經(jīng)濟(jì)政策不確定性對我國區(qū)域性銀行高質(zhì)量發(fā)展影響研究

王文榮，田彬彬

（沈陽化工大學(xué)經(jīng)濟(jì)與管理學(xué)院，遼寧 沈陽 110142）

引言

當(dāng)前國際局勢動蕩不安，全球經(jīng)濟(jì)發(fā)展和金融穩(wěn)定不確定性因素疊加。對外為了應(yīng)對國外突發(fā)事件和外國政府、經(jīng)濟(jì)組織經(jīng)濟(jì)政策的變化，對內(nèi)為了處理宏觀經(jīng)濟(jì)波動情況，適應(yīng)經(jīng)濟(jì)高質(zhì)量發(fā)展的要求，各國會頻繁發(fā)布或改變經(jīng)濟(jì)政策以調(diào)控經(jīng)濟(jì)，經(jīng)濟(jì)政策不確定性逐漸成為經(jīng)濟(jì)發(fā)展的“主旋律”（顧夏銘等，2018[1]；劉貫春等，2019[2])。

我國區(qū)域性銀行分布廣泛，數(shù)量眾多，區(qū)域性銀行高質(zhì)量發(fā)展是地方經(jīng)濟(jì)高質(zhì)量發(fā)展的重要支撐。區(qū)域性銀行在規(guī)模實(shí)力、盈利能力和風(fēng)險(xiǎn)規(guī)避能力上相對于中農(nóng)工建等國有大行有較大差距，自身的高質(zhì)量發(fā)展更易受到經(jīng)濟(jì)政策不確定性的影響。商業(yè)銀行會在經(jīng)濟(jì)政策不確定性增加時(shí)調(diào)整資產(chǎn)規(guī)模和結(jié)構(gòu)進(jìn)行風(fēng)險(xiǎn)規(guī)避（鄧偉等，2022）[3]。本文從經(jīng)濟(jì)政策不確定性上升時(shí)銀行的資產(chǎn)避險(xiǎn)行為這一角度出發(fā)，引用CRBHDI（中國區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)）和EPU（經(jīng)濟(jì)政策不確定性指數(shù)）作為測度指標(biāo)，研究經(jīng)濟(jì)政策不確定性對我國區(qū)域性銀行高質(zhì)量發(fā)展的影響。

經(jīng)濟(jì)政策不確定性的相關(guān)內(nèi)容研究國內(nèi)外學(xué)者已經(jīng)有了較為深入的探討，多側(cè)重銀行風(fēng)險(xiǎn)、運(yùn)營管理等內(nèi)容，對銀行自身高質(zhì)量發(fā)展尤其是針對區(qū)域性銀行的研究較少。本文以區(qū)域性銀行高質(zhì)量發(fā)展為切入點(diǎn)，研究探討經(jīng)濟(jì)政策不確定性與區(qū)域性銀行高質(zhì)量發(fā)展的關(guān)系，并運(yùn)用月度數(shù)據(jù)進(jìn)行實(shí)證分析，以期更好地反映二者的動態(tài)變化。

一、相關(guān)文獻(xiàn)和理論基礎(chǔ)

目前，學(xué)術(shù)界對于商業(yè)銀行高質(zhì)量發(fā)展的概念尚未有明確定義，衡量商業(yè)銀行高質(zhì)量發(fā)展的指標(biāo)也很少。高一銘等（2020）認(rèn)為，金融業(yè)高質(zhì)量發(fā)展表現(xiàn)在公平、可持續(xù)和效率，并利用6個一級指標(biāo)構(gòu)建金融業(yè)的高質(zhì)量發(fā)展體系[4]。該體系存在兩個問題：一是金融業(yè)高質(zhì)量發(fā)展中的公平目前缺乏權(quán)威指標(biāo)衡量；二是該指標(biāo)對金融機(jī)構(gòu)高質(zhì)量發(fā)展的衡量并未考慮到金融機(jī)構(gòu)的盈利能力，更多強(qiáng)調(diào)金融機(jī)構(gòu)的對外服務(wù)功能。廉保華等（2018）指出，銀行高質(zhì)量發(fā)展核心是效率和質(zhì)量，強(qiáng)調(diào)從模式上進(jìn)行高質(zhì)量轉(zhuǎn)換，注重協(xié)調(diào)發(fā)展，從銀行的雙重屬性既是追求利潤最大化的一般企業(yè)，又是特殊的金融企業(yè)出發(fā)，采用全要素生產(chǎn)率（經(jīng)營效率）和RAROC（風(fēng)險(xiǎn)經(jīng)營水平）建立銀行高質(zhì)量發(fā)展的評價(jià)體系[5]，但兩種測度方式并未能在一個指標(biāo)中顯現(xiàn)，并且在RAROC的計(jì)算中，管理成本難以分?jǐn)?，預(yù)期和非預(yù)期難以精確測量。因此，本文選用中國區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)（CRBHDI）作為我國區(qū)域性銀行高質(zhì)量發(fā)展的衡量標(biāo)準(zhǔn)，關(guān)于該指標(biāo)的詳細(xì)內(nèi)容，后文會進(jìn)行介紹。

作為宏觀經(jīng)濟(jì)政策的重要傳導(dǎo)中介和連接各經(jīng)濟(jì)部門的關(guān)鍵一環(huán)，銀行一方面直接受到經(jīng)濟(jì)政策不確定性的影響，另一方面，經(jīng)濟(jì)政策的不確定性對企業(yè)等其他經(jīng)濟(jì)主體的影響也會傳導(dǎo)至銀行，所以銀行對經(jīng)濟(jì)政策不確定性的敏感性會“天然”大于其他經(jīng)濟(jì)主體（田國強(qiáng)和李雙建，2020）[6]。就銀行自身而言，經(jīng)濟(jì)政策不確定性增加能明顯提高企業(yè)現(xiàn)金流的不確定性（王紅建等，2014）[7]，這會使銀行難以預(yù)估監(jiān)測企業(yè)未來的現(xiàn)金流，同時(shí)經(jīng)濟(jì)政策的不確定性會導(dǎo)致市場波動，影響企業(yè)投資預(yù)期，造成企業(yè)投資水平下降，促使企業(yè)信用風(fēng)險(xiǎn)上升（顧婧等，2022）[8]，也會使企業(yè)經(jīng)營風(fēng)險(xiǎn)加大（滕飛，2021）[9]，商業(yè)銀行則會收緊信貸標(biāo)準(zhǔn)，提高對信貸抵押品的要求（譚小芬等，2017）[10]。此外，經(jīng)濟(jì)政策不確定性提高會擴(kuò)大資金需求方與銀行之間的信息不對稱，銀行很難識別借款人的實(shí)際還款能力和信貸風(fēng)險(xiǎn)，易形成借款者違約風(fēng)險(xiǎn)整體增加的預(yù)期（田國強(qiáng)和李雙建，2020）[6]，進(jìn)而主動收縮信貸。從外部主體（企業(yè)）來看，經(jīng)濟(jì)政策不確定性增加會加劇投資項(xiàng)目未來現(xiàn)金流的不確定性，從而會增加企業(yè)的“等待價(jià)值”，期權(quán)定價(jià)理論表明“等待價(jià)值”的增加會對企業(yè)的當(dāng)前投資產(chǎn)生抑制作用（李鳳羽等，2015[11]；顧婧等，2022[8]），造成企業(yè)信貸需求下降，帶來銀行信貸的被動收縮。所以，經(jīng)濟(jì)政策不確定性增加會導(dǎo)致商業(yè)銀行的資產(chǎn)規(guī)模增速有所放緩，從而抑制銀行的“成長性”。

經(jīng)濟(jì)政策不確定性會影響銀行的資產(chǎn)結(jié)構(gòu)。經(jīng)濟(jì)政策不確定性上升會使企業(yè)增加流動性資產(chǎn)投資（Berger 等，2020）[12]，銀行作為特殊的企業(yè)也會進(jìn)行調(diào)整。從資產(chǎn)總體結(jié)構(gòu)上看，我國商業(yè)銀行的資產(chǎn)主要包括3個部分：貸款、債券和現(xiàn)金資產(chǎn)。按照“安全性、盈利性和流動性”的原則，從安全性和流動性的角度出發(fā)，現(xiàn)金資產(chǎn)＞債券＞貸款；從盈利性的角度出發(fā)，貸款＞債券＞現(xiàn)金資產(chǎn)。當(dāng)經(jīng)濟(jì)政策不確定性增加時(shí)，商業(yè)銀行會調(diào)整在這3 個方面資產(chǎn)的分布和比例。雖然現(xiàn)金資產(chǎn)流動性最強(qiáng)但收益很低，所以出于避險(xiǎn)動機(jī)同時(shí)統(tǒng)籌盈利性的需要，商業(yè)銀行會減少貸款投放，增加債券投資，并且會增加對風(fēng)險(xiǎn)較小的政府債券的購買，減少風(fēng)險(xiǎn)較大的公司債券的投資。銀行面對經(jīng)濟(jì)政策不確定性調(diào)整資產(chǎn)結(jié)構(gòu)進(jìn)行風(fēng)險(xiǎn)規(guī)避，最終會使商業(yè)銀行的資產(chǎn)囤積流動性（鄧偉等，2022）[3]，導(dǎo)致銀行盈利能力下降，資產(chǎn)收益率和凈息差減小。同時(shí)隨著金融市場化的推進(jìn)，在負(fù)債端，競爭壓力及存款利率剛性使得負(fù)債成本難以下降，造成銀行利差持續(xù)縮窄，對銀行盈利能力也帶來挑戰(zhàn)（張榮森，2023）[13]。此外，銀行信貸資產(chǎn)的收縮最終也會導(dǎo)致整體凈息差和凈資產(chǎn)收益減少，所以經(jīng)濟(jì)政策不確定性增加會引起商業(yè)銀行凈息差和凈資產(chǎn)收益減少，降低商業(yè)銀行的“盈利性”。

對于銀行來講，經(jīng)濟(jì)政策不確定性的提升對銀行的風(fēng)險(xiǎn)承擔(dān)水平有正向影響（邢洋等，2022[14]；何建佳等，2022[15]）。宋全云等（2019）研究指出，經(jīng)濟(jì)政策不確定性上升時(shí)，銀行尤其是中小型銀行出于強(qiáng)烈的“自我保險(xiǎn)”目的會加大信貸審批難度，增加企業(yè)貸款成本[16]。這種做法加大了企業(yè)的道德風(fēng)險(xiǎn)，迫使銀行承受更多風(fēng)險(xiǎn)。如前文所述，投資減少和未來現(xiàn)金流的不確定性增加會促使企業(yè)信用風(fēng)險(xiǎn)上升，提升銀行不良貸款率。黃大禹等（2022）對銀行進(jìn)行機(jī)制識別檢驗(yàn)的研究也印證了經(jīng)濟(jì)政策不確定性會拉升銀行的不良貸款率[17]。通過區(qū)域性銀行（樣本量：125 家）的不良貸款率與EPU 對比中可見一斑，以表1 為例。

表1 EPU與不良貸款率一覽表

表1 中，2014 年、2017 年和2019 年的不良貸款率隨著EPU 的增大同步升高，2021 年EPU 相較于2019 年有所下降，不良貸款率也出現(xiàn)下降，從1.67%下降到1.58%。由此可見，不良貸款率與EPU 呈現(xiàn)正相關(guān)變動，即貸款的資產(chǎn)質(zhì)量隨著經(jīng)濟(jì)政策不確定性提高而惡化，銀行承擔(dān)的違約風(fēng)險(xiǎn)增加。大多數(shù)區(qū)域性銀行規(guī)模較小，無論是內(nèi)部風(fēng)險(xiǎn)控制還是外部風(fēng)險(xiǎn)控制的體系與機(jī)制并不完善，當(dāng)經(jīng)濟(jì)政策不確定性上升時(shí)，區(qū)域性銀行未必有風(fēng)險(xiǎn)控制意識。顧海峰等（2019）研究表明，行業(yè)集中度增加會擴(kuò)大經(jīng)濟(jì)政策不確定性對銀行承擔(dān)破產(chǎn)風(fēng)險(xiǎn)和被動風(fēng)險(xiǎn)的促進(jìn)作用[18]。這在區(qū)域性銀行身上表現(xiàn)得更為明顯，即使區(qū)域性銀行覺察到經(jīng)濟(jì)政策不確定性增加所帶來的風(fēng)險(xiǎn)，但大多區(qū)域性銀行將資產(chǎn)集中在當(dāng)?shù)氐膸讉€產(chǎn)業(yè)之中，資產(chǎn)投放轉(zhuǎn)換的成本和難度較高，且區(qū)域性銀行的客戶群體較少，并不能像國有大行一樣擁有充足的業(yè)務(wù)機(jī)會和客戶來源進(jìn)行貸款結(jié)構(gòu)調(diào)整。除此之外，區(qū)域性銀行所擁有和掌握的信息與大型銀行相比存在著更多信息不對稱，發(fā)現(xiàn)風(fēng)險(xiǎn)的速度和決策處置存在信息滯后。因此，隨著經(jīng)濟(jì)政策不確定性的增加，區(qū)域性銀行承受的風(fēng)險(xiǎn)上升，不良貸款率提高，會降低銀行的“安全性”。

可見，經(jīng)濟(jì)政策不確定性會通過成長性、盈利性和安全性3 個維度影響區(qū)域性銀行的高質(zhì)量發(fā)展。由此本文可得假設(shè)1：經(jīng)濟(jì)不確定性上升會抑制區(qū)域性銀行高質(zhì)量發(fā)展，二者呈反方向變動。

二、研究設(shè)計(jì)

（一）指標(biāo)選擇和數(shù)據(jù)預(yù)處理

1.經(jīng)濟(jì)政策不確定性

關(guān)于經(jīng)濟(jì)政策不確定性的度量方法有多種，包括政治事件如官員變更（李振新等，2020）[19]、 股 市 或 匯 率 波 動 （Bloom，2009）[20]、根據(jù)新聞媒體報(bào)道有關(guān)經(jīng)濟(jì)政策不確定性的關(guān)鍵詞統(tǒng)計(jì)（Baker 等，2016）[21]等方法。官員更替雖可以在一定程度上測度經(jīng)濟(jì)政策不確定性，但連續(xù)性有所欠缺，難以考究經(jīng)濟(jì)政策不確定性的程度，而且主要從政治角度考量，缺乏經(jīng)濟(jì)因素。股市或匯率波動具備連續(xù)性但缺乏政治不確定性因素，并且股市或匯率的波動往往是不確定性的結(jié)果，缺乏即時(shí)性（劉晴等，2022）[22]。Baker 等人在2016 年提出的經(jīng)濟(jì)政策不確定性指數(shù)（EPU）依據(jù)新聞媒體報(bào)紙編制[21]，屬于月度數(shù)據(jù)，具有較好的連續(xù)性，并且涵蓋了多種經(jīng)濟(jì)政策和社會各界對于經(jīng)濟(jì)運(yùn)行的觀點(diǎn)，得到了廣泛運(yùn)用（劉柳等，2019[23]；鄧偉等，2022[3]），為此本文采用經(jīng)濟(jì)政策不確定性指數(shù)衡量我國經(jīng)濟(jì)政策的不確定性。Baker 等人曾使用香港的英文報(bào)紙《南華早報(bào)》計(jì)算我國的經(jīng)濟(jì)政策不確定性指數(shù)，為了使EPU 更具代表性，符合我國實(shí)際情況，本文使用的經(jīng)濟(jì)政策不確定指數(shù)是Steven J.Davis、Dingqian Liu 和Xuguang S. Sheng 依據(jù)《人民日報(bào)》和《光明日報(bào)》在經(jīng)濟(jì)或商業(yè)政策如財(cái)政、貨幣、國債、政府赤字等所出現(xiàn)的“不確定”“不明朗”“難以預(yù)測”“未知”等詞匯所使用的次數(shù)所編制。

2.中國區(qū)域性銀行高質(zhì)量發(fā)展

本文選用由普華永道所編制的中國區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)（CRBHDI），該指數(shù)能較為簡潔直觀地反映區(qū)域性銀行的高質(zhì)量發(fā)展?fàn)顩r。CRBHDI 的編制選取了125 家區(qū)域性銀行，通過資產(chǎn)規(guī)模增速、凈資產(chǎn)收益率、凈息差和不良貸款率4 個指標(biāo)反映區(qū)域性銀行的高質(zhì)量發(fā)展?fàn)顩r[24]。這4 個指標(biāo)具有代表性：第一，資產(chǎn)規(guī)模是衡量銀行整體實(shí)力的重要標(biāo)準(zhǔn)之一，資產(chǎn)規(guī)模增長反映出區(qū)域性銀行在客群觸達(dá)、資產(chǎn)投放等方面的經(jīng)營能力，通過資產(chǎn)規(guī)模增速旨在動態(tài)刻畫區(qū)域性銀行在不同外部環(huán)境下的資產(chǎn)規(guī)模變化情況；第二，區(qū)域性銀行盈利模式仍以利息收入為主，樣本區(qū)域性銀行利息收入占比平均為81%，其中上市區(qū)域性銀行利息收入占比平均為78%，隨著利率市場化改革進(jìn)一步推進(jìn)，獲取低成本存款和優(yōu)質(zhì)信貸資產(chǎn)是區(qū)域性銀行較強(qiáng)盈利能力的重要體現(xiàn)，而凈資產(chǎn)收益率、凈息差能較好地反映盈利能力；第三，選取不良貸款率作為分析指標(biāo)，旨在動態(tài)刻畫區(qū)域性銀行風(fēng)險(xiǎn)把控情況，反映區(qū)域性銀行保持高質(zhì)量發(fā)展的能力。

3.數(shù)據(jù)預(yù)處理

本文使用Quadratic-match sum 方法把低頻數(shù)據(jù)轉(zhuǎn)化為高頻數(shù)據(jù)，將CRBHDI 的年度數(shù)據(jù)轉(zhuǎn)換為月度數(shù)據(jù)，通過增加樣本數(shù)據(jù)頻率以更好體現(xiàn)CRBHDI 和EPU 的關(guān)系和聯(lián)動性；將GDP 季度增長率（當(dāng)期同比）轉(zhuǎn)換成月度增長率。本文對變量EPU 取倒數(shù)，將變量M2、Rate、CAR、CPI 和AFRE 樣本值均取對數(shù)，以降低樣本波動幅度，提高模型擬合優(yōu)度。由于GDP 增速在2020 年第一季度為負(fù)，為防止取對數(shù)之后形成缺失值，造成模型擬合失真，故該變量不進(jìn)行取對數(shù)處理。本文采用數(shù)據(jù)均為月度數(shù)據(jù)。

（二）變量定義

本文相關(guān)變量的類型、名稱、含義和數(shù)據(jù)來源如表2 所示。中國區(qū)域性高質(zhì)量發(fā)展指數(shù)（CRBHDI）作為實(shí)證分析模型的被解釋變量，經(jīng)濟(jì)政策不確定性指數(shù)的倒數(shù)REPU為模型分析的核心解釋變量。在控制變量中，本文選取廣義貨幣M2 增速、7 天期銀行同業(yè)拆借利率、資本充足率、居民消費(fèi)價(jià)格指數(shù)CPI（同比）、GDP 當(dāng)期同比增速和社會融資規(guī)模增量等變量作為控制變量。

表2 模型變量示意表

（三）模型設(shè)定

本文采用時(shí)間序列數(shù)據(jù)構(gòu)建含有控制變量的模型，該模型旨在揭示區(qū)域性銀行高質(zhì)量發(fā)展與經(jīng)濟(jì)政策不確定性的關(guān)系。其中，CRBHDI 是被解釋變量，經(jīng)濟(jì)政策不確定性衡量指標(biāo)的倒數(shù)REPU 是核心解釋變量，其他相關(guān)變量被納入控制變量。為保證模型回歸分析的嚴(yán)謹(jǐn)性和科學(xué)性，相關(guān)檢驗(yàn)如平穩(wěn)性檢驗(yàn)、協(xié)整性檢驗(yàn)、穩(wěn)健性檢驗(yàn)等將在后文作出詳細(xì)說明。模型設(shè)定如下：

三、實(shí)證分析

（一）數(shù)據(jù)描述性分析

如圖1所示，中國區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)（CRBHDI）與經(jīng)濟(jì)政策不確定性指數(shù)（EPU）的時(shí)間序列趨勢圖清晰地反映了從2014 年1 月份至2021 年末兩種指數(shù)的變化趨勢。CRBHDI 在此期間整體上呈現(xiàn)下降趨勢，區(qū)域性銀行經(jīng)營挑戰(zhàn)加大，尤其是在2014—2019 年間，該指數(shù)呈現(xiàn)出急劇下跌的態(tài)勢。《2022 中國區(qū)域性銀行高質(zhì)量發(fā)展指數(shù)報(bào)告》顯示，在125 家樣本區(qū)域性銀行中，有87%的區(qū)域性銀行2021 年的高質(zhì)量發(fā)展指數(shù)數(shù)值低于2014 年，只有13%的銀行實(shí)現(xiàn)了逆勢增長。圖1 中，EPU 波動幅度較大，峰值在600以上，呈現(xiàn)波動上升的趨勢。通過CRBHDI 和EPU 的數(shù)據(jù)擬合直線上可以看出，二者大致呈現(xiàn)反方向變動。

圖1 CRBHDI和EPU時(shí)間序列趨勢圖

（二）實(shí)證檢驗(yàn)

1.平穩(wěn)性檢驗(yàn)

本文平穩(wěn)性檢驗(yàn)采用ADF 檢驗(yàn)（表3），對變量一階差分之后，Dickey-Fuller檢驗(yàn)表明，各變量在99%的置信水平上是平穩(wěn)的，數(shù)據(jù)符合一階單整，因此符合平穩(wěn)性檢驗(yàn)。

表3 單位根檢驗(yàn)

2.協(xié)整性檢驗(yàn)

由于文中模型構(gòu)建除核心解釋變量以外，還包含多個控制變量，因此協(xié)整關(guān)系檢驗(yàn)運(yùn)用Johansen檢驗(yàn)。首先對模型最優(yōu)滯后階數(shù)進(jìn)行度量，發(fā)現(xiàn)LR、FPE、AIC、HQIC 和SBIC 等準(zhǔn)則各自在滯后一階、滯后二階、滯后四階帶有星號（表4），按照多數(shù)原則，本文選取滯后二階作為最佳滯后階數(shù)，對模型變量進(jìn)行Johensen 檢驗(yàn)。在表5 中，根據(jù)原假設(shè)、跡統(tǒng)計(jì)量和5%臨界值顯示，在原假設(shè)等于5 的情況下，跡統(tǒng)計(jì)量小于5%的臨界值，因此不能拒絕“最多存在5 個協(xié)整關(guān)系”的原假設(shè)，判定存在協(xié)整關(guān)系。

表4 模型滯后階數(shù)的判定依據(jù)

表5 Johansen協(xié)整方程個數(shù)檢驗(yàn)

Johansen檢驗(yàn)可知，跡統(tǒng)計(jì)量接受了模型變量之間存在協(xié)整關(guān)系的原假設(shè)，證明各變量之間存在長期均衡關(guān)系。下面對VECM 模型進(jìn)行穩(wěn)定性檢驗(yàn)，結(jié)果如圖2所示，除了VECM模型本身假設(shè)的單位根之外，伴隨矩陣特征值全部落在單位圓之內(nèi)，且各變量的擾動項(xiàng)均為白噪聲，所以模型是穩(wěn)定的，緊接著進(jìn)行脈沖響應(yīng)分析。

圖2 VECM模型穩(wěn)定性判別圖

3.脈沖響應(yīng)分析

本文使用VECM 模型中常見的動態(tài)分析方法—脈沖分析法，用來分析預(yù)測當(dāng)經(jīng)濟(jì)政策不確定性遭遇沖擊時(shí)，對我國區(qū)域性銀行高質(zhì)量發(fā)展的影響以及它們自身遭遇沖擊時(shí)的反應(yīng)。

圖3表明REPU 的一個正向沖擊會對我國區(qū)域性銀行高質(zhì)量發(fā)展呈現(xiàn)負(fù)面影響，并持續(xù)整個觀察期。從第一期開始，負(fù)向沖擊開始變大，到第三期之后觸底反彈，對我國區(qū)域性銀行高質(zhì)量發(fā)展的負(fù)面沖擊減弱并逐漸為零，整體上負(fù)面影響先上升后減弱。

圖3 CRBHDI對REPU的脈沖響應(yīng)

圖4 顯示了REPU 受到一個正向標(biāo)準(zhǔn)差沖擊時(shí)，REPU自身會受到正向沖擊，并迅速降低，逐漸平穩(wěn)，表明經(jīng)濟(jì)政策不確定性在遭遇沖擊之后會迅速消減，不會對后期產(chǎn)生較大的持久影響。圖5 表明當(dāng)區(qū)域性銀行高質(zhì)量發(fā)展遭遇正向沖擊時(shí)，會對自身產(chǎn)生正向的促進(jìn)作用，這種正向效應(yīng)逐漸變大，在第三期左右開始下降，由此可見，區(qū)域銀行高質(zhì)量發(fā)展的狀況受到前期的影響，這種影響持續(xù)整個觀察期。

圖4 REPU對REPU的脈沖響應(yīng)

圖5 CRBHDI對CRBHDI的脈沖響應(yīng)

4.基準(zhǔn)回歸

VECM模型探究了經(jīng)濟(jì)政策不確定性與區(qū)域性銀行高質(zhì)量發(fā)展的短期均衡關(guān)系，接下來本文進(jìn)行多元線性回歸考察經(jīng)濟(jì)政策不確定性與區(qū)域性銀行高質(zhì)量發(fā)展的長期關(guān)系（表6）。由于模型變量之間存在協(xié)整關(guān)系，所以基準(zhǔn)回歸非偽回歸。針對模型中可能存在的自相關(guān)性問題，使用HAC穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行修正，由于961/4≈3.13，故Newey-West 估計(jì)量截?cái)鄥?shù)p=4，即計(jì)算自相關(guān)穩(wěn)健的HAC 標(biāo)準(zhǔn)誤滯后4 階，修正結(jié)果如表6 列（8）所示。表6 列（7）的回歸結(jié)果表明，核心解釋變量REPU 的系數(shù)為2.827，由于文中對EPU 進(jìn)行倒數(shù)處理， 將非線性模型線性化， 因此，我國區(qū)域性銀行高質(zhì)量發(fā)展與經(jīng)濟(jì)政策不確定性呈反方向變動，并且在對取絕對值之后可以發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性對我國區(qū)域性銀行高質(zhì)量發(fā)展的影響隨著經(jīng)濟(jì)政策不確定性的增加而減少，呈現(xiàn)出負(fù)向影響的邊際遞減。這主要是因?yàn)榻?jīng)濟(jì)政策不確定性增加時(shí)，會抑制區(qū)域性銀行的資產(chǎn)規(guī)模增速，縮小區(qū)域性銀行的凈息差，降低凈資產(chǎn)收益率，拉升區(qū)域性銀行的不良貸款率，惡化區(qū)域性銀行的資產(chǎn)質(zhì)量，進(jìn)而阻礙區(qū)域性銀行高質(zhì)量發(fā)展。另外，從區(qū)域性銀行的主動反應(yīng)來看，當(dāng)經(jīng)濟(jì)政策不確定性增加時(shí)，區(qū)域性銀行高質(zhì)量發(fā)展水平會不斷下降，下降至一定程度會增大區(qū)域性銀行的運(yùn)營壓力，倒逼區(qū)域性銀行更加積極主動采取措施規(guī)避經(jīng)濟(jì)政策不確定性帶來的負(fù)面影響，從而遏制區(qū)域性銀行高質(zhì)量發(fā)展水平急劇下滑。與此同時(shí)，經(jīng)濟(jì)政策不確定性在2018 年以來急劇增加，這期間，中美貿(mào)易摩擦、新冠疫情、地產(chǎn)企業(yè)債務(wù)違約、地方性銀行爆雷等經(jīng)濟(jì)事件，使得區(qū)域性銀行高質(zhì)量發(fā)展水平下滑到一定程度后已基本觸底，區(qū)域性銀行高質(zhì)量發(fā)展對經(jīng)濟(jì)政策不確定性的敏感性下降，EPU 對CRBHDI 的負(fù)面沖擊邊際遞減。

表6 基準(zhǔn)回歸表

5.穩(wěn)健性檢驗(yàn)

在穩(wěn)健性檢驗(yàn)中，眾多學(xué)者使用了不同的檢驗(yàn)方法。本文采用縮短時(shí)間窗口，減小樣本容量、縮減控制變量、更換新的數(shù)據(jù)源和工具變量法等方法進(jìn)行穩(wěn)健檢驗(yàn)。

（1）本文選擇對數(shù)據(jù)進(jìn)行“掐頭去尾”，剔除2014年、2015年和2021年時(shí)間點(diǎn)數(shù)據(jù)，以縮短時(shí)間窗口，減少樣本數(shù)量。模型回歸結(jié)果顯示，核心解釋變量REPU前的系數(shù)值出現(xiàn)略微變化，但系數(shù)的符號未發(fā)生變化并在95%的置信水平上顯著。

（2）采用縮減控制變量的方法，剔除變量ln_M2、ln_AFRE 和ln_CPI 對模型進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果顯示核心解釋變量REPU的系數(shù)結(jié)果仍穩(wěn)健，即便剔除所有控制變量也是如此，結(jié)果如表6所示。

（3）本文借鑒顧婧和史心雨等（2022）在經(jīng)濟(jì)政策不確定性研究中的相關(guān)做法，更換EPU 的數(shù)據(jù)源，將經(jīng)濟(jì)政策不確定指數(shù)的數(shù)據(jù)來源改換為由Scott Baker、Nick Bloom、Steven J. Davis 和Xiaoxi（Sophie）Wang 按照香港的英文報(bào)紙《南華早報(bào)》制定的中國經(jīng)濟(jì)政策不確定性指數(shù)[8]，結(jié)果表明核心解釋變量REPU 的結(jié)果無論是系數(shù)值還是正負(fù)號、置信水平均無顯著變化，模型結(jié)果穩(wěn)健。

（4）工具變量法。為了解決本文可能存在的內(nèi)生性問題，根據(jù)已有文獻(xiàn)研究，采用全球經(jīng)濟(jì)政策不確定性指數(shù)（董捷和張心靈，2018[25]；陳啟斐等，2021[26]）和美國經(jīng)濟(jì)政策不確定性指數(shù)（劉貫春和葉永衛(wèi)，2022）[27]的倒數(shù)并滯后一階①作為兩階段最小二乘回歸（2sls）的工具變量。一方面，我國經(jīng)濟(jì)政策的不確定性不可避免地受到全球經(jīng)濟(jì)政策不確定性和美國經(jīng)濟(jì)政策不確定性的影響；另一方面，由于我國區(qū)域性銀行的業(yè)務(wù)大多集中于當(dāng)?shù)?，國際業(yè)務(wù)涉及較少，全球和美國經(jīng)濟(jì)政策不確定性對區(qū)域性銀行的直接影響較小，因此，工具變量全球和美國經(jīng)濟(jì)政策不確定性指數(shù)符合外生性和相關(guān)性的條件，過度識別檢驗(yàn)表明兩種工具變量均外生。在表7 中，列（1）顯示了2sls 的回歸結(jié)果。為了使回歸結(jié)果更加穩(wěn)健并避免弱工具變量的出現(xiàn)，本文考察了有限信息最大似然法（LIML）的檢驗(yàn)，結(jié)果如表7 列（2）所示，2sls 與LIML 的系數(shù)估計(jì)值很相近，表明沒有弱工具變量。最終結(jié)果表明核心解釋變量REPU的基準(zhǔn)回歸系數(shù)出現(xiàn)略微變化，但回歸系數(shù)的符號未變并且仍顯著，因此模型回歸結(jié)果穩(wěn)健。

表7 工具變量法

四、結(jié)論與建議

（一）結(jié)論

本文首先在理論層面分析了經(jīng)濟(jì)政策不確定性會抑制區(qū)域性銀行的成長性，降低區(qū)域性銀行的盈利能力，并拉升不良貸款率，制約區(qū)域性銀行高質(zhì)量發(fā)展。緊接著本文利用2014—2021 年數(shù)據(jù)，通過VECM 模型和基準(zhǔn)回歸均發(fā)現(xiàn)，無論是短期還是長期，經(jīng)濟(jì)政策不確定性的增加會對區(qū)域性銀行的高質(zhì)量發(fā)展造成負(fù)面影響，并且結(jié)果穩(wěn)健。

（二）建議

從宏觀視角出發(fā)，首先，政策制定者要保持政策的連續(xù)性和可預(yù)見性，要實(shí)時(shí)與市場保持溝通，及時(shí)傳遞政策信號，明晰政策調(diào)控意向，盡量縮小政策變動給市場帶來的“噪音”和負(fù)面影響，讓市場主體尤其是金融機(jī)構(gòu)能較為清晰預(yù)見政策導(dǎo)向，正確把握政策意圖，及時(shí)為經(jīng)濟(jì)政策變動進(jìn)行自身調(diào)整，必要條件下給予市場主體更多實(shí)施政策時(shí)的“緩沖時(shí)間”。其次，政府要拓寬調(diào)控經(jīng)濟(jì)的渠道，豐富經(jīng)濟(jì)調(diào)節(jié)的手段，既要有政策調(diào)控經(jīng)濟(jì)的“剛性手段”，也要有其他方式對經(jīng)濟(jì)調(diào)節(jié)進(jìn)行“軟約束”，起到積極引導(dǎo)的作用，更多利用市場主體力量，對經(jīng)濟(jì)發(fā)展進(jìn)行指引，以降低經(jīng)濟(jì)政策的波動。最后，在制定經(jīng)濟(jì)政策尤其是與銀行業(yè)相關(guān)的政策時(shí)，要充分考慮政策效果的異質(zhì)性，考慮不同銀行主體的政策反應(yīng)，合理兼顧實(shí)力較為薄弱的區(qū)域性銀行，對不同銀行主體可執(zhí)行不同的政策標(biāo)準(zhǔn)。

從區(qū)域性銀行個體視角來看，要增強(qiáng)風(fēng)險(xiǎn)控制能力，提升風(fēng)險(xiǎn)防范意識，健全風(fēng)險(xiǎn)內(nèi)控體系，尤其要拓寬信息來源渠道，關(guān)注經(jīng)濟(jì)發(fā)展不確定性的變化對商業(yè)銀行自身資產(chǎn)的影響，通過進(jìn)行定性和定量的科學(xué)業(yè)務(wù)評估，及時(shí)做出相應(yīng)調(diào)整，以減輕區(qū)域性銀行的發(fā)展壓力。要盡可能多地拓展放貸渠道和客戶群體，防止信貸過于集中某個行業(yè)與企業(yè)，增加信貸主體和行業(yè)的多樣性有利于平抑經(jīng)濟(jì)政策不確定性的負(fù)面影響。