■陳 文，史小坤

一、引言與文獻(xiàn)綜述

席卷全球的新冠肺炎疫情和中美貿(mào)易摩擦等事件造成了宏觀經(jīng)濟(jì)的不確定性，如何在不造成后續(xù)經(jīng)濟(jì)過熱隱患的前提下，通過政策調(diào)控盡快降低疫情等不確定性對經(jīng)濟(jì)發(fā)展的影響，成為理論界和實(shí)際部門關(guān)注的焦點(diǎn)。在全球不確定性相互加成、潛藏風(fēng)險交織的大環(huán)境下，弄清宏觀經(jīng)濟(jì)不確定性與貨幣政策工具逆周期調(diào)控是否存在相關(guān)性變得越來越重要。商業(yè)銀行作為我國現(xiàn)代金融系統(tǒng)的核心，是貨幣政策傳導(dǎo)的重要途徑。我國人民銀行的統(tǒng)計數(shù)據(jù)顯示，2019年末對實(shí)體經(jīng)濟(jì)發(fā)放的人民幣貸款余額為151.57萬億元，同比增長12.5%，在同期社會融資規(guī)模存量的占比達(dá)到60.3%，同比增長1個百分點(diǎn)。由此可見，商業(yè)銀行信貸是貨幣政策作用于實(shí)體經(jīng)濟(jì)的重要渠道之一。不可否認(rèn)的是，將宏觀經(jīng)濟(jì)不確定性變動納入考量范圍之后，會對商業(yè)銀行信貸行為產(chǎn)生顯著且不容忽視的影響，而銀行貸款投資策略的制定過程也越來越容易受到銀行管理者未來預(yù)判的影響。那么，在考慮了宏觀經(jīng)濟(jì)不確定性的大前提下，貨幣政策通過影響銀行信貸行為對經(jīng)濟(jì)發(fā)展的調(diào)控作用如何？

在已有涉及經(jīng)濟(jì)不確定性的文獻(xiàn)中，比較具有代表性的是Talavera（2012）使用了企業(yè)價值最大化模型，發(fā)現(xiàn)當(dāng)不確定性水平相比之前而言更大時，減少發(fā)放貸款是銀行的最佳選擇。Valencia（2017）則研究發(fā)現(xiàn)隨著宏觀經(jīng)濟(jì)不確定性的上升，銀行的破產(chǎn)幾率會隨之增加，風(fēng)險中性的商業(yè)銀行此時為了減少信貸數(shù)量的增長速度，將會實(shí)施自我保險制度。國內(nèi)學(xué)者也得出了一致的結(jié)果，比如，郝威亞等（2017）的實(shí)證結(jié)果表明，宏觀經(jīng)濟(jì)不確定性會引起銀行流動性水平變動并由此導(dǎo)致銀行貸款規(guī)模發(fā)生變化。宋全云等（2019）認(rèn)為，為了確保銀行投資行為的盈利性，銀行管理者一般情況下會選擇增加貸款的成本，因?yàn)樵诤暧^經(jīng)濟(jì)不確定性上漲的過程中，銀行與企業(yè)之間的信息不對稱水平會進(jìn)一步上升，導(dǎo)致了較高水平的外部融資溢價，這就意味著宏觀經(jīng)濟(jì)不確定性升高時，企業(yè)從銀行所得貸款的成本會上升，即宏觀經(jīng)濟(jì)不確定性與企業(yè)貸款成本之間存在正相關(guān)關(guān)系。而且在上述過程中，與大型銀行相比，中小型銀行的貸款成本會上升更多，引起企業(yè)主動降低自己的貸款需求，不再主動向銀行申請貸款，這對于發(fā)展實(shí)體經(jīng)濟(jì)并沒有積極的促進(jìn)作用。另外，國內(nèi)外的部分學(xué)者還研究了宏觀經(jīng)濟(jì)不確定性在影響銀行信貸行為時所依賴的傳導(dǎo)途徑，如Gissler et al.（2016）分析了美國量化寬松制度擬定過程中銀行信貸規(guī)模的變動，結(jié)論為隨著監(jiān)管不確定的增加，銀行貸款規(guī)模會發(fā)生縮減，同時，曾經(jīng)被起訴的銀行在制度擬定期間會大幅度地減少信貸行為，被起訴次數(shù)越多，信貸縮減規(guī)模越大。王蕊（2019）指出宏觀經(jīng)濟(jì)不確定性對投資具有顯著的抑制作用，宏觀經(jīng)濟(jì)不確定性增強(qiáng)時，投資量會下降。沈悅和馬續(xù)濤（2017）也通過實(shí)證證明，宏觀不確定性會對銀行信貸造成顯著的非線性負(fù)面影響。

然而，上述研究使用的經(jīng)濟(jì)不確定性指標(biāo)多為Baker et al.（2016）所建立的經(jīng)濟(jì)政策不確定性指數(shù)，且在考慮傳導(dǎo)途徑時，多數(shù)考察的都是銀行的微觀特征，在宏觀因素等方面存在欠缺。此外，多數(shù)文章在衡量不確定性對銀行貸款規(guī)模的影響時，沒有考慮貨幣政策的調(diào)控作用和效果。實(shí)際上，貨幣政策在其中所起到的作用不容忽略。張夢云等（2016）研究表明在經(jīng)濟(jì)增長速度變慢的條件下，貨幣政策依舊可以通過銀行信貸對經(jīng)濟(jì)造成顯著的調(diào)控影響。朱博文等（2013）研究認(rèn)為價格型貨幣政策工具的變更依賴于資產(chǎn)負(fù)債表渠道，法定存款準(zhǔn)備金率的調(diào)整則是依賴于銀行信貸來形成效力，同時，銀行流動性、資本充足率等異質(zhì)性特征也會在貨幣政策影響信貸行為的過程中發(fā)揮影響。隨著宏觀經(jīng)濟(jì)不確定性的上升，貨幣政策也會受到影響，一般會調(diào)整得更為保守、慎重，并進(jìn)一步引起銀行貸款產(chǎn)生變化。

鑒于此，筆者將著重探討宏觀經(jīng)濟(jì)不確定性背景下，貨幣政策對商業(yè)銀行信貸行為的控制影響和效果。首先建立完善宏觀經(jīng)濟(jì)不確定性、貨幣政策與銀行信貸關(guān)系的理論模型，論證貨幣政策在宏觀經(jīng)濟(jì)不確定性影響銀行信貸的過程中是否存在調(diào)整作用？然后利用GARCH模型基于2004—2018年167 家商業(yè)銀行的信貸行為，檢驗(yàn)不同的貨幣政策工具對不確定性影響銀行信貸行為的調(diào)控作用效果。由此為國內(nèi)外經(jīng)濟(jì)不確定環(huán)境下，貨幣政策逆周期調(diào)節(jié)手段的選擇和運(yùn)用提供了政策參考。

二、理論模型與研究假設(shè)

首先，借鑒Baum et al.（2008）、邱兆祥和劉遠(yuǎn)亮（2010）的研究方法，構(gòu)建一個論證宏觀經(jīng)濟(jì)不確定性與銀行信貸之間關(guān)聯(lián)的理論模型。假設(shè)銀行所處的投資環(huán)境是有風(fēng)險的，銀行所能選擇的投資方式只有兩種：貸款和債券。其中債券屬于無風(fēng)險資產(chǎn)，且銀行管理者每期會將所得存款用于投資，投資于無風(fēng)險資產(chǎn)所獲得的無風(fēng)險收益要遠(yuǎn)遠(yuǎn)小于銀行投資于貸款資產(chǎn)時所能得到的期望收益。風(fēng)險補(bǔ)償是無風(fēng)險收益與該期望收益之間的差值。但是，如果銀行管理者預(yù)測此時貸款風(fēng)險較大不適合投資，管理者則會選擇將這部分存款投資于無風(fēng)險資產(chǎn)，也就是債券。

假設(shè)在t時刻，銀行i所能投資的貸款對于所有銀行而言同質(zhì)的，設(shè)無風(fēng)險債券收益率為rf，t，而投資于貸款所得的收益率是隨機(jī)的，設(shè)為：

其中，premiumi，t表示貸款風(fēng)險溢價，其期望值和方差分別用E（premiumi，t）=ρ和Var（premiumi，t）=σ2ε，t來表示。則風(fēng)險性貸款的期望收益可表示為：

其中，隨機(jī)項(xiàng)εi，t服從均值為0、方差為σ2ε，t的正態(tài)分布，即εi，t～N（0，σ2ε，t）。在這里假設(shè)各個銀行的投資組合中，風(fēng)險資產(chǎn)占比都不同，即不同銀行的風(fēng)險結(jié)構(gòu)也不盡相同，所以任意兩個銀行收益率的隨機(jī)項(xiàng)不相關(guān)，即E（εi，t，εj，t）=0。

假設(shè)每一時期銀行投資于風(fēng)險資產(chǎn)（貸款）的資產(chǎn)比例為pi，t，那么投資于無風(fēng)險資產(chǎn)（債券）的比例為（1-pi，t）。即假設(shè)銀行此時面對的是一個投資組合優(yōu)化問題，為了讓組合面對的風(fēng)險和收益符合銀行管理者的期望，銀行需要測算并調(diào)整存款資產(chǎn)的投資比例來讓風(fēng)險和收益的構(gòu)成達(dá)到最佳。雖然在銀行管理者的投資決策過程中難以觀察到組合的風(fēng)險溢價，但是假設(shè)他能觀察到關(guān)于εi，t的噪聲信號：

其中，νt是εi，t的獨(dú)立隨機(jī)變量，服從正態(tài)分布N（0，σ2ν，t）。信號中的νt波動的方差與經(jīng)濟(jì)不確定性成正比，當(dāng)不確定性變大時，也就意味著此時νt波動的方差會增加，銀行管理者會越難對貸款資產(chǎn)的收益和風(fēng)險進(jìn)行正確的預(yù)判。

另外，上文中已假設(shè)銀行在噪聲信號中的νt是一致的，但這并不意味著每家銀行所觀測到的信號是一致的。由于εi，t不盡相同，那么銀行管理者通過觀察得到的全局信息也會存在很大差異。接著，為了可以對貸款的期望收益r?i,t進(jìn)行合理估計，銀行管理者需要對影響貸款收益的隨機(jī)變量εi，t作出預(yù)判。一旦缺失了在Si，t中所觀察到的信息，銀行就只能假設(shè)εi，t的期望為零，這會使得估計過于簡單，導(dǎo)致偏誤。正是由于Si，t的存在，銀行管理者觀察到正確的信號，便使得準(zhǔn)確估計投資貸款所得條件期望E（εi，t|Si，t）成為可能。

根據(jù)Si，t=εi，t+νt，可以隨時生成εi，t與Si，t的多種組合，應(yīng)用這些組合，同時也知道Si，t的條件下，便能夠?qū)Ζ舏，t進(jìn)行最優(yōu)預(yù)判。因此，對以下公式的參數(shù)進(jìn)行最小二乘估計：

系數(shù)α和β的最小二乘估計分別為α?=E（εi，t）-（Si，t）和=Cov（εi，t，Si，t）/Var（Si，t）。顯然α?為0。根據(jù)Si，t=εi，t+νt這個關(guān)系可知：Cov（εi，t，Si，t）=，Var（Si，t）=由此可得：

將估計值（5）代入等式（4），可得：

所以εi，t的條件期望能夠表達(dá)為：

其中，Ri，t表示總收益，rt表示當(dāng)年的法定存款準(zhǔn)備金率，銀行從有風(fēng)險資產(chǎn)（貸款）和無風(fēng)險資產(chǎn)（債券）中得到的期望收益分別由等式右邊中括號內(nèi)的第一個和第二個代表。銀行總收益的條件方差為：

假設(shè)銀行管理者的目的是為了讓效用函數(shù)達(dá)到最大化，而效用函數(shù)不僅僅受銀行對投資組合的預(yù)期收益影響。由于投資者都是風(fēng)險厭惡的，因此組合所受風(fēng)險大小對效用函數(shù)的影響也不容忽視。假設(shè)銀行具有如下的效用函數(shù)：

其中，ω為風(fēng)險厭惡系數(shù)。將式（8）、式（9）代入式（10），可得：

接著，令J（pi，t）表示關(guān)于pi，t的銀行效用函數(shù)，即：

求式（12）關(guān)于pi，t的導(dǎo)數(shù)，并讓它等于0，就能夠測算出第i個銀行的最優(yōu)貸款/資產(chǎn)比例。即：

可以求得：

由式（14）可以看出，最優(yōu)貸款/資產(chǎn)比例與宏觀經(jīng)濟(jì)不確定程度σ2ν，t呈負(fù)相關(guān)關(guān)系，這與部分已有文獻(xiàn)所得結(jié)論一致。隨著宏觀經(jīng)濟(jì)不確定性水平的高漲，無論是關(guān)于未來經(jīng)濟(jì)政策變化的次數(shù)，還是政策執(zhí)行的力度，銀行都難以對將來政策方面的變動和發(fā)展進(jìn)行合適的展望。為了確保銀行經(jīng)營的安全性，銀行管理者將選擇降低信貸投資的比例，轉(zhuǎn)而實(shí)施穩(wěn)健的經(jīng)營策略，將重點(diǎn)放于促進(jìn)自身資本穩(wěn)中有升，這就是“自我保險”策略。此外，在宏觀經(jīng)濟(jì)不確定性逐漸加強(qiáng)的過程中，超出預(yù)期的不確定性將引起企業(yè)日常經(jīng)營中現(xiàn)金流的不確定性升高、企業(yè)投資行為削減等現(xiàn)象的增加，這將導(dǎo)致銀行管理者難以對企業(yè)所投資的產(chǎn)品收益率進(jìn)行有效確切的估計，也讓銀行對企業(yè)進(jìn)行貸后監(jiān)管的難度進(jìn)一步上升。因此，銀行家認(rèn)為企業(yè)的違約風(fēng)險預(yù)期將進(jìn)一步增加，進(jìn)而改變貸款投資比例。

進(jìn)一步的，在理論模型中，對模型（14）中的pi，t對求偏微分，可得：

由式（15）可以得出，在σ2ν，t影響pi，t的過程中，會受到法定存款準(zhǔn)備金率rt的影響。即貨幣政策會影響宏觀經(jīng)濟(jì)不確定性對銀行信貸的邊際效應(yīng)，當(dāng)經(jīng)濟(jì)不確定性不變時，貨幣政策的逆周期調(diào)控行為確實(shí)可以在不確定性影響銀行信貸的過程中發(fā)揮有效的作用。部分學(xué)者也在其分析中提出，貨幣政策對銀行信貸具有顯著的作用影響，在施加作用的過程中通常是將法定存款準(zhǔn)備金、限制資本充足率和銀行股權(quán)的不完全競爭市場作為傳導(dǎo)渠道。綜上，提出研究假設(shè)：

貨幣政策在宏觀經(jīng)濟(jì)不確定性影響銀行信貸的過程中會起到顯著的逆周期調(diào)節(jié)作用。

三、變量選取與模型設(shè)定

（一）變量的選取

1.宏觀經(jīng)濟(jì)不確定性指標(biāo)

在關(guān)于宏觀經(jīng)濟(jì)不確定性測度的文獻(xiàn)中，最普遍的方法是GARCH（1，1）模型，使用ARCH 或GARCH 模型計算的條件方差不會忽視已經(jīng)發(fā)生過的事實(shí)信號。筆者將選取通過模型測算得到的條件方差來表示宏觀經(jīng)濟(jì)不確定性。首先使用HP濾波來去除數(shù)據(jù)的長期趨勢，然后利用X-12 方法將已經(jīng)排除長期趨勢的數(shù)據(jù)再進(jìn)一步刪去季節(jié)因素的影響，并對所得結(jié)果進(jìn)行平穩(wěn)性檢驗(yàn)。結(jié)果表明，在進(jìn)行過上述處理之后的這個數(shù)據(jù)偏離值是平穩(wěn)的。

具體而言，構(gòu)建不確定性指標(biāo)時：首先，聯(lián)立估計水平方程（yt=xtβ+ηt）和波動方程（ht=c+α0η2t-1+α1ht-1），就可以得到變量yt的條件方差ht。如果模型估計結(jié)果中GARCH項(xiàng)和ARCH項(xiàng)系數(shù)（即α0和α1）都顯著，就表示ht可以用作宏觀經(jīng)濟(jì)不確定性的代理變量。在GARCH（1，1）模型中使用了處理后的季度GDP實(shí)際增長率進(jìn)行實(shí)證分析，由此得到了衡量宏觀經(jīng)濟(jì)不確定性的變量unc 并取其對數(shù)，用lnunc 表示。表1為unc取對數(shù)后的測量結(jié)果。

表1 宏觀經(jīng)濟(jì)不確定性unc測量結(jié)果

2.貨幣政策代理變量

在考慮貨幣政策調(diào)控行為的代理變量的選擇時，為保證模型估計的有效性，除了使用理論模型推導(dǎo)中使用的法定存款準(zhǔn)備金率（RRR）之外，還借鑒徐明東和陳學(xué)彬（2012）的做法，引入另外2 種貨幣政策代理變量：銀行同業(yè)拆借利率（shibor）和貸款基準(zhǔn)利率（iL），以確保所得實(shí)證結(jié)論是穩(wěn)健的。其中銀行同業(yè)拆借利率用7天同業(yè)拆借利率代表。同時，在對法定存款準(zhǔn)備金率和一年期貸款利率變量處理上，將采用董華平和干杏娣（2015）的做法：如果在某年度內(nèi)，我國央行沒有對一年期貸款利率進(jìn)行調(diào)整，那么這個利率水平就是當(dāng)年這種貨幣政策代理變量的取值。如果我國央行在某年度內(nèi)對一年期貸款利率進(jìn)行了調(diào)整，就用每個利率水平所維持的時間長度作為權(quán)重，使用加權(quán)平均法計算出此貨幣政策代理變量該年的數(shù)據(jù)。這一做法不僅能夠讓貸款量與利率之間的聯(lián)系得到更加有效的體現(xiàn)，還能夠進(jìn)一步擴(kuò)大利率變量的變異程度，從而提升實(shí)證估計結(jié)果的準(zhǔn)確性。

3.其他變量

被解釋變量方面，使用銀行的貸款資產(chǎn)比lending來衡量商業(yè)銀行信貸行為。控制變量方面，根據(jù)“camel 法則”控制了銀行成長性、流動性水平、抵御風(fēng)險能力、經(jīng)營效率和盈利水平。資產(chǎn)流動性水平liquid 用流動性資產(chǎn)與總資產(chǎn)之比測算，考慮到資金來源對商業(yè)銀行信貸供給大小的約束作用同樣不可忽略，增加了存款規(guī)模depo 作為控制變量，并取其對數(shù)。在設(shè)置銀行的風(fēng)險指標(biāo)時，由于樣本銀行數(shù)據(jù)里囊括了很多非上市銀行，為了避免數(shù)據(jù)大量缺失，將借鑒徐明東和陳學(xué)彬（2012）的做法，主要選取Z值（z_score）和凈貸款/總資產(chǎn)（nla）來分別對銀行破產(chǎn)風(fēng)險和信用風(fēng)險進(jìn)行衡量。其中凈貸款由銀行貸款總額減去壞賬損失計算得出。信用風(fēng)險是銀行在日常經(jīng)營活動中最不容忽視的風(fēng)險，可以看出，凈貸款/總資產(chǎn)的比例越高，意味著銀行資產(chǎn)的信用風(fēng)險也就越高。針對破產(chǎn)風(fēng)險，參考徐明東和陳學(xué)彬（2012）所使用的測量方式，對銀行的Z值作出如下定義：

其中，roa 表示資產(chǎn)回報率，σ（roa）表示資產(chǎn)回報率的標(biāo)準(zhǔn)差（使用了3年的數(shù)據(jù)來滾動計算roa標(biāo)準(zhǔn)差），ea代表的是資本資產(chǎn)比例，由股東權(quán)益與總資產(chǎn)之比計算得出，Z值越大，就意味著銀行所面臨的破產(chǎn)風(fēng)險越大。其余變量定義見表2。

表2 相關(guān)變量說明

（二）模型設(shè)定

1. 檢驗(yàn)宏觀經(jīng)濟(jì)不確定性與商業(yè)銀行信貸行為的模型

首先驗(yàn)證宏觀經(jīng)濟(jì)不確定性與商業(yè)銀行信貸行為之間的非線性關(guān)系，構(gòu)建如下模型：

其中，i=1，2，…N 表示不同銀行，t=1，2，…T 表示年份。無法觀察到的隨機(jī)變量αi表示的是不同銀行之間的異質(zhì)性，μi，t表示會隨個體和時間產(chǎn)生變化的干擾項(xiàng)。lending表示商業(yè)銀行信貸行為，使用銀行信貸總量與銀行總資產(chǎn)之比進(jìn)行衡量（參照Talavera，2012）。核心解釋變量為宏觀經(jīng)濟(jì)不確定性unc，其詳細(xì)的測算辦法如上文所示。由于不確定性指標(biāo)使用的代理變量是GDP 變化率的條件方差，已經(jīng)規(guī)避了一般意義上不確定性的正負(fù)問題，因此反映的是宏觀經(jīng)濟(jì)的整體波動與銀行信貸之間的關(guān)系。在該模型中，觀測的重點(diǎn)是β2的符號正負(fù)及其顯著性。若β2的符號顯著的小于0，則意味著在維持其他因素不變的情況下，宏觀經(jīng)濟(jì)不確定性與銀行信貸行為之間確實(shí)呈倒U 型的非線性關(guān)系。cont代表微觀的控制變量。

2.檢驗(yàn)貨幣政策調(diào)控作用的模型

模型（17）中β2若顯著為小于0，則表明宏觀經(jīng)濟(jì)不確定性與銀行貸款行為之間確實(shí)為顯著的倒U型，為驗(yàn)證貨幣政策是否在宏觀經(jīng)濟(jì)不確定性影響銀行信貸的過程中起逆周期調(diào)節(jié)作用，接下來將不確定性的數(shù)據(jù)范圍限定于二次函數(shù)對稱軸的左邊，并使用以下模型進(jìn)行回歸，即在基礎(chǔ)模型中引入unc與貨幣政策代理變量的交互項(xiàng)。

模型（18）中的MP表示貨幣政策代理變量。由于該模型考察的重點(diǎn)在于驗(yàn)證貨幣政策的逆周期調(diào)節(jié)效果，因此將使用宏觀經(jīng)濟(jì)不確定性拐點(diǎn)之前的數(shù)據(jù)作為基準(zhǔn)，同時去除基礎(chǔ)模型中不確定性的二次項(xiàng)。

在模型（18）中，關(guān)注的參數(shù)是δ2，它所衡量的是在不同貨幣政策調(diào)控途徑下的銀行信貸行為對宏觀經(jīng)濟(jì)不確定性的敏感水平，若參數(shù)顯著小于零，則前文假設(shè)成立。

（三）數(shù)據(jù)描述

為盡可能滿足數(shù)據(jù)的可得性和完整性，將樣本采集的時間區(qū)間定為2004 年第1 季度到2018 年第4季度。國內(nèi)銀行非平衡面板數(shù)據(jù)來自于全球銀行與金融機(jī)構(gòu)分析庫（Bankscope），宏觀數(shù)據(jù)來源于同花順數(shù)據(jù)庫和BvD 系列庫EIU Country Data。采用軟件Stata14.0 將季度宏觀經(jīng)濟(jì)不確定性指標(biāo)做了調(diào)整，得到年度宏觀經(jīng)濟(jì)不確定性指標(biāo)。為排除異常值對回歸結(jié)果參數(shù)造成較大干預(yù)的可能性，將全部微觀變量進(jìn)行了縮尾處理，將數(shù)據(jù)前1%和后1%的部分去除。表3為主要變量的描述性統(tǒng)計結(jié)果。

宏觀經(jīng)濟(jì)不確定性不同年份之間標(biāo)準(zhǔn)差差距較大，說明數(shù)據(jù)波動較大，這是因?yàn)闃颖緯r間包含了2006—2007 年股市牛市和2007—2009 年經(jīng)濟(jì)衰退期。銀行平均總貸款資產(chǎn)比為46%，說明銀行資產(chǎn)里將近半數(shù)會作為貸款投資，商業(yè)銀行最關(guān)鍵的工作就是進(jìn)行信貸業(yè)務(wù)操作，從這個數(shù)據(jù)也可以看出信貸對銀行經(jīng)營有著舉足輕重的作用。另外，最大值為72.21%，最小值為18.50%，標(biāo)準(zhǔn)差為0.107，可以看出不同銀行彼此之間抑或是銀行不同時期之間的信貸規(guī)模還是有較大差距的。流動性資產(chǎn)占比的均值為19.99，最大值和最小值的區(qū)別較大，說明從全局來看，我國銀行資產(chǎn)流動性較高，但是個別銀行的流動性水平仍有待提高。樣本銀行客戶存款規(guī)模之間差別較大，標(biāo)準(zhǔn)差在所有樣本數(shù)據(jù)中最大，最大值是最小值的近5 萬倍。資產(chǎn)增長率的最大值與最小值差異也比較明顯，表明銀行成長性差異較大。此外，還計算了解釋變量之間的相關(guān)系數(shù)，結(jié)果其絕對值大部分都小于0.4，可以認(rèn)為模型里的多重共線性不會對實(shí)證結(jié)果產(chǎn)生顯著的不利影響。

表3 相關(guān)變量的描述性統(tǒng)計

四、實(shí)證結(jié)果與分析

（一）模型的估計方法

模型采用的數(shù)據(jù)主要是各個商業(yè)銀行在2004—2018 年的多種數(shù)據(jù)指標(biāo)，所以，在進(jìn)行實(shí)證測算衡量時將采用面板數(shù)據(jù)模型來完成分析。為了選取合適的估計模型，使用stata14.0 軟件分別設(shè)立了固定效應(yīng)面板模型和隨機(jī)效應(yīng)面板模型，通過F檢驗(yàn)和Hausman檢驗(yàn)發(fā)現(xiàn)應(yīng)使用固定效應(yīng)模型。

（二）宏觀經(jīng)濟(jì)不確定性與商業(yè)銀行信貸行為關(guān)系的檢驗(yàn)結(jié)果

如表4所示，列（1）為宏觀經(jīng)濟(jì)不確定性與商業(yè)銀行信貸行為關(guān)系的檢驗(yàn)結(jié)果，列（2）—（4）為貨幣政策逆周期調(diào)控的檢驗(yàn)結(jié)果，其中（2）、（3）、（4）分別表示以銀行間同業(yè)拆借利率、貸款基準(zhǔn)利率、法定存款準(zhǔn)備金率作為貨幣政策代理變量時的實(shí)證結(jié)果。

表4 實(shí)證分析結(jié)果

在列（1）中可以看出unct的回歸系數(shù)顯著為正，二次項(xiàng)指標(biāo)unc2t的系數(shù)顯著為負(fù)，這說明我國商業(yè)銀行銀行信貸行為與宏觀經(jīng)濟(jì)不確定性之間確實(shí)存在著顯著的倒U 型關(guān)系，如圖1 所示。而且，根據(jù)二次函數(shù)頂點(diǎn)公式及一次項(xiàng)系數(shù)0.247 和二次項(xiàng)系數(shù)-0.0154 可以計算得到，在此非線性關(guān)系中，unc 的對稱軸為8.01948，表示宏觀經(jīng)濟(jì)不確定性小于8.01948時，即使不確定性上升，銀行和企業(yè)在評估中會判斷此時的經(jīng)濟(jì)波動能夠?yàn)樽约簬硎找?，所以會擴(kuò)大信貸規(guī)模。當(dāng)宏觀經(jīng)濟(jì)不確定性大于8.01948時，一方面，企業(yè)會判斷此時的投資風(fēng)險太大，使得其做出減少投資的決策。另一方面，經(jīng)濟(jì)不確定性的加劇會顯著抑制我國民營企業(yè)融資效率的提升（宋云星等，2020），在不確定性較大時，銀行管理者準(zhǔn)確有效地預(yù)判出將來經(jīng)濟(jì)形勢的可能性減少，為了降低由未來風(fēng)險帶來的損失，銀行會采取比較謹(jǐn)慎的經(jīng)營方式，減小銀行信貸投放規(guī)模。從表1 中unc 取對數(shù)后的取值范圍來看，2004—2006 年，我國宏觀經(jīng)濟(jì)不確定性指標(biāo)unc 均小于8.01948，2007—2010 年，unc 均大于8.01948，而2011—2018 年，unc 均小于8.01948，也就表明，在2008 年金融危機(jī)前后一段時間內(nèi)，宏觀不確定性對商業(yè)銀行信貸規(guī)模起顯著的抑制作用，從而影響到企業(yè)的投資行為，給實(shí)體經(jīng)濟(jì)帶來不利影響。

接著來看微觀特征變量：liquid 的系數(shù)顯著小于零，該指標(biāo)越高，銀行為控制風(fēng)險，會降低風(fēng)險較大的貸款資產(chǎn)總額。gra 的系數(shù)也顯著小于零，從這可以看出，大規(guī)模銀行所擁有的資產(chǎn)量較多，所以其貸款規(guī)模增長速度會明顯比小規(guī)模銀行慢，因此會呈現(xiàn)“大銀行資產(chǎn)多、小銀行發(fā)展快”的特征。depo 與信貸總量的系數(shù)顯著為正，是因?yàn)殂y行所能提供的貸款量，很大程度上是由存款數(shù)量決定的，這就是商業(yè)銀行“以存定貸”的發(fā)展戰(zhàn)略。nla 對銀行貸款規(guī)模的影響顯著為正，可以看出，由于貸款投資存在風(fēng)險，假設(shè)企業(yè)在日常經(jīng)營活動中出現(xiàn)問題導(dǎo)致資金流斷裂，那么貸款的償付行為就不能維持，由此導(dǎo)致了不良貸款的出現(xiàn)。不良貸款越少，不僅象征銀行的資產(chǎn)質(zhì)量和盈利能力越高，同時也會降低銀行所遭受的來自監(jiān)管方面的壓力，從而可以擴(kuò)大信貸規(guī)模來獲取更大的投資收益。

圖1 宏觀經(jīng)濟(jì)不確定性unc與銀行信貸占比非線性關(guān)系圖

（三）貨幣政策逆周期調(diào)控的實(shí)證結(jié)果

根據(jù)表4 列（2）—（4）的實(shí)證結(jié)果可以得出：首先，當(dāng)以去除宏觀經(jīng)濟(jì)不確定性中大于8.01948 的數(shù)據(jù)作為考察基準(zhǔn)時，不確定性一次項(xiàng)unc 的系數(shù)顯著為正，這就表明在宏觀經(jīng)濟(jì)不確定性慢慢增加但水平不高時，商業(yè)銀行的貸款總量會顯著增加，即宏觀經(jīng)濟(jì)不確定性的適當(dāng)增加促進(jìn)了經(jīng)濟(jì)增長，這與上文理論推導(dǎo)保持一致。

其次，不確定性unc 與銀行間同業(yè)拆借利率shibor、貸款基準(zhǔn)利率iL、法定存款準(zhǔn)備金率RRR的交互項(xiàng)均分別顯著為負(fù)，也就是說隨著銀行同業(yè)拆借利率、貸款基準(zhǔn)利率、法定存款準(zhǔn)備金率的進(jìn)一步提高，商業(yè)銀行的信貸增長行為不僅僅會受到顯著的影響，而且會受到一定程度的抑制。這意味著在不確定性慢慢增加引起經(jīng)濟(jì)增長的過程中，中國央行通過實(shí)施緊縮的貨幣政策進(jìn)行逆周期調(diào)節(jié)，可以起到在一定程度上防止經(jīng)濟(jì)過熱的作用。越是緊縮的貨幣政策，在不確定性較小時，其降低宏觀經(jīng)濟(jì)不確定性對銀行信貸行為正面影響的能力就越強(qiáng)。貸款利率和銀行間同業(yè)拆借利率的上升會對企業(yè)和銀行的貸款能力施加作用，當(dāng)貸款基準(zhǔn)利率上升時，企業(yè)貸款的應(yīng)付利息成本增加，抵押品價值減少，企業(yè)資產(chǎn)負(fù)債表相較利率上升之前而言進(jìn)一步向不佳的方向轉(zhuǎn)變，當(dāng)同業(yè)拆借利率上升時，銀行所持有的可貸資金就會減少，因此銀行出于自身盈利與風(fēng)險考慮，將減少對企業(yè)的貸款。

另外，通過比較各交互項(xiàng)的系數(shù)大小，如圖2所示，可以發(fā)現(xiàn)，銀行同業(yè)拆借利率的抑制作用最大，逆周期調(diào)節(jié)效果最好，而法定存款準(zhǔn)備金率的約束作用最小，逆周期調(diào)節(jié)效果在這三個貨幣政策代理變量中位于末位，這一實(shí)證結(jié)果也與現(xiàn)實(shí)經(jīng)驗(yàn)保持一致。法定存款準(zhǔn)備金率發(fā)生變化之后，貨幣供應(yīng)量會受到影響，并進(jìn)而改變銀行的存款量，再作用于銀行提供的貸款量，這一過程逐級遞推，成效較慢、時滯較長，因此逆周期調(diào)控效果相對較差。而銀行同業(yè)拆借利率這類公開市場操作行為由于能夠及時、靈敏、精準(zhǔn)地體現(xiàn)出貨幣市場甚至國內(nèi)金融市場全盤的短期流動性供求情況，在金融市場發(fā)生變化時，中國央行能夠及時地進(jìn)行多次、持續(xù)性及探索性的控制行為，并且能夠?qū)嵤┠嫦蛘{(diào)控，對貨幣供給規(guī)模更敏感且能及時作出反應(yīng)，因此調(diào)節(jié)效果較好，驗(yàn)證了前文假設(shè)。

圖2 不同貨幣政策在不確定性影響銀行信貸過程中的調(diào)節(jié)作用

五、穩(wěn)健性檢驗(yàn)

由于國有銀行相較于其他銀行而言受到的國家管控力度更大，因此為確保上述研究結(jié)論的可靠性，借鑒沈悅和馬續(xù)濤（2017）的做法，將國有銀行從樣本中刪去，重新完成回歸檢驗(yàn)，回歸結(jié)果如表5所示。與前述一致，列（1）為宏觀經(jīng)濟(jì)不確定性與非國有商業(yè)銀行信貸行為關(guān)系的檢驗(yàn)結(jié)果，列（2）—（4）為貨幣政策逆周期調(diào)控的檢驗(yàn)結(jié)果，其中（2）、（3）、（4）分別表示以銀行間同業(yè)拆借利率、貸款基準(zhǔn)利率、法定存款準(zhǔn)備金率作為貨幣政策代理變量時的實(shí)證結(jié)果。由列（1）所示結(jié)果可以看出，剔除國有銀行樣本之后對回歸結(jié)果的符號沒有產(chǎn)生顯著影響，二次項(xiàng)指標(biāo)unc2t的系數(shù)仍顯著為負(fù)，這說明我國商業(yè)銀行銀行信貸行為與宏觀經(jīng)濟(jì)不確定性之間的倒U 型關(guān)系與商業(yè)銀行是否國有無關(guān)，這一結(jié)論是穩(wěn)健的。從列（2）—（4）中不確定性一次項(xiàng)unc 的系數(shù)仍顯著為正可以得出，宏觀經(jīng)濟(jì)不確定性的適當(dāng)增加促進(jìn)了經(jīng)濟(jì)增長，這與上文保持一致。其次，不確定性unc 與銀行間同業(yè)拆借利率shibor、貸款基準(zhǔn)利率iL、法定存款準(zhǔn)備金率RRR的交互項(xiàng)仍分別顯著為負(fù)，且通過比較各交互項(xiàng)的系數(shù)大小可得，與銀行同業(yè)拆借利率交互的系數(shù)絕對值最大，與法定存款準(zhǔn)備金率交互的系數(shù)絕對值最小，這也與上文所得結(jié)果一致，說明無論商業(yè)銀行是否國有，貨幣政策的逆周期調(diào)節(jié)都有顯著性作用，其中調(diào)節(jié)銀行同業(yè)拆借利率所產(chǎn)生的逆周期調(diào)控效果最好，這一結(jié)論也是穩(wěn)健的。綜上所述，前文所得結(jié)論都是穩(wěn)健可靠的。

表5 不含大型國有銀行樣本的穩(wěn)健性檢驗(yàn)

六、研究結(jié)論和政策啟示

筆者利用GARCH（1，1）模型測算出的實(shí)際GDP 條件異方差代表宏觀經(jīng)濟(jì)不確定性，基于我國167 家商業(yè)銀行2004—2018 年的面板數(shù)據(jù)，分析了商業(yè)銀行信貸行為與宏觀經(jīng)濟(jì)不確定性之間的關(guān)系，驗(yàn)證了貨幣政策的逆周期調(diào)控對二者關(guān)系的影響。結(jié)果顯示，宏觀經(jīng)濟(jì)不確定性與銀行信貸行為之間存在非線性的倒U型關(guān)系。當(dāng)宏觀經(jīng)濟(jì)不確定性較小時，投資環(huán)境中所蘊(yùn)含的機(jī)會較多，就算不確定性持續(xù)上升，銀行和企業(yè)的風(fēng)險預(yù)期也在合理的區(qū)間之中，所以會進(jìn)一步擴(kuò)大信貸投資規(guī)模。而當(dāng)宏觀經(jīng)濟(jì)不確定性進(jìn)一步提高時，商業(yè)銀行遭受較大打擊的可能性將增加，這會造成銀行日常經(jīng)營過程中的風(fēng)險敞口變大，所以存款人對存款的收益預(yù)期會增加，這會對銀行的資產(chǎn)來源起到較大的制約作用，從而使得商業(yè)銀行的貸款供給能力受到抑制。對貨幣政策調(diào)控作用的實(shí)證結(jié)果顯示，貨幣政策在不確定性影響銀行信貸行為時具有顯著的逆周期調(diào)控作用。在不確定性增加帶動經(jīng)濟(jì)走強(qiáng)的過程中，為避免產(chǎn)生經(jīng)濟(jì)過熱等負(fù)面效應(yīng)，緊縮的貨幣政策會對商業(yè)銀行信貸總量的增加起到一定程度的抑制，也就是說貨幣政策的逆周期調(diào)節(jié)可以促進(jìn)宏觀經(jīng)濟(jì)的穩(wěn)健運(yùn)行。而且，相較于調(diào)節(jié)法定存款準(zhǔn)備金率，銀行同業(yè)拆借利率這種公開市場操作的逆周期調(diào)控效果最強(qiáng)。

研究結(jié)論表明，貨幣政策進(jìn)行合理有效調(diào)整在保護(hù)銀行業(yè)穩(wěn)定乃至我國金融穩(wěn)步向前發(fā)展過程中所起的重要作用。但宏觀經(jīng)濟(jì)政策決策部門應(yīng)當(dāng)盡可能防止宏觀經(jīng)濟(jì)不確定性指標(biāo)超過峰值：第一，建立完整的宏觀經(jīng)濟(jì)預(yù)警體系，密切觀測各種不同種類的攻擊渠道，盡早對容易引起宏觀經(jīng)濟(jì)大幅波動的因素進(jìn)行辨別和處理。第二，有效應(yīng)用貨幣政策和財政政策等宏觀調(diào)控措施相結(jié)合的方式來確保經(jīng)濟(jì)平穩(wěn)運(yùn)行，科學(xué)穩(wěn)健把握貨幣政策逆周期調(diào)節(jié)力度，選擇適宜的貨幣政策調(diào)控方式，抓住穩(wěn)健貨幣政策的關(guān)注點(diǎn)，合理控制政策的發(fā)展動向和實(shí)施強(qiáng)度，積極推進(jìn)貨幣信貸、社會融資規(guī)模增長同經(jīng)濟(jì)發(fā)展相匹配，同時應(yīng)該維持好政策的連續(xù)性，防止政策自身變成導(dǎo)致經(jīng)濟(jì)不確定的因素。第三，應(yīng)該確保信息披露過程的全面性、透明性和及時性，以此來為經(jīng)濟(jì)主體提供令人滿意的決策環(huán)境支持，避免因?yàn)樾畔⑵`、脫漏或延時反而惡化了經(jīng)濟(jì)的不確定性。