馬續(xù)濤，沈 悅

政策不確定性、貨幣政策與銀行風(fēng)險承擔(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)險承擔(dān)渠道表現(xiàn)特征是一個亟待解答的問題。文章基于我國商業(yè)銀行面板數(shù)據(jù)全面分析了政策不確定性環(huán)境下我國不同類型貨幣政策對銀行風(fēng)險承擔(dān)水平的影響特征。實證檢驗表明，貨幣政策對銀行風(fēng)險承擔(dān)水平有顯著影響，貨幣政策越寬松，銀行會承擔(dān)越高的風(fēng)險。而且，相對數(shù)量型貨幣政策工具而言，價格型貨幣政策工具對銀行風(fēng)險承擔(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銀行體系的穩(wěn)定有負(fù)面沖擊，而且對貨幣政策與銀行風(fēng)險承擔(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，貨幣政策的變化對銀行風(fēng)險承擔(dān)水平的影響程度越來越大，而且這種影響在價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)與長期較為寬松的貨幣政策有密切關(guān)系［1］。曾經(jīng)長期被忽略的貨幣政策與銀行風(fēng)險承擔(dān)之間關(guān)系也開始逐漸引起國內(nèi)外研究者的關(guān)注。多數(shù)理論研究和實證研究表明，寬松的貨幣政策會引起銀行承擔(dān)更高水平的風(fēng)險，并將此影響機(jī)制稱之為貨幣政策的銀行風(fēng)險承擔(dān)渠道［2］。實際上，經(jīng)濟(jì)政策在實施時間、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、財政以及監(jiān)管政策的不確定性有緊密聯(lián)系，對政策不確定性引起的政策扭曲需要加以重視。因此，一個值得思考的問題是：政策不確定性是否會對貨幣政策與銀行風(fēng)險承擔(dān)之間的作用機(jī)制產(chǎn)生影響？本文嘗試對這個問題進(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，我國銀行業(yè)正承受著前所未有的沖擊。五大國有銀行2015年的利潤增速由上年的7%銳減到不足1%，建行更是低到0.14%。與此同時，五大國有銀行不良貸款規(guī)模達(dá)到了近十年最高值，不良貸款率均比上年增長30%以上，農(nóng)行更是增長70%，不良貸款率已經(jīng)超過2%。在當(dāng)前復(fù)雜的內(nèi)外環(huán)境下，我國經(jīng)濟(jì)政策也具有高度不確定性。我國經(jīng)濟(jì)下行壓力依然很大且還未完全見底，保增長與經(jīng)濟(jì)轉(zhuǎn)型間的沖突越來越尖銳，對經(jīng)濟(jì)政策制定的連貫性和一致性是個極大的考驗。與這些實體經(jīng)濟(jì)的不景氣相反，我國部分城市房地產(chǎn)市場出現(xiàn)過熱，房價上漲速度難以控制，各城市紛紛重啟限購政策和提高首付比例，去庫存和穩(wěn)房價的沖突成為令政府頭疼的問題。全球經(jīng)濟(jì)復(fù)蘇緩慢，各國經(jīng)濟(jì)政策越來越呈現(xiàn)分化趨勢，再次加大了我國政策制定的難度。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)險承擔(dān)渠道就顯得非常具有現(xiàn)實價值。

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貨幣政策與銀行風(fēng)險承擔(dān)之間作用機(jī)制的影響。本文基于我國銀行業(yè)面板數(shù)據(jù)全面分析政策不確定性環(huán)境下我國貨幣政策對銀行風(fēng)險承擔(dān)水平的影響特征。同時，在研究中采用多種銀行風(fēng)險承擔(dān)變量、貨幣政策代理變量進(jìn)行分析來保證研究結(jié)果的穩(wěn)健性。本文研究不僅是對已有研究的一個補(bǔ)充和豐富，還對不確定性環(huán)境下的宏觀審慎監(jiān)管框架的構(gòu)建有較強(qiáng)指導(dǎo)價值。

二、文獻(xiàn)綜述

長久以來，貨幣政策只是被認(rèn)為是引起經(jīng)濟(jì)波動的一個重要因素［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)渠道對銀行風(fēng)險承擔(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，從而影響到銀行對風(fēng)險的判斷，進(jìn)而改變銀行風(fēng)險承擔(dān)水平［2，4］；二是，貨幣政策還會影響到銀行的融資成本以及資產(chǎn)收益，從而對銀行的盈利狀況產(chǎn)生影響，銀行出于“風(fēng)險—收益”對等的考慮會對自身的風(fēng)險承擔(dān)水平做出調(diào)整［5］。實證研究方面，已有大量研究來檢驗貨幣政策銀行風(fēng)險承擔(dān)是否成立。Adrian和Shin（2009）基于美國銀行業(yè)數(shù)據(jù)發(fā)現(xiàn)，寬松的貨幣政策會提高銀行的風(fēng)險偏好，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)微觀個體的信貸申請資料，從微觀視角對這個主題進(jìn)行了探討，研究發(fā)現(xiàn)低利率會鼓勵銀行向高風(fēng)險企業(yè)發(fā)放更多的貸款，而且會為抵押物價值不足的企業(yè)承擔(dān)更大的信用擔(dān)保［7］。因此，貨幣政策對銀行信貸行為的影響不僅體現(xiàn)在信貸規(guī)模上，還會影響到信貸風(fēng)險。Altunbas等（2014）基于歐盟和美國銀行業(yè)數(shù)據(jù)，發(fā)現(xiàn)寬松的貨幣政策會鼓勵銀行承擔(dān)更高的風(fēng)險［8］。Ioannidou等（2015）則從另外一個視角出發(fā)，分析了貨幣政策對銀行貸款風(fēng)險結(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刺激銀行發(fā)放更大規(guī)模的高風(fēng)險貸款，還會縮減高風(fēng)險貸款與低風(fēng)險貸款之間的價差［9］。還有許多學(xué)者討論了銀行微觀特征對貨幣政策銀行風(fēng)險承擔(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)寬松的貨幣政策會顯著提高銀行風(fēng)險承擔(dān)水平，而且對資產(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)險承擔(dān)之間的作用機(jī)制與銀行市場勢力的關(guān)系更為明顯［11］。具體來說，隨著銀行的市場勢力增加，其風(fēng)險承擔(dān)的水平對貨幣政策的變化表現(xiàn)得越來越不敏感。

近幾年來，國內(nèi)研究者也對我國貨幣政策與銀行風(fēng)險承擔(dān)之間的作用機(jī)制開展了豐富的實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14家上市銀行的面板數(shù)據(jù)，利用門限面板回歸模型對貨幣政策與銀行風(fēng)險承擔(dān)之間的關(guān)系進(jìn)行了檢驗，結(jié)果發(fā)現(xiàn)緊縮的貨幣政策會顯著降低銀行風(fēng)險承擔(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)銀行為研究對象，從銀行風(fēng)險承擔(dān)和信貸供給兩個角度證實寬松的貨幣政策會提高銀行的風(fēng)險偏好［15］。劉生福、李成（2014）則重點討論了貨幣政策與銀行風(fēng)險承擔(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)險承擔(dān)水平對貨幣政策反應(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)來刻畫銀行風(fēng)險承擔(dān)意愿，發(fā)現(xiàn)寬松的貨幣政策會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）將銀行過度風(fēng)險承擔(dān)行為與一般的風(fēng)險承擔(dān)行為進(jìn)行了區(qū)分，發(fā)現(xiàn)銀行在寬松的貨幣環(huán)境下會過度承擔(dān)風(fēng)險［18］。

這些研究對于我們充分理解貨幣政策與銀行風(fēng)險承擔(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)波動的一個重要因素。Julio和Yook（2012）利用包含48個國家的面板數(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）將財政政策不確定性因素引入到DSGE模型中，結(jié)果顯示財政政策不確定性沖擊對宏觀經(jīng)濟(jì)產(chǎn)生明顯的負(fù)面效應(yīng)［20］。Baker等（2016）基于美國企業(yè)面板數(shù)據(jù)發(fā)現(xiàn)，無論從微觀層面還是宏觀層面來看，政策不確定性對企業(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）基于我國宏觀數(shù)據(jù)，發(fā)現(xiàn)政策不確定性沖擊對消費(fèi)、投資以及出口均有負(fù)面影響，而且主要通過預(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宏觀經(jīng)濟(jì)有如此顯著的影響，必然也會對與宏觀經(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)不確定性對銀行信貸的影響，如Quagliariello（2009）、Valen?cia（2013）、Buch等（2015）等［24-26］，但并沒有對總體經(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，本文嘗試對已有的研究內(nèi)容進(jìn)行拓展，重點討論政策不確定性對貨幣政策與銀行風(fēng)險承擔(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重要問題是測度政策不確定性。雖然測度總體經(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政策不確定性是一項比較復(fù)雜的工作。Baker等（2016）另辟蹊徑提出了一種基于新聞媒體報道次數(shù)的測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］。實際上，利用文本搜索手段來測度經(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］。這種方法最大特點是直觀，而且不過分依賴經(jīng)濟(jì)數(shù)據(jù)，尤其對還未建立完整的數(shù)據(jù)統(tǒng)計體系的我國來說，具有更強(qiáng)的可參考價值。

三、變量選取與模型設(shè)定

（一）數(shù)據(jù)來源

本文以2000-2014年的中國銀行業(yè)面板數(shù)據(jù)作為研究對象，其中銀行業(yè)微觀數(shù)據(jù)來源于Bankscope數(shù)據(jù)庫，宏觀經(jīng)濟(jì)數(shù)據(jù)來自CEIC數(shù)據(jù)庫，銀行類型僅限于商業(yè)銀行，并主要根據(jù)三個標(biāo)準(zhǔn)對樣本進(jìn)行篩選：①剔除外資銀行在我國境內(nèi)的分行，只包含總部設(shè)在我國大陸境內(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，其中有大型國有銀行5家（工農(nóng)中建交），全國性股份制銀行10家，城市商業(yè)銀行49家和農(nóng)村商業(yè)銀行13家。需要說明的是，這些商業(yè)銀行的總資產(chǎn)規(guī)模占到全國銀行業(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銀行業(yè)的基本特征。

（二）變量選取

1.被解釋變量

測度銀行風(fēng)險的指標(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)險資產(chǎn)比率。預(yù)期違約概率的計算需要借助股票市場數(shù)據(jù)，但我國上市銀行數(shù)量只有區(qū)區(qū)16家，也就是說我國多數(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)險資產(chǎn)比率是一個很好的用來刻畫銀行資產(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)庫中的缺失較為嚴(yán)重，使得該指標(biāo)也無法使用。Z-score反映了銀行破產(chǎn)風(fēng)險大小，Z-score值越大意味著銀行破產(chǎn)風(fēng)險越小。不良貸款率是衡量銀行風(fēng)險狀況的一個最為直接的指標(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的計算比較容易，參考Laeven和Levine（2009）［29］，Z-score的具體計算方式為：

需要說明的是，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?？紤]到Z-score高度有偏的特點，在實際研究中一般對其取自然對數(shù)。

2.貨幣政策代理變量

在國外相關(guān)研究中，貨幣政策代理變量的選擇多以市場利率為主。考慮到我國利率市場并未充分實現(xiàn)市場化的現(xiàn)實背景，我國商業(yè)銀行的定價權(quán)非常有限，從而只選擇市場利率作為貨幣政策代理變量在我國有一定的局限性。并且，近些年中國人民銀行在調(diào)整貨幣政策時很多時候借助數(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），也包括了價格型貨幣政策工具（IR），從而可以很好地反映我國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度，本文借鑒“政策不確定性網(wǎng)站”（www.policyuncertainty.com）編制的我國政策不確定性指數(shù)（EPU）。該指數(shù)是由Baker等人基于與政策不確定性相關(guān)的新聞媒體報道頻率進(jìn)行編制的。具體編制過程是，首先利用文本搜索手段對每月出現(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，然后對所得到的統(tǒng)計結(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，才會引起新聞媒體重點關(guān)注。“政策不確定性網(wǎng)站”編制了我國自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］，在研究中對其做取對數(shù)處理。圖1展示了我國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)了三個峰值，這也反映了當(dāng)時的國內(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)來反映我國政策不確定性變化情況具有較強(qiáng)的合理性。

圖1 我國政策不確定性指數(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）。一般來說，經(jīng)濟(jì)景氣時，資產(chǎn)價格比較高，這就意味著貸款抵押物價值增加，而且再加上此時銀行對經(jīng)濟(jì)前景非常樂觀，因此會鼓勵銀行承擔(dān)更多的風(fēng)險；而經(jīng)濟(jì)衰退時，剛好相反，資產(chǎn)價格的降低使得貸款抵押物價值縮水，此時的銀行對經(jīng)濟(jì)前景又比較悲觀，促使銀行采取更為保守的經(jīng)營戰(zhàn)略，降低風(fēng)險承擔(dān)水平。銀行規(guī)模的代理變量為銀行總資產(chǎn)規(guī)模的對數(shù)（SIZE）。銀行規(guī)模與銀行風(fēng)險承擔(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”的存在會鼓勵規(guī)模大的銀行承擔(dān)更高的風(fēng)險；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)多元化來分散風(fēng)險的能力，從而降低銀行風(fēng)險承擔(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。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，開始有越來越多的研究關(guān)注非利息收入占比對銀行風(fēng)險的影響，多數(shù)認(rèn)為非利息收入占比的增加會顯著增加銀行風(fēng)險［30］。另外，回歸模型中還引入了時間虛擬變量，來刻畫模型中遺漏的與宏觀經(jīng)濟(jì)和監(jiān)管政策相關(guān)的隨時間變化的因素。主要代理變量的描述性統(tǒng)計結(jié)果見表1所列。

表1 主要代理變量的描述性統(tǒng)計結(jié)果

（三）模型設(shè)置

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

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

其中，回歸方程等號左邊的被解釋變量為銀行風(fēng)險Risk，由NPL和Z-score兩個代理變量組成，等號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為時間虛擬變量，εit為殘差項。Hausman檢驗的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為個體固定效應(yīng)項。為了減弱模型內(nèi)生性問題，對所有銀行特征變量滯后一期。估計系數(shù)α1是需要重點關(guān)注的系數(shù)，刻畫了貨幣政策對銀行風(fēng)險承擔(dān)水平的影響，預(yù)期寬松的貨幣政策會鼓勵銀行承擔(dān)更多的風(fēng)險。

2.檢驗政策不確定性對貨幣政策與銀行風(fēng)險承擔(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子樣本，然后分別依據(jù)方程（2）進(jìn)行回歸估計，通過比較兩個回歸方程中的貨幣政策代理變量MP的估計系數(shù)α1的大小以及顯著性特征來檢驗貨幣政策對銀行風(fēng)險承擔(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)交互項的方式來進(jìn)行分析是因為，這兩個變量均是隨時間變化的變量而回歸模型中又存在時間虛擬變量，這使得交互項因共線性原因而無法估計。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)來進(jìn)行穩(wěn)健性分析。

四、實證結(jié)果與分析

（一）貨幣政策對銀行風(fēng)險承擔(dān)水平的影響

表2展示了貨幣政策對銀行風(fēng)險承擔(dān)水平影響的回歸結(jié)果。需要說明的是，因此廣義貨幣M2增長率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。

觀察貨幣政策代理變量的估計系數(shù)可知，貨幣政策對銀行風(fēng)險承擔(dān)有顯著影響，在1%顯著水平下顯著。而且估計系數(shù)的符號表明，貨幣政策越寬松，銀行會承擔(dān)更高的風(fēng)險，這也就是說貨幣政策的銀行風(fēng)險承擔(dān)渠道在我國是存在的。值得注意的是，通過比較三個貨幣政策代理變量的估計系數(shù)大小不難發(fā)現(xiàn)，銀行風(fēng)險承擔(dān)水平對這三個貨幣政策代理變量的敏感程度存在顯著差異，而且對貸款基準(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，貸款利率對銀行風(fēng)險定價影響最大，是決定銀行風(fēng)險承受意愿的一個重要因素；另一方面，我國利率市場化程度不高，銀行沒有充分自主的定價權(quán)，進(jìn)一步加大了基準(zhǔn)利率對銀行風(fēng)險決策行為的影響。

政策不確定性指數(shù)的估計系數(shù)EPU同樣非常顯著，對銀行風(fēng)險也有顯著影響。政策不確定性程度越高，銀行承擔(dān)的風(fēng)險越高。這是因為，政策不確定性越高，對實體經(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 貨幣政策對銀行風(fēng)險承擔(dān)的影響

除了LAR，控制變量同樣對銀行風(fēng)險承擔(dān)有顯著影響。NII的估計系數(shù)只有在被解釋變量為Z-score時顯著，且顯著為負(fù)，說明銀行從事表外業(yè)務(wù)會增加銀行風(fēng)險。SIZE的估計系數(shù)在6個模型中都非常顯著，銀行規(guī)模越大則銀行風(fēng)險越高。GGDP的估計系數(shù)也非常顯著，證實銀行風(fēng)險承擔(dān)具有順周期特征。

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

上文分析表明銀行風(fēng)險承擔(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)險承擔(dān)水平之間的關(guān)系也有可能會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子樣本，然后分別依據(jù)方程（2）進(jìn)行回歸估計，以檢驗貨幣政策銀行風(fēng)險承擔(dān)渠道是否與政策不確定性有關(guān)。表3報告了模型中的被解釋變量為NPL時政策不確定性對貨幣政策與銀行風(fēng)險承擔(dān)水平之間關(guān)系的影響結(jié)果。

表3 基于NPL的政策不確定性對貨幣政策銀行風(fēng)險承擔(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系數(shù)均在1%顯著水平下顯著，而且無論政策不確定性高低與否，貨幣政策與銀行風(fēng)險承擔(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)險承擔(dān)渠道依然成立。而且通過對比兩個子樣本的貨幣政策代理變量的估計系數(shù)大小不難發(fā)現(xiàn)，與政策不確定性較低時相比，政策不確定性較高時的銀行風(fēng)險承擔(dān)水平對貨幣政策的反應(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貨幣政策未來走勢有更清晰的預(yù)期，從而依此判斷提前對風(fēng)險承擔(dān)水平進(jìn)行相應(yīng)調(diào)整，這就使得銀行風(fēng)險承擔(dān)對貨幣政策變動的反應(yīng)變得越來越不敏感。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。這也再次證明了價格型貨幣政策工具對銀行風(fēng)險承擔(dān)影響最顯著。

為了保證研究結(jié)論的穩(wěn)健性，表4報告了模型中的被解釋變量為Z-score時政策不確定性對貨幣政策與銀行風(fēng)險承擔(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系數(shù)依然很顯著，貨幣政策的銀行風(fēng)險承擔(dān)渠道在兩個子樣本中仍同時存在。與被解釋變量為NPL時的回歸結(jié)果一樣，GM2、RR與IR對銀行風(fēng)險承擔(dān)水平的影響仍然在政策不確定性較高時更顯著，并且政策不確定性對價格型貨幣政策IR與銀行風(fēng)險承擔(dān)水平之間的作用機(jī)制影響更顯著。

表4 基于Z-score的政策不確定性對貨幣政策銀行風(fēng)險承擔(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)險承擔(dān)代理變量和貨幣政策代理變量來保證分析結(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系數(shù)顯著性水平和符號沒有發(fā)生變化，而且通過對三個子樣本回歸系數(shù)的比較得出與上文一致的研究結(jié)果。限于篇幅，本文沒有對具體回歸結(jié)果進(jìn)行報告，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貨幣政策銀行風(fēng)險承擔(dān)渠道的影響。有鑒于此，本文基于我國銀行業(yè)面板數(shù)據(jù)，對我國貨幣政策與銀行風(fēng)險承擔(dān)水平之間的關(guān)系進(jìn)行全面探討，并重點討論政策不確定性對貨幣政策銀行風(fēng)險承擔(dān)渠道的影響。同時，在研究中采用多種銀行風(fēng)險承擔(dān)變量、貨幣政策代理變量進(jìn)行分析來保證研究結(jié)論的穩(wěn)健。

研究發(fā)現(xiàn)，貨幣政策的變動對銀行風(fēng)險承擔(dān)水平有顯著的影響，寬松的貨幣政策會顯著引起銀行風(fēng)險承擔(dān)的增加。而且，相對數(shù)量型貨幣政策工具而言，價格型貨幣政策工具對銀行風(fēng)險承擔(dān)的影響更為顯著。進(jìn)一步檢驗發(fā)現(xiàn)，政策不確定性不僅會威脅到銀行的穩(wěn)定性，還會顯著影響貨幣政策銀行風(fēng)險承擔(dān)渠道，尤其在價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)險承擔(dān)水平對貨幣政策的反應(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)果無論是對于貨幣政策的制定還是宏觀審慎監(jiān)管框架的構(gòu)建來說都具有重要啟示。首先，央行在制定貨幣政策時除了考慮保持物價穩(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)政策制定過程的公開化和透明化，構(gòu)建并完善多層次的與市場主體溝通交流渠道，正確引導(dǎo)市場預(yù)期；最后，貨幣政策的制定要堅持一致性和連貫性，切忌反復(fù)無常，防止政策自身成為不確定性來源。

［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.中國貨幣政策的銀行風(fēng)險承擔(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)險承擔(dān)與宏觀審慎管理——基于動態(tài)面板系統(tǒng)GMM模型的實證分析［J］.南開經(jīng)濟(jì)研究，2014（5）：24-39.

［17］金鵬輝，張翔，高峰.貨幣政策對銀行風(fēng)險承擔(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.銀行過度風(fēng)險承擔(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)政策不確定性對宏觀經(jīng)濟(jì)的影響及其區(qū)域差異——基于省級面板數(shù)據(jù)的PVAR模型分析［J］.財經(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

國家自然科學(xué)基金項目（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；沈悅（1961-），女，陜西大荔人，教授，經(jīng)濟(jì)學(xué)博士，研究方向：金融市場風(fēng)險管理。