李梓旗 喬桂明

一、引言

新冠肺炎疫情在全球大肆蔓延，導(dǎo)致世界各國(guó)經(jīng)濟(jì)陷入了新一輪的低谷。與經(jīng)濟(jì)學(xué)家們預(yù)測(cè)的“V”型反彈不同，目前各國(guó)的經(jīng)濟(jì)恢復(fù)形態(tài)更傾向于“U”型。經(jīng)濟(jì)復(fù)蘇困難并在“U”型形態(tài)的底部掙扎，致使企業(yè)大面積倒閉，各國(guó)面臨著前所未有的危機(jī)，銀行業(yè)等金融部門(mén)也難以獨(dú)善其身，各國(guó)政府紛紛推出貨幣政策來(lái)挽救本輪的經(jīng)濟(jì)衰落。

基于此背景，各國(guó)首腦都在努力推行量化寬松政策并致力于經(jīng)濟(jì)復(fù)蘇。英國(guó)、美國(guó)以及歐盟吹響了量化寬松的號(hào)角，紛紛“降息”和“降準(zhǔn)”，試圖通過(guò)加大市場(chǎng)貨幣供應(yīng)量來(lái)促進(jìn)經(jīng)濟(jì)恢復(fù)并且給市場(chǎng)帶來(lái)充足的流動(dòng)性。中國(guó)在2008年經(jīng)歷了貨幣政策“大水漫灌”，2014年提出了穩(wěn)健略寬松的貨幣政策，2016年提出了穩(wěn)健中性的貨幣政策，2018年之后開(kāi)始實(shí)施穩(wěn)健靈活適度的貨幣政策。雖然中國(guó)盡可能地保持貨幣政策的審慎穩(wěn)健，但面對(duì)經(jīng)濟(jì)新態(tài)勢(shì)和疫情沖擊等棘手問(wèn)題也不得不靈活調(diào)整貨幣政策。然而，貨幣政策的變動(dòng)會(huì)帶來(lái)一國(guó)貨幣政策不確定性指數(shù)的波動(dòng)，進(jìn)而直接影響到銀行業(yè)風(fēng)險(xiǎn)。

貨幣政策乃一國(guó)經(jīng)濟(jì)政策之重要方面，貨幣政策不確定會(huì)給多個(gè)領(lǐng)域尤其是金融體系帶來(lái)風(fēng)險(xiǎn)。故研究貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響顯得尤為重要。本文將以122家商業(yè)銀行為研究樣本，分析其2010—2018年數(shù)據(jù)，旨在提出并解決以下問(wèn)題。

首先要厘清，貨幣政策的變化會(huì)直接影響銀行業(yè)風(fēng)險(xiǎn)，但貨幣政策是通過(guò)何種方式影響銀行業(yè)風(fēng)險(xiǎn)的？銀行業(yè)景氣度下降導(dǎo)致貨幣政策不確定性升高，這又是如何影響銀行業(yè)風(fēng)險(xiǎn)的？其次要回答，當(dāng)金融大環(huán)境發(fā)生變化導(dǎo)致金融開(kāi)放度升高時(shí)，外資在短期內(nèi)涌入國(guó)內(nèi)市場(chǎng)，是否也會(huì)促使貨幣政策不確定性升高，加大銀行業(yè)風(fēng)險(xiǎn)？最后要分析，一國(guó)貨幣政策不確定性升高，為什么對(duì)國(guó)有銀行風(fēng)險(xiǎn)的影響微乎其微，而對(duì)非國(guó)有銀行風(fēng)險(xiǎn)的影響較為顯著？

二、機(jī)制分析與研究假設(shè)

Huang和Luk將Baker的經(jīng)濟(jì)政策不確定性指數(shù)細(xì)分成為貿(mào)易、財(cái)政和貨幣政策不確定性指數(shù)。①Huang Y,Luk P,“Measuring Economic Policy Uncertainty in China”,in China Economic Review,2020，Vol.59,DOI:10.1016/j.chieco.2019.101367.經(jīng)濟(jì)政策不確定性的相關(guān)文獻(xiàn)已經(jīng)覆蓋了各個(gè)領(lǐng)域，其中不乏研究銀行業(yè)的相關(guān)文獻(xiàn)。Berger等和Bordo等認(rèn)為銀行信貸是經(jīng)濟(jì)擴(kuò)張的主要渠道并且銀行受到的影響相較于企業(yè)更大，且經(jīng)濟(jì)政策不確定性導(dǎo)致的風(fēng)險(xiǎn)最終會(huì)通過(guò)微觀層面?zhèn)鬟f到銀行。②Berger A N,Guedhami O,Kim H H,et al.,“Economic Policy Uncertainty and Bank Liquidity Hoarding”,in SSRN Working Paper,2018；Bordo M D,Duca J V,Koch C,“Economic Policy Uncertainty and the Credit Channel:Aggregate and Bank Level U.S.Evidence over Several Decades”,in Journal of Financial Stability,2016,Vol.26,pp.90—106.經(jīng)濟(jì)政策不確定性是所有政策不確定性的集合，如何細(xì)化到各個(gè)領(lǐng)域進(jìn)行具體分析成為當(dāng)下學(xué)者的主要研究方向。本文側(cè)重于貨幣政策不確定性的研究。

Herron和Murray研究發(fā)現(xiàn)貨幣政策不確定性升高會(huì)導(dǎo)致失業(yè)率劇烈波動(dòng)甚至上升。③Herron N,Murray J,“Dynamics of Monetary Policy Uncertainty and the Impact on the Macroeconomy”,in Economics Bulletin,2013,Vol.33,No.1,pp.257—270.Balcilar等發(fā)現(xiàn)貨幣政策不確定性升高會(huì)導(dǎo)致投資回報(bào)率降低以及通貨膨脹的收縮。④Balcilar M,Gupta R,Jooste C,“South Africa’s Economic Response to Monetary Policy Uncertainty”,in Journal of Economic Studies,2017,Vol.44,No.2,pp.282—293.王博等認(rèn)為貨幣政策不確定性升高會(huì)導(dǎo)致違約率上升，并對(duì)產(chǎn)出產(chǎn)生負(fù)向沖擊。⑤王博、李力、郝大鵬：《貨幣政策不確定性、違約風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)波動(dòng)》，《經(jīng)濟(jì)研究》2019年第3期，第119—134頁(yè)。鄺雄等發(fā)現(xiàn)貨幣政策不確定性升高對(duì)銀行信貸供給有顯著抑制作用。⑥鄺雄、胡南賢、徐艷：《貨幣政策不確定性與銀行信貸決策——基于新聞報(bào)道文本分析的實(shí)證研究》，《金融經(jīng)濟(jì)學(xué)研究》2019年第5期，第68—79頁(yè)。以上文獻(xiàn)均沒(méi)有涉及貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響。那么貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)是否有影響？基于以上文獻(xiàn)，提出假設(shè)1。

假設(shè)1：貨幣政策不確定性升高會(huì)導(dǎo)致銀行業(yè)風(fēng)險(xiǎn)增加。

董青馬和盧滿生通過(guò)Logit模型證明了金融開(kāi)放度提高會(huì)導(dǎo)致銀行系統(tǒng)發(fā)生危機(jī)的概率提升。①董青馬、盧滿生：《金融開(kāi)放度與發(fā)展程度差異對(duì)銀行危機(jī)生成機(jī)制影響的實(shí)證分析》，《國(guó)際金融研究》2010年第6期，第79—85頁(yè)。Chen等則認(rèn)為外資銀行進(jìn)入會(huì)導(dǎo)致一國(guó)銀行業(yè)的風(fēng)險(xiǎn)可能性上升。②Chen M H,Wu J,Bang N J,et al.,“Do Foreign Banks Take More Risk？Evidence from Emerging Economies”,in Journal of Banking & Finance,2017,Vol.82,pp.20—39.故金融開(kāi)放對(duì)銀行業(yè)風(fēng)險(xiǎn)是有影響的，我們嘗試研究金融開(kāi)放程度提高對(duì)貨幣政策不確定性以及銀行業(yè)風(fēng)險(xiǎn)產(chǎn)生的影響。其中的邏輯是當(dāng)貨幣政策不確定性升高時(shí)，銀行業(yè)的現(xiàn)金流不穩(wěn)定，而中國(guó)政府一直致力于融入全球并進(jìn)行適當(dāng)?shù)慕鹑陂_(kāi)放，金融開(kāi)放度提高，雖然在中長(zhǎng)期對(duì)一國(guó)金融體系有益而無(wú)害，但外國(guó)金融機(jī)構(gòu)大量涌入并對(duì)市場(chǎng)進(jìn)行搶占，對(duì)本就現(xiàn)金流不穩(wěn)定或經(jīng)營(yíng)不善的本國(guó)商業(yè)銀行產(chǎn)生再次沖擊，即當(dāng)期內(nèi)對(duì)部分銀行造成業(yè)務(wù)沖擊，增加了此類(lèi)銀行的風(fēng)險(xiǎn)?；诖耍岢黾僭O(shè)2。

假設(shè)2：當(dāng)期金融開(kāi)放度提升會(huì)加大貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響。

貨幣政策與銀行業(yè)風(fēng)險(xiǎn)的研究大多集中于利率視角。Maddaloni和Peydró研究了貨幣政策對(duì)銀行風(fēng)險(xiǎn)容忍度的影響，發(fā)現(xiàn)當(dāng)隔夜利率降低時(shí)，銀行的貸款標(biāo)準(zhǔn)會(huì)降低。③Maddaloni A,Peydró J,“Bank Risk-Taking,Securitization,Supervision,and Low Interestrates Rates:Evidence from the Euro-Area and the U.S.Lending Standards”,in The Review of Financial Studies,2011,Vol.24,No.6,pp.2121—2165.Ioannidou 等研究發(fā)現(xiàn)，當(dāng)利率降低時(shí)，銀行發(fā)放貨款給違約率高或有不良貸款記錄借款者的意愿增加。④Ioannidou V P,Ongena S,Peydró J,“Monetary Policy,Risk-taking and Pricing:Evidence from a Quasi-natural Experiment”,in Paper Presented at the 9th Jacques Polak Annual Research Conference,IMF,Washington D C,2009.以上文獻(xiàn)均證明了貨幣政策波動(dòng)會(huì)加大銀行業(yè)風(fēng)險(xiǎn)，且大多數(shù)文獻(xiàn)聚焦于利率對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響，討論貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)影響的文獻(xiàn)還相對(duì)較少。也有部分文獻(xiàn)提及銀行業(yè)景氣度與風(fēng)險(xiǎn)的聯(lián)系。顧海峰和張亞楠研究發(fā)現(xiàn)，銀行業(yè)景氣度與銀行業(yè)風(fēng)險(xiǎn)呈負(fù)向關(guān)系。⑤顧海峰、張亞楠：《金融創(chuàng)新、信貸環(huán)境與銀行風(fēng)險(xiǎn)承擔(dān)——來(lái)自2006—2016年中國(guó)銀行業(yè)的證據(jù)》，《國(guó)際金融研究》2018年第9期，第66—75頁(yè)。顧海峰和于家珺則發(fā)現(xiàn)銀行信貸環(huán)境景氣度增加會(huì)減弱經(jīng)濟(jì)政策不確定性對(duì)銀行風(fēng)險(xiǎn)的影響。以上文獻(xiàn)雖提及信貸景氣度對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響，但并沒(méi)有探討銀行業(yè)景氣度對(duì)貨幣政策不確定性與銀行業(yè)風(fēng)險(xiǎn)的影響。⑥顧海峰、于家珺：《中國(guó)經(jīng)濟(jì)政策不確定性與銀行風(fēng)險(xiǎn)承擔(dān)》，《世界經(jīng)濟(jì)》2019年第11期，第148—171頁(yè)。

銀行業(yè)景氣度提升意味著銀行當(dāng)期經(jīng)營(yíng)狀況與上一期相比有正向積極的變化，因而企業(yè)與貸款人愿意相信銀行并跟銀行進(jìn)行業(yè)務(wù)往來(lái)，提高了銀行流動(dòng)性的同時(shí)減弱了銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)，二者共同作用就會(huì)降低因貨幣政策不確定而產(chǎn)生的銀行業(yè)風(fēng)險(xiǎn)?；诖?，提出假設(shè)3。

假設(shè)3：銀行業(yè)景氣度提升會(huì)減弱貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響。

當(dāng)貨幣政策不確定性升高時(shí)，銀行面臨貨幣短缺、流動(dòng)性下降等問(wèn)題，銀行沒(méi)有足夠的資金進(jìn)行信貸行為，從而導(dǎo)致銀行業(yè)風(fēng)險(xiǎn)增大，此時(shí)企業(yè)以及借貸人因?qū)︺y行的信心不足而選擇其他投資或存儲(chǔ)方式，導(dǎo)致銀行業(yè)景氣度進(jìn)一步下降。即貨幣政策不確定性升高會(huì)導(dǎo)致銀行業(yè)風(fēng)險(xiǎn)增大進(jìn)而導(dǎo)致銀行業(yè)景氣度下降。基于此，提出假設(shè)4。

假設(shè)4：貨幣政策不確定性升高會(huì)導(dǎo)致銀行業(yè)風(fēng)險(xiǎn)增大，進(jìn)而導(dǎo)致銀行業(yè)景氣度下降。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源與樣本篩選

本文選取2010—2018年非平衡面板數(shù)據(jù)，剔除缺失值后剩余122家銀行。樣本包括國(guó)有控股大型商業(yè)銀行5家、股份制商業(yè)銀行11家、城市商業(yè)銀行83家以及農(nóng)村商業(yè)銀行23家。宏觀政策數(shù)據(jù)來(lái)自國(guó)泰安經(jīng)濟(jì)數(shù)據(jù)庫(kù)（CSMAR），商業(yè)銀行相關(guān)數(shù)據(jù)來(lái)自武漢大學(xué)CBD數(shù)據(jù)庫(kù)。

（二）變量定義

1.被解釋變量：銀行業(yè)風(fēng)險(xiǎn)

本文選取銀行業(yè)破產(chǎn)風(fēng)險(xiǎn)指標(biāo)Z值（ZScore）①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(xiǎn)承擔(dān)》，《金融研究》2012年第7期，第48—62頁(yè)。、不良貸款率（ln NPL）②王晉斌、李博：《中國(guó)貨幣政策對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)行為的影響研究》，《世界經(jīng)濟(jì)》2017年第1期，第25—43頁(yè)。以及風(fēng)險(xiǎn)加權(quán)資產(chǎn)比率（RWAR）③方意、趙勝民、謝曉聞：《貨幣政策的銀行風(fēng)險(xiǎn)承擔(dān)分析——兼論貨幣政策與宏觀審慎政策協(xié)調(diào)問(wèn)題》，《管理世界》2012年第11期，第9—19頁(yè)。作為銀行業(yè)風(fēng)險(xiǎn)（BankRisk）的度量指標(biāo)。其中：ZScore和ln NPL為正向指標(biāo)，其值越大銀行業(yè)風(fēng)險(xiǎn)也越大；RWAR為反向指標(biāo)，其值越大銀行業(yè)風(fēng)險(xiǎn)則越小。ZScore的計(jì)算公式為：ZScore=σiROAi,t/（ROAi,t+CARi,t）。其中ROA為總資產(chǎn)收益率，CAR為權(quán)益比率，σiROAi,t為ROA的標(biāo)準(zhǔn)差。ln NPL與RWAR的定義詳見(jiàn)表1?？紤]到NPL尖峰厚尾、高度有偏的特征，故取其自然對(duì)數(shù)。

2．核心解釋變量：貨幣政策不確定性指數(shù)

本文參考Huang和Luk計(jì)算的中國(guó)貨幣政策不確定性指數(shù)（MPU）作為核心解釋變量。④Huang Y,Luk P,“Measuring Economic Policy Uncertainty in China”,in China Economic Review,2020，Vol.59,DOI:10.1016/j.chieco.2019.101367.Huang和Luk在中國(guó)的114份報(bào)紙中，搜索了至少包含4個(gè)關(guān)鍵詞其中1個(gè)的文章，即經(jīng)濟(jì)、貨幣、不確定性以及貨幣政策相關(guān)詞匯，按符合標(biāo)準(zhǔn)的文章數(shù)量來(lái)計(jì)算當(dāng)月指標(biāo)。

3．控制變量

本文參考顧海峰和于家珺所做研究⑤顧海峰、于家珺：《中國(guó)經(jīng)濟(jì)政策不確定性與銀行風(fēng)險(xiǎn)承擔(dān)》，《世界經(jīng)濟(jì)》2019年第11期，第148—171頁(yè)。，選取盈利能力（Profitability）、銀行杠桿率（Leverage）、凈資產(chǎn)收益率（ROE）、負(fù)債率（DebtRatio）、經(jīng)營(yíng)效率（Efficiency）以及流動(dòng)性（Liquidity）作為控制變量。同時(shí)選取消費(fèi)者信心指數(shù)（CCI）、國(guó)內(nèi)生產(chǎn)總值增速（GGDP）以及貨幣增速（M2G）作為宏觀控制變量。

4．調(diào)節(jié)變量

本文參考顧海峰和張亞楠所做研究①顧海峰、張亞楠：《金融創(chuàng)新、信貸環(huán)境與銀行風(fēng)險(xiǎn)承擔(dān)——來(lái)自2006—2016年中國(guó)銀行業(yè)的證據(jù)》，《國(guó)際金融研究》2018年第9期，第66—75頁(yè)。，選取銀行業(yè)景氣指數(shù)（Boom）和金融開(kāi)放度（FO）作為調(diào)節(jié)變量。

變量匯總見(jiàn)表1。

表1 變量名稱(chēng)以及定義

（三）研究模型

模型一：BankRiski,t=β0+β1ln MPUt+β2Xi,t+β3Mt+αi+εi,t

模型二：BankRiski,t=β0+β1ln MPUt+β2Xi,t+β3Mt+ln MPUt×Boomt+αi+εi,t

模型三：BankRiski,t=β0+β1ln MPUt+β2Xi,t+β3Mt+ln MPUt×FOt+αi+εi,t

模型四：Boomi,t=β0+β1ln MPUt+β2BankRiski,t+β3Xi,t+β4Mt+αi+εi,t

模型（一）為本文基本模型，其中：BankRisk為銀行業(yè)風(fēng)險(xiǎn)，分別由銀行業(yè)破產(chǎn)風(fēng)險(xiǎn)指標(biāo)（ZScore）、不良貸款率（ln NPL）以及風(fēng)險(xiǎn)加權(quán)資產(chǎn)比率（RWAR）構(gòu)成；ln MPU為貨幣政策不確定性指數(shù)；Xi,t為隨時(shí)間變化的銀行層面控制變量；αi為銀行固定效應(yīng)，控制不隨時(shí)間變化的個(gè)體以緩解遺漏變量問(wèn)題；核心解釋變量為時(shí)間序列數(shù)據(jù)，無(wú)法控制時(shí)間固定效應(yīng)，所以要控制宏觀層面的因素，標(biāo)記為Mt；εi,t為隨機(jī)誤差項(xiàng)；β0為截距項(xiàng)。

模型（二）和（三）為分別加入了調(diào)節(jié)變量銀行業(yè)景氣指數(shù)（Boom）和金融開(kāi)放度（FO）的回歸結(jié)果，其中l(wèi)n MPUt×Boomt為貨幣政策不確定性指數(shù)與銀行業(yè)景氣指數(shù)的交乘項(xiàng)，ln MPUt×FOt為貨幣政策不確定性指數(shù)與金融開(kāi)放度的交乘項(xiàng)。

模型（四）是對(duì)貨幣政策不確定性與銀行業(yè)風(fēng)險(xiǎn)的進(jìn)一步研究，即貨幣政策不確定性增大了銀行業(yè)風(fēng)險(xiǎn)并降低了銀行業(yè)景氣度。

四、實(shí)證結(jié)果與分析

（一）描述性統(tǒng)計(jì)

表2為描述性統(tǒng)計(jì)結(jié)果。其中ZScore最小值和最大值分別為0.008和0.153，ln NPL最小值和最大值分別為-2.040和1.976，RWAR最小值和最大值分別為0.236和1.387。三者的最大值和最小值均相差較大，說(shuō)明各家銀行之間銀行業(yè)風(fēng)險(xiǎn)參差不齊。ln MPU均值為4.929，最小值和最大值分別為4.394和5.429，說(shuō)明中國(guó)的貨幣政策基本平穩(wěn)，并無(wú)較大幅度波動(dòng)。Boom均值為73.558，最小值和最大值分別為62.525和85.55，說(shuō)明中國(guó)銀行業(yè)景氣度一直較高，并且對(duì)銀行業(yè)的判斷大致始終向好。

表2 描述性統(tǒng)計(jì)結(jié)果

（二）基本回歸結(jié)果

表3為基本回歸結(jié)果。表3列（1）為貨幣政策不確定性指數(shù)對(duì)ZScore的基本回歸，回歸系數(shù)為0.002，在5%水平上顯著為正，說(shuō)明貨幣政策不確定性升高會(huì)增大銀行業(yè)破產(chǎn)風(fēng)險(xiǎn)。當(dāng)貨幣政策不確定性升高時(shí)，銀行作為發(fā)放貨幣的重要一環(huán)會(huì)面臨流動(dòng)性緊缺，從而導(dǎo)致現(xiàn)金流緊缺而增大了銀行業(yè)破產(chǎn)風(fēng)險(xiǎn)。表3列（2）為貨幣政策不確定性指數(shù)對(duì)ln NPL的基本回歸，回歸系數(shù)為0.207，在1%水平上顯著為正，不良貸款率取用對(duì)數(shù)形式，即貨幣政策不確定性指數(shù)每上升1個(gè)單位，ln NPL上升20.7%。當(dāng)貨幣政策不確定性升高時(shí)，銀行作為發(fā)放和傳輸貨幣的中介，由于現(xiàn)金流緊缺而導(dǎo)致市場(chǎng)上貨幣減少，企業(yè)以及貸款人無(wú)法獲得足夠的資金來(lái)償還貸款，從而導(dǎo)致ln NPL升高。表3列（3）為貨幣政策不確定性指數(shù)對(duì)RWAR的基本回歸，回歸系數(shù)為-0.025，在5%水平上顯著為負(fù)，即貨幣政策不確定性指數(shù)每上升1個(gè)單位，RWAR下降2.5%。綜上可見(jiàn)，假設(shè)1成立。

表3 貨幣政策不確定性與銀行業(yè)風(fēng)險(xiǎn)回歸結(jié)果

（三）調(diào)節(jié)效應(yīng)分析

表4為加入了調(diào)節(jié)變量FO與Boom的貨幣政策不確定性與銀行業(yè)風(fēng)險(xiǎn)的回歸結(jié)果。表4列（1）為貨幣政策不確定性指數(shù)與金融開(kāi)放度的交乘項(xiàng)（ln MPU×FO）對(duì)ZScore的回歸結(jié)果，可見(jiàn)在5%水平上顯著為正；表4列（3）為貨幣政策不確定性指數(shù)與金融開(kāi)放度的交乘項(xiàng)（ln MPU×FO）對(duì)ln NPL的回歸結(jié)果，可見(jiàn)在1%水平上顯著為正；表4列（5）為貨幣政策不確定性指數(shù)與金融開(kāi)放度的交乘項(xiàng)（ln MPU×FO）對(duì)RWAR的回歸結(jié)果，由于RWAR為反向指標(biāo)，故在5%水平上顯著為負(fù)。說(shuō)明當(dāng)貨幣政策不確定性升高時(shí)，金融開(kāi)放在當(dāng)期會(huì)增大銀行業(yè)風(fēng)險(xiǎn)。其中的含義是當(dāng)貨幣政策不確定性升高時(shí)，銀行業(yè)的現(xiàn)金流時(shí)而緊時(shí)而松，而此時(shí)金融開(kāi)放度提升，國(guó)外金融機(jī)構(gòu)大量涌入并對(duì)市場(chǎng)進(jìn)行搶占，這對(duì)現(xiàn)金流本就不穩(wěn)定的本國(guó)銀行造成了又一波沖擊，在短期內(nèi)加大了部分銀行的風(fēng)險(xiǎn)。故假設(shè)2成立。

表4 加入金融開(kāi)放與銀行業(yè)景氣指數(shù)的調(diào)節(jié)效應(yīng)

表4列（2）為貨幣政策不確定性指數(shù)與銀行業(yè)景氣指數(shù)的交乘項(xiàng)（ln MPU×Boom）對(duì)ZScore的回歸結(jié)果，可見(jiàn)在5%水平上顯著為負(fù)；表4列（4）為貨幣政策不確定性指數(shù)與銀行業(yè)景氣指數(shù)的交乘項(xiàng)（ln MPU×Boom）對(duì)ln NPL的回歸結(jié)果，可見(jiàn)在1%水平上顯著為負(fù)；表4列（6）為貨幣政策不確定性指數(shù)與銀行業(yè)景氣指數(shù)的交乘項(xiàng)（ln MPU×Boom）對(duì)RWAR的回歸結(jié)果，由于RWAR為反向指標(biāo)，故在1%水平上顯著為正。說(shuō)明當(dāng)貨幣政策不確定性升高時(shí)，銀行業(yè)景氣指數(shù)升高會(huì)減弱銀行業(yè)風(fēng)險(xiǎn)。當(dāng)貨幣政策不確定性升高時(shí)，銀行業(yè)景氣度升高意味著銀行當(dāng)期經(jīng)營(yíng)狀況與上一期相比有正向積極的變化，此時(shí)企業(yè)與貸款人更愿意相信銀行，從而使得銀行獲得的信貸質(zhì)量和數(shù)量提升，銀行信貸數(shù)量的提升減弱了銀行的流動(dòng)性風(fēng)險(xiǎn)，而信貸質(zhì)量的提升則減弱了銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)，二者共同作用就會(huì)降低銀行業(yè)風(fēng)險(xiǎn)。故假設(shè)3成立。

（四）異質(zhì)性檢驗(yàn)

把數(shù)據(jù)分為國(guó)有銀行與非國(guó)有銀行，表5列（1）為ln MPU對(duì)非國(guó)有銀行ZScore的回歸結(jié)果，回歸系數(shù)為0.002，在5%水平上顯著為正；表5列（2）為ln MPU對(duì)國(guó)有銀行ZScore的回歸結(jié)果，回歸系數(shù)為0.000，結(jié)果不顯著。表5列（3）為ln MPU對(duì)非國(guó)有銀行RWAR的回歸結(jié)果，回歸系數(shù)為-0.026，在5%水平上顯著為負(fù)，表5列（4）為ln MPU對(duì)國(guó)有銀行RWAR的回歸結(jié)果，回歸系數(shù)為-0.004，結(jié)果不顯著。其中的原因是：國(guó)有銀行擁有國(guó)家屬性且均有國(guó)家委派的自身專(zhuān)職業(yè)務(wù)并且有巨大的政策紅利，在面向市場(chǎng)開(kāi)展業(yè)務(wù)的同時(shí)也有部分業(yè)務(wù)由國(guó)家賦予，所以貨幣政策不確定性升高對(duì)國(guó)有銀行風(fēng)險(xiǎn)的影響并不大；而非國(guó)有銀行包括股份制商業(yè)銀行、城市商業(yè)銀行和農(nóng)村商業(yè)銀行，其業(yè)務(wù)大多來(lái)自于市場(chǎng)并且沒(méi)有國(guó)家政策紅利，所以貨幣政策不確定性升高會(huì)增大非國(guó)有銀行的風(fēng)險(xiǎn)。

表5 異質(zhì)性檢驗(yàn)與內(nèi)生性檢驗(yàn)結(jié)果

（續(xù)表 5）

（五）內(nèi)生性檢驗(yàn)與穩(wěn)健性檢驗(yàn)

1.內(nèi)生性檢驗(yàn)

（1）雙向因果關(guān)系：銀行業(yè)風(fēng)險(xiǎn)增大會(huì)不會(huì)導(dǎo)致貨幣政策不確定性升高呢？理論上來(lái)講是否定的，所以我們認(rèn)為不存在雙向因果關(guān)系。

（2）微觀渠道：貨幣政策不確定性是政府政策變動(dòng)和國(guó)際經(jīng)濟(jì)環(huán)境波動(dòng)以及國(guó)際政治影響等多方面因素共同作用而形成的數(shù)值指標(biāo)，微觀銀行業(yè)風(fēng)險(xiǎn)對(duì)其產(chǎn)生的影響非常微小。

（3）選取工具變量：本文參考王義中和宋敏①王義中、宋敏：《宏觀經(jīng)濟(jì)不確定性、資金需求與公司投資》，《經(jīng)濟(jì)研究》2014年第2期，第4—17頁(yè)。、顧夏銘等②顧夏銘、陳勇民、潘士遠(yuǎn)：《經(jīng)濟(jì)政策不確定性與創(chuàng)新——基于我國(guó)上市公司的實(shí)證分析》，《經(jīng)濟(jì)研究》2018年第2期，第109—123頁(yè)。以及李敬子和劉月③李敬子、劉月：《貿(mào)易政策不確定性與研發(fā)投資:來(lái)自中國(guó)企業(yè)的經(jīng)驗(yàn)證據(jù)》，《產(chǎn)業(yè)經(jīng)濟(jì)研究》2019年第6期，第1—13頁(yè)。的方法，使用美國(guó)貨幣政策不確定性指數(shù)（ln USMPU）作為工具變量。表5列（5）和列（6）的回歸系數(shù)分別為0.004和-0.037，均在1%水平上顯著，說(shuō)明結(jié)果穩(wěn)健可靠。

2.穩(wěn)健性檢驗(yàn)

本文選擇替換被解釋變量作為穩(wěn)健性檢驗(yàn)的方法。選取三個(gè)被解釋變量ZScore、ln NPL和RWAR分別作為被解釋變量，結(jié)果均穩(wěn)健可靠。

五、進(jìn)一步研究

參考溫忠麟和葉寶娟的研究①溫忠麟、葉寶娟：《中介效應(yīng)分析:方法和模型發(fā)展》，《心理科學(xué)進(jìn)展》2014年第5期，第731—745頁(yè)。，采用逐步檢驗(yàn)法（Causal Steps Approach），通過(guò)ln MPU分別對(duì)ZScore、ln NPL和RWAR進(jìn)行分段檢驗(yàn)，并進(jìn)一步傳導(dǎo)到銀行業(yè)景氣度。第一步為貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)的基本回歸（詳見(jiàn)表3）。第二步為銀行業(yè)風(fēng)險(xiǎn)對(duì)銀行業(yè)景氣度的影響。表6列（1）ZScore對(duì)銀行業(yè)景氣度的回歸結(jié)果，回歸系數(shù)為-71.55，并在1%水平上顯著為負(fù)，表6列（2）為ln NPL對(duì)銀行業(yè)景氣度的回歸結(jié)果，回歸系數(shù)為-1.798，并在1%水平上顯著為負(fù)，表6列（3）為RWAR對(duì)銀行業(yè)景氣度的回歸結(jié)果，由于RWAR為反向指標(biāo)，結(jié)果顯示在1%水平上顯著為正，回歸系數(shù)為9.037。以上結(jié)果均證明了貨幣政策不確定性升高會(huì)增大銀行業(yè)風(fēng)險(xiǎn)并降低銀行業(yè)景氣指數(shù)。

表6 進(jìn)一步檢驗(yàn)結(jié)果

（續(xù)表 6）

表6列（4）則是貨幣政策不確定性指數(shù)對(duì)銀行業(yè)景氣指數(shù)的基本回歸，以上三段法每段均在1%水平上顯著，說(shuō)明銀行業(yè)風(fēng)險(xiǎn)為貨幣政策不確定性與銀行業(yè)景氣度的中介效應(yīng)。其中的邏輯是，當(dāng)貨幣政策不確定性升高時(shí)，銀行會(huì)面臨貨幣短缺進(jìn)而流動(dòng)性降低，因?yàn)闆](méi)有足夠的資金進(jìn)行信貸行為，所以會(huì)引發(fā)違約風(fēng)險(xiǎn)從而導(dǎo)致銀行業(yè)風(fēng)險(xiǎn)增大，此時(shí)企業(yè)以及借貸人因?qū)︺y行的信心不足而選擇其他投資或存儲(chǔ)方式，從而導(dǎo)致銀行業(yè)景氣度進(jìn)一步下降。即貨幣政策不確定性升高會(huì)導(dǎo)致銀行業(yè)風(fēng)險(xiǎn)增大進(jìn)而導(dǎo)致銀行業(yè)景氣度下降。故假設(shè)4成立。

六、結(jié)論與建議

本文從銀行業(yè)景氣指數(shù)視角對(duì)貨幣政策不確定性與銀行業(yè)風(fēng)險(xiǎn)進(jìn)行多維度的分析和探討。結(jié)果表明：貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)具有顯著的正向影響，銀行業(yè)景氣指數(shù)上升會(huì)減弱貨幣政策不確定性對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響；貨幣政策不確定性對(duì)國(guó)有銀行業(yè)風(fēng)險(xiǎn)的影響微乎其微，而對(duì)非國(guó)有銀行風(fēng)險(xiǎn)的影響較為顯著；當(dāng)貨幣政策不確定性升高而增大了銀行業(yè)風(fēng)險(xiǎn)時(shí)，銀行業(yè)景氣度也會(huì)加速降低，這將對(duì)整個(gè)銀行業(yè)產(chǎn)生較為明顯的削弱作用。

由此本文提出以下建議。首先，政府部門(mén)應(yīng)該保持貨幣政策的穩(wěn)定，要審慎頒布貨幣政策，盡量減少“大水漫灌”等相對(duì)較為極端的政策；其次，當(dāng)政府迫不得已需要調(diào)整貨幣政策并導(dǎo)致貨幣政策不確定性升高時(shí)，銀行應(yīng)該結(jié)合經(jīng)營(yíng)情況加強(qiáng)自身流動(dòng)性來(lái)抵御風(fēng)險(xiǎn)，同時(shí)銀行對(duì)信貸的態(tài)度應(yīng)慎之又慎，盡量規(guī)避高風(fēng)險(xiǎn)企業(yè)以及個(gè)人的信貸申請(qǐng)，做好預(yù)防風(fēng)險(xiǎn)的前期準(zhǔn)備；再次，當(dāng)貨幣政策不確定性升高時(shí)，國(guó)家應(yīng)該對(duì)非國(guó)有銀行進(jìn)行政策上的減壓，以免造成非國(guó)有銀行大面積虧損而產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)。最后，當(dāng)銀行業(yè)風(fēng)險(xiǎn)增加時(shí)，國(guó)家應(yīng)該幫助企業(yè)以及個(gè)人重拾對(duì)銀行業(yè)的信心，幫助銀行減輕風(fēng)險(xiǎn)并提升公信力，給予銀行對(duì)企業(yè)以及個(gè)人業(yè)務(wù)獨(dú)一無(wú)二的地位，通過(guò)提升銀行業(yè)景氣度來(lái)降低銀行業(yè)風(fēng)險(xiǎn)。