王文榮，田彬彬

（沈陽(yáng)化工大學(xué)經(jīng)濟(jì)與管理學(xué)院，遼寧 沈陽(yáng) 110142）

引言

當(dāng)前國(guó)際局勢(shì)動(dòng)蕩不安，全球經(jīng)濟(jì)發(fā)展和金融穩(wěn)定不確定性因素疊加。對(duì)外為了應(yīng)對(duì)國(guó)外突發(fā)事件和外國(guó)政府、經(jīng)濟(jì)組織經(jīng)濟(jì)政策的變化，對(duì)內(nèi)為了處理宏觀經(jīng)濟(jì)波動(dòng)情況，適應(yīng)經(jīng)濟(jì)高質(zhì)量發(fā)展的要求，各國(guó)會(huì)頻繁發(fā)布或改變經(jīng)濟(jì)政策以調(diào)控經(jīng)濟(jì)，經(jīng)濟(jì)政策不確定性逐漸成為經(jīng)濟(jì)發(fā)展的“主旋律”（顧夏銘等，2018[1]；劉貫春等，2019[2])。

我國(guó)區(qū)域性銀行分布廣泛，數(shù)量眾多，區(qū)域性銀行高質(zhì)量發(fā)展是地方經(jīng)濟(jì)高質(zhì)量發(fā)展的重要支撐。區(qū)域性銀行在規(guī)模實(shí)力、盈利能力和風(fēng)險(xiǎn)規(guī)避能力上相對(duì)于中農(nóng)工建等國(guó)有大行有較大差距，自身的高質(zhì)量發(fā)展更易受到經(jīng)濟(jì)政策不確定性的影響。商業(yè)銀行會(huì)在經(jīng)濟(jì)政策不確定性增加時(shí)調(diào)整資產(chǎn)規(guī)模和結(jié)構(gòu)進(jìn)行風(fēng)險(xiǎn)規(guī)避（鄧偉等，2022）[3]。本文從經(jīng)濟(jì)政策不確定性上升時(shí)銀行的資產(chǎn)避險(xiǎn)行為這一角度出發(fā)，引用CRBHDI（中國(guó)區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)）和EPU（經(jīng)濟(jì)政策不確定性指數(shù)）作為測(cè)度指標(biāo)，研究經(jīng)濟(jì)政策不確定性對(duì)我國(guó)區(qū)域性銀行高質(zhì)量發(fā)展的影響。

經(jīng)濟(jì)政策不確定性的相關(guān)內(nèi)容研究國(guó)內(nèi)外學(xué)者已經(jīng)有了較為深入的探討，多側(cè)重銀行風(fēng)險(xiǎn)、運(yùn)營(yíng)管理等內(nèi)容，對(duì)銀行自身高質(zhì)量發(fā)展尤其是針對(duì)區(qū)域性銀行的研究較少。本文以區(qū)域性銀行高質(zhì)量發(fā)展為切入點(diǎn)，研究探討經(jīng)濟(jì)政策不確定性與區(qū)域性銀行高質(zhì)量發(fā)展的關(guān)系，并運(yùn)用月度數(shù)據(jù)進(jìn)行實(shí)證分析，以期更好地反映二者的動(dòng)態(tài)變化。

一、相關(guān)文獻(xiàn)和理論基礎(chǔ)

目前，學(xué)術(shù)界對(duì)于商業(yè)銀行高質(zhì)量發(fā)展的概念尚未有明確定義，衡量商業(yè)銀行高質(zhì)量發(fā)展的指標(biāo)也很少。高一銘等（2020）認(rèn)為，金融業(yè)高質(zhì)量發(fā)展表現(xiàn)在公平、可持續(xù)和效率，并利用6個(gè)一級(jí)指標(biāo)構(gòu)建金融業(yè)的高質(zhì)量發(fā)展體系[4]。該體系存在兩個(gè)問(wèn)題：一是金融業(yè)高質(zhì)量發(fā)展中的公平目前缺乏權(quán)威指標(biāo)衡量；二是該指標(biāo)對(duì)金融機(jī)構(gòu)高質(zhì)量發(fā)展的衡量并未考慮到金融機(jī)構(gòu)的盈利能力，更多強(qiáng)調(diào)金融機(jī)構(gòu)的對(duì)外服務(wù)功能。廉保華等（2018）指出，銀行高質(zhì)量發(fā)展核心是效率和質(zhì)量，強(qiáng)調(diào)從模式上進(jìn)行高質(zhì)量轉(zhuǎn)換，注重協(xié)調(diào)發(fā)展，從銀行的雙重屬性既是追求利潤(rùn)最大化的一般企業(yè)，又是特殊的金融企業(yè)出發(fā)，采用全要素生產(chǎn)率（經(jīng)營(yíng)效率）和RAROC（風(fēng)險(xiǎn)經(jīng)營(yíng)水平）建立銀行高質(zhì)量發(fā)展的評(píng)價(jià)體系[5]，但兩種測(cè)度方式并未能在一個(gè)指標(biāo)中顯現(xiàn)，并且在RAROC的計(jì)算中，管理成本難以分?jǐn)?，預(yù)期和非預(yù)期難以精確測(cè)量。因此，本文選用中國(guó)區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)（CRBHDI）作為我國(guó)區(qū)域性銀行高質(zhì)量發(fā)展的衡量標(biāo)準(zhǔn)，關(guān)于該指標(biāo)的詳細(xì)內(nèi)容，后文會(huì)進(jìn)行介紹。

作為宏觀經(jīng)濟(jì)政策的重要傳導(dǎo)中介和連接各經(jīng)濟(jì)部門(mén)的關(guān)鍵一環(huán)，銀行一方面直接受到經(jīng)濟(jì)政策不確定性的影響，另一方面，經(jīng)濟(jì)政策的不確定性對(duì)企業(yè)等其他經(jīng)濟(jì)主體的影響也會(huì)傳導(dǎo)至銀行，所以銀行對(duì)經(jīng)濟(jì)政策不確定性的敏感性會(huì)“天然”大于其他經(jīng)濟(jì)主體（田國(guó)強(qiáng)和李雙建，2020）[6]。就銀行自身而言，經(jīng)濟(jì)政策不確定性增加能明顯提高企業(yè)現(xiàn)金流的不確定性（王紅建等，2014）[7]，這會(huì)使銀行難以預(yù)估監(jiān)測(cè)企業(yè)未來(lái)的現(xiàn)金流，同時(shí)經(jīng)濟(jì)政策的不確定性會(huì)導(dǎo)致市場(chǎng)波動(dòng)，影響企業(yè)投資預(yù)期，造成企業(yè)投資水平下降，促使企業(yè)信用風(fēng)險(xiǎn)上升（顧婧等，2022）[8]，也會(huì)使企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)加大（滕飛，2021）[9]，商業(yè)銀行則會(huì)收緊信貸標(biāo)準(zhǔn)，提高對(duì)信貸抵押品的要求（譚小芬等，2017）[10]。此外，經(jīng)濟(jì)政策不確定性提高會(huì)擴(kuò)大資金需求方與銀行之間的信息不對(duì)稱，銀行很難識(shí)別借款人的實(shí)際還款能力和信貸風(fēng)險(xiǎn)，易形成借款者違約風(fēng)險(xiǎn)整體增加的預(yù)期（田國(guó)強(qiáng)和李雙建，2020）[6]，進(jìn)而主動(dòng)收縮信貸。從外部主體（企業(yè)）來(lái)看，經(jīng)濟(jì)政策不確定性增加會(huì)加劇投資項(xiàng)目未來(lái)現(xiàn)金流的不確定性，從而會(huì)增加企業(yè)的“等待價(jià)值”，期權(quán)定價(jià)理論表明“等待價(jià)值”的增加會(huì)對(duì)企業(yè)的當(dāng)前投資產(chǎn)生抑制作用（李鳳羽等，2015[11]；顧婧等，2022[8]），造成企業(yè)信貸需求下降，帶來(lái)銀行信貸的被動(dòng)收縮。所以，經(jīng)濟(jì)政策不確定性增加會(huì)導(dǎo)致商業(yè)銀行的資產(chǎn)規(guī)模增速有所放緩，從而抑制銀行的“成長(zhǎng)性”。

經(jīng)濟(jì)政策不確定性會(huì)影響銀行的資產(chǎn)結(jié)構(gòu)。經(jīng)濟(jì)政策不確定性上升會(huì)使企業(yè)增加流動(dòng)性資產(chǎn)投資（Berger 等，2020）[12]，銀行作為特殊的企業(yè)也會(huì)進(jìn)行調(diào)整。從資產(chǎn)總體結(jié)構(gòu)上看，我國(guó)商業(yè)銀行的資產(chǎn)主要包括3個(gè)部分：貸款、債券和現(xiàn)金資產(chǎn)。按照“安全性、盈利性和流動(dòng)性”的原則，從安全性和流動(dòng)性的角度出發(fā)，現(xiàn)金資產(chǎn)＞債券＞貸款；從盈利性的角度出發(fā)，貸款＞債券＞現(xiàn)金資產(chǎn)。當(dāng)經(jīng)濟(jì)政策不確定性增加時(shí)，商業(yè)銀行會(huì)調(diào)整在這3 個(gè)方面資產(chǎn)的分布和比例。雖然現(xiàn)金資產(chǎn)流動(dòng)性最強(qiáng)但收益很低，所以出于避險(xiǎn)動(dòng)機(jī)同時(shí)統(tǒng)籌盈利性的需要，商業(yè)銀行會(huì)減少貸款投放，增加債券投資，并且會(huì)增加對(duì)風(fēng)險(xiǎn)較小的政府債券的購(gòu)買(mǎi)，減少風(fēng)險(xiǎn)較大的公司債券的投資。銀行面對(duì)經(jīng)濟(jì)政策不確定性調(diào)整資產(chǎn)結(jié)構(gòu)進(jìn)行風(fēng)險(xiǎn)規(guī)避，最終會(huì)使商業(yè)銀行的資產(chǎn)囤積流動(dòng)性（鄧偉等，2022）[3]，導(dǎo)致銀行盈利能力下降，資產(chǎn)收益率和凈息差減小。同時(shí)隨著金融市場(chǎng)化的推進(jìn)，在負(fù)債端，競(jìng)爭(zhēng)壓力及存款利率剛性使得負(fù)債成本難以下降，造成銀行利差持續(xù)縮窄，對(duì)銀行盈利能力也帶來(lái)挑戰(zhàn)（張榮森，2023）[13]。此外，銀行信貸資產(chǎn)的收縮最終也會(huì)導(dǎo)致整體凈息差和凈資產(chǎn)收益減少，所以經(jīng)濟(jì)政策不確定性增加會(huì)引起商業(yè)銀行凈息差和凈資產(chǎn)收益減少，降低商業(yè)銀行的“盈利性”。

對(duì)于銀行來(lái)講，經(jīng)濟(jì)政策不確定性的提升對(duì)銀行的風(fēng)險(xiǎn)承擔(dān)水平有正向影響（邢洋等，2022[14]；何建佳等，2022[15]）。宋全云等（2019）研究指出，經(jīng)濟(jì)政策不確定性上升時(shí)，銀行尤其是中小型銀行出于強(qiáng)烈的“自我保險(xiǎn)”目的會(huì)加大信貸審批難度，增加企業(yè)貸款成本[16]。這種做法加大了企業(yè)的道德風(fēng)險(xiǎn)，迫使銀行承受更多風(fēng)險(xiǎn)。如前文所述，投資減少和未來(lái)現(xiàn)金流的不確定性增加會(huì)促使企業(yè)信用風(fēng)險(xiǎn)上升，提升銀行不良貸款率。黃大禹等（2022）對(duì)銀行進(jìn)行機(jī)制識(shí)別檢驗(yàn)的研究也印證了經(jīng)濟(jì)政策不確定性會(huì)拉升銀行的不良貸款率[17]。通過(guò)區(qū)域性銀行（樣本量：125 家）的不良貸款率與EPU 對(duì)比中可見(jiàn)一斑，以表1 為例。

表1 EPU與不良貸款率一覽表

表1 中，2014 年、2017 年和2019 年的不良貸款率隨著EPU 的增大同步升高，2021 年EPU 相較于2019 年有所下降，不良貸款率也出現(xiàn)下降，從1.67%下降到1.58%。由此可見(jiàn)，不良貸款率與EPU 呈現(xiàn)正相關(guān)變動(dòng)，即貸款的資產(chǎn)質(zhì)量隨著經(jīng)濟(jì)政策不確定性提高而惡化，銀行承擔(dān)的違約風(fēng)險(xiǎn)增加。大多數(shù)區(qū)域性銀行規(guī)模較小，無(wú)論是內(nèi)部風(fēng)險(xiǎn)控制還是外部風(fēng)險(xiǎn)控制的體系與機(jī)制并不完善，當(dāng)經(jīng)濟(jì)政策不確定性上升時(shí)，區(qū)域性銀行未必有風(fēng)險(xiǎn)控制意識(shí)。顧海峰等（2019）研究表明，行業(yè)集中度增加會(huì)擴(kuò)大經(jīng)濟(jì)政策不確定性對(duì)銀行承擔(dān)破產(chǎn)風(fēng)險(xiǎn)和被動(dòng)風(fēng)險(xiǎn)的促進(jìn)作用[18]。這在區(qū)域性銀行身上表現(xiàn)得更為明顯，即使區(qū)域性銀行覺(jué)察到經(jīng)濟(jì)政策不確定性增加所帶來(lái)的風(fēng)險(xiǎn)，但大多區(qū)域性銀行將資產(chǎn)集中在當(dāng)?shù)氐膸讉€(gè)產(chǎn)業(yè)之中，資產(chǎn)投放轉(zhuǎn)換的成本和難度較高，且區(qū)域性銀行的客戶群體較少，并不能像國(guó)有大行一樣擁有充足的業(yè)務(wù)機(jī)會(huì)和客戶來(lái)源進(jìn)行貸款結(jié)構(gòu)調(diào)整。除此之外，區(qū)域性銀行所擁有和掌握的信息與大型銀行相比存在著更多信息不對(duì)稱，發(fā)現(xiàn)風(fēng)險(xiǎn)的速度和決策處置存在信息滯后。因此，隨著經(jīng)濟(jì)政策不確定性的增加，區(qū)域性銀行承受的風(fēng)險(xiǎn)上升，不良貸款率提高，會(huì)降低銀行的“安全性”。

可見(jiàn)，經(jīng)濟(jì)政策不確定性會(huì)通過(guò)成長(zhǎng)性、盈利性和安全性3 個(gè)維度影響區(qū)域性銀行的高質(zhì)量發(fā)展。由此本文可得假設(shè)1：經(jīng)濟(jì)不確定性上升會(huì)抑制區(qū)域性銀行高質(zhì)量發(fā)展，二者呈反方向變動(dòng)。

二、研究設(shè)計(jì)

（一）指標(biāo)選擇和數(shù)據(jù)預(yù)處理

1.經(jīng)濟(jì)政策不確定性

關(guān)于經(jīng)濟(jì)政策不確定性的度量方法有多種，包括政治事件如官員變更（李振新等，2020）[19]、 股 市 或 匯 率 波 動(dòng) （Bloom，2009）[20]、根據(jù)新聞媒體報(bào)道有關(guān)經(jīng)濟(jì)政策不確定性的關(guān)鍵詞統(tǒng)計(jì)（Baker 等，2016）[21]等方法。官員更替雖可以在一定程度上測(cè)度經(jīng)濟(jì)政策不確定性，但連續(xù)性有所欠缺，難以考究經(jīng)濟(jì)政策不確定性的程度，而且主要從政治角度考量，缺乏經(jīng)濟(jì)因素。股市或匯率波動(dòng)具備連續(xù)性但缺乏政治不確定性因素，并且股市或匯率的波動(dòng)往往是不確定性的結(jié)果，缺乏即時(shí)性（劉晴等，2022）[22]。Baker 等人在2016 年提出的經(jīng)濟(jì)政策不確定性指數(shù)（EPU）依據(jù)新聞媒體報(bào)紙編制[21]，屬于月度數(shù)據(jù)，具有較好的連續(xù)性，并且涵蓋了多種經(jīng)濟(jì)政策和社會(huì)各界對(duì)于經(jīng)濟(jì)運(yùn)行的觀點(diǎn)，得到了廣泛運(yùn)用（劉柳等，2019[23]；鄧偉等，2022[3]），為此本文采用經(jīng)濟(jì)政策不確定性指數(shù)衡量我國(guó)經(jīng)濟(jì)政策的不確定性。Baker 等人曾使用香港的英文報(bào)紙《南華早報(bào)》計(jì)算我國(guó)的經(jīng)濟(jì)政策不確定性指數(shù)，為了使EPU 更具代表性，符合我國(guó)實(shí)際情況，本文使用的經(jīng)濟(jì)政策不確定指數(shù)是Steven J.Davis、Dingqian Liu 和Xuguang S. Sheng 依據(jù)《人民日?qǐng)?bào)》和《光明日?qǐng)?bào)》在經(jīng)濟(jì)或商業(yè)政策如財(cái)政、貨幣、國(guó)債、政府赤字等所出現(xiàn)的“不確定”“不明朗”“難以預(yù)測(cè)”“未知”等詞匯所使用的次數(shù)所編制。

2.中國(guó)區(qū)域性銀行高質(zhì)量發(fā)展

本文選用由普華永道所編制的中國(guó)區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)（CRBHDI），該指數(shù)能較為簡(jiǎn)潔直觀地反映區(qū)域性銀行的高質(zhì)量發(fā)展?fàn)顩r。CRBHDI 的編制選取了125 家區(qū)域性銀行，通過(guò)資產(chǎn)規(guī)模增速、凈資產(chǎn)收益率、凈息差和不良貸款率4 個(gè)指標(biāo)反映區(qū)域性銀行的高質(zhì)量發(fā)展?fàn)顩r[24]。這4 個(gè)指標(biāo)具有代表性：第一，資產(chǎn)規(guī)模是衡量銀行整體實(shí)力的重要標(biāo)準(zhǔn)之一，資產(chǎn)規(guī)模增長(zhǎng)反映出區(qū)域性銀行在客群觸達(dá)、資產(chǎn)投放等方面的經(jīng)營(yíng)能力，通過(guò)資產(chǎn)規(guī)模增速旨在動(dòng)態(tài)刻畫(huà)區(qū)域性銀行在不同外部環(huán)境下的資產(chǎn)規(guī)模變化情況；第二，區(qū)域性銀行盈利模式仍以利息收入為主，樣本區(qū)域性銀行利息收入占比平均為81%，其中上市區(qū)域性銀行利息收入占比平均為78%，隨著利率市場(chǎng)化改革進(jìn)一步推進(jìn)，獲取低成本存款和優(yōu)質(zhì)信貸資產(chǎn)是區(qū)域性銀行較強(qiáng)盈利能力的重要體現(xiàn)，而凈資產(chǎn)收益率、凈息差能較好地反映盈利能力；第三，選取不良貸款率作為分析指標(biāo)，旨在動(dòng)態(tài)刻畫(huà)區(qū)域性銀行風(fēng)險(xiǎn)把控情況，反映區(qū)域性銀行保持高質(zhì)量發(fā)展的能力。

3.數(shù)據(jù)預(yù)處理

本文使用Quadratic-match sum 方法把低頻數(shù)據(jù)轉(zhuǎn)化為高頻數(shù)據(jù)，將CRBHDI 的年度數(shù)據(jù)轉(zhuǎn)換為月度數(shù)據(jù)，通過(guò)增加樣本數(shù)據(jù)頻率以更好體現(xiàn)CRBHDI 和EPU 的關(guān)系和聯(lián)動(dòng)性；將GDP 季度增長(zhǎng)率（當(dāng)期同比）轉(zhuǎn)換成月度增長(zhǎng)率。本文對(duì)變量EPU 取倒數(shù)，將變量M2、Rate、CAR、CPI 和AFRE 樣本值均取對(duì)數(shù)，以降低樣本波動(dòng)幅度，提高模型擬合優(yōu)度。由于GDP 增速在2020 年第一季度為負(fù)，為防止取對(duì)數(shù)之后形成缺失值，造成模型擬合失真，故該變量不進(jìn)行取對(duì)數(shù)處理。本文采用數(shù)據(jù)均為月度數(shù)據(jù)。

（二）變量定義

本文相關(guān)變量的類(lèi)型、名稱、含義和數(shù)據(jù)來(lái)源如表2 所示。中國(guó)區(qū)域性高質(zhì)量發(fā)展指數(shù)（CRBHDI）作為實(shí)證分析模型的被解釋變量，經(jīng)濟(jì)政策不確定性指數(shù)的倒數(shù)REPU為模型分析的核心解釋變量。在控制變量中，本文選取廣義貨幣M2 增速、7 天期銀行同業(yè)拆借利率、資本充足率、居民消費(fèi)價(jià)格指數(shù)CPI（同比）、GDP 當(dāng)期同比增速和社會(huì)融資規(guī)模增量等變量作為控制變量。

表2 模型變量示意表

（三）模型設(shè)定

本文采用時(shí)間序列數(shù)據(jù)構(gòu)建含有控制變量的模型，該模型旨在揭示區(qū)域性銀行高質(zhì)量發(fā)展與經(jīng)濟(jì)政策不確定性的關(guān)系。其中，CRBHDI 是被解釋變量，經(jīng)濟(jì)政策不確定性衡量指標(biāo)的倒數(shù)REPU 是核心解釋變量，其他相關(guān)變量被納入控制變量。為保證模型回歸分析的嚴(yán)謹(jǐn)性和科學(xué)性，相關(guān)檢驗(yàn)如平穩(wěn)性檢驗(yàn)、協(xié)整性檢驗(yàn)、穩(wěn)健性檢驗(yàn)等將在后文作出詳細(xì)說(shuō)明。模型設(shè)定如下：

三、實(shí)證分析

（一）數(shù)據(jù)描述性分析

如圖1所示，中國(guó)區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)（CRBHDI）與經(jīng)濟(jì)政策不確定性指數(shù)（EPU）的時(shí)間序列趨勢(shì)圖清晰地反映了從2014 年1 月份至2021 年末兩種指數(shù)的變化趨勢(shì)。CRBHDI 在此期間整體上呈現(xiàn)下降趨勢(shì)，區(qū)域性銀行經(jīng)營(yíng)挑戰(zhàn)加大，尤其是在2014—2019 年間，該指數(shù)呈現(xiàn)出急劇下跌的態(tài)勢(shì)?！?022 中國(guó)區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)報(bào)告》顯示，在125 家樣本區(qū)域性銀行中，有87%的區(qū)域性銀行2021 年的高質(zhì)量發(fā)展指數(shù)數(shù)值低于2014 年，只有13%的銀行實(shí)現(xiàn)了逆勢(shì)增長(zhǎng)。圖1 中，EPU 波動(dòng)幅度較大，峰值在600以上，呈現(xiàn)波動(dòng)上升的趨勢(shì)。通過(guò)CRBHDI 和EPU 的數(shù)據(jù)擬合直線上可以看出，二者大致呈現(xiàn)反方向變動(dòng)。

圖1 CRBHDI和EPU時(shí)間序列趨勢(shì)圖

（二）實(shí)證檢驗(yàn)

1.平穩(wěn)性檢驗(yàn)

本文平穩(wěn)性檢驗(yàn)采用ADF 檢驗(yàn)（表3），對(duì)變量一階差分之后，Dickey-Fuller檢驗(yàn)表明，各變量在99%的置信水平上是平穩(wěn)的，數(shù)據(jù)符合一階單整，因此符合平穩(wěn)性檢驗(yàn)。

表3 單位根檢驗(yàn)

2.協(xié)整性檢驗(yàn)

由于文中模型構(gòu)建除核心解釋變量以外，還包含多個(gè)控制變量，因此協(xié)整關(guān)系檢驗(yàn)運(yùn)用Johansen檢驗(yàn)。首先對(duì)模型最優(yōu)滯后階數(shù)進(jìn)行度量，發(fā)現(xiàn)LR、FPE、AIC、HQIC 和SBIC 等準(zhǔn)則各自在滯后一階、滯后二階、滯后四階帶有星號(hào)（表4），按照多數(shù)原則，本文選取滯后二階作為最佳滯后階數(shù)，對(duì)模型變量進(jìn)行Johensen 檢驗(yàn)。在表5 中，根據(jù)原假設(shè)、跡統(tǒng)計(jì)量和5%臨界值顯示，在原假設(shè)等于5 的情況下，跡統(tǒng)計(jì)量小于5%的臨界值，因此不能拒絕“最多存在5 個(gè)協(xié)整關(guān)系”的原假設(shè)，判定存在協(xié)整關(guān)系。

表4 模型滯后階數(shù)的判定依據(jù)

表5 Johansen協(xié)整方程個(gè)數(shù)檢驗(yàn)

Johansen檢驗(yàn)可知，跡統(tǒng)計(jì)量接受了模型變量之間存在協(xié)整關(guān)系的原假設(shè)，證明各變量之間存在長(zhǎng)期均衡關(guān)系。下面對(duì)VECM 模型進(jìn)行穩(wěn)定性檢驗(yàn)，結(jié)果如圖2所示，除了VECM模型本身假設(shè)的單位根之外，伴隨矩陣特征值全部落在單位圓之內(nèi)，且各變量的擾動(dòng)項(xiàng)均為白噪聲，所以模型是穩(wěn)定的，緊接著進(jìn)行脈沖響應(yīng)分析。

圖2 VECM模型穩(wěn)定性判別圖

3.脈沖響應(yīng)分析

本文使用VECM 模型中常見(jiàn)的動(dòng)態(tài)分析方法—脈沖分析法，用來(lái)分析預(yù)測(cè)當(dāng)經(jīng)濟(jì)政策不確定性遭遇沖擊時(shí)，對(duì)我國(guó)區(qū)域性銀行高質(zhì)量發(fā)展的影響以及它們自身遭遇沖擊時(shí)的反應(yīng)。

圖3表明REPU 的一個(gè)正向沖擊會(huì)對(duì)我國(guó)區(qū)域性銀行高質(zhì)量發(fā)展呈現(xiàn)負(fù)面影響，并持續(xù)整個(gè)觀察期。從第一期開(kāi)始，負(fù)向沖擊開(kāi)始變大，到第三期之后觸底反彈，對(duì)我國(guó)區(qū)域性銀行高質(zhì)量發(fā)展的負(fù)面沖擊減弱并逐漸為零，整體上負(fù)面影響先上升后減弱。

圖3 CRBHDI對(duì)REPU的脈沖響應(yīng)

圖4 顯示了REPU 受到一個(gè)正向標(biāo)準(zhǔn)差沖擊時(shí)，REPU自身會(huì)受到正向沖擊，并迅速降低，逐漸平穩(wěn)，表明經(jīng)濟(jì)政策不確定性在遭遇沖擊之后會(huì)迅速消減，不會(huì)對(duì)后期產(chǎn)生較大的持久影響。圖5 表明當(dāng)區(qū)域性銀行高質(zhì)量發(fā)展遭遇正向沖擊時(shí)，會(huì)對(duì)自身產(chǎn)生正向的促進(jìn)作用，這種正向效應(yīng)逐漸變大，在第三期左右開(kāi)始下降，由此可見(jiàn)，區(qū)域銀行高質(zhì)量發(fā)展的狀況受到前期的影響，這種影響持續(xù)整個(gè)觀察期。

圖4 REPU對(duì)REPU的脈沖響應(yīng)

圖5 CRBHDI對(duì)CRBHDI的脈沖響應(yīng)

4.基準(zhǔn)回歸

VECM模型探究了經(jīng)濟(jì)政策不確定性與區(qū)域性銀行高質(zhì)量發(fā)展的短期均衡關(guān)系，接下來(lái)本文進(jìn)行多元線性回歸考察經(jīng)濟(jì)政策不確定性與區(qū)域性銀行高質(zhì)量發(fā)展的長(zhǎng)期關(guān)系（表6）。由于模型變量之間存在協(xié)整關(guān)系，所以基準(zhǔn)回歸非偽回歸。針對(duì)模型中可能存在的自相關(guān)性問(wèn)題，使用HAC穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行修正，由于961/4≈3.13，故Newey-West 估計(jì)量截?cái)鄥?shù)p=4，即計(jì)算自相關(guān)穩(wěn)健的HAC 標(biāo)準(zhǔn)誤滯后4 階，修正結(jié)果如表6 列（8）所示。表6 列（7）的回歸結(jié)果表明，核心解釋變量REPU 的系數(shù)為2.827，由于文中對(duì)EPU 進(jìn)行倒數(shù)處理， 將非線性模型線性化， 因此，我國(guó)區(qū)域性銀行高質(zhì)量發(fā)展與經(jīng)濟(jì)政策不確定性呈反方向變動(dòng)，并且在對(duì)取絕對(duì)值之后可以發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性對(duì)我國(guó)區(qū)域性銀行高質(zhì)量發(fā)展的影響隨著經(jīng)濟(jì)政策不確定性的增加而減少，呈現(xiàn)出負(fù)向影響的邊際遞減。這主要是因?yàn)榻?jīng)濟(jì)政策不確定性增加時(shí)，會(huì)抑制區(qū)域性銀行的資產(chǎn)規(guī)模增速，縮小區(qū)域性銀行的凈息差，降低凈資產(chǎn)收益率，拉升區(qū)域性銀行的不良貸款率，惡化區(qū)域性銀行的資產(chǎn)質(zhì)量，進(jìn)而阻礙區(qū)域性銀行高質(zhì)量發(fā)展。另外，從區(qū)域性銀行的主動(dòng)反應(yīng)來(lái)看，當(dāng)經(jīng)濟(jì)政策不確定性增加時(shí)，區(qū)域性銀行高質(zhì)量發(fā)展水平會(huì)不斷下降，下降至一定程度會(huì)增大區(qū)域性銀行的運(yùn)營(yíng)壓力，倒逼區(qū)域性銀行更加積極主動(dòng)采取措施規(guī)避經(jīng)濟(jì)政策不確定性帶來(lái)的負(fù)面影響，從而遏制區(qū)域性銀行高質(zhì)量發(fā)展水平急劇下滑。與此同時(shí)，經(jīng)濟(jì)政策不確定性在2018 年以來(lái)急劇增加，這期間，中美貿(mào)易摩擦、新冠疫情、地產(chǎn)企業(yè)債務(wù)違約、地方性銀行爆雷等經(jīng)濟(jì)事件，使得區(qū)域性銀行高質(zhì)量發(fā)展水平下滑到一定程度后已基本觸底，區(qū)域性銀行高質(zhì)量發(fā)展對(duì)經(jīng)濟(jì)政策不確定性的敏感性下降，EPU 對(duì)CRBHDI 的負(fù)面沖擊邊際遞減。

表6 基準(zhǔn)回歸表

5.穩(wěn)健性檢驗(yàn)

在穩(wěn)健性檢驗(yàn)中，眾多學(xué)者使用了不同的檢驗(yàn)方法。本文采用縮短時(shí)間窗口，減小樣本容量、縮減控制變量、更換新的數(shù)據(jù)源和工具變量法等方法進(jìn)行穩(wěn)健檢驗(yàn)。

（1）本文選擇對(duì)數(shù)據(jù)進(jìn)行“掐頭去尾”，剔除2014年、2015年和2021年時(shí)間點(diǎn)數(shù)據(jù)，以縮短時(shí)間窗口，減少樣本數(shù)量。模型回歸結(jié)果顯示，核心解釋變量REPU前的系數(shù)值出現(xiàn)略微變化，但系數(shù)的符號(hào)未發(fā)生變化并在95%的置信水平上顯著。

（2）采用縮減控制變量的方法，剔除變量ln_M2、ln_AFRE 和ln_CPI 對(duì)模型進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果顯示核心解釋變量REPU的系數(shù)結(jié)果仍穩(wěn)健，即便剔除所有控制變量也是如此，結(jié)果如表6所示。

（3）本文借鑒顧婧和史心雨等（2022）在經(jīng)濟(jì)政策不確定性研究中的相關(guān)做法，更換EPU 的數(shù)據(jù)源，將經(jīng)濟(jì)政策不確定指數(shù)的數(shù)據(jù)來(lái)源改換為由Scott Baker、Nick Bloom、Steven J. Davis 和Xiaoxi（Sophie）Wang 按照香港的英文報(bào)紙《南華早報(bào)》制定的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)[8]，結(jié)果表明核心解釋變量REPU 的結(jié)果無(wú)論是系數(shù)值還是正負(fù)號(hào)、置信水平均無(wú)顯著變化，模型結(jié)果穩(wěn)健。

（4）工具變量法。為了解決本文可能存在的內(nèi)生性問(wèn)題，根據(jù)已有文獻(xiàn)研究，采用全球經(jīng)濟(jì)政策不確定性指數(shù)（董捷和張心靈，2018[25]；陳啟斐等，2021[26]）和美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)（劉貫春和葉永衛(wèi)，2022）[27]的倒數(shù)并滯后一階①作為兩階段最小二乘回歸（2sls）的工具變量。一方面，我國(guó)經(jīng)濟(jì)政策的不確定性不可避免地受到全球經(jīng)濟(jì)政策不確定性和美國(guó)經(jīng)濟(jì)政策不確定性的影響；另一方面，由于我國(guó)區(qū)域性銀行的業(yè)務(wù)大多集中于當(dāng)?shù)?，?guó)際業(yè)務(wù)涉及較少，全球和美國(guó)經(jīng)濟(jì)政策不確定性對(duì)區(qū)域性銀行的直接影響較小，因此，工具變量全球和美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)符合外生性和相關(guān)性的條件，過(guò)度識(shí)別檢驗(yàn)表明兩種工具變量均外生。在表7 中，列（1）顯示了2sls 的回歸結(jié)果。為了使回歸結(jié)果更加穩(wěn)健并避免弱工具變量的出現(xiàn)，本文考察了有限信息最大似然法（LIML）的檢驗(yàn)，結(jié)果如表7 列（2）所示，2sls 與LIML 的系數(shù)估計(jì)值很相近，表明沒(méi)有弱工具變量。最終結(jié)果表明核心解釋變量REPU的基準(zhǔn)回歸系數(shù)出現(xiàn)略微變化，但回歸系數(shù)的符號(hào)未變并且仍顯著，因此模型回歸結(jié)果穩(wěn)健。

表7 工具變量法

四、結(jié)論與建議

（一）結(jié)論

本文首先在理論層面分析了經(jīng)濟(jì)政策不確定性會(huì)抑制區(qū)域性銀行的成長(zhǎng)性，降低區(qū)域性銀行的盈利能力，并拉升不良貸款率，制約區(qū)域性銀行高質(zhì)量發(fā)展。緊接著本文利用2014—2021 年數(shù)據(jù)，通過(guò)VECM 模型和基準(zhǔn)回歸均發(fā)現(xiàn)，無(wú)論是短期還是長(zhǎng)期，經(jīng)濟(jì)政策不確定性的增加會(huì)對(duì)區(qū)域性銀行的高質(zhì)量發(fā)展造成負(fù)面影響，并且結(jié)果穩(wěn)健。

（二）建議

從宏觀視角出發(fā)，首先，政策制定者要保持政策的連續(xù)性和可預(yù)見(jiàn)性，要實(shí)時(shí)與市場(chǎng)保持溝通，及時(shí)傳遞政策信號(hào)，明晰政策調(diào)控意向，盡量縮小政策變動(dòng)給市場(chǎng)帶來(lái)的“噪音”和負(fù)面影響，讓市場(chǎng)主體尤其是金融機(jī)構(gòu)能較為清晰預(yù)見(jiàn)政策導(dǎo)向，正確把握政策意圖，及時(shí)為經(jīng)濟(jì)政策變動(dòng)進(jìn)行自身調(diào)整，必要條件下給予市場(chǎng)主體更多實(shí)施政策時(shí)的“緩沖時(shí)間”。其次，政府要拓寬調(diào)控經(jīng)濟(jì)的渠道，豐富經(jīng)濟(jì)調(diào)節(jié)的手段，既要有政策調(diào)控經(jīng)濟(jì)的“剛性手段”，也要有其他方式對(duì)經(jīng)濟(jì)調(diào)節(jié)進(jìn)行“軟約束”，起到積極引導(dǎo)的作用，更多利用市場(chǎng)主體力量，對(duì)經(jīng)濟(jì)發(fā)展進(jìn)行指引，以降低經(jīng)濟(jì)政策的波動(dòng)。最后，在制定經(jīng)濟(jì)政策尤其是與銀行業(yè)相關(guān)的政策時(shí)，要充分考慮政策效果的異質(zhì)性，考慮不同銀行主體的政策反應(yīng)，合理兼顧實(shí)力較為薄弱的區(qū)域性銀行，對(duì)不同銀行主體可執(zhí)行不同的政策標(biāo)準(zhǔn)。

從區(qū)域性銀行個(gè)體視角來(lái)看，要增強(qiáng)風(fēng)險(xiǎn)控制能力，提升風(fēng)險(xiǎn)防范意識(shí)，健全風(fēng)險(xiǎn)內(nèi)控體系，尤其要拓寬信息來(lái)源渠道，關(guān)注經(jīng)濟(jì)發(fā)展不確定性的變化對(duì)商業(yè)銀行自身資產(chǎn)的影響，通過(guò)進(jìn)行定性和定量的科學(xué)業(yè)務(wù)評(píng)估，及時(shí)做出相應(yīng)調(diào)整，以減輕區(qū)域性銀行的發(fā)展壓力。要盡可能多地拓展放貸渠道和客戶群體，防止信貸過(guò)于集中某個(gè)行業(yè)與企業(yè)，增加信貸主體和行業(yè)的多樣性有利于平抑經(jīng)濟(jì)政策不確定性的負(fù)面影響。