經(jīng)濟(jì)不確定性與銀行信貸供給

辛兵?！垥栽啤√铡〗?/p>

?

經(jīng)濟(jì)不確定性與銀行信貸供給

辛兵海張曉云陶江

[摘要]從產(chǎn)值、進(jìn)出口、價格、貨幣供應(yīng)量等多維度測算宏觀經(jīng)濟(jì)不確定性指標(biāo)；并基于銀行資產(chǎn)和收益率數(shù)據(jù)測算微觀層面的不確定性指標(biāo)。在此基礎(chǔ)上，使用2001-2013年我國金融機構(gòu)微觀研究樣本，實證檢驗了商業(yè)銀行信貸供給對經(jīng)濟(jì)不確定性的敏感性。結(jié)果表明：在控制供需因素變量的全樣本條件下，經(jīng)濟(jì)不確定性對商業(yè)銀行信貸供給產(chǎn)生負(fù)向影響；銀行信貸供給對宏觀經(jīng)濟(jì)不確定性變量的敏感性較強，而對微觀經(jīng)濟(jì)不確定性變量的敏感性較弱；相對于外資銀行而言，中資銀行信貸供給對經(jīng)濟(jì)不確定性的敏感性更強?；诮Y(jié)論，提出了完善金融監(jiān)管機制及貨幣政策制定等相關(guān)政策啟示。

[關(guān)鍵詞]宏觀與微觀經(jīng)濟(jì)不確定性； 銀行信貸供給； 敏感性差異

一引言

經(jīng)濟(jì)不確定性與銀行信貸供給之間的關(guān)系，備受關(guān)注。實證研究發(fā)現(xiàn)，經(jīng)濟(jì)不確定性與銀行信貸供給之間存在顯著的相關(guān)性(Talavera et al.，2006[1]；Baum et al.，2008[2])。并且，不確定性在影響銀行信貸供給的基礎(chǔ)上，將會對經(jīng)濟(jì)增長產(chǎn)生影響，即銀行信貸供給是不確定性影響實體經(jīng)濟(jì)的傳導(dǎo)渠道之一(Valencia，2013)[3]。

隨著我國各領(lǐng)域開放程度的不斷加深，國際市場的諸多不確定性因素將更大程度地傳導(dǎo)至我國國內(nèi)市場*財政部副部長朱光耀在2014年中國發(fā)展高層論壇上指出，全球經(jīng)濟(jì)充滿不確定性，主要表現(xiàn)為以下6個方面：美聯(lián)儲貨幣政策走向的不確定性、歐洲經(jīng)濟(jì)改革的不確定性、日本經(jīng)濟(jì)發(fā)展的不確定性、新型市場發(fā)展的不確定性、各國政策層面的不確定性以及新的地緣政治的不確定性。。并且，我國經(jīng)濟(jì)轉(zhuǎn)入新常態(tài)，意味著我國經(jīng)濟(jì)發(fā)展的條件和環(huán)境即將發(fā)生諸多重大轉(zhuǎn)變，這在一定程度上也加劇了整體經(jīng)濟(jì)的不確定性。此外，我國資本市場發(fā)展相對滯后，以銀行貸款為主的間接融資模式仍然是社會融資的主要方式*2014年銀監(jiān)會主席尚福林指出，我國間接融資比重達(dá)到80%以上，銀行業(yè)資產(chǎn)占全部金融資產(chǎn)的比重超過90%。。因此，基于我國數(shù)據(jù)，分析經(jīng)濟(jì)不確定性對商業(yè)銀行信貸供給的影響，對于我國金融穩(wěn)定和經(jīng)濟(jì)發(fā)展具有重要的現(xiàn)實意義。對于該問題的研究，國內(nèi)文獻(xiàn)更多關(guān)注經(jīng)濟(jì)不確定性對商業(yè)銀行資產(chǎn)配置及信貸風(fēng)險的影響(金俐，2006[4]；劉遠(yuǎn)亮，2011[5])，一直缺乏對我國境內(nèi)商業(yè)銀行微觀層面的深入分析。此外，國內(nèi)文獻(xiàn)對于不確定性的測度指標(biāo)相對單一，這使得對該問題的認(rèn)識存在不足。

因此我們將視角放在金融機構(gòu)微觀層面，在充分考慮多維度經(jīng)濟(jì)不確定性指標(biāo)的基礎(chǔ)上，探討我國經(jīng)濟(jì)不確定性對商業(yè)銀行信貸供給的影響。我們期望這些實證研究能夠為深入理解該問題，提供來自于微觀層面的經(jīng)驗事實，并據(jù)此提出針對性的政策建議。

后文結(jié)構(gòu)安排如下：第二節(jié)進(jìn)行文獻(xiàn)綜述；第三節(jié)構(gòu)建模型，并對所選擇的樣本和變量進(jìn)行描述；第四節(jié)對實證結(jié)果進(jìn)行分析；最后是結(jié)論與政策建議。

二文獻(xiàn)綜述

(一)國外文獻(xiàn)評述

大量文獻(xiàn)研究了宏觀經(jīng)濟(jì)環(huán)境與銀行資產(chǎn)負(fù)債表結(jié)構(gòu)之間的交互影響。Topi和Vilmunen (2001)[6]基于芬蘭數(shù)據(jù)實證分析了貨幣政策對銀行信貸渠道的影響，研究發(fā)現(xiàn)實際收入和通貨膨脹的變動對銀行信貸產(chǎn)生正向影響，而貨幣政策的波動則對銀行信貸產(chǎn)生負(fù)向影響。Kashyap和Stein(2000)[7]基于美國數(shù)據(jù)研究發(fā)現(xiàn)，相對于大型商業(yè)銀行而言，美國中小銀行信貸投放對貨幣政策的敏感性更強。Micco和Panizza(2004)[8]對GDP增長率和信貸增長率的關(guān)系進(jìn)行了研究，發(fā)現(xiàn)以GDP增長率測度的宏觀經(jīng)濟(jì)沖擊與銀行信貸增長率密切相關(guān)。

一些學(xué)者指出，上述實證研究忽略了經(jīng)濟(jì)不確定性對商業(yè)銀行信貸供給的影響，存在遺漏變量偏誤。因此，在上述研究的基礎(chǔ)上，Baum et al.(2008)[2]將不確定性變量加入實證模型，發(fā)現(xiàn)不確定性在影響銀行信貸供給方面發(fā)揮了重要作用，商業(yè)銀行信貸增長與不確定性指標(biāo)之間存在顯著正向關(guān)系*對于這一結(jié)論，Baum等并未給出具體的經(jīng)濟(jì)學(xué)解釋。。Talavera et al.(2006)[1]構(gòu)建理論模型，并對烏克蘭各銀行貸款投放問題進(jìn)行實證研究，結(jié)果發(fā)現(xiàn)銀行貸款/資本比與經(jīng)濟(jì)不確定性呈顯著的負(fù)向關(guān)系。基于意大利銀行樣本數(shù)據(jù)，Quagliariello(2009)[9]研究發(fā)現(xiàn)宏觀經(jīng)濟(jì)不確定性顯著影響商業(yè)銀行的投資決策，在面臨較高程度的不確定性時，銀行難以預(yù)測未來收益；且研究結(jié)果還顯示，經(jīng)濟(jì)不確定性對商業(yè)銀行的不良貸款率產(chǎn)生存在正向影響。Valencia(2013)[3]構(gòu)建理論模型，研究發(fā)現(xiàn)銀行面臨外部融資溢價及較高不確定性時，銀行破產(chǎn)風(fēng)險將提高；并發(fā)現(xiàn)在經(jīng)濟(jì)不確定程度提高時，商業(yè)銀行會選擇降低信貸供給并提高資本充足率。此外，也有學(xué)者從跨國信貸角度研究不確定性與銀行信貸供給的相互關(guān)系(Labán和Larraín，1997[10]；De Haas和Van Horen，2011[11])，研究發(fā)現(xiàn)銀行的跨國信貸行為，一定程度上取決于東道國的經(jīng)濟(jì)不確定性和國際資本自由流動的程度。

當(dāng)不確定程度提高時，預(yù)測項目收益的難度則會加大，企業(yè)會選擇推遲投資。大量文獻(xiàn)研究經(jīng)濟(jì)不確定性對實體經(jīng)濟(jì)的重要影響(Bloom et al.，2007[12]，2012[13]； Jurado et al.，2013[14]；Bloom，2014[15])。研究發(fā)現(xiàn)，不確定性增加，對于制造業(yè)部門的短期就業(yè)和投資會產(chǎn)生負(fù)向影響?；诠疚⒂^數(shù)據(jù)測度的不確定性具有逆周期性，對經(jīng)濟(jì)增長會產(chǎn)生負(fù)向影響，原因在于這些公司存在“等待的期權(quán)價值”。當(dāng)不確定性值較高，且項目投資的撤銷成本(Reversibility Cost)較高時，公司推遲項目投資的收益越高。這樣，企業(yè)的貸款需求將會下降，進(jìn)而影響商業(yè)銀行的信貸供給。

(二)國內(nèi)文獻(xiàn)研究進(jìn)展

國內(nèi)文獻(xiàn)更多關(guān)注經(jīng)濟(jì)不確定性對商業(yè)銀行資產(chǎn)配置和信貸風(fēng)險的影響，而少有文獻(xiàn)對經(jīng)濟(jì)不確定性與銀行信貸供給的關(guān)系進(jìn)行研究。一些學(xué)者基于Quagliariello(2007)[9]的模型，對不確定條件下的我國商業(yè)銀行資產(chǎn)配置進(jìn)行研究，結(jié)果發(fā)現(xiàn)在面臨較高程度的經(jīng)濟(jì)不確定性時，銀行將對各類資產(chǎn)進(jìn)行重新配置，以維持風(fēng)險與收益之間的平衡，并且各商業(yè)銀行貸款/資產(chǎn)比截面分布的方差將收窄(金俐，2006[4]；邱兆祥和王保東，2008[16]；邱兆祥和劉遠(yuǎn)亮，2010[17]；章華和吳彩麗，2014[18])。對于經(jīng)濟(jì)不確定性與銀行信貸風(fēng)險之間的關(guān)系，劉遠(yuǎn)亮(2011)[5]實證研究發(fā)現(xiàn)，當(dāng)宏觀經(jīng)濟(jì)不確定程度增加時，商業(yè)銀行的不良貸款率將提高?；贐GG模型，蔡祥鋒(2012)[19]研究發(fā)現(xiàn)，各種外部沖擊通過信貸市場中金融中介的傳導(dǎo)，對經(jīng)濟(jì)波動造成進(jìn)一步放大的效應(yīng)。然而，國內(nèi)既有實證文獻(xiàn)對于經(jīng)濟(jì)不確定性指標(biāo)的測度比較單一，均以工業(yè)企業(yè)增加值的條件異方差(CARCH)作為宏觀經(jīng)濟(jì)不確定性的代理指標(biāo)。此外，在上述實證研究中，由于數(shù)據(jù)的局限性，其樣本主體為規(guī)模較大且已上市的商業(yè)銀行*樣本中僅包括我國14家上市銀行。，樣本代表性和普遍性不足，一定程度上存在樣本選擇偏誤。因此，國內(nèi)實證文獻(xiàn)研究的穩(wěn)健性尚需進(jìn)一步檢驗。

在既有文獻(xiàn)研究的基礎(chǔ)上，本文在我國市場環(huán)境下提出如下問題：經(jīng)濟(jì)不確定性是否構(gòu)成商業(yè)銀行信貸供給的直接影響因素，較高的經(jīng)濟(jì)不確定性降低了我國商業(yè)銀行信貸供給嗎？比較而言，本文創(chuàng)新之處可能在于：首先，基于我國金融機構(gòu)的微觀樣本，實證分析經(jīng)濟(jì)不確定性對商業(yè)銀行信貸供給的影響。其次，運用面板固定效應(yīng)等恰當(dāng)計量方法，對樣本數(shù)據(jù)進(jìn)行了分析。具體而言，多維度構(gòu)建宏觀經(jīng)濟(jì)不確定性指標(biāo)；并基于銀行資產(chǎn)和資產(chǎn)收益率數(shù)據(jù)，測算銀行微觀層面的不確定性指標(biāo)。研究樣本選擇2001-2013年我國207家金融機構(gòu)，該樣本涵蓋了國有大型商業(yè)銀行、股份制銀行、城商行、農(nóng)村金融機構(gòu)以及其他非銀行金融機構(gòu)，加強了結(jié)論的穩(wěn)健性。最后，研究發(fā)現(xiàn)，在控制供需因素變量的全樣本條件下，經(jīng)濟(jì)不確定性對商業(yè)銀行信貸供給產(chǎn)生負(fù)向影響，其中銀行信貸供給對宏觀經(jīng)濟(jì)不確定性變量的敏感性較強，而對微觀經(jīng)濟(jì)不確定性變量的敏感性較弱；相對于外資銀行而言，中資銀行信貸供給對經(jīng)濟(jì)不確定性的敏感性更強。本文結(jié)論對于完善金融監(jiān)管機制及貨幣政策制定等提供了經(jīng)驗證據(jù)。

三模型、變量和數(shù)據(jù)選擇

(一)研究假設(shè)和計量模型

Talavera et al.(2006)[1]構(gòu)建動態(tài)優(yōu)化模型，研究銀行價值最優(yōu)化問題。在其研究框架中，銀行經(jīng)理在各個時期t，選擇投資、借款和發(fā)放貸款來實現(xiàn)銀行價值最大化，并將經(jīng)濟(jì)不確定性加入約束方程。通過計算約束條件下動態(tài)方程中狀態(tài)變量的一階條件，得到方程(1)：

(1)

(2)

假設(shè)H：滯后期的經(jīng)濟(jì)不確定性程度越高，商業(yè)銀行的當(dāng)期信貸供給水平越低。

本文建立如下計量模型，以分析經(jīng)濟(jì)不確定性變量對商業(yè)銀行信貸供給的影響：

Loan_growthit=β0+β1uncertaintyt-1+βXit+μit

(3)

在計量模型中，i和t分別表示商業(yè)銀行個體和時間；因變量Loan_growthit表示商業(yè)銀行信貸增長率；uncertaintyt-1表示滯后期的經(jīng)濟(jì)不確定性變量；Xit為控制變量向量集，表示銀行i的其他控制變量。影響商業(yè)銀行信貸增長的因素，包括宏觀經(jīng)濟(jì)狀況、商業(yè)銀行財務(wù)狀況等。μit表示隨機誤差項。β0為常數(shù)項，β1表示系數(shù)，而β表示系數(shù)向量。

(二)對經(jīng)濟(jì)不確定的測度

1.宏觀經(jīng)濟(jì)不確定性

對于宏觀經(jīng)濟(jì)不確定性的測度，實證文獻(xiàn)中主要分為調(diào)查法和時間序列條件波動法。調(diào)查法主要基于市場參與者對未來經(jīng)濟(jì)走勢預(yù)期的調(diào)查，計算不同受訪者預(yù)期值之間離差。時間序列條件波動法，主要是基于經(jīng)濟(jì)變量的時間序列構(gòu)建GARCH模型，然后利用GARCH模型估計條件異方差，并將條件異方差作為對經(jīng)濟(jì)不確定性的測度。條件異方差中包含有歷史信息集，因此相對于無條件方差而言，條件異方差能夠更好地衡量經(jīng)濟(jì)不確定性。例如，Talavera et al.(2006)[1]選用貨幣供應(yīng)量的條件異方差作為不確定性的測度指標(biāo)，Quagliariello(2007)[9]選用工業(yè)產(chǎn)值和物價指數(shù)的條件異方差作為不確定性的測度指標(biāo)。

受限于調(diào)查數(shù)據(jù)的可得性，我們采用時間序列條件波動法來測度宏觀經(jīng)濟(jì)的不確定性。選用1999年1月-2013年12月期間工業(yè)企業(yè)增加值增長率(Indus)、商品房價格增長率(Estate)、進(jìn)出口總額增長率(Trade)、貨幣供應(yīng)量(M0、M1、M2)增長率進(jìn)行不確定性指標(biāo)的測算。宏觀變量選擇綜合考慮了產(chǎn)值、物價、進(jìn)出口和貨幣供應(yīng)量等方面，分別基于月度時間序列構(gòu)建GARCH(1,1)模型*一般而言，GARCH(1，1)模型可以解釋多數(shù)的宏觀時間序列數(shù)據(jù)。對于各時間序列數(shù)據(jù)，我們首先進(jìn)行單位根檢驗，其中工業(yè)企業(yè)增加值的增長率、商品房價格增長率、進(jìn)出口總值增長率、貨幣供應(yīng)量增長率均屬于平穩(wěn)時間序列。，并提取條件異方差。表1給出了各宏觀變量GARCH(1,1)模型的回歸結(jié)果，其中ARCH項和GARCH項的系數(shù)均比較顯著。由于模型得到的條件異方差為月度數(shù)據(jù)，因此我們利用均值計算方法將其轉(zhuǎn)化為年度數(shù)據(jù)。

表1　GARCH(1,1)結(jié)果

注：括號內(nèi)為t值，*、**、*** 分別表示系數(shù)估計值在10%、5% 和1% 水平下顯著。

圖1-圖6描述了各變量在不同時間的條件異方差走勢。各項宏觀變量的條件異方差在2008-2009年金融危機期間均出現(xiàn)較大波動。商品房價格的條件異方差在危機前基本保持在較低水平，而在2008-2009年危機期間達(dá)到極值。圖形顯示，各變量的條件異方差走勢具有一定差異性，故從多維度考慮條件異方差，可以全面把握宏觀經(jīng)濟(jì)不確定性。

2.微觀經(jīng)濟(jì)不確定性

本文參考Buch et al.(2014)[20]的研究方法，基于銀行資產(chǎn)Assetit和資產(chǎn)收益率ROAit數(shù)據(jù)，測算銀行微觀層面的不確定性。該測算過程包括兩個步驟：以資產(chǎn)增長率變量為例，首先構(gòu)建如下回歸方程：

log(Assetit)-log(Assetit-1)=Δlog(Assetit)=αi+εit

(4)

其中Δlog(Assetit)代表個體銀行i在第t年的資產(chǎn)增長率，αi為銀行個體固定效應(yīng)，殘差εit反映了資產(chǎn)增長率所受到的隨機擾動。假設(shè)商業(yè)銀行根據(jù)方程(4)對資產(chǎn)項進(jìn)行預(yù)測，那么殘差則捕捉到了各家銀行每年的預(yù)測誤差。 第二步，以年為單位，計算所有銀行預(yù)測誤差的橫截面標(biāo)準(zhǔn)差SD(εit)=Asset_ut，作為銀行微觀層面不確定性的近似代理變量。因此，銀行層面不確定性的測度源于銀行微觀個體的數(shù)據(jù)。按照同樣的過程，基于資產(chǎn)收益率指標(biāo)構(gòu)建回歸方程：

log(ROAit)-log(ROAit-1)=Δlog(ROAit)=αi+εit

(5)

并假設(shè)商業(yè)銀行根據(jù)方程(5)對利潤率進(jìn)行預(yù)測。我們基于銀行資產(chǎn)收益率數(shù)據(jù)，測算出不確定性指標(biāo)SD(εit)=ROA_ut。

(三)其他變量選擇

1.貸款增長率

將各家金融機構(gòu)的年末貸款總額進(jìn)行對數(shù)差分處理，計算得到各家機構(gòu)每年的貸款增長率，計算公式為：Loan_growthit=log(loanit)-log(loanit-1)。

2.控制變量的選取

(1)宏觀經(jīng)濟(jì)變量

宏觀經(jīng)濟(jì)變量的選取，旨在控制借款人(borrower)的需求因素。參考既有文獻(xiàn)的研究，在計量模型中我們加入實際GDP指數(shù)、消費者物價指數(shù)(CPI)和央行一年期貸款利率的當(dāng)期值*其中實際GDP指數(shù)和CPI數(shù)據(jù)來源于國家統(tǒng)計局網(wǎng)站，央行基準(zhǔn)利率數(shù)據(jù)來源于《中國金融統(tǒng)計年鑒》。。Peydro et al.(2012)[21]和Valencia(2013)[3]均指出，單個銀行個體的信貸對宏觀經(jīng)濟(jì)總量指標(biāo)難以產(chǎn)生顯著影響，即個體銀行的信貸與宏觀經(jīng)濟(jì)總量之間不存在互為因果問題。因此，選擇3個變量的當(dāng)期值具有合理性。

實際GDP水平會對借款人信用程度產(chǎn)生正向影響，故可預(yù)期實際GDP指數(shù)與各家銀行的信貸增長率呈正向關(guān)系。此外，基于金融市場摩擦的視角，Boyd et al.(2001)[22]研究發(fā)現(xiàn)通貨膨脹與金融部門績效之間存在負(fù)相關(guān)關(guān)系；De Haas等(2012)[23]，Claessens和Van Horen(2014)[24]實證研究發(fā)現(xiàn)同樣的結(jié)論，即CPI對信貸增長具有顯著的負(fù)向影響。故預(yù)期CPI越高，則金融機構(gòu)的信貸增速越低。央行基準(zhǔn)利率反映了需求方的借貸成本，較高的基準(zhǔn)利率會降低信貸需求，因此本研究預(yù)期基準(zhǔn)利率與信貸增速呈負(fù)相關(guān)關(guān)系*央行基準(zhǔn)利率同時反映了金融機構(gòu)的再融資成本，因此也構(gòu)成了影響信貸投入的供給因素。一般而言，較高的融資成本，會對銀行信貸供給產(chǎn)生負(fù)向影響。。

(2)金融機構(gòu)財務(wù)指標(biāo)

從銀行財務(wù)報表中，選取與信貸供給相關(guān)的各項微觀財務(wù)指標(biāo)作為控制變量，包括金融機構(gòu)的杠桿比率、存款及短期融資額、資產(chǎn)總額、流動比率4項核心指標(biāo)，旨在反映控制各家銀行的流動性、償付能力和融資能力。計量模型中的杠桿比率、資產(chǎn)總額、流動比率3個變量均滯后一期，以克服內(nèi)生性問題*客戶存款變量與貸款變量之間不存在顯著的互為因果關(guān)系，因為A銀行所發(fā)放的貸款并不一定會轉(zhuǎn)化為A銀行的存款(Pouvelle，2012)[25]，因此我們將存款變量的當(dāng)期值加入計量模型。。

Pouvelle(2012)[25]、Albertazzi和Bottero(2014)[26]實證研究發(fā)現(xiàn)，銀行規(guī)模與信貸增速存在負(fù)相關(guān)關(guān)系。他們指出與大型銀行相比，中小銀行擴展貸款的邊際空間更大。本文將金融機構(gòu)年末資產(chǎn)總額滯后一期放入計量模型，選取該變量用于控制金融機構(gòu)的不同規(guī)模及組織形式；預(yù)期金融機構(gòu)規(guī)模越大，貸款增長率越低；選取杠桿比率來反映金融機構(gòu)的償付能力和長期資本目標(biāo)，計算公式為杠桿比率=資產(chǎn)/權(quán)益。Chen(2001)[27]指出金融機構(gòu)較高的杠桿率，會降低其償付能力并增加其資本約束，進(jìn)而會限制信貸投放。因此，本研究預(yù)期杠桿率越高，信貸增速越低；選取銀行存款及短期融資額來反映金融機構(gòu)外部融資能力，預(yù)期該指標(biāo)會對信貸供給產(chǎn)生正向影響。選取流動比率來反映金融機構(gòu)的流動性，計算公式為流動比率=流動性資產(chǎn)/資產(chǎn)總額，并預(yù)期流動比率越高，信貸供給額越高。

(四)樣本選擇及主要變量的統(tǒng)計特征描述

本文以我國境內(nèi)(不含港澳臺)241家金融機構(gòu)作為初始樣本，樣本期間為2001-2013年，數(shù)據(jù)來源于BankScope銀行數(shù)據(jù)庫。對該樣本作進(jìn)一步的篩選：首先，刪除了中央銀行和政策性銀行；然后，刪除了主要變量為缺漏值的選項。最終保留了2001-2013年之間的207家金融機構(gòu)樣本，其中包括171家中資金融機構(gòu)(5家國有大型商業(yè)銀行、31家股份制銀行、86家城市商業(yè)銀行、28家農(nóng)村金融機構(gòu)、21家非銀行金融機構(gòu))以及36家外資金融機構(gòu)(30家商業(yè)銀行和6家非銀行金融機構(gòu))。

表2給出了基本模型中主要變量的統(tǒng)計性描述和預(yù)期影響符號。對資產(chǎn)總額、存款總額、物價指數(shù)和GDP指數(shù)均進(jìn)行了對數(shù)化處理，以克服異方差影響。

表2　變量的統(tǒng)計性描述

注：(1)預(yù)期影響符號中“+”、“-”、“?”分別表示預(yù)期正向、負(fù)向和不確定的影響。(2)為防止異常值的影響，表中變量均在1%水平上進(jìn)行了Winsorize處理。

如圖7所示，80%以上的金融機構(gòu)資產(chǎn)規(guī)模處于較低水平，因此研究樣本以中小金融機構(gòu)為主。由于多數(shù)金融機構(gòu)的經(jīng)營規(guī)模較小，其主要以國內(nèi)客戶的各項信貸業(yè)務(wù)為主，因此分析金融機構(gòu)在國內(nèi)市場的信貸供給問題，樣本選取比較合理。通過比較樣本區(qū)間內(nèi)不同貸款品種占貸款總額的平均比重(如圖8所示)，我們發(fā)現(xiàn)：工商貸款在金融機構(gòu)貸款總額中占絕對比重，保持在85%左右；住房消費貸款和其他消費貸款占比相對較低，平均占比均保持在10%左右。

圖7　金融機構(gòu)規(guī)模分布情況

圖8　中外金融機構(gòu)年均信貸增速

四實證結(jié)果分析

首先基于計量模型(3)，運用面板固定效應(yīng)回歸方法，分析經(jīng)濟(jì)不確定性對銀行信貸供給的影響。然后，運用剔除特殊樣本點、選擇替代變量等方式對回歸結(jié)果進(jìn)行穩(wěn)健性檢驗，并對實證分析的基本結(jié)論進(jìn)行經(jīng)濟(jì)學(xué)分析。最后，分析中資銀行和外資銀行的信貸供給對經(jīng)濟(jì)不確定性變量的敏感性差異。

(一)基本模型分析

我們按照基本計量模型進(jìn)行分析，Hausman檢驗顯示固定效應(yīng)回歸優(yōu)于隨機效應(yīng)回歸，因此我們采用固定效應(yīng)模型以控制那些不隨時間變化的因素(例如不同的商業(yè)模式、發(fā)展戰(zhàn)略)。此外，經(jīng)過檢驗發(fā)現(xiàn)模型設(shè)定中存在異方差和序列相關(guān)問題，故我們對回歸結(jié)果進(jìn)行了穩(wěn)健標(biāo)準(zhǔn)誤修正(Beck 和 katz，1995)[28]，回歸結(jié)果如表3所示*因篇幅受限，未報告異方差和序列相關(guān)的檢驗結(jié)果。本文后續(xù)回歸分析中都應(yīng)用了面板固定效應(yīng)模型，且均進(jìn)行了穩(wěn)健標(biāo)準(zhǔn)誤修正。。計量結(jié)果表明：在控制相關(guān)變量的前提下，宏觀經(jīng)濟(jì)不確定性變量對銀行貸款供給均產(chǎn)生較顯著的負(fù)向影響，支持了本文的研究假設(shè)?；诠I(yè)企業(yè)增加值增長率所測度的不確定性指標(biāo)，在5%以內(nèi)的統(tǒng)計水平上對銀行信貸供給產(chǎn)生負(fù)向影響；基于進(jìn)出口增長率、貨幣供給量(M0、M1、M2)增長率所測度的不確定性指標(biāo)，在1%的統(tǒng)計水平上對銀行信貸供給產(chǎn)生負(fù)向影響；基于商品房價格增長率所測度的不確定性指標(biāo)，其顯著性水平相對較低，但仍在15%的統(tǒng)計水平上對信貸供給產(chǎn)生負(fù)向影響。微觀經(jīng)濟(jì)不確定性變量Asset_uit-1和Roa_uit-1的系數(shù)符號為負(fù)，與預(yù)期相符，但顯著性水平較低。結(jié)果表明，相對于微觀層面的不確定性而言，銀行信貸供給對宏觀經(jīng)濟(jì)不確定性的敏感性較強。

在方程(1)-(8)中，我們對影響商業(yè)銀行信貸供給的宏觀變量和財務(wù)指標(biāo)進(jìn)行了相應(yīng)的控制。計量結(jié)果顯示基準(zhǔn)利率對貸款增長率不存在顯著影響，可能的原因是我國利率市場化程度較低，中央銀行基準(zhǔn)利率還未反映真實的信貸供需信息；物價指數(shù)CPI在1%的統(tǒng)計水平上對貸款增速產(chǎn)生負(fù)向影響，說明較高的通脹率增加了信貸市場的摩擦程度，進(jìn)而造成較低的資源配置效率和信貸增長率；實際GDP變量在1%的統(tǒng)計水平上對信貸增長率產(chǎn)生正向影響，這表明實際GDP真實反映了個人和公司客戶的信貸需求；杠桿率水平對信貸增長率的影響系數(shù)符合預(yù)期，但顯著性水平較低；資產(chǎn)總額對信貸增長率產(chǎn)生顯著的負(fù)向影響，說明我國中小銀行擴展貸款的邊際空間較大；流動比率和存款總額均在1%的統(tǒng)計水平上對貸款增速產(chǎn)生正向影響，系數(shù)符號與預(yù)期相符，這表明充足的流動性和較強的融資能力支持金融機構(gòu)的信貸增長。

表3　模型估計結(jié)果

(續(xù)上表)

變量Indus(1)Estate(2)Export(3)M0(5)M1(6)M2(7)Asset_u(8)Roa_u(9)M0_uit-1-0.002***(-5.178)M1_uit-1-0.013***(-3.656)M2_uit-1-0.132***(-2.946)Asset_uit-1-0.277 (-1.322)Roa_uit-1-0.096 (-1.072)Base_ratei-0.015-0.006-0.037**0.013*-0.013-0.009-0.006-0.004(-1.311)(-0.795)(-2.455)(1.699)(-1.639)(-0.901)(-0.685)(-0.302)Log(CPI)t-0.922**-1.455***-0.735**-1.413***-0.887***-1.037***-1.028***-1.360**(-2.568)(-4.250)(-2.304)(-4.525)(-2.924)(-3.005)(-3.038)(-2.151)Log(GDP)t0.326***0.491***0.304***0.475***0.341***0.367***0.357***0.425**(2.908)(4.509)(3.041)(4.664)(3.699)(3.428)(3.360)(2.593)Leverit-1-0.0002-0.0003-0.0005-0.0006-0.0005-0.0005-0.0004-0.0005(-0.364)(-0.353)(-0.621)(-0.740)(-0.635)(-0.655)(-0.509)(-0.654)Log(Asset)it-1-0.576***-0.563***-0.585***-0.589***-0.589***-0.579***-0.576***-0.595***(-8.674)(-8.598)(-9.383)(-9.253)(-9.231)(-8.666)(-8.557)(-7.538)liquidit-10.663***0.630***0.685***0.650***0.667***0.669***0.652***0.707***(7.814)(7.524)(7.923)(7.532)(7.747)(7.866)(7.658)(6.794)Log(Deposit)it0.475***0.469***0.485***0.482***0.487***0.475***0.472***0.488***(9.664)(10.00)(10.86)(10.76)(10.68)(9.764)(9.489)(7.809)Constant5.518***7.128***4.541***7.137***4.941***5.799***5.682***7.298**(3.547)(5.093)(3.653)(5.727)(4.155)(4.084)(4.220)(2.555)Hausman_test38.0830.2342.6743.2142.1343.7845.5143.16[0.000][0.000][0.000][0.000][0.000][0.000][0.000][0.000]F69.66148.7219.8195.2723.0375.6229.847.63R2_w0.3710.3560.3740.3750.3740.3680.3680.380Observations951951951951951951951935Numberofgroups207207207207207207207207

注: (1)模型的被解釋變量為Loan_growthit，括號內(nèi)為t值，#、*、**、***分別表示系數(shù)估計值在15%、10%、5% 和1% 水平下顯著。(2)[]內(nèi)是Hausman檢驗的P值，Hausman檢驗的原假設(shè)是：固定效應(yīng)與隨機效應(yīng)之間無明顯區(qū)別。

(二)對基本結(jié)論的穩(wěn)健性檢驗及經(jīng)濟(jì)學(xué)解釋

1.選擇銀行貸款增長率的其他替代變量

本文首先用凈貸款(貸款總額扣減貸款損失撥備)增長率作為被解釋變量，對計量模型重新進(jìn)行估計?；貧w結(jié)果如表4(1)列所示：各項宏觀經(jīng)濟(jì)不確定性指標(biāo)均對貸款增速產(chǎn)生顯著的負(fù)向影響，影響方向符合假設(shè)預(yù)期。此外，由于工商貸款在金融機構(gòu)貸款總額中占絕對比重，因此我們選擇工商貸款增長率作為貸款總額增長率的近似替代變量，對估計結(jié)果的穩(wěn)健性進(jìn)行檢驗*Kashyap 和 Stein(2001)[7]，Baum et al.(2008)[2]等文獻(xiàn)均使用工商貸款作為全部貸款的代理變量，來驗證計量結(jié)果的穩(wěn)健性。?；貧w結(jié)果如表4(2)列所示：在不同宏觀經(jīng)濟(jì)不確定性變量下，信貸增速的系數(shù)符號和顯著性水平均未發(fā)生本質(zhì)變化，回歸結(jié)果顯示出較好的穩(wěn)定性。微觀層面的不確定性變量Asset_uit-1和Roa_uit-1系數(shù)符號與預(yù)期相符，但在不同的貸款替代變量條件下，回歸系數(shù)的顯著性水平存在較大差異。相對于貸款總額和凈貸款而言，工商貸款供給對微觀經(jīng)濟(jì)不確定性變量的敏感性較強。

2.剔除特殊樣本后回歸

證券公司、信托公司和汽車金融公司等非銀行金融機構(gòu)，其業(yè)務(wù)經(jīng)營模式與銀行類金融公司存在顯著差異。那么，這些樣本的存在是否會對研究結(jié)論產(chǎn)生影響？我們將非銀行金融機構(gòu)從總樣本中剔除，然后對剩余銀行類金融機構(gòu)樣本進(jìn)行重新估計，回歸結(jié)果如表4(3)-(5)列所示，在不同的貸款增長率替代變量和宏觀經(jīng)濟(jì)不確定性變量下，回歸系數(shù)顯著為負(fù)。因此，非銀行金融機構(gòu)這一類特殊樣本并未對估計帶來實質(zhì)性影響，這進(jìn)一步支持了回歸結(jié)果的穩(wěn)健性。

外資銀行的信貸投放易受到母行及國際金融市場的影響，因此這類樣本也存在特殊性。在剔除非銀行金融機構(gòu)的基礎(chǔ)上，我們進(jìn)一步剔除了外資銀行，然后對剩余的中資銀行樣本進(jìn)行分析?；貧w結(jié)果如表4(6)-(8)列所示：宏觀不確定性變量對銀行貸款增長率產(chǎn)生負(fù)向影響，且顯著性水平較高。在不同的貸款增長率替代變量和宏觀經(jīng)濟(jì)不確定性變量下，回歸結(jié)果依然保持穩(wěn)健。

綜合表4(1)-(8)列所示，微觀經(jīng)濟(jì)不確定性變量Asset_uit-1和Roa_uit-1的系數(shù)符號與預(yù)期相符，但在不同替代變量和不同樣本條件下，Asset_uit-1和Roa_uit-1系數(shù)的顯著性水平存在較大的差異性，因此回歸結(jié)果的穩(wěn)健性相對較差，弱支持了本文的研究假設(shè)。計量模型中的其他控制變量系數(shù)符號和顯著性水平，與表3相比不存在顯著性差異。

表4　穩(wěn)健性檢驗

(續(xù)上表)

變量全部樣本(1)凈貸款(2)工商貸款剔除非銀行金融機構(gòu)(3)貸款總額(4)凈貸款(5)工商貸款剔除外資金融機構(gòu)(6)貸款總額(7)凈貸款(8)工商貸款M1_uit-1-0.013***-0.009***-0.013***-0.014***-0.008***-0.012***-0.013***-0.007**(-3.479)(-3.614)(-4.468)(-4.229)(-3.769)(-3.506)(-3.760)(-2.075)M2_uit-1-0.136**-0.156**-0.255***-0.281***-0.168***-0.314***-0.340***-0.333**(-2.422)(-2.605)(-3.413)(-3.176)(-2.746)(-3.007)(-3.382)(-2.494)Asset_uit-1-0.234-0.409*-0.200-0.147-0.403#-0.527***-0.426**-1.102***(-1.166)(-1.697)(-0.805)(-0.602)(-1.649)(-3.035)(-2.393)(-3.722)ROA_uit-1-0.129-0.755***-0.126-0.158-0.748***-0.051-0.090-0.519**(-1.346)(-3.310)(-1.152)(-1.385)(-3.138)(-0.758)(-1.284)(-2.361)

注: (1)括號內(nèi)為t值，#、 *、**、***分別表示系數(shù)估計值在15%、10%、5% 和1% 水平下顯著。(2)受限于篇幅，表中未報告其他控制變量、常數(shù)項及其它檢驗結(jié)果，僅報告了各不確定性指標(biāo)的回歸系數(shù)及顯著性水平。

3.對基本結(jié)論的經(jīng)濟(jì)學(xué)解釋

上述實證分析表明，較高的宏觀經(jīng)濟(jì)不確定性會使得商業(yè)銀行降低信貸供給。宏觀經(jīng)濟(jì)不確定性通過多種機制影響銀行信貸供給。第一，銀行信貸經(jīng)營的特征在于獲取并分析客戶信息，降低信貸供需雙方的信息不對稱問題。而在宏觀不確定性程度較高的市場環(huán)境下，商業(yè)銀行為控制風(fēng)險，會減少對信息敏感型客戶的信貸供給。第二，在宏觀經(jīng)濟(jì)不確定性程度較高的時期，商業(yè)銀行受到較大沖擊的概率將加大，經(jīng)營風(fēng)險敞口擴大。因此，各類投資者(存款客戶)會要求較高的風(fēng)險溢價，這將導(dǎo)致商業(yè)銀行面臨較強的外部融資約束，進(jìn)而限制商業(yè)銀行的貸款供給能力。第三，當(dāng)宏觀不確定性程度增加時，市場參與者難以對未來收益進(jìn)行合理的預(yù)期。非金融企業(yè)則降低投資支出，特別是存在較高撤銷成本的情況下。同樣，在宏觀經(jīng)濟(jì)不確定性程度較高時期，銀行類企業(yè)也對未來收益的預(yù)期缺乏判斷，因此會降低信貸投放。

(三)中資和外資金融機構(gòu)的比較分析

Peek和Rosengren(2000)[29]、Detragiache和Gupta(2006)[30]實證研究發(fā)現(xiàn)，在面臨來自東道國的經(jīng)濟(jì)沖擊時，外資金融機構(gòu)對于東道國的信貸供給具有穩(wěn)定效應(yīng)。那么，在華外資金融機構(gòu)是否對我國的金融穩(wěn)定起到積極的作用呢？基于對這一問題的思考，我們將樣本分為中資金融機構(gòu)和外資金融機構(gòu)兩組，然后對這兩組樣本進(jìn)行比較分析。其中表5(1)列的研究樣本為中資金融機構(gòu)，結(jié)果顯示各宏觀經(jīng)濟(jì)不確定性指標(biāo)均對貸款供給產(chǎn)生較顯著的負(fù)向影響；表5(2)列的研究樣本為外資金融機構(gòu)，結(jié)果顯示貸款供給對宏觀經(jīng)濟(jì)不確定性均不敏感。為了驗證結(jié)論的穩(wěn)健性，我們進(jìn)一步剔除了非銀行金融機構(gòu)，然后分別對中資銀行和外資銀行樣本進(jìn)行回歸，結(jié)果如表5(3)-(4)列所示：與外資銀行相比，中資銀行信貸供給對宏觀經(jīng)濟(jì)不確定性敏感性較強。上述實證結(jié)果表明，宏觀經(jīng)濟(jì)不確定性程度較高時，中資銀行會選擇收縮信貸投放，而外資銀行的信貸供給則保持穩(wěn)定?？紤]到宏觀經(jīng)濟(jì)不確定性的逆周期性，中資銀行收縮信貸會加劇經(jīng)濟(jì)的波動，而外資銀行的信貸行為對于整體經(jīng)濟(jì)穩(wěn)定則起到了積極的作用。中外銀行信貸行為差異的原因在于：首先，外資銀行的信貸風(fēng)險管理能力整體上要強于中資銀行(Peria和Mody，2004)[31]；其次母行可以為其境外子/分行提供流動性和資本金支持，因此在面臨來自于東道國的經(jīng)濟(jì)沖擊時，在華外資銀行并未顯著收縮信貸投放。

表5　中資和外資金融機構(gòu)的比較分析

注: (1)括號內(nèi)為t值， *、**、***分別表示系數(shù)估計值在10%、5% 和1% 水平下顯著。(2)受限于篇幅，表中未報告其他控制變量、常數(shù)項及其它檢驗結(jié)果，僅報告了各不確定性指標(biāo)的回歸系數(shù)及顯著性水平。

五結(jié)論與政策建議

本文從產(chǎn)值、進(jìn)出口、價格、貨幣供應(yīng)量等多維度測算宏觀經(jīng)濟(jì)不確定性指標(biāo)，并基于銀行資產(chǎn)和資產(chǎn)收益率數(shù)據(jù)測算銀行業(yè)微觀層面的不確定性指標(biāo)。在此基礎(chǔ)上，使用2001-2013年我國金融機構(gòu)微觀研究樣本，實證檢驗了商業(yè)銀行貸款供給對經(jīng)濟(jì)不確定性的敏感性。實證分析表明：在控制供需因素變量的全樣本條件下，經(jīng)濟(jì)不確定性對商業(yè)銀行信貸供給產(chǎn)生負(fù)向影響；銀行信貸供給對宏觀經(jīng)濟(jì)不確定性變量的敏感性較強，而對微觀經(jīng)濟(jì)不確定性變量的敏感性較弱；相對于外資銀行而言，中資銀行信貸供給對經(jīng)濟(jì)不確定性的敏感性更強。通過剔除特殊樣本、選擇貸款替代變量后回歸等方法進(jìn)行穩(wěn)健性檢驗，回歸結(jié)果顯示出較好的穩(wěn)健性。

由本文結(jié)論可以得到以下啟示：首先，我國貨幣政策的制定應(yīng)充分認(rèn)識到，經(jīng)濟(jì)不確定性不僅直接影響實體經(jīng)濟(jì)，還會通過銀行信貸供給渠道對實體經(jīng)濟(jì)產(chǎn)生影響。并且，經(jīng)濟(jì)不確定性會影響預(yù)期進(jìn)而導(dǎo)致企業(yè)投資下降，這勢必會加劇經(jīng)濟(jì)的波動程度。此外，在實證過程中我們還發(fā)現(xiàn)貨幣供給量(M0、M1、M2)的不確定對銀行信貸具有顯著負(fù)向影響，這也進(jìn)一步拓展了我們對貨幣政策傳導(dǎo)機制的認(rèn)識。因此人民銀行應(yīng)將宏微觀經(jīng)濟(jì)不確定性對銀行信貸供給的影響，納入貨幣政策的制定過程中，這將有助于完善我國貨幣政策對實體經(jīng)濟(jì)的宏觀調(diào)控作用。

其次，銀行業(yè)監(jiān)管機構(gòu)應(yīng)對經(jīng)濟(jì)不確定性和銀行信貸之間的交互作用給予充分重視，并將更多的經(jīng)濟(jì)不確定性指標(biāo)列入監(jiān)管指標(biāo)體系之中。這樣有助于監(jiān)管機構(gòu)提前識別風(fēng)險和控制風(fēng)險，進(jìn)而最小化外部沖擊成本。同時，有關(guān)機構(gòu)應(yīng)充分認(rèn)識到外資金融機構(gòu)對我國金融穩(wěn)定的積極作用，并積極引導(dǎo)在華外資金融機構(gòu)的經(jīng)營，促進(jìn)其有效作用的發(fā)揮。

最后，積極推進(jìn)資本市場建設(shè)，拓寬企業(yè)融資渠道。目前銀行貸款仍然是我國中小企業(yè)融資的最主要來源。為此需加快多層次資本市場的建設(shè)，擺脫企業(yè)對銀行貸款單一融資渠道的依賴，進(jìn)而降低經(jīng)濟(jì)不確定性通過銀行信貸渠道對經(jīng)濟(jì)的負(fù)面沖擊。此外，本文實證研究發(fā)現(xiàn)，央行基準(zhǔn)利率未能充分反映信貸供求信息，因此推進(jìn)利率市場化改革，也是其中的應(yīng)有之意。

[參考文獻(xiàn)]

[1] Talavera, O., Tsapin, A., Zholud, O. L.. Macroeconomic Uncertainty and Bank Lending: The Case of Ukraine[J].DIW-DiscussionsPaper, No.673, 2006.

[2] Baum, C., Caglayan, M., Ozkan, N.. The Role of Uncertainty in the Transmission of Monetary Policy Effects on Bank Lending[J].BostonCollegeWorkingPaper, No.561, 2008.

[3] Valencia, F.. Aggregate Uncertainty and the Supply of Credit[J].IMFWorkingPapers, No.13/241, 2013.

[4] 金俐. 信貸配給論：制度分析[M]. 上海: 上海財經(jīng)大學(xué)出版社, 2006.

[5] 劉遠(yuǎn)亮. 基于宏觀經(jīng)濟(jì)不確定性的商業(yè)銀行信貸風(fēng)險防范研究[D]. 北京: 對外經(jīng)貿(mào), 2011.

[6] Topi, J., Vilmunen, J.. Transmission of Monetary Policy Shocks in Finland: Evidence from Bank Level Data on Loans [J].EuropeanCentralBankWorkingPapers, No.100, 2001.

[7] Kashyap, A., Stein, J.. What Do a Million Observations on Banks Say About the Transmission of Monetary Policy [J].AmericanEconomicReview, 2000, 90(3): 407-428.

[8] Micco, A., Panizza, U.. Bank Ownership and Lending Behavior[J].GeneralInformation, 2006, 93(2): 248-254.

[9] Quagliariello, M.. Macroeconomic Uncertainty and Banks’ Lending Decisions: The Case of Italy[J].AppliedEconomics, 2009, 41(3): 323-336.

[10] Labán, R. M., Larraín, F. B.. Can a Liberalization of Capital Outflows Increase Net Capital Inflows[J].JournalofInternationalMoneyandFinance, 1997, 16(3): 415-431.

[11] De Haas, R., Van Horen, N.. Running for the Exit: International Banks and Crisis Transmission[J].DNBWorkingPaper, No.279, 2011.

[12] Bloom, N., Bond, S., Reenen, J. V.. Uncertainty and Investment Dynamics[J].ReviewofEconomicStudies, 2007, 74(2): 391-415.

[13] Bloom, N., Floetotto, M., Jamovich, N., et al.. Really Uncertain Business Cycles[J].NBERWorkingPaper, No.18245, 2012.

[14] Jurado, K., Ludvigson, S. C., Ng, S.. Measuring Uncertainty[J].NBERWorkingPaper, No.19456, 2013.

[15] Bloom, N.. Fluctuations in Uncertainty [J].JournalofEconomicPerspectives, 2014, 28(2): 153-176.

[16] 邱兆祥, 王保東. 宏觀經(jīng)濟(jì)的不確定性與商業(yè)銀行信貸行為研究[J]. 財貿(mào)經(jīng)濟(jì), 2008, (12): 21-25.

[17] 邱兆祥, 劉遠(yuǎn)亮. 宏觀經(jīng)濟(jì)的不確定性與銀行資產(chǎn)組合行為：1995-2009[J]. 金融研究, 2010, (11): 34-44.

[18] 章華, 吳彩麗. 宏觀經(jīng)濟(jì)不確定性與銀行信貸行為-基于中國數(shù)據(jù)的實證研究[J]. 浙江金融, 2014, (5): 29-34.

[19] 蔡祥鋒. 雙重委托-代理視角下的金融中介、金融加速器與經(jīng)濟(jì)波動的研究[J]. 產(chǎn)經(jīng)評論, 2012, 3(4): 145-150.

[20] Buch, C. M., Buchholz, M. L., Tonzer， L.. Uncertainty and International Banking[C].The paper of the conference International Banking: Micro foundations and Macroeconomic Implications, Organized by the International Monetary Fund (IMF) and the Dutch National Bank (DNB), 2014.

[21] Peydro, J. L., Gabriel, J., Ongena, S., et al.. Credit Supply Monetary Policy: Identifying the Bank Balance-sheet Channel with Loan Applications[J].AmericanEconomicReview, 2012, 102(5): 2301-2326.

[22] Boyd, J. H., Levine, R. B., Smith, D.. The Impact of Inflation on Financial Sector Performance[J].JournalofMonetaryEconomics, 2001, 47(2): 221-248.

[23] De Haas, R., Korniyenko, Y., Loukoianova, E., et al.. Foreign Banks During the Crisis: Sinners or Saints[J].EuropeanBankforReconstructionandDevelopmentWorkingPaper, No.143, 2012.

[24] Claessens, S., Horen, N.. Foreign Banks: Trends and Impact[J].JournalofMoney,CreditandBanking, 2014, 46(s1): 295-326.

[25] Pouvelle, C.. Bank Credit, Asset Prices and Financial Stability: Evidence from French Banks[J].IMFWorkingPaper, No.12-103, 2012.

[26] Albertazzi, U., Bottero, M.. Foreign Bank Lending: Evidence from the Global Financial Crisis[J].JournalofInternationalEconomics, 2014, 92(3): 22-35.

[27] Chen, N. K.. Bank Net Worth, Asset Prices and Economic Activity[J].JournalofMonetaryEconomics, 2001, 48(2): 415-436.

[28] Beck, N., Katz, J. N.. What to Do (and What Not to Do) with Time-series Cross-section Data[J].AmericanPoliticalScienceReview, 1995, 89(3): 634-647.

[29] Peek, J., Rosengren, E. S.. Collateral Damage: Effects of the Japanese Bank Crisis on Real Activity in the United States[J].AmericanEconomicReview, 2000, 90(1): 30-45.

[30] Detragiache, E., Gupta, P.. Foreign Banks in Emerging Market Crises: Evidence from Malaysia[J].JournalofFinancialStability, 2006, 2(3): 217-242.

[責(zé)任編輯：戴天仕]

[31] Peria, M. S. M., Mody, A.. How Foreign Participation and Market Concentration Impact Bank Spreads: Evidence from Latin America[J].PolicyResearchWorkingPaper, 2004, 36(3): 511-537.

Economic Uncertainty and Supply of Bank Credit

XIN Bing-haiZHANG Xiao-yunTAO Jiang

Abstract:The paper builds macroeconomic uncertainty index from the perspectives of production, import and export, price and monetary supply; and builds microeconomic uncertainty index based on the financial institutions data of asset and earning rate. Further, based on the panel data of financial institutions for the 2001-2013 periods, the paper empirically tests the effect of economic uncertainty on credit growth in China. The results show that: under the condition of controlling the relevant variables, economic uncertainty produces a negative impact on credit growth; the bank credit growth is more sensitive to the aggregated macroeconomic uncertainty and less sensitive to the bank level microeconomic uncertainty; and the Chinese banks credit growth is more sensitive to the economic uncertainty than the foreign banks. This provides empirical support for the improvement of financial supervisions and monetary policies.

Key words:macroeconomic and microeconomic uncertainty； bank credit; sensitivity differences

[中圖分類號]F832.4

[文獻(xiàn)標(biāo)識碼]A

[文章編號]1674-8298(2015)05-0101-14

[作者簡介]辛兵海，南開大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，研究方向為財政-金融理論與實踐；張曉云，北京大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，研究方向為外國經(jīng)濟(jì)思想史；陶江，南開大學(xué)經(jīng)濟(jì)學(xué)院教授、博士生導(dǎo)師，研究方向為財政-金融理論與實踐。

[基金項目]國家社科基金一般項目“符合中國國情的住房保障和供應(yīng)體系研究”(項目編號：14BJY060，主持人：陳立文)；教育部人文社科規(guī)劃基金資助項目“支持農(nóng)村中小銀行實現(xiàn)雙重績效最大化的路徑研究”(項目編號：12YJA790027，主持人：范香梅)；山東省自然科學(xué)基金項目“基于信貸工廠模式的小微企業(yè)貸款產(chǎn)品開發(fā)研究”(項目編號：ZR2011GL005，主持人：齊春宇)。

[收稿日期]2015-06-25

[DOI]10.14007/j.cnki.cjpl.2015.05.008

[引用方式]聶正彥,李帥.物流業(yè)對中國經(jīng)濟(jì)增長影響的區(qū)域差異——基于1998-2013年省級面板數(shù)據(jù)的實證分析[J].產(chǎn)經(jīng)評論,2015,6(5):92-100.