经济政策不确定性、银行集中度与银行风险
经济政策不确定性、银行集中度与银行风险周爱民 刘欣蕊
[提 要] 本文基于2007—2018年30家上市商业银行季度面板数据，首次针对不同方面的银行风险，采用固定效应模型详细探讨经济政策不确定性、银行集中度与银行风险之间的关系。研究结果表明：(1)经济政策不确定性会加剧银行经营风险和信用风险，但会降低银行风险承担；(2)银行集中度的上升会导致银行经营风险和信用风险上升，但对银行风险承担的作用不显著；(3)集中度在经济政策不确定性对银行风险的影响中具有调节效应，随着银行集中度上升，经济政策不确定性会更加剧银行经营风险和信用风险，且会进一步减弱银行风险承担。本文采用不同的银行集中度变量并涵盖多种银行风险衡量指标的实证结果均稳健。进而笔者基于实证结果，在银行风险防控方面对政策制定者及监管部门提出一些建议。
[关键词] 经济政策不确定性;银行集中度;银行风险;调节效应
一、引言
2008年金融危机之后，社会各界对系统性金融风险的关注从未停歇。近两年来中央工作会议一直强调防范化解重大风险的问题。十九大报告中明确指出要“守住不发生系统性金融风险的底线”。2018年12月的中共中央政治局会议又继续把“稳金融”放在重要位置。这些都意味着作为我国宏观经济调控的核心环节和实体经济最主要的贷款渠道，我国银行业正处于防范风险的重要时刻，同时也是改革转型的关键时期。中央对银行风险的重视程度提上新高度。
改革开放以来，我国金融业发展显著、变化巨大，其中一个明显的趋势就是金融业开放程度不断加深。2014年中国银监会正式批准深圳前海微众银行、温州民商银行和天津金城银行3家民营银行的筹建申请。截至2017年末，我国共有17家民营银行已开始营业。同时，我国金融体制改革放松了外资银行进入限制，标志着我国银行业对外开放步伐更进一步。这些改革措施激发了市场的活力，但也必然会进一步提高我国银行业的分化程度。随着银行所面临的竞争环境不断复杂，也会对银行业的稳定产生影响。
与此同时，国家初衷在于深化改革开放和促进我国金融业稳定发展所采取的一系列经济政策，在带来改革成果的同时也带来了经济政策的不确定性，这会对银行风险造成深刻影响，却往往易被忽视。在银行业转型以及国家改革措施不断深化的关键时期，研究经济政策不确定性会对不同方面的银行风险带来何种影响，是否如一般直觉认为的那样只会加剧各类银行风险？在当前银行集中度不断下降的市场环境下，经济政策不确定性对银行风险的影响又会发生何种变化？这些问题无论是对我国政策制定机构还是银行本身都有极为重要的作用。经济政策不确定性对不同种类银行风险所带来的不同影响更是事关政策制定机构和监管部门工作的重心和有效性。
针对这些问题，本文选取我国具有代表性的30家上市商业银行12年季度面板数据，同时研究经济政策不确定性和银行集中度对银行风险的影响，并进一步研究集中度在经济政策不确定性与银行风险关系中发挥的作用。
与现有文献相比，本文主要有以下几点贡献。第一，本文跳出片面研究个别经济政策对银行风险影响的局限，首次从一个新的视角，即各项经济政策所连带产生的经济政策不确定性视角研究其对银行风险的影响。第二，本文考虑到银行不同风险类型是对不同风险行为的反应并且也有不同的影响，因此本文对银行风险进行分类，详细探讨经济政策不确定性、银行集中度对不同银行风险的影响。本文实证结果也证实经济政策不确定性对不同种类的银行风险甚至存在截然相反的影响，并非一般所认为的会使银行各类风险上升。第三，本文借鉴现有文献对集中度的不同统计方法，最终采用三种变量对银行集中程度同时进行衡量，且本文实证结果对于不同的集中度变量都显示出高度稳健性。
本文剩余部分安排如下：第二部分对现有相关文献进行回顾并提出主要假设，第三部分构建模型并介绍变量和数据选取情况，第四部分为实证结果，第五部分进行稳健性检验，第六部分总结结论并提出相关建议。
二、文献综述
针对所要研究的问题，本文将从两个方面对相关文献进行文献综述，一是关于经济政策不确定性对于经济的影响，二是关于银行集中度对银行风险的影响。
(一)经济政策不确定性对经济的影响
经济政策不确定性作为近年来才开始被重视的一种不确定性的具体形式，主要反映了政府为了应对经济下行、保持经济稳定而积极作为进行经济政策调整所带来的不可预期的影响。对经济政策不确定性的关注始于2008年经济危机之后。由于对政策效果的预期往往采用经济政策的期望值来表示，而经济危机后各国为了应对经济衰退采取的各项政策工具并没有使经济恢复到预期的效果(顾文涛等，2017)，经济政策不确定性开始引发学术界关注。
有众多学者先后从经济政策不确定性会提高银行利率、引发企业层面不确定性、引起预防性储蓄动机等多个角度论证经济政策不确定性会抑制企业投资(Baum et al., 2009; Kang et al., 2014; Gulen & Ion, 2015)。Bernal et al.(2016)通过对欧元区10个国家2008—2013年的季度面板数据研究发现，经济政策不确定性会影响欧元区内的国家层面的风险溢出效应，并会创造一个加剧异常风险传播的环境。Arouri et al.(2016)利用美国1900—2014的数据对股票市场进行研究，发现经济政策不确定性的提高会显著降低股票收益率，并且这种影响在极端波动期间更加强烈和持续。Bordo et al.(2016)基于美国十几年的数据发现政策不确定性对银行信贷增长有显著的负面影响，并且高经济政策不确定性可能通过银行贷款渠道限制整体信贷增长来减慢美国经济从大衰退中的复苏。Chi & Li(2017)利用中国商业银行面板数据研究经济政策不确定性对银行信贷风险和贷款决策的影响，发现经济政策不确定性会增加银行的信用风险并对贷款规模产生负面影响，并且这种关系受市场化程度影响。Tsai (2017) 通过分析中国、日本、欧洲和美国的经济政策不确定性指数和全球22个股票市场的股票收益率，研究经济政策不确定性对全球股票市场的投资风险的影响，结果表明中国的经济政策不确定性影响力最大，其风险会蔓延到除欧洲以外的其他区域市场。Berger et al.(2020)研究认为经济政策不确定性会通过影响银行流动性持有来危害实体经济。
近年来国内学者也开始意识到与经济政策调整相比，经济政策所带来的不确定性对企业影响更大却易被忽视，并开始认识到经济政策不确定性的重要性(李凤羽和杨墨竹，2015)。同时，与国外学者研究结果类似，饶品贵和姜国华(2011)、谭小芬和张文婧(2017)和顾文涛等(2017)也都发现经济政策不确定性会通过金融摩擦、实物期权以及银行信贷渠道等抑制企业投资。纪洋等(2018)提出经济政策不确定性会导致杠杆率走势分化，使国有企业杠杆率增加而非国有企业杠杆率下降从而加剧中国经济风险，且经济政策不确定性将在较长期内持续发挥作用。刘贯春等(2019)基于此前研究进一步从经济政策不确定性上升会增加投资收益率波动的视角进行分析，认为经济政策不确定性对企业资产投资的抑制作用会随着所处行业资产可逆性的提升而被削弱。宋全云等(2019)通过对大样本微观银行信贷数据的分析也进一步发现，经济政策不确定性会增加企业的银行贷款成本，且在中小型银行贷款的企业成本增加更多，因此经济政策不确定性也会更多地转嫁给中小企业。宫汝凯(2019)认为经济政策不确定性是企业投资决策过程中面临的系统性冲击，是解释中国对外直接投资快速增长的重要视角。
(二)银行集中度对银行风险的影响
现有研究已经表明银行集中度和银行风险之间存在密切关系。但对于二者关系学术界尚存在不同观点，主要可以概括为“集中—稳定”和“集中—脆弱”两种相反的结论。
一部分学者认为较高的集中度有利于银行稳定，即赞同“集中—稳定”理论。支持者主要有如下几个理由：第一，集中度高的银行市场势力更大，往往可以获得更高的利润、更多的资本缓冲来抵御银行风险，同时也可能会获得更高的特许权价值，降低银行从事高风险活动的可能(Matutes & Vives, 2000; Hellmann et al., 2000)。第二，有市场势力的银行能够从事关系型贷款，更多地掌握贷款方情况，降低不确定性(Petersen & Rajan, 1994)。第三，银行集中度高，“规模经济”和“范围经济”效应都更强，使得银行业更稳定(Miralles-Marcelo et al., 2015)。
而另一部分学者则持相反观点，认为较高的集中度不利于银行稳定，即赞同“集中—脆弱”理论。理由大致可以概括为以下几个：第一，“大而不能倒”会获得政府的隐性担保，增加商业银行从事高风险活动的可能(Beccalli et al., 2015)。第二，高集中度使得银行市场势力较大，可以收取更高的贷款利率，这会使得企业更容易从事高风险活动，从而提高银行风险(Boyd et al., 2009)。第三，集中度低的时候银行规模整体偏小，易于监管(Cetorelli et al.,2007)，而集中度高的时候银行规模大，复杂性高，监管困难(Beck et al., 2006)。
国内关于集中度与银行风险的研究相对较少，陈伟光和李隽(2007)的研究结果支持“集中—稳定”理论，杨天宇和钟宇平(2013)的研究结论支持“集中—脆弱”理论。申创(2018)基于我国2005—2015年101家商业银行的非平衡面板数据，研究认为集中度与银行风险存在非线性关系，且我国银行业近年来的集中度指数处于“集中—脆弱”区域，即集中度下降会减低银行风险。
综上可知，关于集中度对银行风险的影响作用，现有文献采用不同样本和不同方法得出的结论有很大区别。而对于经济政策不确定性，现有研究主要认为其会抑制企业投资并可能从多个角度影响经济发展。但是目前学术界针对经济政策不确定性对银行风险的研究较为缺乏，有关经济政策不确定性对银行各类风险的全面研究则几乎没有。而在目前这个银行转型发展以及政策发生巨大变化的关键时期，研究经济政策不确定性对银行不同方面风险的不同影响事关银行风险的防控重心，结合当下金融开放趋势探讨集中度在二者关系中发挥的作用更是重要。所以本文研究经济政策不确定性和集中度对银行风险的影响，并进一步研究集中度在经济政策不确定性与银行风险关系中所发挥的作用。
三、实证模型构建
(一)研究模型
对于蛋鸡料，适宜的粒度为7～18目。由表3可知，经对照组粉碎的蛋鸡料粒度在7～18目的比例为（39.03±1.36）%；采用试验组制备得到的蛋鸡料，适宜的粒度占到的比例达到（55.57±1.26）%，且粒度分布符合理想粒度的要求。
riskit=β0+β1eput+β2controlit+vit+μi
(1)
riskit=β0+β1eput+β2hhit+β3controlit
+vit+μi
(2)
riskit=β0+β1eput+β2eput×hhit
+β3controlit+vit+μi
(3)
式中,riskit为第i家银行第t年的银行风险，衡量指标分别为Z值、不良贷款率和风险加权资产比；eput为第t年的经济政策不确定性；hhit为第t年所有银行都面临的银行集中度，分别以资产、存款和贷款占比三种指标计算得出；controlit为模型的控制变量；vit为随机扰动项；μi为个体固定效应。同时，本文还在模型中加入了经济政策不确定性与银行集中度的交互项epu×hhi，用来考察在不同集中度情况下经济政策不确定性对银行风险的影响。
(二)变量选取
1.银行风险指标。银行风险分为多种，不同种类的银行风险衡量的侧重点有很大不同，也会对银行产生不同的影响，因此并不能完全相互替代。本文改良了以往多数文章将银行风险不加分类的方式，将银行风险主要分为以下三类：经营风险、信贷风险和主动风险承担。其中经营风险事关银行破产的可能性；信贷风险涉及银行最主要的贷款业务的稳定性问题，是金融风险防控的关键性问题；银行风险承担体现银行对风险的感知和偏好，直接影响银行风险行为，是自2008年经济危机以来被重点关注的问题。
本文参考以往文献研究，将Z值(zscoreit)和不良贷款率(nplit)作为银行经营风险和信贷风险的代理变量(杨天宇和钟宇平，2013；赵胜民和何玉洁，2019)，将风险加权资产比作为银行风险承担的代理变量(方意，2015)。
width=88,height=40,dpi=110
(4)
式(4)为Z值计算公式，分子为资产收益率(roa)的标准差，分母为资产收益率(roa)与权益资产比(ea)之和。银行风险会随着收益率波动率(roa的标准差)的提高而加剧，并随着资产收益率和权益资产比的提高而下降，因此Z值越大，银行经营风险越大。本文资产收益率经过滚动处理计算出标准差以增加变动幅度，避免Z值的变动完全受分母变化的影响。同时，风险加权资产由风险加权资产与总资产的比值计算得出，用于衡量银行风险承担。其中，风险加权资产=权益/资产充足率。
2.经济政策不确定性指数。对于经济政策不确定性的衡量，以往多采用收益波动率或特定经济政策波动率等间接衡量的方法，但这种方式很难全面衡量银行所面临的经济政策不确定性。本文采用目前在经济政策不确定性衡量方面被广泛采用的基于新闻索引测算的经济政策不确定指数(Baker et al.,2016)，这种方式也是目前被欧美其他国家普遍采取的方式。
具体而言，笔者检索《南华早报》的每日新闻内容并筛选出同时具有“中国”“经济政策”和“不确定”三个关键词的新闻作为相关新闻，并计算出每个月经济政策不确定性相关新闻的总数，然后用当月该报的文章总数做标准化得出月度经济政策不确定性指数。其后Baker et al.(2016)也通过人工阅读的方式来检验计算机筛选结果，证实结果准确度极高。自此，全面、定量的描述经济政策不确定性得以实现。
本文将首先对月度数据进行简单算数平均得出经济政策不确定性季度数据，也将在后文借鉴Gulen & Ion (2015) 对月份赋予权重的方法计算季度数据以检验实证结果的稳健性。
3.银行集中度指标。目前衡量银行集中度主要有两种方式，一是计算排名前N家银行总资产占总行业资产的比重CRN(刘春志等，2016)，这种方法计算起来比较简便。但由于该方法只考虑了行业中最大前N家银行的情况而本文样本银行较多，衡量不够全面，故本文借鉴杨天宇和钟宇平(2013)和申创(2018)的做法，采用计算行业中所有银行的市场份额的平方和的赫芬达尔指数(hhi)作为银行业集中度的指标。计算公式如下：
width=108,height=39,dpi=110
(5)
式中，n=30；分子 Xi为第i家银行的总资产，分母X为30家上市商业银行的总资产，二者相除的结果为第i家银行的市场占有率。
现有实证文献对于占有率的衡量方式主要有资产份额、存款份额以及贷款份额三种，对应可以计算得出赫芬达尔资产指数(hhi_a)、赫芬达尔存款指数(hhi_d)和赫芬达尔贷款指数(hhi_l)。指数越大市场份额越高，银行集中度也越高。
4.控制变量。在控制变量的选取方面，本文借鉴现有文献，在银行个体特征方面选取总资产增长率(agr)控制银行资产规模发展情况，选取总资产收益率(roa)和资本充足率(car)来控制银行盈利能力和偿债能力，选取权益资产比(ea)和贷款资产比(la)来控制银行资本结构状况。另外，在宏观经济环境方面，选取居民消费价格指数(cpi)、国内生产总值(gdprate)、贷款基准利率(mp)控制经济发展情况和通货膨胀情况。
本文数据为我国30家上市商业银行2007—2018年季度面板数据，样本涵盖5家大型国有商业银行、8家全国性股份制商业银行和17家城市商业银行，本文经济政策不确定性指数来自Baker et al.(2016)，其余数据来自Wind数据库。
本文变量的定义及计算方法见表1。
表1 变量定义及计算方法
width=736,height=444,dpi=110
(三)描述性统计分析
表2为本文所选变量的描述性统计，从表2可以看出，我国商业银行在风险以及资产规模、资本结构上存在较大差异。
表2 描述性统计
width=736,height=442,dpi=110
说明：npl单位为小数。
四、实证结果分析
(一)经济政策不确定性与银行风险
表3报告了式(1)的回归结果。列(1)～列(3)的被解释变量分别分z值、不良贷款率和银行风险承担。在列(1)和列(2)中，经济政策不确定性在1%的水平上均显著为正，说明经济政策不确定性与银行经营风险和信贷风险显著正相关，经济政策不确定性越高，银行经营风险和信贷风险越高。经济政策不确定性上升往往伴随着经济增长缓慢、宏观经济下行，使得银行贷款增长疲软(Bordo et al., 2016)。而贷款利息收入作为银行主要的传统收入来源，其收入的不稳定会导致银行现金流不稳定并损害银行自身抵御风险的能力，使银行经营产生波动。另外，由于我国商业银行由国家政策主导，宏观经济政策的不稳定必然会引起微观银行经营决策的相应变化。这也是银行经营风险上升的原因。
表3 经济政策不确定性对各类银行风险的影响
width=372,height=539,dpi=110
注：***表示p<0.01, **表示 p<0.05, *表示p<0.1。
经济政策不确定性引发的宏观经济下行，不但会对银行经营造成负面影响，也会危害到微观企业经营。而我国的融资方式主要以间接融资为主导，银行是企业融资的最基本和最主要的途径。宏观经济下行会使企业整体经营出现困难，这会严重影响到银行贷款的回收情况，使银行信贷风险提升。同时，伴随着经济下行银行贷款收入受到冲击，银行为了弥补传统存贷款利息收入下降而开展的收入结构多元化，在创造了非利息收入的同时，也会提高银行的经营风险和信贷风险(翟光宇和何玉洁，2016)。
在列(3)中，经济政策不确定性系数在1%水平上显著为负，这说明，与银行经营风险和信贷风险不同，经济政策不确定性上升显著降低了银行风险承担。这主要是由于一方面经济政策不确定性上升使银行外部风险增加，银行自身会减低风险偏好规避风险；另一方面经济政策不确定性冲击也会对GDP、投资、消费和价格带来负面影响(金雪军等，2014)，使房地产等资产抵押物价格下跌，导致银行风险偏好下降，从而降低银行风险承担。
经济政策不确定性上升会加剧银行经营风险和信贷风险，但会降低银行风险承担，说明经济政策不确定性的上升对银行不同方面风险的影响是完全不同的。以Z值衡量的银行经营风险和以不良贷款率衡量的信贷风险主要衡量银行被动承担的风险，即银行经营状况和已经放出去的贷款在不利的宏观经济因素影响下被动地出现经营及贷款违约问题。而以风险加权资产比衡量的银行风险承担则主要衡量的是银行的主动风险偏好。经济政策不确定性上升会损害银行现行的经营业务并恶化已发放贷款的回收情况，使得银行被动地承担更多风险，而这反而使得银行降低了风险偏好，收紧信贷标准，抑制银行主动的风险承担。经济政策不确定性上升使得银行风险被动性上升，但银行风险主动性承担下降。
(二)银行集中度与银行风险
本文将在模型中分别加入三种集中度指数，研究集中度对经营风险、信贷风险、风险承担这三类银行风险的影响。
1.银行集中度与银行经营风险。表4汇报了经济政策不确定性、银行集中度对银行经营风险(z值)影响的实证结果。列(1)～列(6)的解释变量均为z值，其中列(1)～列(3)为式(2)的计量结果，研究三种银行集中度指标与银行经营风险的影响；列(4)～列(6)为式(3)的实证结果，将在后文分析集中度在经济政策不确定性方面对银行经营风险的影响中发挥的调节效应。
表4 经济政策不确定性、银行集中度对银行经营风险(Z值)的影响
width=736,height=715,dpi=110
注：*** 表示p<0.01, **表示 p<0.05, *表示p<0.1。
由实证结果可知，在列(1)～列(3)中分别加入赫芬达尔资产指数、赫芬达尔存款指数和赫芬达尔贷款指数三种银行集中度指数后，不但没有改变经济政策不确定性对于银行经营风险的显著正向影响，且三种集中度指数均与银行经营风险显著正相关。这说明采用不同计算方法得出的银行集中度指数均与银行经营风险显著正相关，即银行集中度越高，银行经营风险越高。
实证结果在经营风险层面明确地支持了“集中—脆弱”理论。这也与近年来我国金融体制改革中逐步放宽银行业准入、批准民营银行建设运营、允许外资有序进入和中方合作等一系列提高银行业分散化程度的政策措施相一致。这将有助于降低银行经营风险。此外，从列(1)～列(3)也可以看出资本增长率始终与银行经营风险显著正相关，这可能是因为资本增长率和资本收益率高的银行更易开展多元化业务，增加了银行经营风险。贷款基准利率与银行经营风险显著负相关，说明货币政策松紧度与银行经营风险正相关，紧缩的货币政策会降低银行经营风险，宽松的货币政策会增加银行经营风险。低利率等宽松的货币政策易降低银行对风险的感知度从而引发经营问题。
2.银行集中度与银行信贷风险。表5汇报了经济政策不确定性、银行集中度对银行信贷风险(npl)影响的实证结果。列(1)～列(6)的解释变量均为npl值，其中列(1)～列(3)为式(2)的计量结果，研究三种银行集中度指标对银行信贷风险的影响；列(4)～列(6)为式(3)的实证结果，将在后文分析集中度在经济政策不确定性方面对银行信贷风险影响中发挥的调节效应。
表5 经济政策不确定性、银行集中度对银行信贷风险(npl)的影响
width=736,height=659,dpi=110
注：***表示p<0.01, **表示 p<0.05, *表示p<0.1。
在列(1)～列(3)中分别加入三种银行集中度指标。由实证结果可知，银行集中度的加入没有改变经济政策不确定性对银行信贷风险的显著正向影响，且三种集中度指标系数均显著为正。说明与经营风险类似，集中度与银行信贷风险显著正相关。银行集中度越高，银行信贷风险越大，这在信贷风险层面支持了“集中—脆弱”理论。这主要是因为高集中度使银行市场势力更大，因而有更强的议价能力收取更高的贷款利率。而较大的利息负担使得企业风险偏好提高，提高了企业的违约概率，进而引发银行信贷风险(Boyd et al.,2009)。
通过分析表3和表4列(1)～列(3)可以看出，银行集中度对以z值衡量的银行经营风险和以不良贷款率衡量的银行信贷风险这两种被动风险的影响基本相似，即银行集中度会显著加剧银行被动风险承担。
3.集中度与银行风险承担。表6汇报了经济政策不确定性、银行集中度对银行风险承担(riasrate)影响的实证结果。列(1)～列(6)的解释变量均为银行风险承担，其中列(1)～列(3)为式(2)的计量结果，研究三种银行集中度指标对银行风险承担的影响；列(4)～列(6)为式(3)的实证结果，将用于在后文分析集中度在经济政策不确定性方面对银行风险承担影响中发挥的调节效应。
由表6实证结果可以看出，列(1)～列(3)分别加入银行集中度三种指标后，经济政策不确定性系数的符号和显著性与上文实证结果一致，但三种银行集中度系数均不显著。这说明银行集中度的加入不会改变上文经济政策不确定性会加剧银行风险承担的基本结论，但银行集中度与银行风险承担关系不显著。这可能是因为在银行集中度高的情况下，一方面“大而不能倒”使得政府因担心大银行倒闭对经济造成重大负面影响而对大银行提供隐性担保，提高了大银行从事高风险活动的可能性(Cordella & Yeyati, 2002)。但另一方面高集中度也使得银行“特许权价值”和“规模经济”效应更强(Miralles et al., 2015)，此时银行承担风险的成本较高，因此银行进行高风险或投机活动这类风险的偏好降低，并抵消了因政府隐性担保而从事高风险活动的可能，所以集中度对银行风险承担影响不显著。
表6 经济政策不确定性、银行集中度对银行风险承担(riasrate)的影响
width=736,height=669,dpi=110
注：***表示p<0.01, **表示 p<0.05, *表示p<0.1。
由上文集中度对三种银行风险的实证分析可以看出，集中度对不同方面的银行风险影响是不同的。集中度上升会使银行被动地承担经营风险和信用风险，但没有显著影响银行主动的风险承担。因此，这可以说明集中度上升导致银行风险上升主要源于银行被动地承担了风险，而非由于银行仰仗政策支持而放松信贷标准、进行高风险投资等主动风险承担行为。
(三)集中度在经济政策不确定性与银行风险关系中的调节作用
表4～表6的列(4)～列(6)分别加入了经济政策不确定性和三种银行集中度指标的交互项。由实证结果可知，在以不同银行风险作为解释变量的回归中，epu与三种银行集中度指标的交互项均非常显著。由于交互项的引入，此时经济政策不确定性对银行风险的影响不能再单纯通过一次项的系数来判定，而应通过下式来计算银行风险对经济政策不确定性的偏导数来计算边际影响：
width=31,height=37,dpi=110=β1+β2hhit
(6)
以表4中解释变量为银行经营风险(z值)、集中度指标为赫芬达尔存款指数的列(5)为例(其余列同理)，用式(6)可求得经济政策不确定性对银行经营风险的边际影响为：
width=31,height=37,dpi=110=β1+β2hhit
=-1.567 9+13.137 1×hhi_d
(7)
将表2中hhi_d的均值0.147 7带入式(7)可得边际影响为0.37，明显大于0。同理可以计算得出，经济政策不确定性对银行信贷风险的边际影响也均为正值。而经济政策不确定性对银行风险承担的影响为负。由此可见，加入集中度与经济政策不确定性交互项，在集中度处于均值情况下，经济政策不确定性对各类银行风险的影响仍与上文一致，集中度的加入并没有改变基本结论，实证结果稳健。
同时，从表4和表5的列(4)～列(6)可以看出，在被解释变量为银行经营风险和信贷风险的回归中，经济政策不确定性和银行集中度的交互项均显著为正。这说明随着银行集中度的上升，经济政策不确定性会进一步加剧银行的经营风险和信贷风险。这是因为集中度的上升会使大银行“大而不能倒”地位上升，政府给予的隐性担保相应增加，从而也使大银行所承担的行政职能有所增加，因此其经营决策受国家政策影响增大。而当处于经济政策不确定性较大的时期，大银行经营决策受宏观经济波动影响也更为剧烈，并导致银行经营风险上升。同时集中度上升提高了银行的市场势力，银行有着更强的议价能力从而提高贷款利率。这使得处于经济下行环境中本就经营困难的企业利息负担增加，提高了企业的风险偏好也增加了企业的违约概率，进而引发银行信贷风险。
而表6列(4)～列(6)中经济政策不确定性和银行集中度交互项系数显著为负，说明与银行经营风险和信贷风险不同，银行集中度上升会进一步降低银行风险承担。这主要是由于经济政策不确定性使得银行外部风险增加，同时高集中度使得商业银行“特许权价值”和“规模经济”都更高，此时银行承担风险的成本提高。因而此时银行更倾向选择规避风险，银行风险承担进一步降低。
图1分别为经济政策不确定性对银行经营风险、信贷风险和风险承担的边际效应，横轴为赫芬达尔存款指数，实线部分为置信区间。由集中度调节效应图可以看出，在集中度的取值区间内(0.12～0.42)，银行集中度上升会进一步加剧经济政策不确定性对银行经营风险和信贷风险的正向影响，但会进一步减弱银行风险承担，与上文的分析结果一致。
width=698,height=176,dpi=110
图1 经济政策不确定性对各类银行风险的边际影响
由此也可以看出，与集中度对风险的影响因风险类型不同而异类似，集中度在经济政策不确定性对银行风险的影响中发挥的调节作用也因银行风险类型的不同而发生变化。随着集中度上升，经济政策不确定性加剧了银行的被动风险承担，相反会进一步降低银行主动风险承担。可见，随着银行集中度的提高，经济政策不确定性加剧的银行风险主要来源于银行行政地位上升、受经济政策影响剧烈所带来的经营不稳定的问题，以及不利的宏观环境下贷款企业的“信用风险”问题。与上文对于集中度主要增加银行经营风险和信贷风险这类被动风险承担的分析结论一致。
此外，从式(7)也可以看出，经济政策不确定性对银行经营风险的边际影响并不一定是正值。令式(7)等于0，可以求得集中度指数的临界值为0.119。这意味着当集中度大于临界值的时候，由上文分析可知随着集中度上升，经济政策不确定性会加剧银行的经营风险和信贷风险，降低银行风险承担。但当银行集中度小于临界值的时候，随着集中度上升，经济政策不确定性会降低银行经营风险，同理也会降低银行信贷风险，并加剧银行风险承担。这说明经济政策不确定性对银行风险的边际影响并非一成不变，而是随着集中度的增加，在集中度临界值会对银行各项风险发生一个反转效应。即，与上文所分析的一般情况相反，当集中度低于临界值时，经济政策不确定性与银行经营风险和信贷风险呈反向关系，与银行风险承担呈正向关系，而这种关系随着银行集中度上升会在临界值发生反转。这可能是由于在银行集中度极低的情况下，银行整体数量多，规模小，便于监管，且经济政策不确定性大的时期往往也对应监管政策不断变化和完善的时期，所以此时银行经营风险和信贷风险会降低，而此时承担风险的边际收益较高，银行更倾向于承担风险以增加利润。但在本文，集中度的最小值为0.12，大于临界值，因此不存在小于临界值的情况。
五、稳健性分析
除上文对银行集中度指标采取三种不同的计算方式分别进行回归，实证结果一致性极高且均显示结果稳健外，本文进一步进行稳定性检验。
(一)更改经济政策不确定性的计算方法
上文经济政策不确定的季度指数是通过对月度经济政策不确定性指数进行简单算数平均得出，在稳健性检验部分本文将改变经济政策不确定性季度指数的计算方法。本文借鉴Gulen & Ion (2015) 对经济政策不确定指数按月度先后顺序赋予权重，将每一季度中的三个月分别按1/6，1/3，1/2的比重进行加权得到季度数据，对上文回归结果进行稳健性检验，实证结果见表7～表9。新回归的实证结果与基准回归的结论完全一致。
表7 对银行经营风险(Z值)的稳健性检验
width=736,height=404,dpi=110
注：***表示p<0.01, **表示 p<0.05, *表示p<0.1。
表8 对银行信贷风险(npl)的稳健性检验
width=736,height=339,dpi=110
注：***表示p<0.01, **表示 p<0.05, *表示p<0.1。
表9 对银行风险承担(riasrate)的稳健性检验
width=736,height=339,dpi=110
注：***表示p<0.01, **表示 p<0.05, *表示p<0.1。
(二)经济政策不确定性的内生性检验
考虑到银行风险和银行风险承担与经济政策不确定性之间可能存在反向因果关系，而通常情况下，我国银行风险不会直接对外国的经济政策不确定性产生影响，但由于我国贸易进出口占国民生产总值比重较大且我国也在循序渐进地扩大开放，与国外经济联系日益密切，外国的经济政策不确定性可以与我国经济政策不确定性直接相关。这表明外国经济政策不确定性可以满足本文的工具变量的要求。所以，为了解决经济政策不确定性可能存在的内生性问题，并考虑到中国经济政策不确定性会受到其他主要经济体经济政策不确定性影响，本文借鉴彭俞超等(2018)以及周爱民和刘欣蕊(2020)的做法，使用二阶最小二乘法(2SLS)，并选取全球、美国、欧盟、日本和俄罗斯这五个具有代表性经济体的经济政策不确定性指标作为我国经济政策不确定性指标的工具变量。新的回归结果与上文主要结论一致性极高，只有集中度对银行信贷风险的影响在符号没有发生变化的情况下变为显著，但因其显著程度偏低且是与前文多种方法得出的实证结果唯一不同之处，这正是其不稳健的一种表现，因此不会对本文主要结论造成影响。
同时，本文还进行了弱工具变量检验，以确定以这五个具有代表性的经济体经济政策不确定性指标作为我国经济政策不确定性指标的工具变量是否是合适的。通过回归结果也可以看出，一阶段F统计量远超过临界值10(Stock & Yogo，2002)，说明不存在弱工具变量的问题。本文假设得到了进一步验证。(1)限于篇幅，稳健性检验结果备索，下同。
(三)财务指标的内生性检验
由于同期指标可能会互相影响，从而使得实证模型中同期的解释变量与被解释变量出现互为因果的关系。因此，本文进一步对解释变量中的财务指标进行滞后一期处理，然后对被解释变量重新进行回归，以保证本文实证结果的稳健性。结果表明，对模型解释变量中的财务指标进行滞后一期处理不会改变本文主要结论，因此本文实证结果稳健。
通过对银行集中度选取不同指标，以及变换经济政策不确定性指数季度数据的构造方法，选取工具变量以及将财务指标滞后一期进行处理多种方法分别重新回归，进行稳健性检验。本文关于经济政策不确定性和集中度对银行风险的影响的各项结论没有改变，实证结果稳健。
六、结论和建议
银行作为我国实体经济融资的最基本渠道和宏观经济调控的重要环节，其风险问题关乎整个金融系统的稳定和发展。金融危机之后我国对于银行风险的认识日益全面，也出台了很多相关政策措施进行防控。这些政策在产生效果的同时随之也带来一定的经济政策不确定性。本文以一个新的视角，从经济政策不确定性入手研究其对银行风险的影响。同时使用不同计算方法对集中度进行计算并细化银行风险分类，进一步研究在不同集中度下，经济政策不确定性对各类银行风险的影响。
本文的实证结果表明，经济政策不确定性并非使银行所有的风险都上升，只会使银行被动承担更多的经营风险和信用风险，但银行主动的风险承担会随着经济政策不确定性的上升而下降，从而规避风险。同时，银行集中度的上升会导致银行经营风险和信用风险上升，但对银行风险承担的作用不显著。这在银行被动风险承担方面支持了“集中—脆弱”理论，也意味着经济政策不确定性以及银行集中度对银行风险的影响不能一概而论。经济政策不确定对于不同种类的银行风险存在截然不同的影响，因此，政府在调整经济政策和监管部门在决定银行进入管制程度时，应全面考虑其所带来的经济政策不确定性对银行不同风险的影响，着重关注银行的经营风险和信用风险。
此外，实证结果也表明，集中度在经济政策不确定性对银行风险的影响中具有调节效应，随着银行集中度上升，经济政策不确定性会加剧银行经营风险和信用风险，但会减弱银行风险承担。这意味着在改革发展转型期这段经济政策不确定性较高的时期，出于对银行经营风险和信用风险的管控，此时不应该试图通过提高银行集中度来稳定银行发展，而应该进一步推进民营银行的建设，降低银行集中度，这也与我国目前的改革发展趋势相一致。而集中度下降过程中银行风险承担更易上升，因此应加强对银行主动风险承担的监管力度。
参考文献
陈伟光、李隽, 2007：《商业银行体系稳定性与竞争程度之测度研究》，《现代财经》第4期。
方意, 2015：《货币政策与房地产价格冲击下的银行风险承担分析》，《世界经济》第7期。
宫汝凯，2019：《转型背景下的政策不确定性与中国对外直接投资》，《财经研究》第8期。
顾文涛、潘莉燕、李恒奎, 2017：《经济政策不确定性、银行信贷与企业投资: 基于企业异质性视角的实证分析》，《投资研究》第2期。
纪洋、王旭、谭语嫣、黄益平，2018：《经济政策不确定性、政府隐性担保与企业杠杆率分化》，《经济学(季刊)》第2期。
金雪军、钟意、王义中，2014：《政策不确定性的宏观经济后果》，《经济理论与经济管理》第2期。
李凤羽、杨墨竹，2015：《经济政策不确定性会抑制企业投资吗？——基于中国经济政策不确定性指数的实证》，《金融研究》第4期。
刘春志、张雪兰、陈亚男，2016：《信用信息分享、银行集中度与信贷供给——来自165个国家和地区(2004—2013)的经验证据》，《国际金融研究》第12期。
刘贯春、段玉柱、刘媛媛，2019：《经济政策不确定性、资产可逆性与固定资产投资》，《经济研究》第8期。
彭俞超、韩珣、李建军，2018：《经济政策不确定性与企业金融化》，《中国工业经济》第1期。
饶品贵、姜国华，2011：《货币政策波动、银行信贷与会计稳健性》，《金融研究》第3期。
申创，2018：《市场集中度、竞争度与银行风险的非线性关系研究》，《国际金融研究》第6期。
宋全云、李晓、钱龙，2019：《经济政策不确定性与企业贷款成本》，《金融研究》第7期。
谭小芬、张文婧，2017：《经济政策不确定性影响企业投资的渠道分析》，《世界经济》第12期。
杨天宇、钟宇平，2013：《中国银行业的集中度、竞争度与银行风险》，《金融研究》第1期。
翟光宇、何玉洁，2016：《商业银行应加速收入结构多元化吗》，《财经科学》第9期。
赵胜民、何玉洁，2019：《宏观金融风险和银行风险行为关系分析——兼论宏观审慎政策和微观审慎监管政策的协调》，《中央财经大学学报》第6期。
周爱民、刘欣蕊，2020：《经济政策不确定性、银行竞争与银行收入多元化》，《当代经济科学》第2期。
Arouri, M., C.Estay, C.Rault, and D.Roubaud, 2016, “Economic Policy Uncertainty and Stock Markets: Long-run Evidence from the US”, Finance Research Letters, 18, 136-141.
Baker, S.R., N.Bloom, and S.J.Davis, 2016, “Measuring Economic Policy Uncertainty”,The Quarterly Journal of Economics, 131(4), 1593-1636.
Baum, C.F., M.Caglayan, and N.Ozkan, 2009, “The Second Moments Matter: The Impact of Macroeconomic Uncertainty on the Allocation of Loanable Funds”, Economics Letters, 102(2): 87-89.
Beccalli, E., M.Anolli, and G.Borello, 2015, “Are European Banks Too Big? Evidence on Economies of Scale”,Journal of Banking & Finance, 58: 232-246.
Beck, T., A.Demirgüç-Kunt, and R.Levine, 2006, “Bank Concentration, Competition, and Crises: First Results”, Journal of Banking & Finance, 30(5): 1581-1603.
Berger, A.N., O.Guedhami, H.H.Kim, and X.Li, 2020, “Economic Policy Uncertainty and Bank Liquidity Hoarding”, Journal of Financial Intermediation, Forthcoming.
Bernal, O., J.Y.Gnabo, and G.Guilmin, 2016, “Economic Policy Uncertainty and Risk Spillovers in the Eurozone”, Journal of International Money and Finance, 65: 24-45.
Bordo, M.D., J.V.Duca, and C.Koch, 2016, “Economic Policy Uncertainty and the Credit Channel: Aggregate and Bank Level Us Evidence over Several Decades”, Journal of Financial Stability, 26: 90-106.
Boyd, J.H., G.De Nicolò, and E.Loukoianova, 2009, “Banking Crises and Crisis Dating: Theory and Evidence”, Imf Working Papers.
Cetorelli, N., B.Hirtle, D.P.Morgan, S.Peristiani, and J.A.Santos, 2007, “Trends in Financial Market Concentration and Their Implications for Market Stability”, Economic Policy Review, 13(1):33-51.
Chi, Q., and W.Li, 2017, “Economic Policy Uncertainty, Credit Risks and Banks’ Lending Decisions: Evidence from Chinese Commercial Banks”, China Journal of Accounting Research, 10(1): 33-50.
Cordella, T., and E.L.Yeyati, 2002, “Financial Opening, Deposit Insurance, and Risk in a Model of Banking Competition”, European Economic Review, 46(3): 471-485.
Gulen, H., and M.Ion, 2015, “Policy Uncertainty and Corporate Investment”, The Review of Financial Studies, 29(3): 523-564.
Hellmann, T.F., K.C.Murdock, and J.E.Stiglitz, 2000, “Liberalization, Moral Hazard in Banking, and Prudential Regulation: Are Capital Requirements Enough?”, American Economic Review,90(1): 147-165.
Kang, W., K.Lee, and R.A.Ratti, 2014, “Economic Policy Uncertainty and Firm-level Investment”, Journal of Macroeconomics, 39: 42-53.
Matutes, C., and X.Vives, 2000, “Imperfect Competition, Risk Taking, and Regulation in Banking”, European Economic Review, 44(1): 1-34.
Miralles-Marcelo, J.L., M.Del Mar Miralles-QuiróS, and J.L.Miralles-QuiróS, 2015, “Improving International Diversification Benefits for US Investors”, The North American Journal of Economics and Finance, 32: 64-76.
Petersen, M.A., and R.G.Rajan, 1994, “The Benefits of Lending Relationships: Evidence from Small Business Data”, The Journal of Finance, 49(1): 3-37.
Stock, J.H., and M.Yogo, 2002, “Testing for Weak Instruments in Linear Iv Regression”, Identification and Inference for Econometric Models: Essays in Honor of Thomas Rothenberg.
Tsai, I.C., 2017, “The Source of Global Stock Market Risk: A Viewpoint of Economic Policy Uncertainty”, Economic Modelling, 60: 122-131.
ECONOMIC POLICY UNCERTAINTY, BANK CONCENTRATION AND BANK RISK
ZHOU Ai-min LIU Xin-rui
(School of Finance, Nankai University)
Abstract: Based on the quarterly panel data of 30 listed commercial banks in 2007-2018, this paper discusses the relationship between economic policy uncertainty, bank concentration and different kinds of bank risk. The research results show that: (1) Economic policy uncertainty will increase operation risk and credit risk of banks, but it will reduce banks’ risk-taking. (2) Bank concentration will increase operation risk and credit risk of banks, but its impact on banks’ risk-taking is not significant. (3) Bank concentration can moderates the impact of economic policy uncertainty on bank risk. As bank concentration increases, economic policy uncertainty will further increase operation risk and credit risk of banks, but it will further weaken banks’ risk-taking. This paper uses different bank concentration variables and covers a variety of bank risk measurement indicators, showing the results are highly robust. Based on the empirical results, this paper gives some suggestions to policy makers and regulatory authorities on bank risk prevention and control.
Key words: economic policy uncertainty; bank concentration; bank risk; moderating effect
页:
[1]