宏觀經(jīng)濟(jì)不確定性、銀行異質(zhì)性和信貸供給

張 琳，廉永輝，辛兵海

（南開大學(xué)經(jīng)濟(jì)學(xué)院，天津 300071）

宏觀經(jīng)濟(jì)不確定性、銀行異質(zhì)性和信貸供給

張 琳，廉永輝，辛兵海

（南開大學(xué)經(jīng)濟(jì)學(xué)院，天津 300071）

本文研究了宏觀經(jīng)濟(jì)不確定性對(duì)銀行信貸供給的影響。首先基于GARCH模型構(gòu)造出我國宏觀經(jīng)濟(jì)不確定性指標(biāo)，在此基礎(chǔ)上應(yīng)用89家商業(yè)銀行1998－2012年非平衡面板數(shù)據(jù)，實(shí)證檢驗(yàn)了宏觀經(jīng)濟(jì)不確定性對(duì)不同銀行信貸供給的異質(zhì)性影響。分析表明，無論在統(tǒng)計(jì)意義還是在經(jīng)濟(jì)意義上，宏觀經(jīng)濟(jì)不確定性增加均會(huì)顯著降低銀行信貸增速，并且資本越充足、資產(chǎn)流動(dòng)性越高、規(guī)模越大的銀行受影響越小。

宏觀經(jīng)濟(jì)不確定性;資本充足率;資產(chǎn)流動(dòng)性;銀行規(guī)模

一、引 言

金融危機(jī)期間，盡管各國政府向市場注入大量流動(dòng)性，但不少國家銀行體系仍出現(xiàn)流動(dòng)性囤積現(xiàn)象。除交易對(duì)方風(fēng)險(xiǎn)上升外，導(dǎo)致流動(dòng)性囤積的另一個(gè)原因在于當(dāng)時(shí)宏觀經(jīng)濟(jì)不確定性較高，銀行無法準(zhǔn)確掌握信貸資產(chǎn)的風(fēng)險(xiǎn)收益分布，因而采取更為保守的經(jīng)營策略［1］。事實(shí)上，除反映宏觀經(jīng)濟(jì)狀況的一階矩變量（如經(jīng)濟(jì)增長和貨幣政策）可作用于銀行信貸供給［2－3］，宏觀經(jīng)濟(jì)的二階矩變量即宏觀經(jīng)濟(jì)不確定性也對(duì)其具有重要影響［4］。然而，目前有關(guān)宏觀經(jīng)濟(jì)不確定性影響的文獻(xiàn)主要集中在探討其對(duì)非金融類企業(yè)的資本結(jié)構(gòu)、流動(dòng)性管理和投資決策等方面的影響［5－7］，明確探討其對(duì)銀行信貸行為影響的文獻(xiàn)仍屬少數(shù)。較有代表性的研究包括:Talavera et al.［8］從宏觀經(jīng)濟(jì)不確定性會(huì)降低貸款質(zhì)量的假設(shè)出發(fā)，通過一個(gè)企業(yè)價(jià)值最大化模型證明宏觀經(jīng)濟(jì)不確定性較高時(shí)銀行的最優(yōu)策略是降低貸款投放。Valencia［9］的模型則表明，宏觀經(jīng)濟(jì)不確定性增加了銀行破產(chǎn)的概率，風(fēng)險(xiǎn)中立的商業(yè)銀行將啟動(dòng)自我保險(xiǎn)機(jī)制、降低信貸增速。兩篇文獻(xiàn)分別采用了烏克蘭和美國銀行業(yè)數(shù)據(jù)實(shí)證檢驗(yàn)了模型推論，結(jié)果均表明宏觀經(jīng)濟(jì)不確定性上升能顯著抑制銀行信貸供給。值得注意的是，不同微觀特征的銀行對(duì)宏觀經(jīng)濟(jì)不確定性的反應(yīng)程度存在差異。Talavera et al.［8］通過將銀行按規(guī)模分組，發(fā)現(xiàn)小銀行組對(duì)宏觀經(jīng)濟(jì)不確定性的反應(yīng)更強(qiáng)烈。Valencia［9］則考察了資本充足水平不同的銀行對(duì)宏觀經(jīng)濟(jì)不確定性的異質(zhì)性反應(yīng)，結(jié)果發(fā)現(xiàn)資本充足率越低的銀行信貸緊縮程度越大。

近年來也有國內(nèi)學(xué)者注意到宏觀經(jīng)濟(jì)不確定性對(duì)商業(yè)銀行的影響，如邱兆祥和劉遠(yuǎn)亮［10］研究了宏觀經(jīng)濟(jì)不確定性在銀行資產(chǎn)配置中所起的作用，發(fā)現(xiàn)宏觀經(jīng)濟(jì)不確定性增加時(shí)，銀行貸款占資產(chǎn)比率截面分布方差減小。這說明我國銀行業(yè)在宏觀經(jīng)濟(jì)不確定性上升時(shí)會(huì)呈現(xiàn)群體性的信貸供給降低現(xiàn)象，但邱兆祥和劉遠(yuǎn)亮［10］缺乏對(duì)不同微觀特征商業(yè)銀行異質(zhì)性反應(yīng)的詳細(xì)分析。鑒于此，本文將研究我國商業(yè)銀行貸款供給對(duì)宏觀經(jīng)濟(jì)不確定性的異質(zhì)性反應(yīng)。首先通過對(duì)月度工業(yè)增加值增速和宏觀經(jīng)濟(jì)景氣指數(shù)中的領(lǐng)先指數(shù)建立自回歸條件異方差模型，利用模型預(yù)測的條件方差構(gòu)造了宏觀經(jīng)濟(jì)不確定性指標(biāo);然后應(yīng)用我國89家商業(yè)銀行1998－2012年的非平衡面板數(shù)據(jù)，實(shí)證檢驗(yàn)了宏觀經(jīng)濟(jì)不確定性對(duì)銀行信貸供給的影響。結(jié)果表明，隨著宏觀經(jīng)濟(jì)不確定性增加，銀行信貸增速顯著減緩，并且宏觀經(jīng)濟(jì)不確定性對(duì)銀行信貸供給的解釋能力約為貨幣政策解釋能力的一半，說明宏觀經(jīng)濟(jì)不確定性因素同時(shí)具有經(jīng)濟(jì)意義上的顯著性。最后，為識(shí)別出貸款增長中的供給方因素，本文考察了銀行微觀特征變量與宏觀經(jīng)濟(jì)不確定性的交互影響，研究發(fā)現(xiàn)銀行資本越充足、資產(chǎn)流動(dòng)性越高、規(guī)模越大，宏觀經(jīng)濟(jì)不確定性對(duì)信貸供給的抑制作用越弱。

本文的貢獻(xiàn)和特點(diǎn)主要體現(xiàn)在以下兩個(gè)方面:第一，首次從宏觀經(jīng)濟(jì)不確定的角度研究宏觀經(jīng)濟(jì)狀況對(duì)我國銀行信貸的影響，不僅對(duì)其進(jìn)行了統(tǒng)計(jì)意義上的定性分析，還就其影響力度進(jìn)行了經(jīng)濟(jì)意義上的定量分析;第二，通過銀行微觀特征與宏觀經(jīng)濟(jì)不確定性的交互項(xiàng)識(shí)別出了宏觀經(jīng)濟(jì)不確定性對(duì)信貸供給產(chǎn)生影響的銀行貸款渠道，明確了宏觀經(jīng)濟(jì)不確定性對(duì)信貸增速的邊際效應(yīng)如何受銀行微觀特征影響。本文結(jié)論與研究貨幣政策“銀行信貸渠道”的文獻(xiàn)具有相通之處，一般認(rèn)為較高的銀行資本、流動(dòng)性和較大的規(guī)模能減弱貨幣政策對(duì)信貸供給的影響［6，11］，本文則發(fā)現(xiàn)上述微觀特征也有助于銀行抵抗宏觀經(jīng)濟(jì)不確定性帶來的負(fù)面沖擊，這說明資產(chǎn)負(fù)債表較為穩(wěn)健的銀行受貨幣政策、宏觀經(jīng)濟(jì)不確定性等外部沖擊的影響較小。本文研究不僅豐富了宏觀經(jīng)濟(jì)不確定性相關(guān)的文獻(xiàn)，也提醒相關(guān)部門重視對(duì)我國宏觀經(jīng)濟(jì)不確定性的管理工作，并從資本充足率、流動(dòng)性等方面進(jìn)一步加強(qiáng)我國商業(yè)銀行的穩(wěn)健性。

文章的結(jié)構(gòu)安排如下:第二部分梳理了相關(guān)文獻(xiàn)并提出了研究假設(shè);第三部分對(duì)計(jì)量模型設(shè)定、變量構(gòu)造、樣本選取進(jìn)行描述說明;第四部分報(bào)告了回歸結(jié)果，并進(jìn)行多組穩(wěn)健性的檢驗(yàn);最后是結(jié)論和政策建議。

二、文獻(xiàn)綜述和理論分析

（一）宏觀經(jīng)濟(jì)不確定對(duì)銀行信貸供給的影響

理論研究方面，Talavera et al.［8］借鑒企業(yè)投資理論的托賓Q模型，構(gòu)造了一個(gè)代表性商業(yè)銀行最大化企業(yè)價(jià)值的動(dòng)態(tài)局部均衡模型，其中企業(yè)價(jià)值等于未來各期股息的貼現(xiàn)值加總。在假設(shè)信貸回收率是宏觀經(jīng)濟(jì)不確定性的減函數(shù)的前提下，推出宏觀經(jīng)濟(jì)不確定性增加，銀行貸款占資產(chǎn)比率下降的結(jié)論。Valencia［9］構(gòu)造了一個(gè)與借款人和儲(chǔ)戶簽訂既定信用契約的商業(yè)銀行實(shí)現(xiàn)自身利益最大化的模型，其中借款人的產(chǎn)出受一個(gè)代表宏觀經(jīng)濟(jì)不確定性的隨機(jī)參數(shù)的影響。模型在有限責(zé)任和信息不對(duì)稱的前提下推出，宏觀經(jīng)濟(jì)不確定性增加了銀行破產(chǎn)概率，風(fēng)險(xiǎn)中立的商業(yè)銀行將啟動(dòng)自我保險(xiǎn)機(jī)制，降低信貸增速。歸納起來，宏觀經(jīng)濟(jì)不確定性增加時(shí)，一方面銀行和企業(yè)間信息不對(duì)稱程度加劇，信貸資產(chǎn)定價(jià)準(zhǔn)確性下降，可能出現(xiàn)的較大偏差會(huì)給銀行帶來嚴(yán)重?fù)p失;另一方面企業(yè)在經(jīng)濟(jì)形勢不明朗時(shí)，較易出現(xiàn)投資決策或經(jīng)營方向失誤，銀行面臨的違約風(fēng)險(xiǎn)增加，不良貸款率會(huì)有所提高，出于維持良好業(yè)績的目的，商業(yè)銀行在不確定性加大時(shí)傾向于采取穩(wěn)健經(jīng)營的保守策略。

實(shí)證研究方面，Talavera et al.［8］通過對(duì)烏克蘭貨幣指標(biāo)、物價(jià)指數(shù)、股票指數(shù)構(gòu)造GARCH模型，獲得了8個(gè)宏觀經(jīng)濟(jì)不確定性指標(biāo)，然后采用烏克蘭商業(yè)銀行2001－2005年的季度數(shù)據(jù)進(jìn)行了實(shí)證檢驗(yàn)，發(fā)現(xiàn)以貨幣指標(biāo)和物價(jià)指數(shù)構(gòu)造的不確定性指標(biāo)對(duì)銀行貸款占比具有顯著負(fù)向影響。Valencia［9］利用專家預(yù)測報(bào)告中對(duì)實(shí)際GDP增長率的預(yù)測數(shù)據(jù)和信貸客戶經(jīng)理意見報(bào)告中對(duì)是否提高信貸標(biāo)準(zhǔn)的預(yù)期數(shù)據(jù)，計(jì)算出預(yù)測值的截面離差作為衡量宏觀經(jīng)濟(jì)不確定的指標(biāo)，并結(jié)合美國商業(yè)銀行1984－2010年的季度數(shù)據(jù)進(jìn)行了計(jì)量分析，發(fā)現(xiàn)宏觀經(jīng)濟(jì)不確定性顯著降低信貸增速。

綜合兩方面研究，本文提出假說H1:宏觀經(jīng)濟(jì)不確定性增加時(shí)，商業(yè)銀行會(huì)降低信貸供給。

（二）宏觀經(jīng)濟(jì)不確定性、銀行異質(zhì)性與銀行信貸行為

一是銀行資本。銀行資本對(duì)銀行信貸決策的重要性體現(xiàn)在以下三個(gè)途徑:第一，融資便利途徑。資本充足的銀行破產(chǎn)概率低，更容易從市場獲得融資［12］。宏觀經(jīng)濟(jì)不確定性增大時(shí)，信息不對(duì)稱更加嚴(yán)重，資本對(duì)商業(yè)銀行維持債權(quán)人信心的價(jià)值更大，因而資本充足銀行能更好規(guī)避融資約束對(duì)其信貸業(yè)務(wù)的不利影響。第二，風(fēng)險(xiǎn)抵御途徑。Valencia［9］指出不確定性增加時(shí)，銀行為減少破產(chǎn)風(fēng)險(xiǎn)、抵御經(jīng)營環(huán)境的劇烈波動(dòng)需要提高最優(yōu)資本水平，在調(diào)整到新目標(biāo)的過程中，銀行信貸有所減少。銀行初始資本低于目標(biāo)值越多，信貸調(diào)整時(shí)間越長，緊縮程度越大。第三，資本監(jiān)管途徑。宏觀經(jīng)濟(jì)不確定性增加時(shí)，商業(yè)銀行不良貸款率上升，盈余途徑提取的資本金有限，加之投資者判斷銀行盈利前景的難度加大，銀行也很難通過資本市場補(bǔ)充資本金，資本不足的銀行被迫更大幅度地放緩信貸投放以避免未達(dá)監(jiān)管要求而帶來的高昂成本［13］。綜上所述，我們提出假說H2a:銀行資本越充足，宏觀經(jīng)濟(jì)不確定性對(duì)信貸增速的放緩效應(yīng)越小。

二是銀行的流動(dòng)性①銀行流動(dòng)性包括資產(chǎn)方流動(dòng)性、負(fù)債方流動(dòng)性和綜合考慮資產(chǎn)負(fù)債表的結(jié)構(gòu)流動(dòng)性，但既有實(shí)證研究如Kashyp和Stein［3］、Valencia［9］僅關(guān)注資產(chǎn)方流動(dòng)性。與這些文獻(xiàn)一致，本文關(guān)注資產(chǎn)方流動(dòng)性。。一方面，流動(dòng)性充裕的銀行資產(chǎn)變現(xiàn)更方便。銀行持有現(xiàn)金、證券等流動(dòng)性高、收益率低的資產(chǎn)，主要是考慮到它們較強(qiáng)的“無損失變現(xiàn)”能力。當(dāng)出現(xiàn)有利的貸款機(jī)會(huì)時(shí)，銀行可以迅速將流動(dòng)性資產(chǎn)變現(xiàn)以支持業(yè)務(wù)發(fā)展，特別是當(dāng)銀行外部融資約束增大時(shí)，流動(dòng)性資產(chǎn)的緩沖庫存作用更加重要［14］。另一方面，與銀行資本的作用相似，較高的流動(dòng)性有助于降低銀行違約風(fēng)險(xiǎn)和破產(chǎn)風(fēng)險(xiǎn)［15－16］，在市場約束機(jī)制有效的情況下，流動(dòng)性充裕的銀行較容易籌措資金。尤其是在不確定的宏觀經(jīng)濟(jì)環(huán)境中，債權(quán)人和投資者會(huì)用腳投票，將資金投向安全的銀行（flight to quality）。由此我們提出假說H2b:銀行資產(chǎn)流動(dòng)性越高，宏觀經(jīng)濟(jì)不確定性對(duì)其信貸增速的放緩效應(yīng)越小。

三是銀行規(guī)模。規(guī)模因素對(duì)銀行信貸決策的影響體現(xiàn)在以下三個(gè)方面:第一，大而不倒效應(yīng)。大型銀行受到政府較強(qiáng)的隱性擔(dān)保，并且由“大而不倒”導(dǎo)致的市場約束扭曲使大銀行更具融資優(yōu)勢［17］，所以與中小銀行相比可能在不確定性環(huán)境中承擔(dān)較多風(fēng)險(xiǎn)，表現(xiàn)為貸款供給降低幅度較小。第二，風(fēng)險(xiǎn)管理能力。大銀行具備先進(jìn)的軟硬件設(shè)施（如網(wǎng)絡(luò)系統(tǒng)、風(fēng)控模型等），風(fēng)險(xiǎn)管理水平較高，能更好地利用豐富的市場經(jīng)驗(yàn)和信息優(yōu)勢甄別客戶類型、準(zhǔn)確定價(jià)，在宏觀經(jīng)濟(jì)不確定上升時(shí)大幅降低對(duì)所有客戶的信貸供給的可能性較小。第三，客戶資源質(zhì)量。大型銀行更多服務(wù)于大型企業(yè)，而大型企業(yè)具有更多優(yōu)質(zhì)抵押品，并且宏觀經(jīng)濟(jì)不確定性對(duì)大企業(yè)的影響較?。?8］，因此大銀行信貸資產(chǎn)質(zhì)量更為穩(wěn)定。綜上，我們提出H2c:銀行規(guī)模越大，宏觀經(jīng)濟(jì)不確定性對(duì)其信貸增速的放緩效應(yīng)越小。

三、研究設(shè)計(jì)

（一）模型設(shè)定

1.基準(zhǔn)模型

實(shí)證部分首先探討宏觀經(jīng)濟(jì)不確定性對(duì)商業(yè)銀行信貸行為的影響，基本計(jì)量模型設(shè)定如下:

其中 i=1，2，…N 表示銀行個(gè)體，t=1，2，…T表示年份。不可觀測的隨機(jī)變量αi代表個(gè)體異質(zhì)性，ui，t為隨個(gè)體和時(shí)間而改變的擾動(dòng)項(xiàng)。與Valencia［9］一致，本文以貸款增長率lending反映商業(yè)銀行信貸供給，定義為第t年貸款增量與第t－1年貸款余額的比值，核心解釋變量為宏觀經(jīng)濟(jì)不確定性u(píng)nc，具體構(gòu)造方法見下文。我們感興趣的參數(shù)是β的符號(hào)及顯著性，如果β顯著為負(fù)，說明在控制了其他因素的條件下，宏觀經(jīng)濟(jì)不確定性增加會(huì)抑制信貸供給。Zmir代表銀行微觀層面的控制變量。按照“camel法則”，我們控制了銀行資產(chǎn)規(guī)模、流動(dòng)性、資本充足率、經(jīng)營效率和盈利能力。資產(chǎn)規(guī)模size以銀行總資產(chǎn)的自然對(duì)數(shù)衡量，大銀行信貸基數(shù)大，一般增速較低，預(yù)期size符號(hào)為負(fù)。資產(chǎn)流動(dòng)性lr以流動(dòng)性資產(chǎn)占總資產(chǎn)的比例衡量，流動(dòng)性資產(chǎn)作為銀行的緩沖庫存（buffer stock）有助于銀行抓住有利的投資機(jī)會(huì)，預(yù)期其系數(shù)為正。鑒于樣本中僅少數(shù)銀行具有較長時(shí)段的資本充足率指標(biāo)，為減少樣本損失，我們借鑒 Altunbas et al.［19］的做法，以銀行權(quán)益資產(chǎn)比eta作為資本充足率的替代指標(biāo)。eta越高意味著銀行信貸擴(kuò)張時(shí)受監(jiān)管限制的可能性越低，預(yù)期其系數(shù)為正。成本收入比cti為營業(yè)費(fèi)用與營業(yè)收入之比，營業(yè)費(fèi)用增加或營業(yè)收入下降均可導(dǎo)致cti上升，但營業(yè)費(fèi)用增加可能由于銀行擴(kuò)張業(yè)務(wù)，而營業(yè)收入下降則可能由于銀行縮減業(yè)務(wù)，所以cti與lending的關(guān)系不確定。盈利能力以資產(chǎn)收益率roa衡量，銀行為維持較高盈利必須保證一定的放款速度，預(yù)期其系數(shù)為正。除此之外，資產(chǎn)質(zhì)量也是銀行放貸必須考慮的因素，為此我們控制了不良貸款率npl，不良貸款率上升時(shí)，銀行為控制風(fēng)險(xiǎn)會(huì)更為謹(jǐn)慎，預(yù)期其系數(shù)為負(fù)?？紤]到信貸供給還受到資金來源的制約，我們還控制了存款增速depo，預(yù)期其系數(shù)為正。最后，銀行上市后融資渠道拓寬，有利于信貸業(yè)務(wù)發(fā)展，故設(shè)置虛擬變量list，如果t時(shí)期銀行已上市取1，否則取0，預(yù)期其系數(shù)為正。為減輕模型可能存在的內(nèi)生性問題，除list外的微觀特征變量均取一期滯后。

Zmac代表宏觀層面的控制變量集合，主要包括實(shí)際經(jīng)濟(jì)增長率gdp和廣義貨幣M2增長率m2。既有文獻(xiàn)多采用gdp作為信貸需求的替代變量［20］，由于貸款需求的順周期性，預(yù)期其系數(shù)為正。根據(jù)貨幣政策的“銀行貸款渠道”理論，擴(kuò)張性的貨幣政策將增加銀行信貸投放，故預(yù)期m2符號(hào)為正。

為進(jìn)一步減輕模型可能存在的遺漏變量問題，我們還控制了另外兩個(gè)變量。一是銀行業(yè)市場集中度指標(biāo)cr4，以工、農(nóng)、中、建四大國有商業(yè)銀行總資產(chǎn)占銀行業(yè)總資產(chǎn)比重衡量。二是時(shí)間趨勢項(xiàng)。由于模型中已經(jīng)包含了經(jīng)濟(jì)增長率、M2增長率和宏觀經(jīng)濟(jì)不確定性等宏觀變量，而這些變量已經(jīng)在一定程度上控制了時(shí)間效應(yīng)［6］，因此本文沒有加入年度虛擬變量來估計(jì)雙向固定模型①由于unc、gdp、m2可以寫成年度虛擬變量的線性組合，加入年度虛擬變量后，這些變量的估計(jì)系數(shù)顯著性降低。，而是通過加入時(shí)間趨勢項(xiàng)t控制其他未考慮的、隨時(shí)間改變的因素。

2.交互項(xiàng)模型

模型（1）中顯著為負(fù)說明宏觀經(jīng)濟(jì)不確定性可以抑制信貸投放，但信貸投放的降低既可能是出于銀行本身對(duì)經(jīng)濟(jì)形勢不明朗的主動(dòng)應(yīng)對(duì)行為（供給方途徑），也可能是宏觀經(jīng)濟(jì)的不確定性降低了企業(yè)和家戶的信貸需求所致（需求方途徑）。在基礎(chǔ)模型中引入unc與的交互項(xiàng)有助于識(shí)別出供給方因素的影響。在信貸僅由需求方主導(dǎo)的情況下，不同微觀特征銀行的信貸行為對(duì)宏觀經(jīng)濟(jì)不確定性的反應(yīng)應(yīng)該沒有明顯差異，但如果交互項(xiàng)系數(shù)顯著不為零，說明了供給因素確實(shí)在起作用［9］。

在考察中國貨幣政策的“銀行貸款渠道”時(shí)，徐明東和陳學(xué)彬［20］考慮了資本充足狀況、流動(dòng)性水平和銀行規(guī)模與貨幣政策指標(biāo)的交互影響。我們也在基礎(chǔ)模型中引入權(quán)益資產(chǎn)比、資產(chǎn)流動(dòng)性和銀行規(guī)模與不確定性指標(biāo)的交互項(xiàng)，擴(kuò)展模型如下:

我們關(guān)注的參數(shù)是ω1、ω2和ω3，它們反映了不同微觀特征銀行的信貸供給對(duì)宏觀經(jīng)濟(jì)不確定性的反應(yīng)程度，若三個(gè)參數(shù)顯著大于零則假說H2a、H2b和H2c分別成立。

（二）宏觀經(jīng)濟(jì)不確定性指標(biāo)

宏觀經(jīng)濟(jì)不確定性的常見測度方法有三種:一是標(biāo)準(zhǔn)差法，即以宏觀經(jīng)濟(jì)變量的標(biāo)準(zhǔn)差（或方差）測度不確定性［21］。二是模型法，即利用宏觀經(jīng)濟(jì)變量的時(shí)間序列構(gòu)建計(jì)量模型估計(jì)不確定性，最常使用的是GARCH或ARCH模型［22］。三是調(diào)查法，即通過調(diào)查人們對(duì)宏觀經(jīng)濟(jì)的預(yù)期，以期望值分布的離差測度不確定性［9］。其中標(biāo)準(zhǔn)差法簡單易行，但沒有剔除波動(dòng)率中可預(yù)測部分;調(diào)查法得到的結(jié)果最符合不確定性的定義，但數(shù)據(jù)較難獲得，且往往因預(yù)測者的主觀因素易造成較大測量誤差。相比之下，使用GARCH或ARCH模型得到的條件方差利用了上一期的信息集，是不確定性較為理想的代理變量［22］②對(duì)于GARCH模型得到的不確定性指標(biāo)也有一定的批評(píng)意見，如Jurado et al.［23］就認(rèn)為這種基于模型測度不確定性的方法實(shí)際上是度量了波動(dòng)而非不確定性。本文與Talavera et al.［8］一致，不具體區(qū)分宏觀經(jīng)濟(jì)波動(dòng)性與宏觀經(jīng)濟(jì)不確定性。。相關(guān)研究中 GARCH（1，1）模型能夠較好地刻畫時(shí)間序列數(shù)據(jù)，因此本文也采用其模型預(yù)測得到的條件方差測度宏觀經(jīng)濟(jì)不確定性。

獲得。如果模型估計(jì)結(jié)果中GARCH項(xiàng)和ARCH項(xiàng)系數(shù)（即α0和α1）均顯著，則h^t可以作為宏觀經(jīng)濟(jì)不確定的代理變量。本文樣本區(qū)間為1998年到2012年，與邱兆祥和劉遠(yuǎn)亮［10］一致，我們對(duì)月度工業(yè)增加值序列dipi估計(jì)了具有不同水平方程的GARCH（1，1）模型③月度工業(yè)增加值增速在2007年之后缺失每年一月份的數(shù)據(jù)，按照EIU Country Data數(shù)據(jù)庫的處理辦法，將其取值賦為當(dāng)年二月工業(yè)增加值增速。，結(jié)果顯示水平方程設(shè)為AR（2）時(shí)模型ARCH項(xiàng)和GARCH項(xiàng)均顯著（見表1），故我們使用 AR（2）－GARCH（1，1）模型的預(yù)測條件方差dipih作為宏觀經(jīng)濟(jì)不確定性的代理變量。此外，考慮到銀行根據(jù)事前不確定性做出信貸決策，使用含有預(yù)期因素的宏觀經(jīng)濟(jì)序列得到的宏觀經(jīng)濟(jì)不確定性指標(biāo)可能更具吸引力。為此我們對(duì)宏觀經(jīng)濟(jì)景氣指數(shù)中的先行指數(shù)lead估計(jì)了GARCH（1，1）模型，從而獲得了反映宏觀經(jīng)濟(jì)不確定性的第二個(gè)指標(biāo)leadh①正文選擇的是AR（1/2）－GARCH（1，1）模型，其它情況下（如水平方程設(shè)為AR（1）、lag（1）、lag（1，2））也可得到顯著的ARCH項(xiàng)和GARCH項(xiàng)，且預(yù)測得到的條件方差序列走勢基本一致。篇幅所限，未將具體估計(jì)結(jié)果列出。。圖1顯示，兩個(gè)指標(biāo)走勢基本一致（相關(guān)系數(shù)為0.815，在1%的水平上顯著），其中2003年和2009年出現(xiàn)的高峰值反映了“非典”和本次金融危機(jī)帶來的較大不確定性，而1998年leadh的大幅上升一定程度反映了1998年亞洲金融危機(jī)的影響。

表1 dipi序列的GARCH（1，1）模型估計(jì)結(jié)果

圖1 月度宏觀經(jīng)濟(jì)不確定性:1998－2012

（三）樣本選擇和數(shù)據(jù)描述

本文在數(shù)據(jù)整理的過程中，首先采用銀行年報(bào)補(bǔ)充了Bankscope數(shù)據(jù)庫的相關(guān)缺失值，并且在此基礎(chǔ)上剔除了缺乏連續(xù)四年總資產(chǎn)觀測值的銀行，最終選取1998－2012年間的89家商業(yè)銀行的年度非平衡面板數(shù)據(jù)作為研究樣本。按照銀監(jiān)會(huì)的分類標(biāo)準(zhǔn)，研究樣本包括5家大型國有銀行，10家全國性股份制商業(yè)銀行，60家城市商業(yè)銀行，14家農(nóng)村商業(yè)銀行和農(nóng)村合作銀行。從樣本銀行的地理分布范圍來看，樣本涵蓋了全國20個(gè)省、自治區(qū)和直轄市;從樣本銀行總體規(guī)模上看，截至2012年底，樣本銀行占所有銀行類金融機(jī)構(gòu)總資產(chǎn)的70.86%、總負(fù)債的71.03%，因此，本文所選樣本具有良好的代表性。實(shí)際GDP增速和M2增長率的年度數(shù)據(jù)、月度工業(yè)增加值增長率和月度宏觀經(jīng)濟(jì)景氣指數(shù)均來自中經(jīng)網(wǎng)。

我們應(yīng)用Eviews7.0對(duì)月度宏觀經(jīng)濟(jì)不確定性指標(biāo)進(jìn)行頻率轉(zhuǎn)換，得到年度宏觀經(jīng)濟(jì)不確定性指標(biāo)。為防止異常值對(duì)估計(jì)結(jié)果的干擾，對(duì)所有連續(xù)型變量在其分布的1%和99%的位置上進(jìn)行縮尾處理，表2為主要變量的描述性統(tǒng)計(jì)。銀行平均貸款增速為21.24%，最小值為負(fù)則表明一些銀行出現(xiàn)過信貸緊縮的情況;不良貸款率最大值高出平均值近20倍，表明一些銀行資產(chǎn)質(zhì)量差、信用風(fēng)險(xiǎn)高;流動(dòng)性資產(chǎn)占比均值為25.84%，大于加拿大和美國一共65家商業(yè)銀行樣本的流動(dòng)性資產(chǎn)占比均值19.26%［16］，整體而言我國銀行資產(chǎn)流動(dòng)性較高?？蛻舸婵钤鏊倬禐?2.85%，略高于貸款增速;作為銀行主要的穩(wěn)定資金來源，存款增長大體能滿足信貸業(yè)務(wù)發(fā)展需求;權(quán)益資產(chǎn)比極差為30.81%，表明銀行資本金補(bǔ)給能力差異較大。此外，銀行成本收入比最大值高達(dá)88.98%，資產(chǎn)收益率最小值為－1.385，表明一些銀行經(jīng)營效率和盈利能力較差。此外我們考察了變量之間的相關(guān)系數(shù)②本文變量較多，篇幅所限，未將相關(guān)系數(shù)矩陣報(bào)出。，發(fā)現(xiàn)解釋變量之間相關(guān)系數(shù)的絕對(duì)值多數(shù)在0.4以下，因此 基準(zhǔn)模型中的多重共線性問題并不嚴(yán)重。

表2 全樣本變量統(tǒng)計(jì)性描述

四、實(shí)證結(jié)果和分析

本節(jié)將首先估計(jì)模型（1）以檢驗(yàn)宏觀經(jīng)濟(jì)不確定性對(duì)銀行貸款的影響，其次通過模型（2）探討銀行資本、流動(dòng)性和規(guī)模所起的調(diào)節(jié)作用。最后穩(wěn)健性檢驗(yàn)部分則主要考慮核心變量的不同度量方式、核心變量的滯后效應(yīng)和樣本范圍變更的影響。

（一）基準(zhǔn)模型

首先，選擇估計(jì)方法。比較極端的策略是要求所有個(gè)體都擁有完全相同的回歸方程，即采用混合回歸（Pooled－OLS）;相比而言，較為常見的方法假定每個(gè)個(gè)體的回歸方程中斜率相同，但截距不同。進(jìn)一步地，如果表征個(gè)體異致性的ai與某個(gè)解釋變量相關(guān)，則適用于固定效應(yīng)模型（FE）;如果ai與所有解釋變量均不相關(guān)，則應(yīng)使用隨機(jī)效應(yīng)模型（RE）。本文先通過最小二乘虛擬變量方法（LSDV）估計(jì)模型，構(gòu)造F統(tǒng)計(jì)量檢驗(yàn)ai=0（i=1，2，…n），結(jié)果拒絕了原假設(shè)，說明模型存在固定效應(yīng)。其次，通過估計(jì)隨機(jī)效應(yīng)模型，通過用于檢驗(yàn)過度識(shí)別約束的Wald統(tǒng)計(jì)量，發(fā)現(xiàn)個(gè)體異質(zhì)性與解釋變量不相關(guān) E（Xi，tai）=0，（i=1，2，…n）這一約束不成立，說明隨機(jī)效應(yīng)模型不適用①固定效應(yīng)模型要求模型擾動(dòng)項(xiàng)與解釋變量不相關(guān)。相比之下，隨機(jī)效應(yīng)模型還要求個(gè)體異質(zhì)性與解釋變量不相關(guān)，因此可以通過檢驗(yàn)這一多余的約束是否成立來選擇模型估計(jì)方法。相比傳統(tǒng)的hausman檢驗(yàn)，這種方法在面板數(shù)據(jù)存在異方差條件下仍然穩(wěn)健。。因此，本文最終選擇了固定效應(yīng)模型。為減少擾動(dòng)項(xiàng)不規(guī)則帶來的問題，所有回歸均采用了聚類穩(wěn)健的標(biāo)準(zhǔn)差。

表3列示了兩種度量指標(biāo)下模型（1）的估計(jì)結(jié)果，其中第1、3列僅控制與銀行異質(zhì)性無關(guān)的市場結(jié)構(gòu)變量與宏觀經(jīng)濟(jì)變量，第2、4列進(jìn)一步加入了銀行微觀特征變量。四組回歸中，我們最為關(guān)注的unc符號(hào)均顯著為負(fù)，且控制銀行微觀特征后宏觀經(jīng)濟(jì)不確定性對(duì)銀行信貸的抑制作用更強(qiáng)。結(jié)果表明，宏觀經(jīng)濟(jì)不確定性增加時(shí)，商業(yè)銀行會(huì)放緩信貸增速，假說H1得到驗(yàn)證。

宏觀層面控制變量中，gdp對(duì)信貸增速有負(fù)向影響，但估計(jì)系數(shù)均不顯著。其原因是我國銀行業(yè)信貸投放一定程度上受到中央及各地政府的干預(yù)，承擔(dān)著部分逆周期調(diào)控責(zé)任，所以信貸增速表現(xiàn)出經(jīng)濟(jì)周期上行時(shí)下降、下行時(shí)提高的逆周期現(xiàn)象［24］。m2對(duì)信貸增速有顯著的正向影響，與經(jīng)濟(jì)理論相符。cr4符號(hào)顯著為負(fù)，原因是較高的市場集中度意味著大部分銀行所占市場份額低，信貸業(yè)務(wù)受制于有限的客戶資源因而增長緩慢;隨著市場集中度的下降，銀行業(yè)競爭程度不斷提升，為爭奪市場份額提升盈利水平，商業(yè)銀行會(huì)放松信貸標(biāo)準(zhǔn)以加快信貸投放。此外，時(shí)間趨勢變量符號(hào)為負(fù)，但并不顯著。

表3 基本模型估計(jì)結(jié)果

微觀特征變量方面，eta和lr對(duì)銀行信貸增速的影響顯著為正，在銀行和債權(quán)人及投資者間信息不對(duì)稱情況下，資本充足程度和流動(dòng)性水平具有顯示銀行風(fēng)險(xiǎn)狀況的信號(hào)發(fā)送作用。隨著利率管制放松、銀行次級(jí)債市場發(fā)展等改革因素的推動(dòng)，市場約束機(jī)制在不斷強(qiáng)化，流動(dòng)性及資本充足狀況良好的商業(yè)銀行更易為信貸等業(yè)務(wù)發(fā)展籌措資金，表現(xiàn)出更高的信貸增速。size的系數(shù)顯著為負(fù)，表明大銀行由于資產(chǎn)基數(shù)大信貸增速低于小銀行，從而表現(xiàn)出“大銀行資產(chǎn)多、小銀行發(fā)展快”的特點(diǎn)，黃憲和熊啟躍［25］、潘敏和張依茹［26］也得出類似結(jié)果。cti系數(shù)為正，但不顯著，雖然成本收入比過高意味著銀行經(jīng)營管理效率低下，但成本費(fèi)用中用于布置網(wǎng)點(diǎn)、構(gòu)建信息系統(tǒng)的資本開支和用于提高員工積極性、增加企業(yè)人力資本的人工成本開支對(duì)擴(kuò)展銀行業(yè)務(wù)、提升銀行效率非常重要，特別是目前大部分銀行均處于成長期，增加的成本收入比更可能顯示了銀行不斷增強(qiáng)的業(yè)務(wù)發(fā)展能力，所以對(duì)信貸增速有一定正向影響。鑒于信貸是商業(yè)銀行的主要盈利資產(chǎn)，高盈利水平會(huì)激勵(lì)銀行更多放貸，所以roa符號(hào)為正［27］。npl與信貸增速顯著負(fù)相關(guān)，不良貸款過多降低了銀行資產(chǎn)質(zhì)量和盈利能力，也會(huì)使銀行承受較大監(jiān)管壓力，而不得不放緩信貸投放以避免更多損失和監(jiān)管懲罰。depo與信貸增速顯著正相關(guān)與商業(yè)銀行“以存定貸”的經(jīng)營策略有關(guān)。list系數(shù)為正（不過這一關(guān)系并不顯著），其原因可能在于公開上市有助于銀行補(bǔ)充資本金進(jìn)而擴(kuò)張信貸。

從unc估計(jì)系數(shù)的方向和顯著程度上，可以發(fā)現(xiàn)宏觀經(jīng)濟(jì)不確定性對(duì)銀行貸款增速具有顯著的負(fù)向影響。這種負(fù)向影響是否同時(shí)具有經(jīng)濟(jì)意義上的顯著性?一種方法是計(jì)算其他變量不變的情況下，unc指標(biāo)增加一個(gè)標(biāo)準(zhǔn)差對(duì)銀行信貸行為指標(biāo)影響的大小。表4顯示，unc一個(gè)標(biāo)準(zhǔn)差帶給lending的變動(dòng)超過全樣本lending均值的11%和標(biāo)準(zhǔn)差的18%，說明宏觀經(jīng)濟(jì)不確定性確實(shí)對(duì)銀行貸款供給具有較大程度的影響。

在明確了宏觀經(jīng)濟(jì)不確定性對(duì)銀行貸款增速影響的“絕對(duì)額”之后，可以進(jìn)一步得到宏觀經(jīng)濟(jì)不確定性影響的相對(duì)大小。我們借鑒Israeli［28］、Huettner and Sunder［29］，采取基于夏普里分解的方法量化了宏觀經(jīng)濟(jì)不確定性因素和其他因素對(duì)擬合優(yōu)度的貢獻(xiàn)。將影響銀行貸款增速的因素分為宏觀經(jīng)濟(jì)不確定性、宏觀經(jīng)濟(jì)因素（具體又分為貨幣政策和其他宏觀經(jīng)濟(jì)因素）、微觀特征因素和其他因素（對(duì)應(yīng)于模型的擾動(dòng)項(xiàng)）四類，分別針對(duì)表3各列的組內(nèi)R2進(jìn)行分解①固定效應(yīng)模型得到組內(nèi)估計(jì)量，故我們對(duì)組內(nèi)R2進(jìn)行分解。，結(jié)果見表5。

表4 宏觀經(jīng)濟(jì)不確定性對(duì)銀行貸款增速的影響程度

表5 宏觀經(jīng)濟(jì)不確定性對(duì)銀行貸款增速的貢獻(xiàn)度（%）

表5顯示，解釋變量中銀行微觀特征因素對(duì)銀行信貸增速的解釋力較大（超過25%），這與表3中加入銀行微觀特征的模型R2較高相對(duì)應(yīng)。貨幣政策的作用次之（超過22%），其次是宏觀經(jīng)濟(jì)不確定性因素（超過11%）。通過比較四組模型下宏觀經(jīng)濟(jì)不確定性因素和貨幣政策因素的解釋力，可知宏觀經(jīng)濟(jì)不確定性因素對(duì)銀行貸款增速的解釋力約為貨幣政策解釋力的50%。綜上可知，宏觀經(jīng)濟(jì)不確定性對(duì)銀行信貸供給的負(fù)向影響同時(shí)具有統(tǒng)計(jì)意義和經(jīng)濟(jì)意義上的顯著性。

（二）交互項(xiàng)模型

在表6中各控制變量符號(hào)與基準(zhǔn)模型基本一致，故不予重復(fù)討論。在第1－6列中，我們分別加入了 unci，t× etai，t－1、unci，t× lri，t－1和 unci，t× sizei，t－1，發(fā)現(xiàn)資本越充足、流動(dòng)性越高、規(guī)模越大的銀行，宏觀經(jīng)濟(jì)不確定性對(duì)其信貸供給的影響越小，從而分別驗(yàn)證了假說H2a、H2b和H2c。表6第7－8列則同時(shí)控制了三組交互項(xiàng)，發(fā)現(xiàn)與基礎(chǔ)模型相比，各變量系數(shù)大小發(fā)生了一定變化，但符號(hào)基本保持不變。們關(guān)注的參數(shù) ω1（unci，t× etai，t－1的系數(shù)）、ω2（unci，t× lri，t－1的系數(shù)）和 ω3（unci，t× sizei，t－1的系數(shù)）顯著為正，表明資本充足、資產(chǎn)流動(dòng)性高和規(guī)模較大的銀行對(duì)宏觀經(jīng)濟(jì)不確定性的敏感度較低。根據(jù)表6的第7列和第8列估計(jì)結(jié)果，我們繪制了宏觀經(jīng)濟(jì)不確定性對(duì)銀行貸款增速的邊際影響隨銀行微觀特征變化的圖像（圖2和圖3），更為直觀地驗(yàn)證了假說H2a－H2c。以圖2中第一幅小圖為例，直線上下方的柱形確定了邊際影響95%的置信區(qū)間，其中直線斜率為正，表示隨著銀行權(quán)益資產(chǎn)比上升（橫軸數(shù)字分別為 etai，t－1的1%、10%、25%、50%、75%、90%和99%分位數(shù)），宏觀經(jīng)濟(jì)不確定性對(duì)銀行信貸增速的負(fù)向影響越來越小。

圖3 lending受leadh的影響隨銀行微觀特征的變化

（三）穩(wěn)健性檢驗(yàn)

在上文計(jì)量模型的構(gòu)建和回歸中，我們同時(shí)采用了兩組宏觀經(jīng)濟(jì)不確定性指標(biāo)，一定程度上保證了結(jié)果的穩(wěn)健性。為了進(jìn)一步表明本文估計(jì)結(jié)果是可靠的，我們從以下三個(gè)方面進(jìn)行穩(wěn)健性檢驗(yàn)。

1.分組回歸

上文使用交互項(xiàng)模型發(fā)現(xiàn)，資本越充足、流動(dòng)性越高、規(guī)模越大的銀行，宏觀經(jīng)濟(jì)不確定性對(duì)其信貸供給的影響越小。為確保結(jié)論的穩(wěn)健性，我們根據(jù)銀行微觀特征分組后進(jìn)行回歸。交互項(xiàng)方法和分組回歸方法各有優(yōu)缺:交互項(xiàng)方法對(duì)樣本截面數(shù)要求較小，而且不存在分組標(biāo)準(zhǔn)的主觀性問題。而分組回歸方法的優(yōu)點(diǎn)在于就我們感興趣的一項(xiàng)特征而言，通過按照該特征分組回歸能夠得到更為清晰的結(jié)論，而且不要求各組模型具有同樣的擾動(dòng)項(xiàng)結(jié)構(gòu)，但當(dāng)涉及到多個(gè)特征從而需要多重分組時(shí)，需要大量的橫截面數(shù)據(jù)。就本文樣本而言，如果單獨(dú)考察資本充足率、流動(dòng)性或規(guī)模，可以使用分組方法（分為2組）;但同時(shí)考察三類微觀特征的影響時(shí)，使用分組方法（分為8組）將導(dǎo)致各組內(nèi)截面數(shù)較少而無法得到有效的統(tǒng)計(jì)結(jié)果。因此，此處的穩(wěn)健性檢驗(yàn)主要針對(duì)表6第1－6列進(jìn)行。以按資本充足率分組為例進(jìn)行說明，我們首先計(jì)算了各銀行樣本期間內(nèi)的平均資本充足率，按照平均資本充足率由低到高的順序排列后，再將樣本等分為兩組。然后對(duì)兩組子樣本分別估計(jì)基準(zhǔn)模型，并檢驗(yàn)宏觀經(jīng)濟(jì)不確定性在兩組模型中的估計(jì)系數(shù)是否相同。為節(jié)約篇幅，表7匯報(bào)了以dipih為核心解釋變量的估計(jì)結(jié)果。結(jié)果表明，資本充足率較高的組、流動(dòng)性較高的組和規(guī)模較大的組，受宏觀經(jīng)濟(jì)不確定性的影響顯著弱于資本充足率較低、流動(dòng)性較低和規(guī)模較小的組，與交互項(xiàng)模型得到的結(jié)論一致。

表6 交互項(xiàng)模型估計(jì)結(jié)果

2.指標(biāo)替換

我們從被解釋變量和核心解釋變量兩個(gè)方面檢驗(yàn)上文結(jié)論是否依賴于指標(biāo)選擇。對(duì)于被解釋變量，我們以貸款增量與上期資產(chǎn)規(guī)模之比替換lending以反映銀行信貸供給行為;對(duì)于核心解釋變量，則基于標(biāo)準(zhǔn)差法利用dipi和lead序列重新計(jì)算了兩個(gè)宏觀經(jīng)濟(jì)不確定性指標(biāo)dipisd和leadsd。表8列示了相關(guān)估計(jì)結(jié)果，宏觀經(jīng)濟(jì)不確定性估計(jì)系數(shù)顯著為負(fù)，而三個(gè)交叉項(xiàng)符號(hào)顯著為正（除第一列中unct× lri，t－1在14% 的水平上邊際顯著）。可見，更換核心解釋變量和被解釋變量的度量指標(biāo)并不改變基本結(jié)論，顯示估計(jì)結(jié)果比較穩(wěn)健。

表8 替換核心變量的穩(wěn)健性檢驗(yàn)

表9 考慮銀行貸款行為滯后的動(dòng)態(tài)面板估計(jì)

3.滯后效應(yīng)

由于銀行的風(fēng)險(xiǎn)平滑行為，貸款供給可能存在一定的持續(xù)性，因此有必要加入被解釋變量的滯后項(xiàng)，從而得到動(dòng)態(tài)面板模型。由于本文樣本呈現(xiàn)“大N小T”的特征，因此適合采用差分GMM或系統(tǒng)GMM方法。由于差分GMM法會(huì)造成一定的樣本信息損失，系數(shù)估計(jì)的有效性降低，而系統(tǒng)GMM方法同時(shí)估計(jì)包含變量水平值的原估計(jì)方程與進(jìn)行一階差分后的方程，較之差分GMM更有效，故本文將采用系統(tǒng)GMM估計(jì)方法。此外，本文還遵循Windmeijer［30］的建議采用兩步糾偏 GMM 進(jìn)行估計(jì)。為方便比較，我們還列出了Pooled－OLS和FE的估計(jì)結(jié)果。表9顯示，雖然GMM方法下被解釋變量一階滯后項(xiàng)的估計(jì)系數(shù)處于Pooled－OLS和FE估計(jì)系數(shù)形成的區(qū)間之內(nèi)，但系數(shù)并不顯著。此外，盡管模型通過了干擾項(xiàng)自相關(guān)檢驗(yàn)，但并未通過Sargan檢驗(yàn)。綜合上述情況，我們認(rèn)為本文樣本可能不適合使用動(dòng)態(tài)面板模型。重要的是，即使考慮被解釋變量的滯后效應(yīng)，使用不同估計(jì)方法得到的結(jié)果中三個(gè)交叉項(xiàng)均顯著為正（只有第三列unci，t×sizei，t－1系數(shù)顯著性較差，p 值為16%）。結(jié)果再次表明宏觀經(jīng)濟(jì)不確定性對(duì)銀行信貸供給有負(fù)向影響，并且資本充足率、資產(chǎn)流動(dòng)性和規(guī)模越大的銀行受影響越小。

五、研究結(jié)論和啟示

本文基于我國89家商業(yè)銀行1998－2012年的面板數(shù)據(jù)，以GARCH（1，1）模型所得條件異方差度量宏觀經(jīng)濟(jì)不確定性，探討了商業(yè)銀行信貸行為與宏觀經(jīng)濟(jì)不確定性間的關(guān)系，并深入考察了銀行資本狀況、資產(chǎn)流動(dòng)性和規(guī)模因素對(duì)二者關(guān)系的影響，主要研究結(jié)論及啟示如下:

第一，宏觀經(jīng)濟(jì)不確定性對(duì)商業(yè)銀行信貸供給的負(fù)向影響不僅在統(tǒng)計(jì)意義上顯著，就影響力度而言也是不容忽視的。在我國以間接融資為主的金融體系下，銀行信貸是企業(yè)主要的外部融資來源，對(duì)經(jīng)濟(jì)發(fā)展至關(guān)重要。雖然對(duì)單個(gè)銀行而言，在經(jīng)濟(jì)形勢難以預(yù)測時(shí)放緩信貸投放避免較大虧損是一種自我保護(hù)的個(gè)體理性行為，但從銀行業(yè)整體來看這種集體性的信貸收縮會(huì)危害實(shí)體經(jīng)濟(jì)的健康發(fā)展，最終也會(huì)影響銀行業(yè)甚至整個(gè)金融體系的穩(wěn)定。為此，宏觀經(jīng)濟(jì)決策部門須盡可能減少宏觀經(jīng)濟(jì)的不確定性:首先，構(gòu)建完善的經(jīng)濟(jì)預(yù)警系統(tǒng)，密切追蹤各類沖擊源，盡快識(shí)別可能會(huì)對(duì)宏觀經(jīng)濟(jì)造成不利沖擊的因素;其次，積極運(yùn)用貨幣政策和財(cái)政政策等宏觀調(diào)節(jié)手段保證經(jīng)濟(jì)平穩(wěn)運(yùn)行，同時(shí)注意保持政策的連續(xù)穩(wěn)定，避免政策本身成為經(jīng)濟(jì)不確定的來源;最后，進(jìn)行全面透明及時(shí)的信息披露，為經(jīng)濟(jì)主體提供良好的決策環(huán)境，防止信息偏差、遺漏及延遲加劇經(jīng)濟(jì)的不確定性。

第二，商業(yè)銀行資本越充足，資產(chǎn)流動(dòng)性越高，規(guī)模越大，其信貸投放受宏觀經(jīng)濟(jì)不確定性的影響越小。這一結(jié)論為銀行業(yè)資本及流動(dòng)性監(jiān)管提供了經(jīng)驗(yàn)證據(jù)的支持。首先，自銀監(jiān)會(huì)2004年頒布實(shí)施《商業(yè)銀行資本充足率管理辦法》以來，我國商業(yè)銀行的資本狀況逐漸改善，風(fēng)險(xiǎn)吸收能力不斷增強(qiáng);“中國版巴塞爾協(xié)議3”則進(jìn)一步要求系統(tǒng)性重要銀行達(dá)到更高標(biāo)準(zhǔn)的資本充足率要求，這對(duì)在宏觀經(jīng)濟(jì)不確定環(huán)境下維護(hù)金融系統(tǒng)穩(wěn)定具有積極作用。其次，2008年金融危機(jī)期間許多金融機(jī)構(gòu)因遭遇融資市場擠兌陷入流動(dòng)性困境，促使流動(dòng)性監(jiān)管被提到了和資本監(jiān)管同等重要的地位，我國也將《巴塞爾協(xié)議3》中新提出的流動(dòng)性覆蓋率納入了2013年10月頒布的《商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)管理辦法（試行）》，這有助于商業(yè)銀行避免經(jīng)濟(jì)形勢不穩(wěn)定導(dǎo)致的流動(dòng)性緊缺干擾信貸業(yè)務(wù)正常運(yùn)轉(zhuǎn)。最后，規(guī)模較小的地方性商業(yè)銀行更容易受到宏觀經(jīng)濟(jì)不確定性的影響，鑒于它們是中小企業(yè)的重要資金來源，在地方經(jīng)濟(jì)發(fā)展中發(fā)揮關(guān)鍵作用，銀行監(jiān)管部門和地方政府應(yīng)特別注意防范這類銀行的潛在風(fēng)險(xiǎn)。同時(shí)，還應(yīng)積極扶持小型城商行及農(nóng)商行快速成長、增強(qiáng)實(shí)力，從而提高它們對(duì)宏觀經(jīng)濟(jì)不確定性的抵御能力。

［1］Gorton G.Information，liquidity and the（ongoing）panic of2007［J］.American Economic Review，2009，99（2）:567－572.

［2］Bernanke B，Gertler M.Inside the black box:the credit channel of monetary policy transmission［J］.Journal of E－conomic Perspectives，1995（9）:27 –48.

［3］Kashyap A，Stein J.The impact of monetary policy on bank balance sheets［C］.Carnegie － Rochester Conference Series on Public Policy，1995，42（1）:151 －195.

［4］Baum C，Caglayan M，Ozkan N.The second moments matter:the response of bank lending behavior to macroeconomic uncertainty［J］. Economics Letters，2009（102）:87－89.

［5］Baum C，Stephan A，Talavera O.Macroeconomics uncertainty and firm leverage［C］.Money Macro and Finance（MMF）Research Group Conference，2005.

［6］劉博研，韓立巖.公司治理、不確定性與流動(dòng)性管理［J］.世界經(jīng)濟(jì)，2010（2）:141 －160.

［7］王義中，宋敏.宏觀經(jīng)濟(jì)不確定性、資金需求與公司投資［J］.經(jīng)濟(jì)研究，2014（2）:4－17.

［8］Talavera O，Tsapin A，Zholud O.Macroeconomic uncertainty and bank lending:The case of Ukraine［J］.Economic Systems，2012，36（2）:279 －293.

［9］Valencia F.Aggregate uncertainty and the supply of credit［R］.IMF Working Paper，2013.

［10］邱兆祥，劉遠(yuǎn)亮.宏觀經(jīng)濟(jì)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.

［11］Kishan R，Opiela T.Bank size，bank capital，and the bank lending channel［J］.Journal of Money，Credit and Banking，2000，32（1）:121 －41.

［12］Berger A.The relationship between capital and earnings in banking［J］.Journal of Money，Credit and Banking，1995，27（2）:432 －56.

［13］蔣海，羅貴君，朱滔.中國上市銀行資本緩沖的逆周期性研究:1998－2011［J］.金融研究，2012（9）:34－47.

［14］索彥峰，陳繼明.資產(chǎn)規(guī)模、資本狀況與商業(yè)銀行資產(chǎn)組合行為——基于中國銀行業(yè)面板數(shù)據(jù)的實(shí)證分析［J］.金融研究，2008（6）:21－36.

［15］Morris S，Shin H.Illiquidity component of credit risk［R］.Princeton University Working Paper，2009.

［16］Bordeleau é，Graham C.The impact of liquidity on bank profitability［R］.Bank of Canada Working Paper，2010.

［17］Kroszner R.A review of bank funding cost differentials［R］.Business Faculty Working Paper，Chicago Booth School，2013.

［18］Cobham A.Making bad decisions:Firm size and investment under uncertainty［R］.Queen Elizabeth House Working Paper，2000.

［19］Altunbas Y，F(xiàn)azylov O，Molyneux P.Evidence on the bank lending channel in Europe［J］.Journal of Banking and Finance，2002，26（11）:2093 －2110.

［20］徐明東，陳學(xué)彬.中國微觀銀行特征與銀行貸款渠道檢驗(yàn)［J］.管理世界，2011（5）:24－38.

［21］Ghosal V，Loungani P.The differential impact of uncertainty on investment in small and large businesses［J］.Review of Economics and Statistics，2000，82（2）:338 －343.

［22］Baum C，Wan C.Macroeconomic uncertainty and credit default swap spreads［J］.Applied Financial Economics，2010，20（15）:1163 －1171.

［23］Jurado K，Ludvigson S，Ng S.Measuring uncertainty［R］.NBER Working Paper，2013.

［24］邢天才，孫進(jìn)，鄢莉莉.經(jīng)濟(jì)周期戰(zhàn)略對(duì)商業(yè)銀行盈利能力的影響［J］.國際金融研究，2013（5）:88－96.

［25］黃憲，熊啟躍.銀行資本緩沖、信貸行為與宏觀經(jīng)濟(jì)波動(dòng)——來自中國銀行業(yè)的經(jīng)驗(yàn)證據(jù)［J］.國際金融研究，2013（1）:52－65.

［26］潘敏，張依茹.股權(quán)結(jié)構(gòu)會(huì)影響商業(yè)銀行信貸行為的周期性特征嗎——來自中國銀行業(yè)的經(jīng)驗(yàn)證據(jù)［J］.金融研究，2013（4）:29－42.

［27］Bouvatier V，Lepetit L.Banks’Pro－cyclical Behavior:Does provisioning matter［J］.Journal of International Financial Markets，Institutions and Money，2008，18（5）:513－526.

［28］Israeli O.A Shapley－based decomposition of the RSquare of a linear regression［J］.Journal of Economic Inequality，2007，5（2）:199 －212.

［29］Huettner F，Sunder M.Axiomatic arguments for decomposing goodness of fit according to Shapley and Owen values［J］.Electronic Journal of Statistics，2012（6）:1239－1250.

［30］Windmeijer F.A finite sample correction for the variance of linear two step GMM estimators［J］.Journal of Econometrics，2005，126（1）:25 －51.

Macroeconomic Uncertainty，Banks'Heterogeneity and Credit Supply

ZHANG Lin，LIAN Yong－h(huán)ui，XIN Bing－h(huán)ai
（School of Economics，Nankai University，Tianjin300071，China）

This paper studies the impacts of macroeconomic uncertainty on the credit supply of banks.Firstly，macroeconomic uncertainty indicators are created based on GARCH model.Then，the unbalanced panel data of89 Chinese commercial banks from1998 to2012 are used to empirically test the heterogeneous effects of macroeconomic uncertainty on the credit supply of different banks.The analysis indicates that both statistatically and economically，the rise of macroeconomic uncertainty significantly reduces bank credit growth，and the effects aresmaller for banks with higher capitaladequacyratio，higher asset liquidity ratio and bigger scale.

Macroeconomic Uncertainty;Capital Adequacy Ratio;Asset Liquidity;Bank Scale

A

1002－2848－2015（04）－0060－12

2014－11－24

張琳（1991－），女，河南省新鄉(xiāng)市人，南開大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，研究方向:商業(yè)銀行管理;廉永輝（1990－），山東省菏澤市人，南開大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，研究方向:公司金融、商業(yè)銀行管理;辛兵海（1982－），河北省保定市人，南開大學(xué)經(jīng)濟(jì)學(xué)院博士研究生，研究方向:財(cái)政學(xué)。

責(zé)任編輯、校對(duì):郭燕慶