廉永輝 黃 嬌 高杰英

一、引言

宏觀經(jīng)濟(jì)政策是政府進(jìn)行宏觀調(diào)控的重要手段。政府采用貨幣政策、財政政策、稅收政策、貿(mào)易政策等多種經(jīng)濟(jì)政策改變家庭、企業(yè)、銀行等微觀經(jīng)濟(jì)主體面臨的收益、成本、風(fēng)險，從而通過影響各類主體的經(jīng)濟(jì)行為來達(dá)成宏觀經(jīng)濟(jì)目標(biāo)。理論上，政府以多大力度、以何種方式實施何種經(jīng)濟(jì)政策均具有不確定性?，F(xiàn)實中，我國政府對經(jīng)濟(jì)形勢變化反應(yīng)較快，尤其是國際金融危機(jī)之后，面臨錯綜復(fù)雜的內(nèi)外部環(huán)境政府需要及時調(diào)整各類經(jīng)濟(jì)政策，客觀上導(dǎo)致了較高的經(jīng)濟(jì)政策不確定性(彭俞超等，2018[1])。與此同時，我國政府對經(jīng)濟(jì)運行強(qiáng)大的干預(yù)能力也使得各類經(jīng)濟(jì)主體對經(jīng)濟(jì)政策的調(diào)整及其不確定性較為敏感。尤其是商業(yè)銀行，在宏觀經(jīng)濟(jì)政策調(diào)控中充當(dāng)重要的中介作用，其信貸配置行為和風(fēng)險狀況對經(jīng)濟(jì)政策不確定性極其敏感(顧海峰和于家珺，2019[2])。

2008年國際金融危機(jī)爆發(fā)以來，銀行羊群效應(yīng)在危機(jī)發(fā)展過程中起到的負(fù)面作用受到學(xué)者的廣泛關(guān)注。銀行羊群效應(yīng)反映了商業(yè)銀行在承擔(dān)風(fēng)險和持有資產(chǎn)方面傾向于做出同質(zhì)化決策的現(xiàn)象(Nakagawa，2022[3])(1)在金融領(lǐng)域，“羊群行為”是指投資者依賴追隨其他投資者的決策而進(jìn)行投資決策的行為，羊群行為所帶來的投資效應(yīng)稱為“羊群效應(yīng)”。。張琳等(2022)[4]研究表明，商業(yè)銀行持有共同或相似資產(chǎn)是風(fēng)險傳染的重要渠道。在因持有共同或相似資產(chǎn)形成的銀行間接關(guān)聯(lián)網(wǎng)絡(luò)中，資產(chǎn)質(zhì)量惡化會對銀行體系造成共同沖擊，并導(dǎo)致銀行競相降價拋售資產(chǎn)。在市場流動性有限的前提下，相應(yīng)資產(chǎn)的價格因拋售而降低，這將進(jìn)一步導(dǎo)致更多商業(yè)銀行資產(chǎn)縮水而引發(fā)新一輪更嚴(yán)重的風(fēng)險傳染，最終引發(fā)銀行系統(tǒng)性風(fēng)險(Girardi等，2021[5]；方意，2021[6])。銀行在提供信貸時也會出現(xiàn)羊群行為，這種羊群行為的潛在負(fù)面影響是即便每家銀行倒閉的風(fēng)險變小，但系統(tǒng)性風(fēng)險仍有可能增加(Nakagawa和Uchida，2011[7])。

那么，當(dāng)經(jīng)濟(jì)政策不確定性上升時，商業(yè)銀行在信貸配置方面的羊群效應(yīng)是否有所加??？研究這一問題有助于從宏觀層面明確我國銀行體系羊群效應(yīng)的影響因素，對于防范化解系統(tǒng)性金融風(fēng)險具有重要的現(xiàn)實價值。為此，本文選用2007—2020年我國99家銀行非平衡面板數(shù)據(jù)，借助Huang和Luk(2020)[8]構(gòu)造的中國經(jīng)濟(jì)政策不確定性指數(shù)，以銀行貸款相似性反映羊群效應(yīng)程度，實證檢驗了經(jīng)濟(jì)政策不確定性對羊群效應(yīng)的影響。結(jié)果表明，經(jīng)濟(jì)政策不確定性會加劇銀行羊群效應(yīng)。異質(zhì)性分析表明，資本充足率越低、流動性水平越低以及資產(chǎn)越不透明的商業(yè)銀行，其羊群效應(yīng)受經(jīng)濟(jì)政策不確定性的影響越大。

本文的貢獻(xiàn)首先在于拓展了經(jīng)濟(jì)政策不確定性與羊群效應(yīng)關(guān)系方面的文獻(xiàn)。既有關(guān)于經(jīng)濟(jì)政策不確定性與羊群效應(yīng)的文獻(xiàn)，大多集中于經(jīng)濟(jì)政策不確定性對企業(yè)投資行為、基金資產(chǎn)配置行為、分析師預(yù)測行為等方面的羊群效應(yīng)的影響(Makololo和Seetharam，2020[9]；Chen等，2022[10])，并未考察經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)的影響。在我國以銀行為主導(dǎo)的金融體系中，商業(yè)銀行作為重要的金融中介，對于經(jīng)濟(jì)政策不確定性尤其敏感。因此，本文將羊群效應(yīng)群體拓展到商業(yè)銀行體系，研究經(jīng)濟(jì)政策不確定性如何影響銀行信貸行為方面的羊群效應(yīng)，彌補了既有研究的不足。其次，本文研究也豐富了經(jīng)濟(jì)政策不確定性對商業(yè)銀行影響方面的文獻(xiàn)。既有文獻(xiàn)發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性抑制銀行信貸增長(Bordo等，2016[11])、增加銀行流動性儲備(Berger等，2022[12])、提高銀行被動風(fēng)險承擔(dān)(Chi和Li，2017[13]；顧海峰和于家珺，2019[2]；Karadima和Louri，2021[14])、加劇銀行系統(tǒng)性風(fēng)險(張琳等，2022[4])。本文通過考察經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)的影響，為經(jīng)濟(jì)政策不確定性通過增加銀行個體與系統(tǒng)的關(guān)聯(lián)性而提升銀行系統(tǒng)性風(fēng)險提供了新的證據(jù)。最后，本文從銀行信貸配置相似性角度更為精確地測度了銀行羊群效應(yīng)。本文利用銀行貸款行業(yè)分布數(shù)據(jù)，基于余弦相似度等方式測度貸款相似性，以此反映銀行在信貸配置方面的羊群效應(yīng)程度。相比之下，邱兆祥和王保東(2008)[15]、Baum等(2009)[16]、Calmes和Theoret(2014)[17]在考察宏觀經(jīng)濟(jì)不確定性對銀行信貸行為的影響時，發(fā)現(xiàn)宏觀經(jīng)濟(jì)不確定性降低了銀行間貸款占比的截面方差，側(cè)面提供了宏觀經(jīng)濟(jì)不確定性會增加銀行羊群效應(yīng)的證據(jù)。不過，以貸款截面方差反映銀行羊群效應(yīng)的做法較為粗糙，僅關(guān)注了銀行貸款總量在全部資產(chǎn)中的占比，而無法體現(xiàn)銀行貸款內(nèi)部結(jié)構(gòu)信息。

二、理論分析和研究假設(shè)

(一)經(jīng)濟(jì)政策不確定性與銀行羊群效應(yīng)

第一，經(jīng)濟(jì)政策不確定性加大了集體道德風(fēng)險。經(jīng)濟(jì)政策不確定性上升會加劇銀行的違約風(fēng)險、增加銀行倒閉的可能性(顧海峰和于家珺，2019[2])。一家銀行的違約或者倒閉會使債權(quán)人對未來投資市場預(yù)期更加悲觀，認(rèn)為“其他銀行在未來也可能出現(xiàn)倒閉”，這種預(yù)判會催生對其他金融機(jī)構(gòu)的擠兌行為，從而產(chǎn)生“衰退溢出效應(yīng)”。為了降低這種負(fù)外部性發(fā)生的概率，政府不得不為問題銀行提供緊急救助。這種“太多而不能倒”的隱形擔(dān)保誘使銀行一窩蜂地進(jìn)行類似的投資，以增加它們破產(chǎn)時獲得紓困的可能性(Acharya，2009[18]；Benoit等，2017[19])。

第二，經(jīng)濟(jì)政策不確定性加劇銀行面臨的信息不對稱程度，導(dǎo)致銀行做出更為同質(zhì)的信貸決策。經(jīng)濟(jì)政策不確定性會使信息的準(zhǔn)確性降低，導(dǎo)致銀行收集借款人的信息成本更高?；谛畔@取的學(xué)習(xí)效應(yīng)，此時掌握信息較少的銀行基于利益最大化的原則，會理性選擇在信息獲取上免費搭便車，跟隨和模仿具有信息優(yōu)勢銀行的信貸決策(Baum等，2009[16])。

第三，銀行經(jīng)理傾向于在經(jīng)濟(jì)政策不確定性上升時采取追隨策略。銀行經(jīng)理人出于對自己事業(yè)前景的考慮，會特別關(guān)注自己的聲譽，因此，銀行經(jīng)理人更傾向于追隨同類型銀行，以獲取更高的聲譽(申明浩和宋劍波，2008[20])。當(dāng)面臨經(jīng)濟(jì)政策不確定性上升時銀行經(jīng)理人做出的投資策略會更加謹(jǐn)慎，更不愿意私自冒風(fēng)險，因此會選擇放棄自己的私有信息，跟隨其他大多數(shù)人做出投資策略，即使出現(xiàn)問題，也是整個行業(yè)的失誤，而不是經(jīng)理人自身能力問題，股東也更有可能將責(zé)任歸因于經(jīng)理人能力之外的因素，從而不會影響到銀行經(jīng)理人的聲譽(Haiss，2010[21]；Cai，2022[22])。因此，本文提出研究假說1。

假說1：經(jīng)濟(jì)政策不確定性上升會增加銀行羊群效應(yīng)。

(二)經(jīng)濟(jì)政策不確定性、銀行異質(zhì)性與銀行羊群效應(yīng)

資本充足率不同的銀行在資產(chǎn)負(fù)債配置行為上存在明顯差異，探究經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)的影響，不能忽略資本充足率在其中起到的作用。一方面，基于風(fēng)險共擔(dān)的邏輯，資本充足率較高的銀行道德風(fēng)險較低(田國強(qiáng)和李雙建，2020[23])。經(jīng)濟(jì)政策不確定性上升對資本充足率高的銀行的影響較小，因為資本充足率高的銀行，其抵御風(fēng)險的能力較強(qiáng)、商譽較好，進(jìn)而特許權(quán)價值較高，會抑制包括集體風(fēng)險承擔(dān)在內(nèi)的風(fēng)險承擔(dān)行為，因此羊群效應(yīng)較小。另一方面，基于信號發(fā)送理論，資本充足率較高的銀行更有能力應(yīng)對外部負(fù)面沖擊而獨立做出資產(chǎn)配置決策。經(jīng)濟(jì)政策不確定性上升，銀行與外部投資者之間的信息不對稱程度加劇。較高的資本充足率可以向市場傳遞自身穩(wěn)健經(jīng)營的信號，緩解銀行與投資者之間的信息不對稱問題。這有助于增強(qiáng)銀行融資流動性，從而減輕銀行在信貸配置時的從眾壓力。因此，本文提出研究假說2。

假說2：相對于資本充足率較高的銀行，經(jīng)濟(jì)政策不確定性更會加劇資本充足率較低銀行的羊群效應(yīng)。

銀行流動性水平可能影響經(jīng)濟(jì)政策不確定性與銀行羊群效應(yīng)的關(guān)系。其一，根據(jù)集體風(fēng)險承擔(dān)邏輯?！疤喽荒艿埂钡碾[形擔(dān)保，使得流動性不足的銀行因經(jīng)濟(jì)政策不確定而增強(qiáng)集體風(fēng)險承擔(dān)動機(jī)。在追求更多的流動性風(fēng)險承擔(dān)時，流動性不足的銀行更有可能傾向于模仿流動性較好的銀行選擇流動性管理策略(辛兵海和陶江，2018[24])，以此來規(guī)避因經(jīng)濟(jì)政策不確定性而加劇的銀行流動性風(fēng)險。其二，基于信息獲取的學(xué)習(xí)效應(yīng)。不同的銀行會對信息做出不同的解讀，使其對沖擊的認(rèn)知存在差異，因而加大了沖擊的不確定性。由于信息不對稱的存在，流動性不足的銀行可能不太了解流動性的影響因素，所以對自身流動性的需求難以準(zhǔn)確評估(孫國峰和蔡春春，2014[25])。為了避免經(jīng)濟(jì)政策不確定性帶來的風(fēng)險，流動性不足的銀行可能會加強(qiáng)在信息獲取上搭便車的學(xué)習(xí)動機(jī)。在這種情形下，它們會模仿流動性較好的銀行尋找增強(qiáng)流動性的相關(guān)因素?；谏鲜龇治?，本文提出研究假說3。

假說3：相對于流動性水平較高的銀行，經(jīng)濟(jì)政策不確定性更會加劇流動性水平較低銀行的羊群效應(yīng)。

不同銀行資產(chǎn)透明度存在較大差異，這種差異可能會導(dǎo)致羊群效應(yīng)對經(jīng)濟(jì)政策不確定性的敏感性不盡相同。原因在于，資產(chǎn)不透明的銀行在經(jīng)濟(jì)政策不確定性上升時模仿其他銀行投資決策的動機(jī)更強(qiáng)。第一，存款人和投資者無法及時準(zhǔn)確掌握資產(chǎn)透明度較低銀行的資產(chǎn)質(zhì)量和經(jīng)營水平信息。在經(jīng)濟(jì)政策不確定性上升時期，存款人和投資者更容易產(chǎn)生避險情緒和恐慌情緒。這會導(dǎo)致其他銀行的壞消息更容易溢出至資產(chǎn)透明度低的銀行，所以這類銀行更需要政府提供的安全網(wǎng)，而通過集體風(fēng)險承擔(dān)能夠增加政府出手救助的概率(Acharya，2009[18])。第二，資產(chǎn)不透明銀行的公司治理水平和經(jīng)營管理能力較差，難以適應(yīng)快速變化的外部環(huán)境(張琳等，2022[4])，并且這些不透明資產(chǎn)的違約對銀行管理層來說很難預(yù)測。為維護(hù)自身聲譽，資產(chǎn)不透明銀行的管理層也會傾向于模仿其他銀行信貸行為，這樣即便投資失敗也可以將其歸咎于系統(tǒng)性因素而非管理層能力。此外，資產(chǎn)不透明導(dǎo)致存款人和監(jiān)管者無法有效監(jiān)督和約束此類銀行管理層的行為，此時即便管理層采用了“濫竽充數(shù)”的模仿策略，也難以被及時發(fā)現(xiàn)和糾正。基于此，本文提出研究假說4。

假說4：相對于資產(chǎn)透明度較高的銀行，經(jīng)濟(jì)政策不確定性更會加劇資產(chǎn)透明度較低銀行的羊群效應(yīng)。

三、實證研究設(shè)計

(一)模型設(shè)定和變量度量

為檢驗經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)的影響，本文設(shè)定如下計量模型：

(1)

其中，i和j=1，2，…，N表示銀行個體，t=1，2，…，T表示年度。余弦相似系數(shù)COS反映了銀行貸款羊群效應(yīng)程度，CNEPU度量了中國經(jīng)濟(jì)政策不確定性，MIRi(MIRj)為銀行i(j)相關(guān)的微觀控制變量，MAC為宏觀經(jīng)濟(jì)控制變量，εi，t為隨個體和時間而改變的擾動項，λi(δj)表示銀行i(j)的固定效應(yīng)。對各變量的具體說明如下：

1.銀行信貸羊群效應(yīng)(COS)。

借鑒Fricke(2016)[26]、王向楠(2018)[27]的做法，本文以余弦相似系數(shù)COSi，j，t來測度銀行i和銀行j在第t年的貸款相似度：

(2)

其中，ωi，k，t為銀行i在t年第k個行業(yè)的貸款占總貸款的比重，k=1，2，…，13(2)本文涉及的貸款行業(yè)分為13類，包括：制造業(yè)；批發(fā)和零售業(yè)；交通運輸、倉儲和郵政業(yè)；房地產(chǎn)業(yè)；電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)；建筑業(yè)；采礦業(yè)；住宿和餐飲業(yè)；農(nóng)、林、牧、漁業(yè)；水利、環(huán)境和公共設(shè)施管理業(yè)；租賃和商務(wù)服務(wù)業(yè)；文化、體育和娛樂業(yè)；其他行業(yè)。。

2.中國經(jīng)濟(jì)政策不確定性(CNEPU)。

目前存在三種中國經(jīng)濟(jì)政策不確定性指數(shù)：一是Baker等(2016)[28]基于中國香港《南華早報》(英文版)構(gòu)建的中國經(jīng)濟(jì)政策不確定性指數(shù)(BKEPU)，二是Davis等(2019)[29]應(yīng)用Baker等(2016)[28]所提方法，基于中國內(nèi)地《人民日報》和《光明日報》構(gòu)建的中國經(jīng)濟(jì)政策不確定性指數(shù)(DVEPU)，三是Huang和Luk(2020)[8]基于中國內(nèi)地《北京青年報》《廣州日報》等十種報紙構(gòu)建的中國經(jīng)濟(jì)政策不確定性指數(shù)(CNEPU)。BKEPU提出和公開的時間最早，但從信息來源角度看，《南華早報》可能更多地反映了中國香港而非中國大陸的經(jīng)濟(jì)狀況，DVEPU基于的是更能反映大陸狀況的兩份權(quán)威報紙來源(關(guān)鍵詞與BKEPU一致)，相比之下，CNEPU涉及的報紙范圍更廣、關(guān)鍵詞也更為豐富，受媒體偏差影響較小。因此，本文選用CNEPU度量中國經(jīng)濟(jì)政策不確定性。

3.控制變量。

銀行層面控制變量MIR主要包括：資產(chǎn)規(guī)模SIZE，為銀行總資產(chǎn)的自然對數(shù)；盈利能力ROA，為稅后凈利潤與總資產(chǎn)的比值；不良貸款率NPL，為不良貸款與總貸款余額之比；存款比率DEPO，為存款總額與總負(fù)債之比；存貸比LDR，為貸款總額與存款總額之比；資本充足率CAR，為監(jiān)管資本與風(fēng)險加權(quán)資產(chǎn)之比。為了緩解可能存在的內(nèi)生性問題，銀行層面控制變量均采用滯后一期。宏觀層面控制變量MAC包括通貨膨脹率CPI、年度實際GDP增長率、年度M2同比(3)由于核心解釋變量CNEPU為時間序列變量，此時模型直接控制時間固定效應(yīng)會導(dǎo)致完全共線性問題，造成CNEPU系數(shù)無法估計。為了避免產(chǎn)生上述共線性問題的前提下盡可能消除時間效應(yīng)對回歸結(jié)果的影響，我們借鑒Gulen和Ion(2016)[30]在回歸模型中加入其他宏觀經(jīng)濟(jì)控制變量。。

(二)數(shù)據(jù)來源和樣本選擇

CNEPU取自黃昀和陸尚勤維護(hù)的中國經(jīng)濟(jì)政策不確定性網(wǎng)站(4)網(wǎng)址為：https：//economicpolicyuncertaintyinchina.weebly.com/。，銀行貸款行業(yè)分布和銀行財務(wù)數(shù)據(jù)來自Wind數(shù)據(jù)庫，宏觀經(jīng)濟(jì)數(shù)據(jù)來自國家統(tǒng)計局網(wǎng)站。在剔除貸款行業(yè)分布和銀行微觀財務(wù)數(shù)據(jù)缺失嚴(yán)重的銀行后，本文最終選取2007—2020年我國99家商業(yè)銀行年度數(shù)據(jù)為研究樣本。其中包括6家大型國有商業(yè)銀行、12家股份制商業(yè)銀行、61家城市商業(yè)銀行和20家農(nóng)村商業(yè)銀行。截至2020年年底，樣本銀行總資產(chǎn)(負(fù)債)占境內(nèi)銀行業(yè)金融機(jī)構(gòu)總資產(chǎn)(負(fù)債)的79.87%(80.05%)，本文選取的樣本具有較好的代表性。

(三)描述性統(tǒng)計

本文對所有銀行層面的連續(xù)變量在其分布的1%和99%位置上進(jìn)行了縮尾處理。表1匯報了主要變量的描述性統(tǒng)計結(jié)果。貸款相似性COS最小值為0.262，最大值為0.978，說明不同銀行間的貸款相似性存在較大差異。樣本期間內(nèi)經(jīng)濟(jì)政策不確定性CNEPU總體呈現(xiàn)波動上升趨勢，其最小值為91.598(2007年)，最大值高達(dá)165.743(2011年)。在對模型進(jìn)行正式檢驗之前，本文還考察了主要變量的相關(guān)系數(shù)。各解釋變量相關(guān)系數(shù)的絕對值多數(shù)在0.4以下，模型并不存在嚴(yán)重的多重共線性問題。CNEPU和COS的皮爾遜相關(guān)系數(shù)顯著為正(0.035)，這意味著在不控制其他因素影響的前提下，經(jīng)濟(jì)政策不確定性會增加銀行羊群效應(yīng)。當(dāng)然，在控制了其他因素后，經(jīng)濟(jì)政策不確定性的影響還需要進(jìn)一步的計量分析予以確認(rèn)。

表1 描述性統(tǒng)計

四、實證結(jié)果分析

(一)基準(zhǔn)回歸結(jié)果

本文所有回歸均采用了銀行i和銀行j層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤。表2匯報了基準(zhǔn)模型的估計結(jié)果。各列回歸中，經(jīng)濟(jì)政策不確定性CNEPU的回歸系數(shù)在1%的水平上顯著為正。進(jìn)一步地，根據(jù)列(5)的回歸結(jié)果，并結(jié)合表1描述性統(tǒng)計結(jié)果，可以計算出CNEPU增加1個標(biāo)準(zhǔn)差，平均而言COS上升0.045(18.347×0.039÷15.876)個標(biāo)準(zhǔn)差，可見經(jīng)濟(jì)政策不確定性能夠顯著提升銀行信貸配置羊群效應(yīng)，從而驗證了研究假設(shè)1。

表2 經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)的影響

(二)內(nèi)生性問題的處理

第一，工具變量檢驗。借鑒戰(zhàn)相岑等(2021)[31]、Desalegn和Zhu(2021)[32]的做法，利用Baker等(2016)[28]構(gòu)建的英國經(jīng)濟(jì)政策不確定性指數(shù)(滯后一期)UKEPUt-1和日本經(jīng)濟(jì)政策不確定性指數(shù)(滯后一期)JPEPUt-1作為工具變量，并采用兩階段最小二乘法進(jìn)行內(nèi)生性檢驗。英國和日本是我國重要的貿(mào)易伙伴，兩國經(jīng)濟(jì)政策不確定性會通過雙邊貿(mào)易關(guān)系影響我國經(jīng)濟(jì)政策的不確定性，因此UKEPUt-1和JPEPUt-1滿足相關(guān)性條件；由于中國商業(yè)銀行的國際化程度較低，其銀行羊群效應(yīng)難以受到滯后期的英國或日本經(jīng)濟(jì)政策不確定性的直接影響，因此UKEPUt-1和JPEPUt-1具有較強(qiáng)的外生性。表3列(1)～列(3)匯報了面板工具變量2SLS方法的回歸結(jié)果?？梢钥闯?，在工具變量的相關(guān)性檢驗中，Anderson canon. corr. LM統(tǒng)計量的P值小于0.1，拒絕工具變量識別不足的原假設(shè)；Cragg-Donald Wald F統(tǒng)計量均大于相應(yīng)的Stock-Yogo臨界值16.38，拒絕弱工具變量的原假設(shè)；在工具變量的外生性檢驗中，Hensan J統(tǒng)計量的P值大于0.1，無法拒絕兩個工具變量為外生的原假設(shè)。列(1)～列(3)回歸中，核心解釋變量CNEPU的估計系數(shù)均在10%的水平或更高水平上顯著為正，說明研究結(jié)論是可靠的。

表3 內(nèi)生性問題處理

第二，使用動態(tài)面板數(shù)據(jù)計量模型的檢驗?？紤]當(dāng)前銀行羊群效應(yīng)可能會受前期的影響而呈現(xiàn)慣性特征，本文在模型(1)的基礎(chǔ)上加入被解釋變量的滯后項，從而形成動態(tài)面板數(shù)據(jù)。表3列(4)匯報了兩步糾偏系統(tǒng)GMM方法的估計結(jié)果。Sargan統(tǒng)計量P值為0.376，無法拒絕工具變量有效的原假設(shè)，一階差分轉(zhuǎn)換方程殘差的二階序列相關(guān)檢驗AR(2)表明原方程擾動項不存在二階自相關(guān)，符合系統(tǒng)GMM方法的應(yīng)用條件。銀行貸款相似性COS的滯后一階項的系數(shù)顯著為正，說明銀行羊群效應(yīng)具有明顯的慣性特征。CNEPU的回歸系數(shù)保持顯著為正，本文結(jié)論依然成立。

第三，使用滯后期解釋變量。由于經(jīng)濟(jì)政策不確定性與商業(yè)銀行羊群效應(yīng)之間可能存在反向因果型內(nèi)生性問題，為此，本文以滯后期經(jīng)濟(jì)政策不確定性CNEPUt-1作為核心解釋變量重新回歸。表3列(5)回歸結(jié)果顯示，CNEPUt-1的系數(shù)顯著為正，說明本文結(jié)論是穩(wěn)健的。

第四，排除宏觀經(jīng)濟(jì)不確定性的影響?？紤]到銀行羊群效應(yīng)的變化可能是由宏觀經(jīng)濟(jì)不確定性而非經(jīng)濟(jì)政策不確定性引起的，如果不控制宏觀經(jīng)濟(jì)不確定性，可能會導(dǎo)致遺漏變量型內(nèi)生性問題。為此，本文增加宏觀經(jīng)濟(jì)不確定性EU。參照顧海峰和于家珺(2019)[2]的研究，將工業(yè)增加值增長率的月度數(shù)據(jù)構(gòu)建廣義自回歸條件異方差模型，得到條件方差(5)對月度工業(yè)增加值同比增速序列估計了具有不同水平方程的GARCH(1，1)模型，結(jié)果顯示水平方程設(shè)為AR(2)時模型ARCH項和GARCH項均顯著，故我們使用AR(2)-GARCH(1，1)模型的預(yù)測條件方差作為宏觀經(jīng)濟(jì)不確定性的代理變量。，并用月度條件方差的年度均值作為宏觀經(jīng)濟(jì)不確定性的代理變量。表3列(6)中，EU系數(shù)顯著為正，說明宏觀經(jīng)濟(jì)不確定性上升同樣會加劇銀行羊群效應(yīng)。同時CNEPU的系數(shù)未明顯變化，本文結(jié)論保持不變。

(三)穩(wěn)健性檢驗

1.替換被解釋變量。

第一，借鑒Fricke(2016)[26]的做法，以廣義Jaccard指標(biāo)替換余弦相似性指標(biāo)：

(3)

GJacc的值處于[0，1]，取值越大表示兩家銀行的貸款越同質(zhì)。表4列(1)的回歸結(jié)果中CNEPU系數(shù)顯著為正，說明替換貸款相似性度量指標(biāo)不改變本文結(jié)論。

表4 替換被解釋變量的回歸結(jié)果

續(xù)前表

第二，在貸款行業(yè)分布的基礎(chǔ)上進(jìn)一步考慮銀行個人貸款業(yè)務(wù)(6)個人貸款包括6類：個人住房貸款、個人消費貸款、個人經(jīng)營性貸款、汽車金融貸款、信用卡應(yīng)收賬款以及其他個人貸款。，計算綜合反映對公貸款和個人貸款相似度的COSL。表4列(2)的回歸結(jié)果中CNEPU系數(shù)顯著為正，這意味著經(jīng)濟(jì)政策不確定性增加了銀行在信貸配置方面的羊群效應(yīng)。

第三，在各類貸款的基礎(chǔ)上，進(jìn)一步考慮其他三大類資產(chǎn)(包括債券資產(chǎn)、同業(yè)資產(chǎn)、現(xiàn)金資產(chǎn))(7)其中，債券資產(chǎn)=交易性金融資產(chǎn)+以攤余成本計量的金融資產(chǎn)+以公允價值計量且其變動計入其他綜合收益的金融資產(chǎn)+可供出售金融資產(chǎn)+持有至到期投資；同業(yè)資產(chǎn)=存放同業(yè)和其他金融機(jī)構(gòu)款項+拆出資金+買入返售金融資產(chǎn)；現(xiàn)金資產(chǎn)即現(xiàn)金及存放中央銀行款項。，構(gòu)造銀行資產(chǎn)相似性指標(biāo)COSA。表4列(3)的回歸結(jié)果中CNEPU的系數(shù)顯著為正，表明經(jīng)濟(jì)政策不確定性增加了銀行整體資產(chǎn)配置的羊群效應(yīng)。

2.替換解釋變量。

一方面，參考Gulen和Ion(2016)[30]和李增福等(2022)[33]的處理方式，使用加權(quán)平均法重新計算中國經(jīng)濟(jì)政策不確定性指數(shù)(8)方法1：加權(quán)平均法的計算步驟為越接近年末的月份的指數(shù)賦予越高權(quán)重，每個月份的權(quán)重依次為1/78、2/78、3/78……11/78、12/78。方法2：將第1、第2、第3、第4季度內(nèi)的月份分別賦予權(quán)重為1/30、2/30、3/30、4/30。，并對模型進(jìn)行了回歸，結(jié)果見表5列(1)、列(2)。關(guān)鍵變量的符號與顯著性水平?jīng)]有發(fā)生改變。另一方面，考察不同類型經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)的影響。Huang和Luk(2020)[8]不僅構(gòu)造了中國經(jīng)濟(jì)政策不確定性總指數(shù)，還使用細(xì)化的關(guān)鍵詞構(gòu)造了貨幣政策不確定性(MPU)、財政政策不確定性(FPU)、匯率與資本項目政策不確定性(ECPU)和貿(mào)易政策不確定性(TPU)四種不同類別的經(jīng)濟(jì)政策不確定性指數(shù)。將模型(1)中的CNEPU分別替換為上述四類經(jīng)濟(jì)政策不確定性指數(shù)，回歸結(jié)果見表5列(3)～列(6)。各列回歸中，除TPU系數(shù)顯著為負(fù)之外(9)樣本范圍內(nèi)TPU與CNEPU的皮爾遜相關(guān)系數(shù)為-0.026，說明貿(mào)易政策不確定性與整體經(jīng)濟(jì)政策不確定性的關(guān)系較弱?？赡艿脑蛟谟?，中國貿(mào)易政策不確定性很大程度上是由外部貿(mào)易環(huán)境變化所引致(如美國發(fā)起的“貿(mào)易戰(zhàn)”)，這與貨幣政策、財政政策和匯率政策主要反映國內(nèi)相關(guān)政策情況有所不同。，MPU、FPU、ECPU的系數(shù)均顯著為正，與基準(zhǔn)回歸結(jié)果一致。

表5 替換解釋變量的回歸結(jié)果

3.變更樣本范圍。

第一，按銀行類型將樣本分為國有大型商業(yè)銀行和股份制商業(yè)銀行、城市商業(yè)銀行和農(nóng)村商業(yè)銀行兩組樣本。第二，將樣本限定為上市銀行(共40家)。第三，剔除可能對估計結(jié)果產(chǎn)生重要影響的異常年份：一是剔除2008年金融危機(jī)期間的樣本；二是剔除2015年股票市場異常波動的樣本；三是剔除2020年受新冠疫情影響的樣本。表6各列回歸中CNEPU系數(shù)均顯著為正。

五、異質(zhì)性分析

為考察銀行資本充足率、流動性和資產(chǎn)透明度在經(jīng)濟(jì)政策不確定性與銀行羊群效應(yīng)關(guān)系中的調(diào)節(jié)作用，我們在模型(1)的基礎(chǔ)上加入相關(guān)變量與經(jīng)濟(jì)政策不確定性的交叉項，建立如下模型：

COSi,j,t=α+βCNEPUt+θZi,j,t-1×CNEPUt+ωZi,j,t-1

+δj+εi,t

(4)

其中，Z為調(diào)節(jié)變量(10)感謝匿名審稿專家對交叉項模型中調(diào)節(jié)變量度量方式提出的寶貴意見。除基于虛擬變量型調(diào)節(jié)變量進(jìn)行異質(zhì)性分析外，我們還使用了連續(xù)型調(diào)節(jié)變量進(jìn)行異質(zhì)性分析(篇幅所限，未予在正文中匯報)，結(jié)論保持不變。。當(dāng)考察資本充足率異質(zhì)性時，Z等于資本充足率虛擬變量(11)生成CARH的方法如下：首先計算銀行i和銀行j資本充足率均值A(chǔ)Carijt=(Carit+Carjt)/2，然后基于ACar的年度中位數(shù)Mcart進(jìn)行逐年分組，定義CARH=I(ACarijt>Mcart)。其余虛擬變量生成方法與此類似。(CARH)和核心一級資本充足率虛擬變量(CCARH)；當(dāng)考察流動性異質(zhì)性時，Z分別為存貸比虛擬變量(LDRH)和流動性比率虛擬變量(LIQH)；當(dāng)考察資產(chǎn)透明度異質(zhì)性時，我們參考陳國進(jìn)等(2021)[34]的方法利用上市銀行的季度數(shù)據(jù)構(gòu)建以下計量模型度量銀行資產(chǎn)不透明度：

WriteOffi,t=?0+β1LLPi,t-1+β2LLPi,t-2+θ1NPLi,t-1

+θ2NPLi,t-2+δEBLLPi,t-1

+λCapitali,t-1+εt

(5)

表7匯報了交叉項回歸結(jié)果。其中，列(1)、列(2)中CARH×CNEPU、CCARH×CNEPU交互項系數(shù)顯著為負(fù)，表明資本充足率越高，經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)影響越小。原因在于，資本充足率較高的銀行更有能力應(yīng)對經(jīng)濟(jì)政策不確定性引發(fā)的負(fù)面沖擊而獨立做出資產(chǎn)配置決策，從而減輕銀行在信貸配置時的從眾壓力。列(3)中LDRH×CNEPU交互項系數(shù)顯著為正以及列(4)中LIQH×CNEPU交互項系數(shù)顯著為負(fù)，表明流動性越高，經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)影響越小。原因在于，當(dāng)面臨經(jīng)濟(jì)政策不確定性時，流動性不足的銀行可能會加強(qiáng)在信息獲取上搭便車的學(xué)習(xí)動機(jī)，更有可能傾向于模仿流動性較好的銀行選擇流動性管理策略，以此來規(guī)避因不確定性上升而加劇的銀行流動性風(fēng)險。列(5)～列(6)中AOPH×CNEPU、AOP2H×CNEPU交互項系數(shù)顯著為正，表明資產(chǎn)不透明度越高，經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)影響越大。原因在于，資產(chǎn)透明度較低銀行的公司治理水平和經(jīng)營管理能力較差，難以緩解投資者對銀行資產(chǎn)質(zhì)量和經(jīng)營狀況的擔(dān)憂，由此投資者更容易根據(jù)銀行特征進(jìn)行決策判斷，并對特征相似銀行進(jìn)行擠兌。因此，在經(jīng)濟(jì)政策不確定性上升時，銀行投資相似資產(chǎn)，會增加“衰退溢出效應(yīng)”，從而更可能獲取政府救助。

表7 異質(zhì)性分析

六、結(jié)論與啟示

本文從貸款相似性視角考察了經(jīng)濟(jì)政策不確定性對銀行羊群效應(yīng)的影響，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性會加劇銀行羊群效應(yīng)；對于資本充足率越低、流動性水平越低以及資產(chǎn)越不透明的商業(yè)銀行，其羊群效應(yīng)受經(jīng)濟(jì)政策不確定性的影響越大。根據(jù)上述結(jié)論可以得到如下研究啟示：

第一，政府應(yīng)維護(hù)經(jīng)濟(jì)政策環(huán)境的穩(wěn)定性。一方面，政策制定部門應(yīng)注意維持經(jīng)濟(jì)政策的一致性和連貫性，尤其是大的政策導(dǎo)向要保持定力，避免政策頻繁調(diào)整導(dǎo)致市場預(yù)期混亂和政策制定者公信力下降。另一方面，政策制定部門應(yīng)完善政策解讀說明機(jī)制，提升政策的透明度。在絕大多數(shù)情況下，各政策制定部門在出臺經(jīng)濟(jì)政策時均應(yīng)針對政策出臺背景、政策目的及可能引發(fā)的疑惑進(jìn)行及時解答和說明，促使市場充分理解政策意圖，消除與政策解讀分歧相關(guān)的不確定性。

第二，商業(yè)銀行應(yīng)提高自身應(yīng)對經(jīng)濟(jì)政策不確定性沖擊的能力。一是強(qiáng)化審慎經(jīng)營、穩(wěn)健發(fā)展，通過提升資本充足水平筑牢風(fēng)險防范的最后一道防線，通過提高流動性水平增強(qiáng)對流動性沖擊的抵抗能力。二是提升信息透明度，通過真實、準(zhǔn)確、完整地向利益相關(guān)者披露信息，使投資者和市場及時了解經(jīng)濟(jì)政策變化對銀行可能產(chǎn)生的影響，打消投資者對于銀行財務(wù)風(fēng)險和經(jīng)營狀況的顧慮。

第三，監(jiān)管部門應(yīng)加強(qiáng)對商業(yè)銀行的審慎監(jiān)管。一方面，在缺乏準(zhǔn)確信息的情況下，信息外部性和儲戶的羊群行為會引發(fā)對健康銀行的擠兌。因此，監(jiān)管部門應(yīng)強(qiáng)化銀行業(yè)信息披露監(jiān)管，完善銀行信息披露標(biāo)準(zhǔn)，提高銀行信息披露水平。另一方面，銀行間投資組合趨同會導(dǎo)致銀行業(yè)集體風(fēng)險承擔(dān)，導(dǎo)致銀行個體風(fēng)險轉(zhuǎn)化為銀行系統(tǒng)性風(fēng)險。因此，監(jiān)管部門應(yīng)及時出臺銀行業(yè)務(wù)指南或風(fēng)險警示，規(guī)范銀行信貸配置行為，避免銀行“一窩蜂”開展相似業(yè)務(wù)，促進(jìn)多層次、多元化的銀行服務(wù)體系發(fā)展，增加銀行業(yè)的金融韌性。