪除金融危機期間的樣本來檢驗回歸結果的穩健性。回歸結果如表15所示。

表15 剔除金融危機期間樣本的穩健性檢驗

綜合以上三種穩健性檢驗方法，可以發現經濟政策不確定性影響銀行風險承擔的方向依然與前文結果均保持一致，且均在1%水平上顯著，因此可以認為本文回歸結果的穩健性較好。

七、進一步研究

（一）中介效應研究

表16報告了“經濟政策波動—企業利潤水平降低—銀行不可控風險承擔提升”這一中介機制的檢驗結果。其中，（2）列的lnEPU系數為-0.33187，（3）列的lnEPU、yield 系數分別為0.03501 和-0.23167，即企業獲利能力在經濟政策不確定性影響銀行不可控承擔風險的過程中起著部分中介作用。也就是說，當經濟政策不確定性增加時，企業決策渠道受到阻塞，使得其投資減少、利潤水平下降，此時企業違約率也較高，導致銀行不可控風險承擔水平升高，即假設H5的中介機制得到了驗證。具體而言，企業利潤水平對該中介效應的絕對貢獻為（-0.33187）×（-0.23167）=0.07688，而經濟政策不確定性對銀行不可控風險承擔的總體影響為0.07688+0.03501=0.11189。因此，可以得到企業利潤水平的相對貢獻率為68.71%。

表16 中介效應檢驗

（二）調節效應研究

銀行業景氣指數（BBI）主要表征當期信貸環境，銀行業景氣指數越高代表當期信貸環境越好，資本資產比率（CAR）則主要用來衡量銀行當前資本結構。表17中的（1）和（2）列報告了銀行業景氣指數對銀行可控風險和經營風險的調節效應，（3）和（4）列報告了資本資產比率對銀行不可控風險承擔和滯后風險的調節效應。

表17中的交互項均在1%水平上顯著。可以看出：一是信貸環境越景氣，經濟政策波動對銀行可控風險承擔的抑制作用越弱。這可能是由于當信貸環境較好時，銀行家對未來經濟走勢判斷較為樂觀，基于銀行的盈利性原則，銀行家更傾向于把資金配置給風險較高的項目以獲取較高收益。二是信貸環境越景氣，銀行經營風險承擔受經濟政策不確定性影響而加劇的效果越弱。這可能是由于當信貸環境景氣時，銀行盈利能力較強，外部市場資金來源較為充足且企業違約率較低。三是資本資產比例越高，銀行不可控風險承擔受經濟政策不確定性影響而加劇的效果更弱。這可能是由于在銀行資本資產比例高時，即使企業經營效益差，貸款違約率高，銀行自有資金仍然能夠維持其基本運轉，滿足存款客戶取現的需求，即銀行的緩沖余地相對來說更大。四是資本資產比例越高，銀行滯后風險承擔受經濟政策不確定性影響而加劇的效果更弱。這可能是由于當銀行資本資產比例高時，銀行擁有更多的自有資本來調節銀行各項資金配置，降低銀行當下風險，保證銀行在下一經營年度能夠保持以相對較低風險狀態運轉。因此，以上分析驗證了本文的假設H6。

表17 調節效應檢驗

八、研究結論與政策建議

（一）本文研究結論

本文基于Baker 等[5]提出的經濟政策不確定性指數和我國2007—2020年258 家銀行2479 個樣本的非平衡面板數據進行實證研究。研究發現：（1）對于銀行當期風險來說，經濟政策的頻繁波動顯著抑制了銀行可控風險承擔水平，但卻顯著提升了銀行不可控風險的承擔水平。綜合以上兩種效應，本文發現經濟政策頻繁變動對銀行不可控風險的影響占據主效應，因此經濟政策波動顯著提升了當期銀行經營風險承擔水平。而對于銀行滯后風險來說，經濟政策不確定性對滯后銀行風險承擔水平有顯著正向影響。（2）經濟政策不確定性對銀行風險承擔水平的影響會在不同性質銀行上表現出異質性。在可控風險承擔方面，除國有銀行方向相反外，城商行、農商行、股份制銀行的可控風險承擔水平均隨著經濟政策不確定性的提高而降低，且其敏感性依次遞減。在不可控風險承擔方面，除國有銀行方向相反外，股份制銀行、城商行、農商行不可控風險承擔水平均隨著經濟政策不確定性的提高而增高，且其敏感性依次遞減。（3）相比于非上市銀行，經濟政策波動對于上市銀行的可控風險承擔水平影響較大，而對于不可控風險承擔水平影響較小。（4）相比于資本水平低于平均值的銀行，資本水平高于平均值的銀行的兩類風險承擔水平受經濟政策波動影響都較小。（5）在宏觀層面異質性研究中發現，財政政策和貨幣政策變動對銀行經營風險承擔水平影響較大，而貿易政策和匯率、資本管制政策的變動對銀行經營風險承擔水平影響較小。（6）企業利潤水平在銀行不可控風險承擔的影響中起到了部分中介作用，即存在“經濟政策波動—企業利潤水平下降—銀行風險承擔提升”這一中介機制。銀行業景氣指數對于銀行可控風險承擔水平和銀行經營風險承擔水平起到調節效應的作用，而資本資產比率對銀行不可控風險承擔水平和銀行滯后風險承擔水平起到了調節效應的作用。

（二）政策建議

本文研究結論不僅有助于政策制定當局合理調整經濟政策，也有助于銀行在經濟政策不確定的環境下對不同類別的風險進行針對性防范。基于前文的理論分析和回歸結論，本文提出以下幾點政策建議：一是在制定經濟政策時要最大限度保證經濟政策的穩定性和持續性，特別是財政部和央行要保證財政政策和貨幣政策的穩定，同時也要主動化解經濟政策波動對實體經濟的影響，這有利于銀行對政策走向做好合理預期，從而化解各類風險。二是銀保監會應充分發揮其監管和化解重大金融風險的作用。在經濟政策波動較為頻繁的時期要及時了解各類銀行風險承擔的變化，明確其風險類型，及時采取措施化解系統性金融風險的出現和傳導。在經濟政策較為穩定的時期要未雨綢繆，加強與央行協調的宏觀審慎監管力度，協助各類銀行處理好不良資產問題，大力整治并規范影子銀行發展，預防銀行風險的堆積。三是各類商業銀行要加強自身防范和化解風險的意識。一方面，要區分不同風險類別和指標，采取一定的風險防控措施；另一方面，要以謹慎安全的原則完善放貸的風險評估流程，最大限度地降低企業違約率，控制自身的不良貸款率。同時，還要在銀保監會的指導下將自有資本保持在一定的比率之下，進而保證一定的流動性，以防范由經濟政策不確定性引起的各類風險。在經濟政策頻繁變動時期，各類銀行要及時調整信貸政策，以保證銀行風險承擔水平維持在其能夠承受的范圍之內。■

注 釋

①為提高研究的嚴謹性，本文參考Laeven等[17]的研究，使用包括2年滯后期的3年滾動數據來計算ROA的標準差。

②數據來源http：//www.policyuncertainty.com/china_monthly.html。

③數據來源https：//economicpolicyuncertaintyinchina.weebly.com/。