货币政策不确定性对银行业风险的影响——基于银行业景气度视角的实证研究

李梓旗 乔桂明

一、引言

新冠肺炎疫情在全球大肆蔓延，导致世界各国经济陷入了新一轮的低谷。与经济学家们预测的“V”型反弹不同，目前各国的经济恢复形态更倾向于“U”型。经济复苏困难并在“U”型形态的底部挣扎，致使企业大面积倒闭，各国面临着前所未有的危机，银行业等金融部门也难以独善其身，各国政府纷纷推出货币政策来挽救本轮的经济衰落。

基于此背景，各国首脑都在努力推行量化宽松政策并致力于经济复苏。英国、美国以及欧盟吹响了量化宽松的号角，纷纷“降息”和“降准”，试图通过加大市场货币供应量来促进经济恢复并且给市场带来充足的流动性。中国在2008年经历了货币政策“大水漫灌”，2014年提出了稳健略宽松的货币政策，2016年提出了稳健中性的货币政策，2018年之后开始实施稳健灵活适度的货币政策。虽然中国尽可能地保持货币政策的审慎稳健，但面对经济新态势和疫情冲击等棘手问题也不得不灵活调整货币政策。然而，货币政策的变动会带来一国货币政策不确定性指数的波动，进而直接影响到银行业风险。

货币政策乃一国经济政策之重要方面，货币政策不确定会给多个领域尤其是金融体系带来风险。故研究货币政策不确定性对银行业风险的影响显得尤为重要。本文将以122家商业银行为研究样本，分析其2010—2018年数据，旨在提出并解决以下问题。

首先要厘清，货币政策的变化会直接影响银行业风险，但货币政策是通过何种方式影响银行业风险的？银行业景气度下降导致货币政策不确定性升高，这又是如何影响银行业风险的？其次要回答，当金融大环境发生变化导致金融开放度升高时，外资在短期内涌入国内市场，是否也会促使货币政策不确定性升高，加大银行业风险？最后要分析，一国货币政策不确定性升高，为什么对国有银行风险的影响微乎其微，而对非国有银行风险的影响较为显著？

二、机制分析与研究假设

Huang和Luk将Baker的经济政策不确定性指数细分成为贸易、财政和货币政策不确定性指数。①Huang Y,Luk P,“Measuring Economic Policy Uncertainty in China”,in China Economic Review,2020，Vol.59,DOI:10.1016/j.chieco.2019.101367.经济政策不确定性的相关文献已经覆盖了各个领域，其中不乏研究银行业的相关文献。Berger等和Bordo等认为银行信贷是经济扩张的主要渠道并且银行受到的影响相较于企业更大，且经济政策不确定性导致的风险最终会通过微观层面传递到银行。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.经济政策不确定性是所有政策不确定性的集合，如何细化到各个领域进行具体分析成为当下学者的主要研究方向。本文侧重于货币政策不确定性的研究。

Herron和Murray研究发现货币政策不确定性升高会导致失业率剧烈波动甚至上升。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等发现货币政策不确定性升高会导致投资回报率降低以及通货膨胀的收缩。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.王博等认为货币政策不确定性升高会导致违约率上升，并对产出产生负向冲击。⑤王博、李力、郝大鹏：《货币政策不确定性、违约风险与宏观经济波动》，《经济研究》2019年第3期，第119—134页。邝雄等发现货币政策不确定性升高对银行信贷供给有显著抑制作用。⑥邝雄、胡南贤、徐艳：《货币政策不确定性与银行信贷决策——基于新闻报道文本分析的实证研究》，《金融经济学研究》2019年第5期，第68—79页。以上文献均没有涉及货币政策不确定性对银行业风险的影响。那么货币政策不确定性对银行业风险是否有影响？基于以上文献，提出假设1。

假设1：货币政策不确定性升高会导致银行业风险增加。

董青马和卢满生通过Logit模型证明了金融开放度提高会导致银行系统发生危机的概率提升。①董青马、卢满生：《金融开放度与发展程度差异对银行危机生成机制影响的实证分析》，《国际金融研究》2010年第6期，第79—85页。Chen等则认为外资银行进入会导致一国银行业的风险可能性上升。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.故金融开放对银行业风险是有影响的，我们尝试研究金融开放程度提高对货币政策不确定性以及银行业风险产生的影响。其中的逻辑是当货币政策不确定性升高时，银行业的现金流不稳定，而中国政府一直致力于融入全球并进行适当的金融开放，金融开放度提高，虽然在中长期对一国金融体系有益而无害，但外国金融机构大量涌入并对市场进行抢占，对本就现金流不稳定或经营不善的本国商业银行产生再次冲击，即当期内对部分银行造成业务冲击，增加了此类银行的风险。基于此，提出假设2。

假设2：当期金融开放度提升会加大货币政策不确定性对银行业风险的影响。

货币政策与银行业风险的研究大多集中于利率视角。Maddaloni和Peydró研究了货币政策对银行风险容忍度的影响，发现当隔夜利率降低时，银行的贷款标准会降低。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 等研究发现，当利率降低时，银行发放货款给违约率高或有不良贷款记录借款者的意愿增加。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.以上文献均证明了货币政策波动会加大银行业风险，且大多数文献聚焦于利率对银行业风险的影响，讨论货币政策不确定性对银行业风险影响的文献还相对较少。也有部分文献提及银行业景气度与风险的联系。顾海峰和张亚楠研究发现，银行业景气度与银行业风险呈负向关系。⑤顾海峰、张亚楠：《金融创新、信贷环境与银行风险承担——来自2006—2016年中国银行业的证据》，《国际金融研究》2018年第9期，第66—75页。顾海峰和于家珺则发现银行信贷环境景气度增加会减弱经济政策不确定性对银行风险的影响。以上文献虽提及信贷景气度对银行业风险的影响，但并没有探讨银行业景气度对货币政策不确定性与银行业风险的影响。⑥顾海峰、于家珺：《中国经济政策不确定性与银行风险承担》，《世界经济》2019年第11期，第148—171页。

银行业景气度提升意味着银行当期经营状况与上一期相比有正向积极的变化，因而企业与贷款人愿意相信银行并跟银行进行业务往来，提高了银行流动性的同时减弱了银行的经营风险，二者共同作用就会降低因货币政策不确定而产生的银行业风险。基于此，提出假设3。

假设3：银行业景气度提升会减弱货币政策不确定性对银行业风险的影响。

当货币政策不确定性升高时，银行面临货币短缺、流动性下降等问题，银行没有足够的资金进行信贷行为，从而导致银行业风险增大，此时企业以及借贷人因对银行的信心不足而选择其他投资或存储方式，导致银行业景气度进一步下降。即货币政策不确定性升高会导致银行业风险增大进而导致银行业景气度下降。基于此，提出假设4。

假设4：货币政策不确定性升高会导致银行业风险增大，进而导致银行业景气度下降。

三、研究设计

（一）数据来源与样本筛选

本文选取2010—2018年非平衡面板数据，剔除缺失值后剩余122家银行。样本包括国有控股大型商业银行5家、股份制商业银行11家、城市商业银行83家以及农村商业银行23家。宏观政策数据来自国泰安经济数据库（CSMAR），商业银行相关数据来自武汉大学CBD数据库。

（二）变量定义

1.被解释变量：银行业风险

本文选取银行业破产风险指标Z值（ZScore）①徐明东、陈学彬：《货币环境、资本充足率与商业银行风险承担》，《金融研究》2012年第7期，第48—62页。、不良贷款率（ln NPL）②王晋斌、李博：《中国货币政策对商业银行风险承担行为的影响研究》，《世界经济》2017年第1期，第25—43页。以及风险加权资产比率（RWAR）③方意、赵胜民、谢晓闻：《货币政策的银行风险承担分析——兼论货币政策与宏观审慎政策协调问题》，《管理世界》2012年第11期，第9—19页。作为银行业风险（BankRisk）的度量指标。其中：ZScore和ln NPL为正向指标，其值越大银行业风险也越大；RWAR为反向指标，其值越大银行业风险则越小。ZScore的计算公式为：ZScore=σiROAi,t/（ROAi,t+CARi,t）。其中ROA为总资产收益率，CAR为权益比率，σiROAi,t为ROA的标准差。ln NPL与RWAR的定义详见表1。考虑到NPL尖峰厚尾、高度有偏的特征，故取其自然对数。

2．核心解释变量：货币政策不确定性指数

本文参考Huang和Luk计算的中国货币政策不确定性指数（MPU）作为核心解释变量。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在中国的114份报纸中，搜索了至少包含4个关键词其中1个的文章，即经济、货币、不确定性以及货币政策相关词汇，按符合标准的文章数量来计算当月指标。

3．控制变量

本文参考顾海峰和于家珺所做研究⑤顾海峰、于家珺：《中国经济政策不确定性与银行风险承担》，《世界经济》2019年第11期，第148—171页。，选取盈利能力（Profitability）、银行杠杆率（Leverage）、净资产收益率（ROE）、负债率（DebtRatio）、经营效率（Efficiency）以及流动性（Liquidity）作为控制变量。同时选取消费者信心指数（CCI）、国内生产总值增速（GGDP）以及货币增速（M2G）作为宏观控制变量。

4．调节变量

本文参考顾海峰和张亚楠所做研究①顾海峰、张亚楠：《金融创新、信贷环境与银行风险承担——来自2006—2016年中国银行业的证据》，《国际金融研究》2018年第9期，第66—75页。，选取银行业景气指数（Boom）和金融开放度（FO）作为调节变量。

变量汇总见表1。

表1 变量名称以及定义

（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）为本文基本模型，其中：BankRisk为银行业风险，分别由银行业破产风险指标（ZScore）、不良贷款率（ln NPL）以及风险加权资产比率（RWAR）构成；ln MPU为货币政策不确定性指数；Xi,t为随时间变化的银行层面控制变量；αi为银行固定效应，控制不随时间变化的个体以缓解遗漏变量问题；核心解释变量为时间序列数据，无法控制时间固定效应，所以要控制宏观层面的因素，标记为Mt；εi,t为随机误差项；β0为截距项。

模型（二）和（三）为分别加入了调节变量银行业景气指数（Boom）和金融开放度（FO）的回归结果，其中ln MPUt×Boomt为货币政策不确定性指数与银行业景气指数的交乘项，ln MPUt×FOt为货币政策不确定性指数与金融开放度的交乘项。

模型（四）是对货币政策不确定性与银行业风险的进一步研究，即货币政策不确定性增大了银行业风险并降低了银行业景气度。

四、实证结果与分析

（一）描述性统计

表2为描述性统计结果。其中ZScore最小值和最大值分别为0.008和0.153，ln NPL最小值和最大值分别为-2.040和1.976，RWAR最小值和最大值分别为0.236和1.387。三者的最大值和最小值均相差较大，说明各家银行之间银行业风险参差不齐。ln MPU均值为4.929，最小值和最大值分别为4.394和5.429，说明中国的货币政策基本平稳，并无较大幅度波动。Boom均值为73.558，最小值和最大值分别为62.525和85.55，说明中国银行业景气度一直较高，并且对银行业的判断大致始终向好。

表2 描述性统计结果

（二）基本回归结果

表3为基本回归结果。表3列（1）为货币政策不确定性指数对ZScore的基本回归，回归系数为0.002，在5%水平上显著为正，说明货币政策不确定性升高会增大银行业破产风险。当货币政策不确定性升高时，银行作为发放货币的重要一环会面临流动性紧缺，从而导致现金流紧缺而增大了银行业破产风险。表3列（2）为货币政策不确定性指数对ln NPL的基本回归，回归系数为0.207，在1%水平上显著为正，不良贷款率取用对数形式，即货币政策不确定性指数每上升1个单位，ln NPL上升20.7%。当货币政策不确定性升高时，银行作为发放和传输货币的中介，由于现金流紧缺而导致市场上货币减少，企业以及贷款人无法获得足够的资金来偿还贷款，从而导致ln NPL升高。表3列（3）为货币政策不确定性指数对RWAR的基本回归，回归系数为-0.025，在5%水平上显著为负，即货币政策不确定性指数每上升1个单位，RWAR下降2.5%。综上可见，假设1成立。

表3 货币政策不确定性与银行业风险回归结果

（三）调节效应分析

表4为加入了调节变量FO与Boom的货币政策不确定性与银行业风险的回归结果。表4列（1）为货币政策不确定性指数与金融开放度的交乘项（ln MPU×FO）对ZScore的回归结果，可见在5%水平上显著为正；表4列（3）为货币政策不确定性指数与金融开放度的交乘项（ln MPU×FO）对ln NPL的回归结果，可见在1%水平上显著为正；表4列（5）为货币政策不确定性指数与金融开放度的交乘项（ln MPU×FO）对RWAR的回归结果，由于RWAR为反向指标，故在5%水平上显著为负。说明当货币政策不确定性升高时，金融开放在当期会增大银行业风险。其中的含义是当货币政策不确定性升高时，银行业的现金流时而紧时而松，而此时金融开放度提升，国外金融机构大量涌入并对市场进行抢占，这对现金流本就不稳定的本国银行造成了又一波冲击，在短期内加大了部分银行的风险。故假设2成立。

表4 加入金融开放与银行业景气指数的调节效应

表4列（2）为货币政策不确定性指数与银行业景气指数的交乘项（ln MPU×Boom）对ZScore的回归结果，可见在5%水平上显著为负；表4列（4）为货币政策不确定性指数与银行业景气指数的交乘项（ln MPU×Boom）对ln NPL的回归结果，可见在1%水平上显著为负；表4列（6）为货币政策不确定性指数与银行业景气指数的交乘项（ln MPU×Boom）对RWAR的回归结果，由于RWAR为反向指标，故在1%水平上显著为正。说明当货币政策不确定性升高时，银行业景气指数升高会减弱银行业风险。当货币政策不确定性升高时，银行业景气度升高意味着银行当期经营状况与上一期相比有正向积极的变化，此时企业与贷款人更愿意相信银行，从而使得银行获得的信贷质量和数量提升，银行信贷数量的提升减弱了银行的流动性风险，而信贷质量的提升则减弱了银行的经营风险，二者共同作用就会降低银行业风险。故假设3成立。

（四）异质性检验

把数据分为国有银行与非国有银行，表5列（1）为ln MPU对非国有银行ZScore的回归结果，回归系数为0.002，在5%水平上显著为正；表5列（2）为ln MPU对国有银行ZScore的回归结果，回归系数为0.000，结果不显著。表5列（3）为ln MPU对非国有银行RWAR的回归结果，回归系数为-0.026，在5%水平上显著为负，表5列（4）为ln MPU对国有银行RWAR的回归结果，回归系数为-0.004，结果不显著。其中的原因是：国有银行拥有国家属性且均有国家委派的自身专职业务并且有巨大的政策红利，在面向市场开展业务的同时也有部分业务由国家赋予，所以货币政策不确定性升高对国有银行风险的影响并不大；而非国有银行包括股份制商业银行、城市商业银行和农村商业银行，其业务大多来自于市场并且没有国家政策红利，所以货币政策不确定性升高会增大非国有银行的风险。

表5 异质性检验与内生性检验结果

（续表 5）

（五）内生性检验与稳健性检验

1.内生性检验

（1）双向因果关系：银行业风险增大会不会导致货币政策不确定性升高呢？理论上来讲是否定的，所以我们认为不存在双向因果关系。

（2）微观渠道：货币政策不确定性是政府政策变动和国际经济环境波动以及国际政治影响等多方面因素共同作用而形成的数值指标，微观银行业风险对其产生的影响非常微小。

（3）选取工具变量：本文参考王义中和宋敏①王义中、宋敏：《宏观经济不确定性、资金需求与公司投资》，《经济研究》2014年第2期，第4—17页。、顾夏铭等②顾夏铭、陈勇民、潘士远：《经济政策不确定性与创新——基于我国上市公司的实证分析》，《经济研究》2018年第2期，第109—123页。以及李敬子和刘月③李敬子、刘月：《贸易政策不确定性与研发投资:来自中国企业的经验证据》，《产业经济研究》2019年第6期，第1—13页。的方法，使用美国货币政策不确定性指数（ln USMPU）作为工具变量。表5列（5）和列（6）的回归系数分别为0.004和-0.037，均在1%水平上显著，说明结果稳健可靠。

2.稳健性检验

本文选择替换被解释变量作为稳健性检验的方法。选取三个被解释变量ZScore、ln NPL和RWAR分别作为被解释变量，结果均稳健可靠。

五、进一步研究

参考温忠麟和叶宝娟的研究①温忠麟、叶宝娟：《中介效应分析:方法和模型发展》，《心理科学进展》2014年第5期，第731—745页。，采用逐步检验法（Causal Steps Approach），通过ln MPU分别对ZScore、ln NPL和RWAR进行分段检验，并进一步传导到银行业景气度。第一步为货币政策不确定性对银行业风险的基本回归（详见表3）。第二步为银行业风险对银行业景气度的影响。表6列（1）ZScore对银行业景气度的回归结果，回归系数为-71.55，并在1%水平上显著为负，表6列（2）为ln NPL对银行业景气度的回归结果，回归系数为-1.798，并在1%水平上显著为负，表6列（3）为RWAR对银行业景气度的回归结果，由于RWAR为反向指标，结果显示在1%水平上显著为正，回归系数为9.037。以上结果均证明了货币政策不确定性升高会增大银行业风险并降低银行业景气指数。

表6 进一步检验结果

（续表 6）

表6列（4）则是货币政策不确定性指数对银行业景气指数的基本回归，以上三段法每段均在1%水平上显著，说明银行业风险为货币政策不确定性与银行业景气度的中介效应。其中的逻辑是，当货币政策不确定性升高时，银行会面临货币短缺进而流动性降低，因为没有足够的资金进行信贷行为，所以会引发违约风险从而导致银行业风险增大，此时企业以及借贷人因对银行的信心不足而选择其他投资或存储方式，从而导致银行业景气度进一步下降。即货币政策不确定性升高会导致银行业风险增大进而导致银行业景气度下降。故假设4成立。

六、结论与建议

本文从银行业景气指数视角对货币政策不确定性与银行业风险进行多维度的分析和探讨。结果表明：货币政策不确定性对银行业风险具有显著的正向影响，银行业景气指数上升会减弱货币政策不确定性对银行业风险的影响；货币政策不确定性对国有银行业风险的影响微乎其微，而对非国有银行风险的影响较为显著；当货币政策不确定性升高而增大了银行业风险时，银行业景气度也会加速降低，这将对整个银行业产生较为明显的削弱作用。

由此本文提出以下建议。首先，政府部门应该保持货币政策的稳定，要审慎颁布货币政策，尽量减少“大水漫灌”等相对较为极端的政策；其次，当政府迫不得已需要调整货币政策并导致货币政策不确定性升高时，银行应该结合经营情况加强自身流动性来抵御风险，同时银行对信贷的态度应慎之又慎，尽量规避高风险企业以及个人的信贷申请，做好预防风险的前期准备；再次，当货币政策不确定性升高时，国家应该对非国有银行进行政策上的减压，以免造成非国有银行大面积亏损而产生系统性风险。最后，当银行业风险增加时，国家应该帮助企业以及个人重拾对银行业的信心，帮助银行减轻风险并提升公信力，给予银行对企业以及个人业务独一无二的地位，通过提升银行业景气度来降低银行业风险。