1. 引言

2020年我国受到新冠疫情的影响，经济受到严重冲击，GDP增长率达到近十年来的低谷，为了刺激我国实体经济以及金融体系的发展，我国政府积极推进宏观政策的调整。正因为经济政策的持续变动，导致了近些年来不确定性大大增加。其次，我国经济同世界经济的关联程度越来越深，受到国际政治局势以及经济政策变化影响也越来越深，这大大增加了我国政府进行宏观经济调控的难度，为了应对国内外所带来的不确定性冲击，我国当局通过制定一系列的经济政策来对这些事件进行宏观调控，与此同时也相应地增加了经济政策的不确定性。对于商业银行而言，其作为金融体系中的重要组成部分，履行着传达政府宏观政策调控方向以及力度的职责，其风险承担行为对防范金融市场风险、维持金融体系的稳定性有着极其重要的作用，因此，在我国经济政策不确定性程度不断上升的市场环境下，研究商业银行的风险承担具有积极的现实意义。

2. 文献综述

Knight (1921) [1] 将不确定与风险进行了区分，在于是否能够获得经验概率，前者不能获得，而后者可以。Le等(2006) [2] 确切提出经济政策不确定性这一概念，其具体含义为政府没有表明经济政策的预期、方向以及力度而导致的不确定性。Gulen (2016) [3] 则是更进一步阐述了这个概念，认为经济政策不确定性表现为政府改变现有经济政策而产生的不确定性，这种不确定性导致市场中的经济主体无法精准地估计政府所采取政策的意图，也难以确定政府什么时候会改变政策以及改变的政策是什么。饶品贵(2017) [4] 也对经济政策不确定性进行了相应的定义，其含义为政府制定的相关经济政策在未来方向以及力度上的不够透彻而导致市场上产生的不确定性。

国内外对风险承担的定义较为统一，Jensen等(1976) [5] 最早提出风险承担这个概念，并将其和银行风险区分开来。随后Kim (2005) [6] 和Rajan (2005) [7] 进一步定义了银行风险承担，其含义为银行愿意且能承受的风险水平，他们认为在低利率的市场环境下，银行会要求更高的风险溢价，因此更加倾向于增加信贷供给并持有更多的风险资产来获取收益。金鹏辉(2014) [8] 、郝威亚(2017) [9] 、李成等(2022) [10] 认为风险承担是银行平衡收益与风险的一个动态过程，银行对市场环境进行分析，评估出风险与收益，调整其信贷供给以及风险资产的比重，从而达到效益的最大化。也有学者将风险承担进行分类，如方意(2015) [11] 与金鹏辉(2015) [12] 等学者把险承担区分为主动风险承担以及被动风险承担。此后顾海峰等(2019) [13] 进一步完善了这两种风险承担的内涵，主动风险承担上升则表示银行对风险的容忍度相应增加以及放宽信贷审核标准，被动风险承担增加表现为银行的风险识别能力下降以及违约风险增加，而且银行的这两种风险承担一起表现在它的破产风险之中。

已有文献主要从以下几个方面来探究不确定性对银行风险承担的影响。第一，从信贷规模方面，Valencia (2011) [14] 研究得出不确定性的冲击抑制银行信贷供给，借款者缺少流动性资金维持投资项目的正常运行，其信贷违约的概率显著增加，导致银行进一步提高信贷标准，缩减信贷供给水平。Alessandri等(2020) [15] 通过研究意大利商业银行，指出在经济政策不确定性因素增加的背景下，银行会降低对企业的信贷规模，拉长贷款发放的事件。第二，从货币政策方面，Borio等(2012) [16] 从理论上分析了其对银行风险承担水平的作用机理，指出在扩张性货币政策的市场环境下，在一定程度上升高了银行的流动性水平，其抵御风险的能力相对上升，从而使得银行的风险承担意愿升高。第三，从流动性方面，Berger (2017) [17] 指出，经济政策不确定性通过银行持有现金偏好间接影响银行的风险承担，即银行偏向于持有更多的现金，具有较低的风险承担意愿。

3. 理论分析与研究假设

3.1. 经济政策不确定性对银行风险承担的影响机理与假设

从商业银行追逐利益的角度来看，在经济政策不断波动的市场环境下，银行为了提高经营效率，则会进行多元化的经营方式，提高自身的相关非利息业务的收入，这大大增加了银行的相关风险，而这种行为会使得其自身的风险承担相应提高。

随着政策透明度不断地升高，其可预测性也大大增加，商业银行通过对即将出台的政策进行相对准确的预测，因而银行则愿意增加自身的风险水平去追求更高经济利益，其次由于最后贷款人制度为银行提供了一个隐形保障，银行也更加愿意去持有相对较多的风险资产。本文提出如下基础H1a。

H1a：经济政策不确定性上升增强银行主动风险承担。

从金融摩擦的角度来看，由于经济政策在不断波动，银行高管获取信息的成本增加，信息不对称在银行与公司之间大大增加，使得银行高管识别信贷项目投资风险的准确性有所降低，会增加贷款审核的标准。在这种情况下，当银行处于不确定性环境下，导致了银行难以精确地识别企业未来的现金流以及偿债能力，这会使得银行出现“惜贷”倾向，减弱了银行对风险较高的企业的贷款意愿，因而减少了总体上的信贷供给，使得主动风险承担减少。

从企业的投融资角度来看，基于实物期权理论，当银行面临较大的不确定性时，其可能会更加倾向于延迟贷款、延迟投资证券决策以及提高信贷与投资标准，减少了市场上的信贷规模，从而减少信贷风险。与此同时，银行会积极获取相关信息来减少信息不对称的程度，等到经政策指向性及其力度明确时，再进行信贷的供给。因此，在经济政策不确定不断升高的市场环境下，银行主动去承担相关风险的意愿将会大大减少。本文提出如下基础假设H1b。

H1b：经济政策不确定性上升降低了银行主动风险承担。

基于估值效应，在经济政策不断波动的市场环境下，企业的抵押物价值下降，并且企业的盈利能力减弱，违约风险增加，其次，经济政策不确定性会导致企业的股权价值下降，而A股市场中超过70%的上市公司存在股权质押，而不确定性会对股票市场产生负面冲击，股票价格大幅度下降，违约风险进一步增加，银行即使选择出售抵押品和质押品，也难以收回之前损失，极大程度上加剧了银行的被动风险承担水平。

根据金融摩擦理论，在不确定性增加的背景下，市场中的金融摩擦不断恶化，使得银行获取信息的成本增加，导致银行的信用风险的识别能力降低。其次由于信息不对称的存在，企业可能会对自身的财务状况进行掺假，致使银行对企业的真实状况产生误判，而往往这种类型的企业其进行高风险的投资概率较大，导致该类企业产生信贷违约，造成银行的不良贷款大大增多，从而增加了被动风险承担。提出如下假设H2a。

H2a：经济政策不确定性上升会增加银行被动风险承担水平。

基于实物期权理论，在不确定性程度不断上升的市场环境下，企业的外部融资成本相应增加，对其投资积极性起到了负面作用，从而其对贷款的需求减弱，企业这种谨慎的决策行为也大大减弱了其债务发生违约的风险，因而所产生的不良贷款将会相应的减少。其次，由于企业在不确定性程度不断上升的环境下，企业为了规避不确定性带来的负面冲击，将会延迟投资决策，因而企业将会减少其现阶段的间接融资规模，以保证有更充足的时间去评估投资项目的盈利能力以及未来现金流，所以市场上的信贷需求减弱，由于现阶段企业谨慎的投资决策，大大降低了其违约的可能性，在一定程度上被动地减弱了银行的风险承担。由此可以提出如下假设H2b。

H2b：经济政策不确定性上升降低了银行被动风险承担。

根据上述分析可以得出，经济政策的频繁波动会致使银行的这两种风险承担产生不同方向的变动。所以根据主体效应不同，不确定性对破产风险也可能存在着不同方向的影响。由此可以提出如下假设H3a和H3b。

H3a：经济政策不确定性上升增加了银行破产风险。

H3b：经济政策不确定性上升降低了银行破产风险。

3.2. 贷款拨备覆盖率的调节效应

从银行进行拨备计提的动机分析。贷款拨备计提在一定程度上具备平滑银行利润的作用，具体有以下两点：第一，在经济政策不断波动的背景下，商业银行可能会因为决策错误而产生重大的损失，如果该银行的贷款拨备覆盖率较高，那么其可以通过减少拨备计提来抵补损失，在一定程度上美化了财报，能够维持自身的商誉(Bikker等，2005；Balbao等，2013) [18] [19] ，因此，商业银行可能会从事风险更高的投资，对借款者的审核放宽，持有更多风险相对较高的证券，使得自身的风险资产比率上升，相应地提升了其风险承担；第二，由于银行存在着相对较高的拨备覆盖率，其会认为自身存在着很强的抗风险能力，在不确定性因素下，银行经理人普遍过于自信，导致其会将贷款发放给盈利能力较弱的企业或者行业，其次，不确定性的经济政策环境也带来了较大的不确定性收益，银行为了追求经济收益以及经营效益，他们可能会提高贷款利率或者减少对借款者的借款条件，这会使得借款者的融资成本大大增加，增加借款人“道德风险”发生的可能性，增加银行的风险。银行进行贷款计提也存在风险预防的动机，主要有以下两点，第一，经济政策的频繁波动使得实体经济受到负面的冲击，银行需要增加贷款损失准备来应对可能存在的风险，贷款损失准备和风险之间呈现负向关系；第二，在不确定性不断升高的背景下，使得银行和企业间的信息不对称加大，银行获取相关信息的成本提高，从而对企业的风险识别水平下降，且企业在受到不确定性的冲击下，其偿债能力降低，所以银行会通过计提更多的贷款拨备，降低其所承受的风险。由以上两个动机可以提出如下假设H4。

H4：在经济政策不确定性对银行风险承担水平的影响中，银行贷款拨备覆盖率具有调节作用。

4. 研究设计

4.1. 数据来源与样本选取

考虑到银行财务数据的可得性与全面性，选择2012~2021年为区间，以我国最有象征性的41家上市商业银行作为本文的研究对象。经济政策不确定指数通过网站所公布的数据所整理得出，银行的原始数据均来自于WIND数据库、Bankfocus以及银行财报，而宏观层面的控制变量均从统计局所公布的相关数据中整理得出。

4.2. 变量选取

4.2.1. 被解释变量的选取

银行风险承担的代理变量。国内外文献关于银行风险承担的衡量指标有风险加权资产比率、不良贷款率以及z-score指数，这些指标表示风险承担时各有利弊。因此，本文选取这三个指标作为银行风险承担的代理变量。

选择风险加权资产比率来度量银行的主动风险承担，通常来说，收益越高的资产，其风险也就越大，银行会进行主动调整风险资产来平衡收益与风险。由于风险加权资产数据严重缺失，因此参考方意等(2015) [20] 的研究做法，以间接的方式补齐缺失值。公式如下：风险加权资产比率 = 风险加权资产/总资产。

本文选取不良贷款率来度量银行的被动风险承担，该指标说明了存在违约风险的贷款占比，用公式可以表示为：不良贷款率 = 不良贷款/贷款总额。

本文用z-score值来度量破产风险。根据式(1)，z-score值涵盖了银行的盈利能力、杠杆状况以及盈利的稳定性，由于该值具有尖峰厚尾以及高度有偏的特征，所以在实证分析中对其取自然对数。本文参考Leaven (1952) [21] 对该指标的算法，公式表达如下：

$z-score=\frac{{\sigma }_i\left(RO{A}_{it}\right)}{RO{A}_{it}+CA{R}_{it}}$(1)

其中， $RO{A}_{it}$表示总资产收益率， ${\sigma }_i\left(RO{A}_{it}\right)$表示 $RO{A}_{it}$的标准差， $CA{R}_{it}$表示权益比率。

4.2.2. 核心解释变量的选取

核心解释变量是经济政策不确定性指数，根据已有国内外的相关研究，最普遍的有两种计量方法，由于选举等非经济变量缺乏一定的连贯性，难以捕捉到其在未发生时候的变化，利用文本分析法能够相对较好地解决这个问题。Baker等(2016) [22] 利用文本分析法构建的中国经济政策不确定性指数(cepu)被国内外学者广泛用来研究我国宏观经济以及企业投融资等相关方面。该指数是Baker等学者使用文本识别的方法对主流报纸《南华早报》上关于经济术语的出现频次进行相关统计所构建的，因此本文也将使用该指数。由于本研究中使用的是关于年度的数据集，故此按照田国强等(2020) [23] 的处理方式，对该指数进行月度算数平均，并将所得的相关年度数据除以100。

黄昀等人(2020) [24] 参照Baker的做法，选取了10份大陆的报纸进行文本识别，通过统计计算等，重新构造了中国经济政策不确定性指数。故此本文使用其构造的指数进行稳健性检验。

4.2.3. 控制变量的选取

根据文献综述可知，影响银行风险承担水平的因素主要包括了两个方面，一个是微观层面，另一个则是宏观经济层面。前者主要涵盖了如下五个变量：使用银行总资产的自然对数(LASSE)来度量银行规模；使用贷存比(LD)表示银行的流动性水平；以总资产净利率(ROA)表示盈利能力；以资本充足率(CAP)来表示其抵抗风险的能力；贷款增长率(LR)来表示银行信贷供给的增长速度。宏观层面主要涵盖了以下三个变量：使用GDP增长率(gdpr)来表示国内经济运行的状况；使用货币的增长率(m2r)来表示货币政策的方向；参照顾海峰等(2022) [25] 的做法，运用上市公司总市值与GDP的比值来表示资本市场发展水平(FSD)。

4.2.4. 调节变量的选取

在经济政策不确定性不断上升的市场环境下，一些内部因素会在cepu与银行风险承担之间起到调节效应，因此本文选择银行的贷款拨备覆盖率当作本研究的调节指标，其显示了银行在面对风险时的抵御能力。公式如下：贷款拨备覆盖率 = 贷款损失准备/不良贷款额。

4.3. 模型设定

4.3.1. 基准模型

$Ris{k}_{it}={\beta }_0+{\beta }_{1}cep{u}_t+{\beta }_2{X}_{it}+{\beta }_3{M}_t+{\alpha }_i+{\epsilon }_{it}$(2)

模型(2)中，i表示第i个相关银行，t则代表具体的年份， $Ris{k}_{it}$为被解释变量，以不良贷款率(nplr)来代表银行的被动风险承担，以风险加权资产比率(rwar)来代表的主动风险承担，以z-score的自然对数(lnz)来代表银行的破产风险。 $cep{u}_t$是本研究中的核心解释变量，系数 ${\beta }_1$代表其对银行不同类别风险承担的作用方向以及大小，是本文中所重点关注的系数。 $X_{it}$是微观层面的控制变量。 ${\alpha }_i$是银行固定效应，控制不随时间变化的个体特征。 $cep{u}_t$是时间序列数据，因而时间无法被控制，因此需要控制宏观层面的因素，记为 $M_t$，具体包括了GDP增长率、资本市场发展水平以及M2增长率。 ${\beta }_0$为截距项， ${\epsilon }_{it}$为随机误差项。

4.3.2. 作用机制检验模型

$Ris{k}_{it}={\beta }_0+{\beta }_{1}cep{u}_t+{\beta }_2{X}_{it}+{\beta }_3{M}_t+\gamma pc{r}_t+\theta cepu\ast pc{r}_t+{\alpha }_i+{\epsilon }_{it}$(3)

模型(3)研究了银行贷款拨备覆盖率对cepu与商业银行风险承担之间的调节作用，pcr表示为贷款拨备覆盖率的调节变量。如在模型(3)当中，如果调节效应明显，则 $cep{u}_t$对银行风险承担的影响系数为 ${\beta }_1+\theta$，θ表示调节变量每变化一个单位， $cep{u}_t$对商业银行风险承担影响强度的变化方向与大小，θ表示该指标调节效应的大小与方向，因而是θ本模型中关心的系数。

5. 实证检验

5.1. 描述性统计

本文对主要变量进行了描述性统计，结果如表1所示。

5.2. 基准回归

经济政策不确定性对银行风险承担的影响结果如表2所示。第(1)列来看，cepu的系数为−0.00429，而且其在5%的水平上显著为负，说明cepu每提高一个单位，rwar将会下降0.00429，这说明中国经济政策不确定性将会抑制银行的主动风险承担，支持基本假设H1b。这可能是因为在经济政策频繁波动的市场环境下，银行高管获取信息的成本不断增加，市场上的银行与企业之间的信息不对称加剧，为了平衡其盈利与风险，银行可能会更加倾向于延迟贷款、延迟证券投资决策，其次也会增加贷款审核的标准，减少信贷供给。第(2)列来看，cepu的系数为−0.00034，且其在5%的水平上显著为负，说明了cepu每增加一个单位，银行的不良贷款比率将会减少0.00034，这说明中国经济政策不确定性将会抑制银行的被风险承担，支持基本假设H2b。这可能是因为，政策不确定性程度上升将会导致企业外部融资成本相对上升，因而企业往往在制定决策时会选择非常保守策略，更加倾向于会延迟对项目的投资，这会显著降低其在当下的投资规模，使得其融资需求减弱，从而减弱了银行的被动风险承担。第(3)列来看，cepu的系数显示为−0.07931，且其在5%的水平上显著，这说明了我国经济政策不确定性将会抑制银行的破产风险，因此支持基本假设H3b。通过前文的分析可知，cepu与rwar以及nplr都呈现显著的负相关关系，可综合分析出经济政策不确定性因素的增多在一定程度上会抑制破产风险。

注：*、**、***分别表示在10%、5%、1%的水平上显著，括号内为标准误，下同。

5.3. 调节效应检验

如表3所示，第(1)列表示贷款拨备覆盖率每上升一个单位，经济政策不确定性对风险加权资产比率的抑制作用显著减少0.00263。第(2)列表示贷款拨备覆盖率每上升一个单位，经济政策不确定性对不良贷款比率的抑制作用显著减少0.00018。第(3)列表示贷款拨备覆盖率每上升一个单位，经济政策不确定性对商业银行破产风险的抑制作用显著减少0.05990。由此验证了假设H4。由上述回归结果可以得到以下结论，第一，在经济政策不确定性因素增加的背景下，市场上的风险与不确定性收益增加，贷款拨备覆盖率越高的银行，其抵御风险的能力也越大，追逐利益的动机也越大，这大大提高了银行从事高风险投资的可能性，所以银行会持有更多的风险等级较高、投资收益率较高的证券，其次，银行也会发放更多的贷款来增加自生的收益，银行的风险资产大幅增加，因此会使得银行的风险大大增加，可以得出结论，贷款拨备覆盖率削弱了经济政策不确定性对主动风险承担的负向影响。第二，即使经济政策不断波动，市场上的不确定性因子不断增加，由于商业银行存在较高的贷款拨备覆盖率，其会认为自身抵御风险的能力较强，过于自信，银行经理人产生误判的概率大大增加，使其将贷款发放给那些未来盈利能力较弱的企业，在面对不确定性时，这一类企业投资项目的未来现金流不确定性增加以及盈利能力大大降低，因此可以得出，贷款拨备覆盖率削弱了经济政策不确定性对被动风险承担的负向影响。综合上述的分析，在经济政策不确定性因素增加的背景下，贷款拨备覆盖率抑制了破产风险受到不确定性的负向影响。

5.4. 稳健性检验

本文中的实证结果显示中国经济政策不确定性确实会显著影响商业银行的风险承担，然而银行风险承担也有可能反过来对中国经济政策不确定性程度产生一定的影响，从现有的实证分析来考察，中国以及美国的经济政策的不确定性之间存在着相对较强的相关性。黄卓等(2018) [26] 的研究结果表明，美国的经济政策不确定性会单方面导致中国经济政策不确定性产生一定波动，即两者间存在较强的相关性。因此，本研究中采用了美国经济政策不确定性指数(uepu)，将其作为工具变量，由此来使用2SLS进行相关的估计。其回归的结果如表4所示。此外本文还对工具变量进行了相关的不可识别检验，可以得出三个Kleibergen-Paaprk LM统计量检验的p值均为0，所以表明了不存在识别不足问题；再进一步进行弱工具变量检验，可以得出在第一阶段所做回归的F值为468.56，且其在1%的水平上显著，所以表明了此法中不存在弱工具变量的问题，并且其最小特征值为212.843，该值也远大于10。更加有力的证明了该工具变量是有效的。且其结果与前文实证结果相一致，说明了前文的研究结论以及方法是稳健且有效的。

注：限于篇幅，省略了控制变量与常数项的回归结果。

6. 结论与启示

第一，经济政策不确定性程度的上升显著抑制了银行主动风险承担，也抑制了银行的被动风险承担。基于银行的角度来看，不确定性会使银行获取信息的成本增加，识别风险的能力减弱，因此银行也会延迟贷款并严格信贷审核标准，因而会倾向于主动削减信贷发放，因而其主动风险承担降低。基于企业角度来看，不确定性会对企业的投资以及融资活动产生负面冲击，为了规避风险，企业会选择延迟投资项目，减少融资，导致市场上的信贷需求大幅减少，使得银行的被动风险承担减少。综合上述两种效应，经济政策波动显著降低了银行破产风险。第二，将贷款拨备覆盖率对银行主动风险承担水平、被动风险承担水平以及破产风险进行调节效应检验。结果表明：1) 银行贷款拨备覆盖率抑制了银行主动风险承担受到不确定性的负向影响，在经济政策不确定性增多的背景下，市场上的风险与不确定性收益大大增加，银行为了追逐利益以及防范风险，会增加带损失准备的计提，提高自身的贷款拨备覆盖率，所以银行会选择去获取更多的风险资产，其主动风险承担增强。2) 银行贷款拨备覆盖率抑制了银行被动风险承担受到不确定性的负向影响，在经济政策不断波动的市场环境下，市场上的信息不对称加剧，当银行贷款损失计提较多时，会自信的认为其抵抗风险能力较强，可能会导致银行经理人产生误判，使其将贷款发放给那些未来预期营收不佳的企业，从而使其被动风险承担增加。3) 综合上述的分析，在经济政策不确定性因素增加的背景下，贷款拨备覆盖率抑制了破产风险受到不确定性的负向影响。

基于以上结论可得以下建议。第一，政府应该充分完善经济政策不确定性的预警体系，使其能够充分预测不确定性所引致的风险，政府需要及时向公众分析不确定性事件对我国经济产生的影响，并在制定好经济政策后，积极地向公众传导其作用机制。第二，经济政策必须保证其一致性与连贯性，避免因经济政策频繁调整而给市场带来较大不确定性，从而影响银行的稳定性，对整个金融体系以及实体经济带来更多的风险，尤其是在政府官员更替后，应该尽量保证所实施的经济政策的连贯性，避免经济政策因现任官员的性格、行为等因素而产生较大的变化。第三，建立健全银行内部风险管理系统，对于银行来说，其在经济政策与实体经济中起着桥梁作用，因而银行需要完善内部风险识别与控制体系，增强识别与应对不确定性的能力，减少不确定性对其所造成的冲击，并牢牢把握不确定所带来的机会。第四，提高对贷款损失准备计提披露的及时性与准确性，使得银行的经营活动更加规范与透明，进一步的缓解市场上的信息不对称问题。

参考文献