黃飛鳴 晏文真

為應(yīng)對(duì)經(jīng)濟(jì)增速放慢、企業(yè)破產(chǎn)率上升和產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，中國出臺(tái)了一系列宏觀調(diào)控政策措施，旨在實(shí)現(xiàn)國民經(jīng)濟(jì)高質(zhì)量發(fā)展。然而，政策調(diào)整是一把雙刃劍，雖然這些政策措施在推動(dòng)經(jīng)濟(jì)增長方面起到了積極作用，但也帶來了政策不確定性問題；且隨著國際貿(mào)易摩擦不斷升級(jí)、新冠疫情的暴發(fā)，政策不確定性對(duì)宏觀經(jīng)濟(jì)和微觀主體都產(chǎn)生了顯著的影響。Baker 等認(rèn)為，2008 年全球金融危機(jī)發(fā)生后，政策不確定性在驅(qū)動(dòng)全球經(jīng)濟(jì)周期性波動(dòng)的因素中占據(jù)越來越重要的地位［1］。劉金全和艾昕指出，不確定性的存在會(huì)影響宏觀經(jīng)濟(jì)政策的作用效果，政策不確定性的上升會(huì)導(dǎo)致貨幣政策調(diào)控效果減弱，財(cái)政政策和金融供給側(cè)結(jié)構(gòu)性改革的調(diào)控效果相對(duì)穩(wěn)定，但也存在一定程度的波動(dòng)，因而研究政策不確定性具有重要意義［2］。貨幣政策作為經(jīng)濟(jì)調(diào)控的重要手段之一，近年來政策操作越來越頻繁。2008 年金融危機(jī)后各經(jīng)濟(jì)體推出了“量化寬松”“非常規(guī)”“零利率甚至是負(fù)利率”等貨幣政策措施來“拯救危機(jī)”?，F(xiàn)實(shí)中，追求政策調(diào)控的多元目標(biāo)動(dòng)態(tài)平衡，客觀上造成了貨幣政策在工具選擇、作用力度、節(jié)奏，以及政策取向等方面的調(diào)整和變動(dòng)，從而引致貨幣政策的不確定性。正如KurovStan指出的，不確定性始終與貨幣政策相伴而行，即便中央銀行致力于透明穩(wěn)定的政策環(huán)境的營造［3］。對(duì)貨幣政策不確定性經(jīng)濟(jì)影響的討論包括宏觀和微觀兩個(gè)層面。從宏觀視角來看，貨幣政策不確定性的增加會(huì)導(dǎo)致產(chǎn)出水平的下降以及通貨膨脹率和失業(yè)率的大幅波動(dòng)［4-6］。就微觀層面來說，貨幣政策的不確定性會(huì)抑制實(shí)體企業(yè)創(chuàng)新水平［7-8］，并造成企業(yè)資本結(jié)構(gòu)動(dòng)態(tài)調(diào)整速度的下降［9-10］。

商業(yè)銀行在經(jīng)濟(jì)活動(dòng)中扮演著重要角色，在以商業(yè)銀行為主導(dǎo)的中國金融體系中，貨幣政策工具作用于實(shí)體經(jīng)濟(jì)發(fā)展往往繞不開商業(yè)銀行這一金融媒介。中國現(xiàn)階段實(shí)體企業(yè)融資依然是以商業(yè)銀行發(fā)放信貸為主導(dǎo)，與非銀行業(yè)金融機(jī)構(gòu)相比，商業(yè)銀行作為貨幣政策影響實(shí)體經(jīng)濟(jì)的主要傳導(dǎo)渠道，更易感知并受到政策變動(dòng)和不確定性的影響。因此，探討貨幣政策不確定性對(duì)商業(yè)銀行經(jīng)營管理決策的影響是一項(xiàng)研究重點(diǎn)。貨幣政策不確定性對(duì)商業(yè)銀行的影響多是負(fù)面的。FuLuo 發(fā)現(xiàn)，貨幣政策不確定性的增加會(huì)造成銀行資本占總資產(chǎn)比例的下降，導(dǎo)致銀行資產(chǎn)負(fù)債率的上升［11］。周曄和王亞梅指出，當(dāng)面臨貨幣政策不確定性時(shí)，商業(yè)銀行流動(dòng)性創(chuàng)造會(huì)降低［12］。顧海峰和朱紫荊則發(fā)現(xiàn)，貨幣政策不確定性會(huì)抑制銀行資本配置效率，并且這種抑制作用在股份制銀行中更顯著［13］。就銀行信貸業(yè)務(wù)來說，貨幣政策不確定性會(huì)對(duì)銀行信貸投放行為產(chǎn)生影響，造成信貸資產(chǎn)數(shù)量和質(zhì)量的變化，以及銀行信用風(fēng)險(xiǎn)和經(jīng)營風(fēng)險(xiǎn)的變化［14］。為防范貸款違約損失、降低信用風(fēng)險(xiǎn)，商業(yè)銀行會(huì)依照監(jiān)管要求按比例從存續(xù)貸款中計(jì)提損失準(zhǔn)備金。研究貸款撥備的計(jì)提是否受到貨幣政策頻繁調(diào)整引發(fā)的不確定性影響，具有非常重要的研究意義。

基于2008—2021 年中國147 家商業(yè)銀行年度數(shù)據(jù)，實(shí)證分析貨幣政策不確定性對(duì)商業(yè)銀行貸款撥備計(jì)提行為的影響及作用機(jī)制，并進(jìn)一步研究銀行特征的異質(zhì)性對(duì)貸款撥備計(jì)提的影響。

一、文獻(xiàn)回顧與研究假設(shè)

（一）文獻(xiàn)回顧

發(fā)放貸款是商業(yè)銀行的核心業(yè)務(wù)，也是銀行收入的主要來源。信貸投放及信貸質(zhì)量是商業(yè)銀行研究的重要方向之一，能夠直接反映銀行信貸資產(chǎn)質(zhì)量的指標(biāo)主要有不良貸款率、貸款撥備率與撥備覆蓋率。后兩個(gè)指標(biāo)都與貸款撥備（loan loss provisions，又稱貸款損失準(zhǔn)備）的計(jì)提金額有關(guān)。貸款撥備計(jì)提是指基于監(jiān)管部門的相關(guān)規(guī)定，商業(yè)銀行需在每季度對(duì)其存續(xù)貸款按質(zhì)量狀況進(jìn)行不同比例的準(zhǔn)備金提取。通過貸款撥備的計(jì)提情況可以核算出貸款撥備率與撥備覆蓋率，進(jìn)而評(píng)估銀行的貸款質(zhì)量?，F(xiàn)有文獻(xiàn)對(duì)商業(yè)銀行貸款撥備的研究主要包括兩類：第一類是基于貸款撥備的特征，研究其信號(hào)傳遞功能，如貸款撥備計(jì)提對(duì)銀行股票收益率的影響［15］。由于監(jiān)管層對(duì)貸款撥備計(jì)提下限有明確要求，但不設(shè)上限，因而準(zhǔn)備金的計(jì)提會(huì)出現(xiàn)高于監(jiān)管要求的情況，這就體現(xiàn)為貸款撥備的盈余管理功能，有學(xué)者研究發(fā)現(xiàn)銀行管理層存在通過貸款撥備計(jì)提進(jìn)行盈余管理的行為［16-18］。此外，還有文獻(xiàn)從資本管理角度研究貸款撥備的計(jì)提［19］。第二類則從宏觀層面討論經(jīng)濟(jì)周期對(duì)貸款撥備計(jì)提產(chǎn)生的影響。貸款撥備計(jì)提往往存在順周期性，表現(xiàn)為在經(jīng)濟(jì)景氣時(shí)期銀行少計(jì)提損失準(zhǔn)備，而在經(jīng)濟(jì)衰退階段增加其計(jì)提［20-21］。

也有學(xué)者研究了宏觀經(jīng)濟(jì)政策不確定性對(duì)貸款撥備計(jì)提的影響。Danisman 等通過研究2009—2019 年美國銀行貸款撥備計(jì)提情況，發(fā)現(xiàn)在經(jīng)濟(jì)政策不確定性較高時(shí)期，銀行會(huì)出于收入平滑的目的而增加計(jì)提準(zhǔn)備金，并且此種現(xiàn)象在非上市銀行中更為顯著［22］。申宇、任美旭、趙靜梅基于中國商業(yè)銀行數(shù)據(jù)，研究發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性越高時(shí)，銀行會(huì)計(jì)提更多的貸款撥備，并且該結(jié)論在上市商業(yè)銀行和中小商業(yè)銀行中更為明顯［23］。

通過梳理過往研究可以發(fā)現(xiàn)，大部分文獻(xiàn)在研究銀行貸款撥備計(jì)提時(shí)，主要基于撥備計(jì)提的功能、經(jīng)濟(jì)周期以及經(jīng)濟(jì)政策不確定性的視角，鮮有文獻(xiàn)研究貨幣政策不確定性對(duì)銀行貸款撥備計(jì)提的影響。貨幣政策對(duì)商業(yè)銀行具有經(jīng)營風(fēng)向標(biāo)的作用，相較于其他宏觀經(jīng)濟(jì)政策，貨幣政策對(duì)商業(yè)銀行具有直接作用效果。然而，政策變動(dòng)產(chǎn)生的不確定性會(huì)影響政策傳導(dǎo)的有效性，基于貨幣政策不確定性的視角來研究銀行經(jīng)營行為，有助于檢驗(yàn)在不確定性存在時(shí)政策傳導(dǎo)的有效性。

（二）理論分析與研究假設(shè)

近年來，貨幣當(dāng)局在傳統(tǒng)貨幣政策的基礎(chǔ)上，推出多種創(chuàng)新型貨幣政策工具，通過發(fā)揮傳統(tǒng)和創(chuàng)新型貨幣政策的共同作用支持實(shí)體經(jīng)濟(jì)發(fā)展。政策工具的豐富有效緩解了宏觀經(jīng)濟(jì)下行的壓力，但貨幣政策多樣性的增加、操作靈活性的提高同時(shí)也導(dǎo)致了其不確定性的上升。市場參與方尤其是銀行的信心必然受到貨幣政策頻繁變動(dòng)的影響，對(duì)銀行的風(fēng)險(xiǎn)管理起到負(fù)面作用。一般來說，在政策不確定性上升時(shí)，銀行會(huì)采取股票增發(fā)、債券募集等方法達(dá)到增加資本的目的，以此提高資本充足率；或者采取多計(jì)提貸款撥備達(dá)到提高撥備覆蓋率的目的。然而，提高資本充足率所需的監(jiān)管層審批流程復(fù)雜、審批時(shí)間更長，且銀行管理層對(duì)貸款撥備的計(jì)提擁有更多的自行決策權(quán)，因而計(jì)提貸款撥備就成為銀行預(yù)防風(fēng)險(xiǎn)更為高效的方式。

貨幣政策不確定性對(duì)金融行業(yè)系統(tǒng)性風(fēng)險(xiǎn)具有沖擊效應(yīng)，會(huì)加劇金融機(jī)構(gòu)違約風(fēng)險(xiǎn)［24-25］。為了應(yīng)對(duì)信貸質(zhì)量下降、經(jīng)營風(fēng)險(xiǎn)增加的問題，銀行會(huì)通過“預(yù)期信用損失模型”的計(jì)提方式緩釋風(fēng)險(xiǎn)，并且多計(jì)提貸款撥備還能夠降低未來個(gè)體風(fēng)險(xiǎn)和溢出風(fēng)險(xiǎn)［26-27］。因此，銀行能夠通過提取更多的損失準(zhǔn)備金來有效降低自身經(jīng)營風(fēng)險(xiǎn)。此外，在面臨貨幣政策不確定性時(shí)，銀行出于盈余管理的目的，也會(huì)計(jì)提更多的貸款撥備，通過此種方式來應(yīng)對(duì)可能出現(xiàn)的銀行貸款壞賬核銷增加而帶來的流動(dòng)性風(fēng)險(xiǎn)，使銀行的收益波動(dòng)性更小，向投資者傳達(dá)銀行經(jīng)營平穩(wěn)的信息。基于上述分析，提出如下假設(shè)：

假設(shè)1：貨幣政策不確定性越大，銀行越傾向于計(jì)提更多的貸款撥備。

商業(yè)銀行經(jīng)營的原則之一是安全性，體現(xiàn)為銀行控制風(fēng)險(xiǎn)的能力。其中，計(jì)提貸款撥備是銀行進(jìn)行貸款質(zhì)量管理并抵御風(fēng)險(xiǎn)的主要手段。然而，貨幣政策的頻繁變化以及日益增加的不確定性往往導(dǎo)致銀行被動(dòng)承擔(dān)風(fēng)險(xiǎn)的增加和主動(dòng)承擔(dān)風(fēng)險(xiǎn)的意愿下降。從被動(dòng)風(fēng)險(xiǎn)承擔(dān)來看，貨幣政策不確定性會(huì)對(duì)經(jīng)濟(jì)增長產(chǎn)生不利影響，使得部分企業(yè)的穩(wěn)健發(fā)展受阻，并造成企業(yè)出現(xiàn)流動(dòng)性不足、抵押物價(jià)值下降甚至無法按時(shí)支付貸款本息的情況。這些負(fù)面效應(yīng)又可能通過信貸渠道傳導(dǎo)至商業(yè)銀行，造成銀行資產(chǎn)質(zhì)量的下降，面臨更高的違約風(fēng)險(xiǎn)，風(fēng)險(xiǎn)水平的提高則會(huì)使得銀行經(jīng)營穩(wěn)定性下降，增加銀行破產(chǎn)風(fēng)險(xiǎn)。為了保證經(jīng)營穩(wěn)定并防止風(fēng)險(xiǎn)擴(kuò)散，預(yù)期銀行將通過增加計(jì)提貸款撥備的方式來降低破產(chǎn)風(fēng)險(xiǎn)。換言之，貨幣政策不確定性造成的銀行破產(chǎn)風(fēng)險(xiǎn)增加是促進(jìn)貸款撥備計(jì)提增加的渠道之一。除破產(chǎn)風(fēng)險(xiǎn)外，貨幣政策不確定性還會(huì)造成銀行不良貸款的增加，從而使銀行面臨更高的信貸風(fēng)險(xiǎn)［28］。根據(jù)監(jiān)管部門對(duì)銀行信貸風(fēng)險(xiǎn)控制的要求，貸款撥備的專項(xiàng)準(zhǔn)備部分按照貸款質(zhì)量分類及其對(duì)應(yīng)比例計(jì)提，如果信貸風(fēng)險(xiǎn)增加，就意味著貸款質(zhì)量惡化，銀行必須相應(yīng)增加貸款撥備的計(jì)提金額，以確保風(fēng)險(xiǎn)可控?；谝陨戏治?，提出如下假設(shè)：

假設(shè)2：貨幣政策不確定性會(huì)增加銀行破產(chǎn)風(fēng)險(xiǎn)和信貸風(fēng)險(xiǎn)，從而促使商業(yè)銀行增加貸款撥備金額。

上述銀行破產(chǎn)風(fēng)險(xiǎn)和信貸風(fēng)險(xiǎn)主要體現(xiàn)為銀行被動(dòng)承擔(dān)的風(fēng)險(xiǎn)，同時(shí)銀行也可能為了獲取更高收益而選擇主動(dòng)承擔(dān)更多風(fēng)險(xiǎn)，或者為了穩(wěn)定經(jīng)營而降低主動(dòng)風(fēng)險(xiǎn)承擔(dān)。當(dāng)貨幣政策不確定性上升時(shí)，銀行往往會(huì)降低其主動(dòng)承擔(dān)風(fēng)險(xiǎn)的意愿，表現(xiàn)為銀行信貸投放規(guī)模的變化。同時(shí)，降低主動(dòng)承擔(dān)風(fēng)險(xiǎn)的意愿會(huì)導(dǎo)致銀行在發(fā)放貸款時(shí)更加謹(jǐn)慎，除了出現(xiàn)“惜貸”現(xiàn)象外，還可能采取提高風(fēng)險(xiǎn)溢價(jià)的方式來應(yīng)對(duì)未來可能出現(xiàn)的信用風(fēng)險(xiǎn)，這將導(dǎo)致信貸成本尤其是貸款利率上調(diào)。因此，貸款利率的增加能夠反映銀行主動(dòng)風(fēng)險(xiǎn)承擔(dān)意愿的降低。在此基礎(chǔ)上，提出如下假設(shè)：

假設(shè)3：貨幣政策不確定性會(huì)降低銀行的主動(dòng)風(fēng)險(xiǎn)承擔(dān)意愿，從而導(dǎo)致商業(yè)銀行增加貸款撥備的計(jì)提。

二、研究設(shè)計(jì)

選取2008—2021 年中國商業(yè)銀行的年度數(shù)據(jù)，依據(jù)以下三項(xiàng)要求對(duì)銀行進(jìn)行篩選：（1）考慮到各家銀行數(shù)據(jù)披露的完整性，剔除樣本期內(nèi)連續(xù)三年財(cái)務(wù)數(shù)據(jù)缺失的銀行；（2）剔除被監(jiān)管部門接管或近三年被合并的銀行；（3）剔除政策性銀行和外資銀行。 經(jīng)篩選后，保留147 家商業(yè)銀行作為研究樣本，包括了6 家大型商業(yè)銀行、12 家股份制商業(yè)銀行、89 家城市商業(yè)銀行、40家農(nóng)村商業(yè)銀行；樣本銀行2021 年末的總資產(chǎn)規(guī)模為265.3 萬億元，占整個(gè)銀行業(yè)總資產(chǎn)規(guī)模的80%左右，能夠較為全面地反映中國銀行業(yè)狀況。由于樣本銀行中某些年份的財(cái)務(wù)數(shù)據(jù)（包括當(dāng)期貸款撥備計(jì)提數(shù)據(jù)等）存在缺失，最終得到1 692 個(gè)觀測值的非平衡面板數(shù)據(jù)。銀行微觀數(shù)據(jù)來源于Wind 數(shù)據(jù)庫和國泰安數(shù)據(jù)庫，宏觀經(jīng)濟(jì)數(shù)據(jù)來源于中經(jīng)網(wǎng)。為降低異常值對(duì)回歸結(jié)果的影響，對(duì)除宏觀經(jīng)濟(jì)變量外的所有連續(xù)變量在前后1%的水平上進(jìn)行縮尾處理。

（一）基準(zhǔn)回歸模型

為檢驗(yàn)貨幣政策不確定性對(duì)商業(yè)銀行貸款撥備計(jì)提的影響，構(gòu)建以下基準(zhǔn)回歸模型：

其中，i表示商業(yè)銀行，t表示年份；被解釋變量LLPi，t為銀行i在t年計(jì)提的貸款撥備額；解釋變量UNCERTAINTYt為貨幣政策不確定性。BANKk，i，t為銀行層面當(dāng)期控制變量的集合，包括了n個(gè)銀行層面控制變量。MACROl，t為宏觀層面控制變量集，包括了m個(gè)宏觀控制變量。μi表示個(gè)體固定效應(yīng)，εi，t為隨機(jī)誤差項(xiàng)。

（二）變量選取

第一，被解釋變量：銀行貸款撥備當(dāng)期計(jì)提額（LLP）。商業(yè)銀行通過計(jì)提貸款撥備來抵御到期不能回收貸款的風(fēng)險(xiǎn)，銀行貸款撥備分為當(dāng)期計(jì)提數(shù)額和累積計(jì)提余額，當(dāng)期計(jì)提體現(xiàn)的是時(shí)期數(shù)據(jù)，而累積計(jì)提則為時(shí)點(diǎn)數(shù)據(jù)?？紤]到當(dāng)期計(jì)提的損失準(zhǔn)備是時(shí)期數(shù)據(jù)，在進(jìn)行規(guī)模化處理時(shí)分母也應(yīng)該為時(shí)期值，參考Ahmed 等［19］，采用貸款撥備當(dāng)年計(jì)提額與銀行期初、期末總資產(chǎn)均值的比值作為被解釋變量。銀行貸款撥備計(jì)提額相較于一些文獻(xiàn)選用的“不良貸款率”更科學(xué)合理。這是因?yàn)?，“貸款撥備計(jì)提”覆蓋了銀行貸款中的正常貸款，而不僅僅是不良貸款。另外，貸款撥備計(jì)提反映了銀行對(duì)貸款質(zhì)量的預(yù)判，而不良貸款率反映的是已實(shí)現(xiàn)的貸款質(zhì)量。

第二，核心解釋變量：中國貨幣政策不確定性指數(shù)（UNCERTAINTY）。已有文獻(xiàn)在測度貨幣政策不確定性方面尚未取得共識(shí)，大致可以歸納為以下幾種做法：通過估計(jì)貨幣政策工具、宏觀經(jīng)濟(jì)變量的不可預(yù)測部分來度量其不確定性［25，29］；計(jì)算單一貨幣政策變量的標(biāo)準(zhǔn)差或殘差作為度量指標(biāo)［9］；利用隨機(jī)波動(dòng)模型等計(jì)量模型估計(jì)貨幣政策不確定性［30］；基于文本分析的方法對(duì)貨幣政策不確定性進(jìn)行度量。參考Baker等［1］的方法，Husted 等［6］構(gòu)建了美國貨幣政策不確定性指數(shù)。國內(nèi)也有學(xué)者采用文本分析法度量中國貨幣政策不確定性。朱軍和蔡恬恬［5］、何德旭等［10］、鄺雄等［14］通過篩選國內(nèi)發(fā)行量較大報(bào)紙的關(guān)鍵詞，構(gòu)建了中國貨幣政策不確定性指數(shù)。在一定程度上，文本分析法具備科學(xué)性，但其存在著報(bào)刊和關(guān)鍵詞選取方面的主觀性，而這會(huì)影響到最終結(jié)果的準(zhǔn)確性。同時(shí)，報(bào)刊的權(quán)威性和覆蓋范圍等因素也會(huì)對(duì)測度結(jié)果的準(zhǔn)確性產(chǎn)生影響。此外，僅僅依賴于某一宏觀經(jīng)濟(jì)指標(biāo)的標(biāo)準(zhǔn)差或波動(dòng)率的方法來衡量不確定性則會(huì)過于片面。因此，借鑒Jurado 等［29］、王博等［25］的研究方法，通過估計(jì)一系列貨幣政策變量和宏觀經(jīng)濟(jì)變量預(yù)測誤差的條件波動(dòng)率，對(duì)其加權(quán)平均獲得總體的不確定性數(shù)值。這樣就克服了通過單一經(jīng)濟(jì)變量進(jìn)行預(yù)測的局限性。

第三，控制變量。 銀行層面的控制變量主要包括以下幾項(xiàng)：（1）當(dāng)期貸款凈核銷，用銀行當(dāng)期貸款凈核銷與銀行期初、期末總資產(chǎn)均值的比值來衡量（CO）；（2）貸款撥備余額與總資產(chǎn)的比值（LLR），有研究表明，期初貸款撥備余額越多，當(dāng)期提取的準(zhǔn)備金可能越少，因而采用滯后一期項(xiàng)（L.LLR）；（3）利潤總額與期初、期末資產(chǎn)均值的比值（EBT），考慮到在計(jì)提貸款撥備時(shí)，銀行管理層往往會(huì)根據(jù)利潤情況進(jìn)行盈余管理，因而貸款撥備的計(jì)提會(huì)受利潤情況的影響；（4）銀行信貸規(guī)模會(huì)影響貸款撥備的計(jì)提數(shù)量，無論是新增貸款還是存續(xù)貸款，均需按比例計(jì)提撥備，用貸款總額與總資產(chǎn)的比值來衡量信貸規(guī)模（TLTA）；（5）資本資產(chǎn)比（ETA），用來衡量銀行資本充足情況及抵抗風(fēng)險(xiǎn)能力；（6）銀行規(guī)模（TA），用總資產(chǎn)取對(duì)數(shù)進(jìn)行衡量。

貨幣政策不確定性指數(shù)僅隨時(shí)間變化而不隨個(gè)體變化，會(huì)導(dǎo)致其與時(shí)間固定效應(yīng)產(chǎn)生完全共線性?；诠簿€性的情況，模型（1）中并未控制年份固定效應(yīng)，這可能會(huì)導(dǎo)致遺漏部分重要的不可觀測因素。因此，參考申宇、任美旭、趙靜梅［23］的做法，在模型中納入宏觀層面的變量以盡可能減少遺漏變量問題，宏觀層面控制變量包括GDP增速、CPI 增速和貨幣政策變量M2 增速。此外，還納入銀行業(yè)景氣指數(shù)（BBI）和貨幣政策感受指數(shù)（MPPI）。銀行業(yè)景氣指數(shù)是對(duì)銀行管理人員定期的問卷調(diào)查，反映了銀行管理層對(duì)銀行總體經(jīng)營狀況的判斷，該指數(shù)會(huì)對(duì)宏觀經(jīng)濟(jì)政策的制定、貨幣政策工具的執(zhí)行產(chǎn)生影響，進(jìn)而影響銀行類機(jī)構(gòu)的決策。貨幣政策感受指數(shù)是中國人民銀行通過全面調(diào)查和抽樣調(diào)查相結(jié)合的方式，對(duì)銀行的總部負(fù)責(zé)人及分支機(jī)構(gòu)的管理層進(jìn)行問卷調(diào)查，以判斷認(rèn)為貨幣政策“偏松”及“適度”的銀行管理人員占比。變量定義如表1（下頁）所示。

表1 各變量定義

（三）變量描述性統(tǒng)計(jì)和相關(guān)性分析

主要變量的描述性統(tǒng)計(jì)情況見表2（下頁）。LLP均值是0.55，最小值接近0，最大值為1.92，說明不同銀行的貸款撥備計(jì)提存在明顯不同。UNCERTAINTY均值為0.60，最小值為0.51，最大值為0.78，具有一定波動(dòng)性。CO最小值為0，最大值為1.94，樣本中貸款凈核銷占比的最大值和最小值與撥備計(jì)提占比類似；但凈核銷占比均值為0.29，說明總體上被核銷的貸款撥備比計(jì)提的要少。貸款撥備余額與總資產(chǎn)比值（LLR）的均值為1.51，標(biāo)準(zhǔn)差為0.60，說明樣本銀行的撥備余額差異較大。貸款總額與總資產(chǎn)比值（TLTA）的均值為51.06，意味著貸款約占據(jù)銀行總資產(chǎn)規(guī)模的一半。銀行業(yè)景氣指數(shù)和貨幣政策感受指數(shù)的標(biāo)準(zhǔn)差較大，說明在樣本期內(nèi)不同銀行的管理層對(duì)銀行景氣程度和貨幣政策的感知度存在差異，因而可能影響撥備計(jì)提情況。

表2 變量描述性統(tǒng)計(jì)

表3 報(bào)告了各主要變量間的Pearson相關(guān)系數(shù)。變量貨幣政策不確定性（UNCERTAINTY）與銀行貸款撥備計(jì)提（LLP）的相關(guān)系數(shù)為0.120，且具有統(tǒng)計(jì)意義上的顯著性，表明貨幣政策不確定性越高，銀行計(jì)提的貸款撥備越多，與預(yù)期一致。各主要變量之間相關(guān)系數(shù)的絕對(duì)值均在合理范圍內(nèi)，說明回歸模型不存在嚴(yán)重的多重共線性問題。相關(guān)性分析是單變量分析，未考慮控制其他變量的影響，后續(xù)將通過多元線性回歸作進(jìn)一步檢驗(yàn)。

表3 變量的相關(guān)性分析

三、實(shí)證結(jié)果和分析

（一）基準(zhǔn)回歸結(jié)果

首先對(duì)模型（1）進(jìn)行回歸。表4 匯報(bào)了基于固定效應(yīng)模型（FE）和隨機(jī)效應(yīng)模型（RE）的實(shí)證結(jié)果?？梢钥吹剑琀ausman檢驗(yàn)的p值均為0.00，因而選擇固定效應(yīng)模型進(jìn)行后續(xù)估計(jì)和分析。列（1）僅考慮了銀行層面的控制變量，列（2）納入宏觀經(jīng)濟(jì)變量、貨幣政策變量及銀行業(yè)指數(shù)。結(jié)果顯示，列（2）中貨幣政策不確定性（UNCERTAINTY）的回歸系數(shù)為0.261，且在1%的水平上顯著，說明貨幣政策不確定性會(huì)正向影響銀行貸款撥備計(jì)提，從而驗(yàn)證了假設(shè)1?？刂谱兞糠矫妫J款凈核銷占比（CO）的回歸系數(shù)為0.355，且在1%的水平上顯著，說明貸款凈核銷金額的上升會(huì)增加貸款撥備當(dāng)期計(jì)提額。期初貸款撥備余額（L.LLR）的回歸系數(shù)為-0.058，且在5%的水平上顯著，說明期初貸款損失準(zhǔn)備余額越多，當(dāng)期計(jì)提的貸款損失準(zhǔn)備越少。TLTA的回歸系數(shù)為0.009，且在1%的水平上顯著，銀行貸款規(guī)模與貸款撥備計(jì)提呈正向關(guān)系，說明貸款規(guī)模的增加會(huì)造成銀行計(jì)提更多貸款撥備。

表4 貨幣政策不確定性與貸款撥備計(jì)提

（二）作用機(jī)制分析

前文實(shí)證分析表明，貨幣政策不確定性增加對(duì)銀行計(jì)提貸款撥備具有促進(jìn)作用。在此，對(duì)貨幣政策不確定性和銀行貸款撥備的作用機(jī)制進(jìn)行分析。理論分析部分指出，貨幣政策不確定性上升會(huì)促使銀行計(jì)提更多貸款撥備，這主要是由銀行被動(dòng)風(fēng)險(xiǎn)承擔(dān)和主動(dòng)風(fēng)險(xiǎn)承擔(dān)意愿所驅(qū)動(dòng)的。因此，這里在主回歸模型的基礎(chǔ)上，參考江艇提出的中介效應(yīng)分析操作建議，通過觀察核心解釋變量對(duì)中介變量的影響進(jìn)行機(jī)制檢驗(yàn)［31］。

1.貨幣政策不確定性對(duì)銀行被動(dòng)風(fēng)險(xiǎn)承擔(dān)的機(jī)制檢驗(yàn)

對(duì)商業(yè)銀行風(fēng)險(xiǎn)進(jìn)行衡量的指標(biāo)主要有Z值、預(yù)期信用違約率、不良貸款率等。在學(xué)術(shù)界，通常采用Roy 提出的Z值來度量銀行破產(chǎn)風(fēng)險(xiǎn)，因而用該指標(biāo)作為銀行風(fēng)險(xiǎn)的代理變量［32］。模型（2）為Z值的計(jì)算公式。其中，ROA表示銀行總資產(chǎn)收益率；ETA為資本資產(chǎn)比，等于所有者權(quán)益與總資產(chǎn)的比值；σ（ROA）是總資產(chǎn)收益率的標(biāo)準(zhǔn)差，因樣本量較少且時(shí)間跨度不長，為減少缺失值，采用2 年連續(xù)平滑的方法計(jì)算σ（ROA）。由于Z值具有尖峰厚尾且高度有偏的特征，因而對(duì)其進(jìn)行對(duì)數(shù)化處理，Z值越大，意味著商業(yè)銀行的經(jīng)營穩(wěn)定性越高。

此外，理論分析部分還指出，信貸風(fēng)險(xiǎn)的增加會(huì)帶來貸款質(zhì)量的惡化，也會(huì)造成銀行計(jì)提更多的貸款撥備。因此，需要驗(yàn)證貨幣政策不確定性對(duì)銀行信貸風(fēng)險(xiǎn)的影響，采用不良貸款的增速（NPLGROWTH）來衡量信貸風(fēng)險(xiǎn)狀況，NPLGROWTH越大，表示銀行不良貸款增速越快，即信貸風(fēng)險(xiǎn)呈上升趨勢，信貸資產(chǎn)質(zhì)量惡化加速。

表5 列（1）的結(jié)果顯示，貨幣政策不確定性對(duì)Z值的影響系數(shù)為-2.136，且在1%的水平上顯著，Z值的下降意味著銀行破產(chǎn)風(fēng)險(xiǎn)加大，為了應(yīng)對(duì)貨幣政策不確定性造成的破產(chǎn)風(fēng)險(xiǎn)上升，銀行會(huì)傾向于計(jì)提更多貸款撥備。列（2）中貨幣政策不確定性對(duì)不良貸款增速的影響系數(shù)為1.150且顯著，說明銀行不良貸款增速隨著貨幣政策不確定性的增加而上升，銀行面臨更高的信貸風(fēng)險(xiǎn)。上述實(shí)證結(jié)果驗(yàn)證了銀行被動(dòng)風(fēng)險(xiǎn)承擔(dān)的傳導(dǎo)路徑，即貨幣政策不確定性會(huì)導(dǎo)致銀行破產(chǎn)風(fēng)險(xiǎn)和信貸風(fēng)險(xiǎn)的上升。因此，需要通過多計(jì)提貸款撥備來抵抗上升的風(fēng)險(xiǎn)。

表5 貸款撥備的機(jī)制檢驗(yàn)

2.貨幣政策不確定性對(duì)銀行主動(dòng)風(fēng)險(xiǎn)承擔(dān)意愿的機(jī)制檢驗(yàn)

Z值以及不良貸款增速指標(biāo)更多代表的是銀行被動(dòng)承擔(dān)的風(fēng)險(xiǎn)，而銀行同樣存在主動(dòng)承擔(dān)風(fēng)險(xiǎn)的意愿。具體來說，貨幣政策不確定性的增加會(huì)造成政策傳導(dǎo)受阻、政策效果不及預(yù)期，同時(shí)銀行也會(huì)因不確定性的增加而保持謹(jǐn)慎態(tài)度，并出現(xiàn)放款意愿降低、要求更高風(fēng)險(xiǎn)溢價(jià)的現(xiàn)象，這就導(dǎo)致信貸成本及貸款利率上升。因此，商業(yè)銀行貸款利率能夠反映銀行主動(dòng)風(fēng)險(xiǎn)承擔(dān)意愿的變化，如果貸款利率上升，銀行主動(dòng)承擔(dān)風(fēng)險(xiǎn)的意愿就會(huì)逐漸下降。由于銀行不會(huì)公布每筆貸款的利率，因而參考鄧偉、宋敏、劉敏［33］的做法，采用凈息差（NIM）作為反映銀行貸款利率變化的指標(biāo)，凈息差反映銀行凈利息收入與全部生息資產(chǎn)的比值，可以在一定程度上反映銀行利率變化情況。表5 列（3）為貨幣政策不確定性對(duì)凈息差的影響情況。結(jié)果顯示，UNCERTAINTY的回歸系數(shù)為0.784，且在1%的水平上顯著，表明貨幣政策不確定性會(huì)導(dǎo)致銀行提升貸款利率，貸款利率的上升意味著銀行感知到的風(fēng)險(xiǎn)增加并需要借款人支付更高的風(fēng)險(xiǎn)溢價(jià)，同時(shí)也意味著銀行主動(dòng)風(fēng)險(xiǎn)承擔(dān)意愿的下降，那么就有可能通過計(jì)提更多貸款撥備以增強(qiáng)風(fēng)險(xiǎn)應(yīng)對(duì)能力。

（三）穩(wěn)健性檢驗(yàn)和內(nèi)生性問題的討論

第一，替換被解釋變量。為增加研究結(jié)論的可靠性，參考陳旭東等［34］的研究，將被解釋變量LLP替換為貸款撥備與期初、期末貸款總額均值之比LLP_LOAN，控制變量CO替換為利潤總額與期初、期末貸款總額均值之比，控制變量LLR替換為貸款撥備余額與期末貸款總額之比。表6列（1）中UNCERTAINTY的估計(jì)系數(shù)為0.517，且在1%的水平上顯著，說明在替換被解釋變量后，貨幣政策不確定性對(duì)銀行貸款撥備計(jì)提具有促進(jìn)作用這一結(jié)論依然成立。

表6 穩(wěn)健性檢驗(yàn)和內(nèi)生性處理

第二，考慮突發(fā)事件的影響。2008 年金融危機(jī)和2020 年新冠疫情對(duì)經(jīng)濟(jì)產(chǎn)生了異常影響，將2008、2009、2020 和2021 年的數(shù)據(jù)剔除并重新進(jìn)行回歸，結(jié)果如表6 列（2）所示。在剔除上述四年的樣本后，UNCERTAINTY的回歸系數(shù)為0.334，且在1%的水平上顯著，說明無論是否考慮突發(fā)事件，結(jié)果都不會(huì)因異常年份影響而變化，基準(zhǔn)回歸的結(jié)論具有穩(wěn)健性。

第三，滯后一期銀行控制變量。由于模型可能存在反向因果關(guān)系，將銀行層面的控制變量采用滯后一期項(xiàng)進(jìn)行再估計(jì)，回歸結(jié)果如表6 列（3）所示。UNCERTAINTY的回歸系數(shù)為0.328，且在1%的水平上顯著，結(jié)果依然穩(wěn)健。

第四，內(nèi)生性問題處理：工具變量法和動(dòng)態(tài)面板估計(jì)。為緩解模型（1）中可能存在的內(nèi)生性，采用工具變量法和動(dòng)態(tài)面板模型進(jìn)行內(nèi)生性問題的討論。首先，考慮美國貨幣政策不確定性。美聯(lián)儲(chǔ)聯(lián)邦公開市場委員會(huì)每年會(huì)召開八次會(huì)議，旨在審查經(jīng)濟(jì)和金融狀況，確定貨幣政策的立場，討論是否加、減息；而美聯(lián)儲(chǔ)的利率決策對(duì)全球金融市場都會(huì)產(chǎn)生一定的影響，但對(duì)中國商業(yè)銀行經(jīng)營并無直接影響，因而以美國貨幣政策不確定性指數(shù)（USMPU）作為工具變量之一。此外，全球經(jīng)濟(jì)政策不確定性狀況也會(huì)影響一國貨幣政策走向，參考陳勝藍(lán)和劉曉玲［35］的做法，選擇全球經(jīng)濟(jì)政策不確定性指數(shù)（GEPU）同時(shí)作為工具變量。表7 列（1）第一階段回歸結(jié)果顯示，上述工具變量均與UNCERTAINTY具有顯著相關(guān)性，滿足工具變量的相關(guān)性要求。列（2）的第二階段回歸結(jié)果顯示，在使用工具變量后，UNCERTAINTY的回歸系數(shù)為0.717，且在1%的水平上顯著。工具變量的有效性檢驗(yàn)顯示，LM值和F值符合臨界值要求，說明不存在識(shí)別不足和弱工具變量問題，工具變量較為合理。過度識(shí)別檢驗(yàn)中，Hansen J的p值為0.706，接受原假設(shè)，說明工具變量是外生的。

表7 工具變量法和動(dòng)態(tài)面板估計(jì)

為進(jìn)一步控制內(nèi)生性，參考周曄和王亞梅［12］的做法，在模型（1）中加入被解釋變量的滯后一期項(xiàng)L.LLP，建立動(dòng)態(tài)面板回歸模型。采用差分GMM 和系統(tǒng)GMM 兩種方法進(jìn)行回歸。表7 列（3）和列（4）分別顯示了兩種方法的回歸結(jié)果，LLP滯后一期的回歸系數(shù)分別為0.268 和0.386，且均在1%的水平上顯著，說明銀行貸款撥備計(jì)提行為存在一定的延續(xù)作用，上一期的貸款撥備計(jì)提情況會(huì)對(duì)當(dāng)期產(chǎn)生正向影響。此外，UNCERTAINTY的回歸系數(shù)分別為0.158 和0.276 且依舊顯著，說明在采用動(dòng)態(tài)面板模型進(jìn)行估計(jì)后，也能夠證實(shí)貨幣政策不確定性的上升會(huì)導(dǎo)致貸款撥備計(jì)提的增加，主要的回歸結(jié)果不受限于特定的計(jì)量模型影響，結(jié)果具有穩(wěn)健性。兩種GMM模型均通過了AR（1）和AR（2）檢驗(yàn)，Sargan檢驗(yàn)的p值分別為0.143 和0.348，也通過了過度識(shí)別檢驗(yàn)，說明模型合理。

四、進(jìn)一步分析

（一）異質(zhì)性分析

不同類型的銀行以及所處地區(qū)銀行業(yè)競爭程度的差異可能會(huì)造成貸款撥備計(jì)提的異質(zhì)性。因此，本文從銀行類型、地區(qū)銀行業(yè)競爭程度兩方面對(duì)回歸結(jié)果進(jìn)行分組討論。

一是考察銀行類型異質(zhì)性的影響。按照全國性商業(yè)銀行（包括大型商業(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)銀行進(jìn)行分組檢驗(yàn)。從表8 列（1）、（2）和（3）可以看出，在全國性商業(yè)銀行的子樣本中，UNCERTAINTY的回歸系數(shù)為0.080 但不顯著；而在城市商業(yè)銀行和農(nóng)村商業(yè)銀行的樣本中，UNCERTAINTY的回歸系數(shù)分別為0.420 和0.260，且在5%的水平上顯著。 這表明，貨幣政策不確定性的變化對(duì)大型商業(yè)銀行和股份制商業(yè)銀行的影響并不大。尤其是大型商業(yè)銀行，具有“大而不倒”的隱性擔(dān)保特征，更不易受到貨幣政策不確定性的影響。此外，近年來一些全國性的銀行也在逐漸轉(zhuǎn)向逆周期的動(dòng)態(tài)撥備計(jì)提方式，可以更好地應(yīng)對(duì)外部不利沖擊。而城市商業(yè)銀行和農(nóng)村商業(yè)銀行多具有地方屬性，這兩類銀行貸款業(yè)務(wù)主要集中在省域內(nèi)，相較于全國性商業(yè)銀行，其貸款集中度更高，面臨的信貸風(fēng)險(xiǎn)也更高，當(dāng)受到貨幣政策不確定性沖擊時(shí)，更可能通過多計(jì)提貸款撥備來應(yīng)對(duì)風(fēng)險(xiǎn)。

二是考察銀行業(yè)競爭程度差異的影響。銀行競爭能夠影響銀行信貸投放，并影響貸款撥備的計(jì)提。 對(duì)于銀行業(yè)競爭程度的度量，借鑒姜付秀等［36］的方法，得到各省份不同年份的銀行業(yè)赫芬達(dá)爾指數(shù)（HHI），該數(shù)值越接近1，說明銀行業(yè)競爭程度越小；越接近0，說明銀行業(yè)競爭程度越大。通過計(jì)算各年銀行業(yè)HHI指數(shù)的中位數(shù)，將樣本分為HHI大于中位數(shù)的組（HHI高）和小于中位數(shù)的組（HHI低）。表8 列（4）和列（5）為按照HHI進(jìn)行分組回歸的結(jié)果?？梢钥闯?，在銀行業(yè)競爭程度較低的組（HHI高）中，UNCERTAINTY的回歸系數(shù)為0.383，且在1%的水平上顯著，即在銀行業(yè)競爭程度較低的地區(qū)，貨幣政策不確定性對(duì)銀行貸款撥備計(jì)提具有明顯的正向影響；而在銀行業(yè)競爭程度較高的組（HHI低）中，UNCERTAINTY的回歸系數(shù)為正但影響不顯著。 銀行業(yè)競爭程度較高意味著當(dāng)?shù)劂y行機(jī)構(gòu)類型更為完善、數(shù)量更多，總部位于競爭程度較高地區(qū)的銀行，規(guī)模往往更大、業(yè)務(wù)結(jié)構(gòu)更完善且管理更為透明，在面對(duì)貨幣政策不確定性時(shí)，更不易受政策不確定性帶來的影響。

（二）對(duì)貸款撥備計(jì)提前瞻性的考量

隨著《商業(yè)銀行貸款損失準(zhǔn)備管理辦法》的出臺(tái)，商業(yè)銀行對(duì)貸款撥備的計(jì)提逐步向更具前瞻性的方向發(fā)展。因此，考慮以下可能性，即銀行出于貸款質(zhì)量的前瞻性考量，在計(jì)提貸款撥備時(shí)，是否會(huì)基于預(yù)期的不良貸款率和宏觀經(jīng)濟(jì)變化進(jìn)行撥備計(jì)提。在模型（1）的基礎(chǔ)上，納入提前一期的不良貸款率（F.NPLrate），并把宏觀經(jīng)濟(jì)變量也提前一期再進(jìn)行回歸，結(jié)果如表9 所示。列（1）和（2）中，UNCERTAINTY的估計(jì)系數(shù)分別為0.497 和0.330，依然顯著為正。F.NPLrate的估計(jì)系數(shù)分別為0.086 和0.082，也均顯著為正，說明當(dāng)銀行對(duì)未來信貸風(fēng)險(xiǎn)的預(yù)期上升時(shí)，可能依據(jù)預(yù)期的不良貸款情況進(jìn)行前瞻性計(jì)提。如果預(yù)期未來一期的不良貸款率將增加，銀行會(huì)提前多計(jì)提貸款撥備。同樣，在考慮宏觀經(jīng)濟(jì)變化后，如果預(yù)計(jì)未來的GDP 增長率將下降，那么銀行也可能通過計(jì)提更多貸款撥備來抵御經(jīng)濟(jì)下行的風(fēng)險(xiǎn)。

五、結(jié)論與政策建議

本文選取2008—2021 年中國147 家商業(yè)銀行年度數(shù)據(jù)，實(shí)證分析了貨幣政策不確定性對(duì)商業(yè)銀行貸款撥備計(jì)提的影響，得到如下結(jié)論：第一，貨幣政策不確定性對(duì)銀行貸款撥備計(jì)提具有促進(jìn)作用，經(jīng)過替換被解釋變量、剔除突發(fā)事件年份影響、滯后銀行控制變量、工具變量法以及運(yùn)用動(dòng)態(tài)面板模型進(jìn)行再估計(jì)后，結(jié)果依然保持穩(wěn)健。第二，從銀行破產(chǎn)風(fēng)險(xiǎn)、信貸資產(chǎn)質(zhì)量以及主動(dòng)風(fēng)險(xiǎn)承擔(dān)意愿三個(gè)維度進(jìn)行了作用機(jī)制檢驗(yàn)，結(jié)果表明，貨幣政策不確定性會(huì)造成銀行破產(chǎn)風(fēng)險(xiǎn)的增加、信貸資產(chǎn)質(zhì)量的惡化以及主動(dòng)風(fēng)險(xiǎn)承擔(dān)意愿的下降，從而增加其貸款撥備計(jì)提。第三，異質(zhì)性檢驗(yàn)表明，貨幣政策不確定性對(duì)貸款撥備計(jì)提的促進(jìn)效應(yīng)在區(qū)域性商業(yè)銀行和處于銀行競爭程度較低地區(qū)的銀行中更加顯著。第四，貸款撥備的計(jì)提具有前瞻性，當(dāng)貨幣政策不確定性上升時(shí)，銀行可能基于預(yù)期風(fēng)險(xiǎn)的增加而多計(jì)提當(dāng)期撥備金額。

基于上述結(jié)論，提出如下政策建議：

第一，貨幣當(dāng)局在實(shí)施貨幣政策時(shí)應(yīng)考慮頻繁的政策調(diào)控所帶來的政策不確定性，及其對(duì)商業(yè)銀行的負(fù)面效應(yīng)，盡可能維持政策的延續(xù)性和穩(wěn)定性。譬如，在選擇不同貨幣政策工具進(jìn)行調(diào)控時(shí)，需要兼顧政策短期效應(yīng)和長期效應(yīng)，維持政策的連續(xù)性和統(tǒng)一性，讓銀行等金融機(jī)構(gòu)和實(shí)體企業(yè)形成較為一致的預(yù)期，降低貨幣政策不確定性的不利影響。考慮到不同特征的銀行應(yīng)對(duì)貨幣政策不確定性的能力存在差異，貸款撥備計(jì)提的情況也會(huì)因之而異，區(qū)域性銀行、處于較低銀行競爭程度地區(qū)的銀行受貨幣政策不確定性的影響更大。因此，貨幣當(dāng)局在進(jìn)行政策調(diào)整時(shí)，需要更多考慮銀行的自身特征，縮小不同類型商業(yè)銀行之間應(yīng)對(duì)不確定性的差異。

第二，商業(yè)銀行應(yīng)加強(qiáng)對(duì)貨幣政策不確定性作用路徑的識(shí)別能力，提高自身的抗風(fēng)險(xiǎn)能力，以應(yīng)對(duì)不確定性沖擊。貨幣政策不確定性主要通過影響銀行的主動(dòng)和被動(dòng)風(fēng)險(xiǎn)承擔(dān)來促進(jìn)貸款撥備的計(jì)提，這表明貨幣政策不確定性首先對(duì)銀行的風(fēng)險(xiǎn)產(chǎn)生負(fù)面影響，而計(jì)提貸款撥備則是防范風(fēng)險(xiǎn)的重要手段。當(dāng)受到政策不確定性沖擊時(shí)，銀行在采取計(jì)提撥備方式來抵御風(fēng)險(xiǎn)的同時(shí)，還需不斷完善貸款撥備計(jì)提準(zhǔn)則，確保計(jì)提標(biāo)準(zhǔn)的全面性和動(dòng)態(tài)性，促進(jìn)銀行業(yè)績的穩(wěn)定性和可持續(xù)發(fā)展。

第三，考慮政策預(yù)期效應(yīng)，監(jiān)管部門應(yīng)將貨幣政策不確定性納入預(yù)期信用損失模型，因?yàn)殂y行會(huì)根據(jù)不確定性政策預(yù)期的未來信用風(fēng)險(xiǎn)進(jìn)行前瞻性的貸款撥備計(jì)提。同時(shí)，應(yīng)在進(jìn)行政策決策的過程中堅(jiān)持公開透明的原則，加強(qiáng)對(duì)商業(yè)銀行貸款撥備計(jì)提的指導(dǎo)，強(qiáng)化風(fēng)險(xiǎn)防范措施并提高計(jì)提考核的效率，以減少商業(yè)銀行的政策接收時(shí)間和對(duì)未來政策預(yù)期的模糊性，以更高效的方式應(yīng)對(duì)貨幣政策不確定性。Reform