政策不確定性對貸款規模和結構的影響

郝奇彥

摘 要：經濟政策不確定性指數是衡量經濟政策不確定性較新的指標，近年來我國經濟政策不確定性指數處于2000年以來中位數以上的較高水平，尤其是新冠肺炎疫情發生后，該指數迅速上升。本文以山西為樣本，將政策不確定性指數作為核心解釋變量，同時依據經濟政策不確定性對信貸的影響機制，引入宏觀控制變量進行模型分析，結果表明經濟政策不確定性與貸款規模負相關，尤其是貨幣政策不確定性對貸款規模有顯著的負向影響，其中對中長期貸款、小微企業貸款、服務業貸款抑制效應更為顯著。該研究對于更好地引導信貸資金服務疫情防控和受疫情影響較大領域，做好“六穩”工作具有現實意義。

關鍵詞：政策不確定性? 經濟發展? 貸款規模? 貸款結構

中圖分類號：F832.4 文獻標識碼：A

1 經濟政策不確定性的定義及衡量

1.1 經濟政策不確定性的定義

政策不確定性為政府政策未來路徑不確定帶來的風險，主要體現在政策制定過程不透明、執行不一致，以及政策效果的不易預測性。經濟政策不確定性則主要針對國家在制定、出臺及實施貨幣政策、財政政策等各項經濟政策時，由于金融市場、企業和個人等經濟主體難以對政策的時間、方式及效果作出事前預期而造成的不確定性，這些政策路徑的無法確定將會引起風險溢價的增加。一般來說，以下兩種方式會產生或加劇經濟政策不確定性：一是來自外部的沖擊，比如金融危機、政黨選舉、政府換屆等;二是經濟體內生的波動（Baker和Bloom）。

1.2 經濟政策不確定性的衡量及指標選取

對于政策不確定性的衡量，早期的研究者直接用政黨內部選舉、政府換屆和地方政府官員的變動等作為政策不確定性的代理變量（賈倩等，2013）。此后，為了避免構建主體的主觀性，以及獲得長期連續的時間序列，Baker和Bloom最早在2013年的工作論文中運用文本分析的方法，基于主流新聞媒體評價，編制了總的經濟政策不確定性指數，用于反映包括中國以及世界其他各主要經濟體的經濟政策不確定性。Yun和Paul（2019）選取了中國內地《北京青年報》《廣州日報》《解放日報》和《人民日報》等10份報紙，基于其中包含的關鍵詞，以同樣的方法編制了全新的中國經濟政策不確定性指數（EPU）、中國財政政策不確定性指數（EPU_Fiscal）、中國貨幣政策不確定性指數（EPU_Monetary）。

2 經濟政策不確定性與經濟發展的相關性

2.1 經濟政策不確定性指數走勢

近年來，經濟金融形勢復雜多變，宏觀調控需要在穩增長、促改革、調結構、惠民生、防風險、保穩定等多項目標間權衡制定，同時也要在面臨“黑天鵝”“灰犀牛”及其他外部變化或沖擊適時調整，由此帶來了一定的政策不確定性。2000年以來，我國經濟政策不確定性指數峰值的出現與政治或經濟事件相關，財政政策不確定性指數、貨幣政策不確定性指數的波動更為明顯，但峰值的出現基本同步，如圖1所示。一些非常事件的發生會引發對于政策的揣測，進而在指數上表現為高數值，如2003年非典疫情、2008年雷曼兄弟倒閉、2016年股市熔斷機制、2017年特朗普就職，以及此次新冠肺炎疫情，2月份前半個月經濟政策不確定性指數出現了明顯上揚，達到了2017年以來的最高值187.46。

2.2 政策不確定性與GDP增速負相關

宏觀調控在促進國民經濟穩定快速發展、熨平經濟周期波動的同時，帶來的政策不確定性會對經濟產生一定的反作用。經濟政策不確定性是影響宏觀經濟波動的重要因素，其指數的增長預示著宏觀經濟的疲軟，全國GDP增速以及山西省的GDP增速均與EPU指數呈負相關，EPU處于上升周期時，全國的GDP增速大致滯后一期開始放緩，山西省GDP增速約為2階滯后且波動幅度更大。2012年以來，經濟政策不確定性指數長期處于2000年以來的中位數以上，整體數值處于較高水平，同期我國以及山西省的經濟整體下行。

2.3 政策不確定性對銀行信貸的影響機制

政策不確定性對信貸的影響機制主要通過兩條鏈條傳導。一是銀行部門作為經濟政策，尤其是貨幣政策發揮作用的中介或紐帶，政策變化會改變商業銀行的風險感知和風險容忍，進而影響其貸款規模、價格、結構等一系列信貸決策，最終作用于實體經濟，形成政策—銀行—居民和企業傳導鏈條。二是政策不確定性較高時，企業的經營決策會受到很大影響，不僅會降低企業的信用供給、縮短信用期限，而且會使企業融資的債務成本增加，公司代理問題惡化等。投資者會受到經濟波動以及政策波動預期的影響減少投資，持有更多的銀行存款，造成銀行流動性充裕，對信貸風險變得不敏感，由此形成政策—居民和企業—銀行傳導鏈條。因此，經濟政策不確定性一方面直接影響銀行放貸行為，另一方面通過影響貨幣持有者（居民和企業）投資或儲蓄決策，間接影響銀行信貸行為，兩者共同作用導致信貸規模及結構隨經濟政策不確定性波動發生變化。

3 政策不確定性對貸款規模和結構影響的實證分析

3.1 研究方法

基于經濟政策不確定性對于銀行貸款的影響機制，本文建立如式（1）的計量模型。

其中Cret表示第t期的貸款規模，回歸模型中取每一期的貸款增量即一階差分Di_Cret。EPU、EPU_Fiscal、EPU_Monetary分別表示綜合經濟政策不確定性指數、財政政策不確定性指數、貨幣政策不確定性指數，為核心解釋變量，將月度指數的簡單平均作為季度政策不確定性的度量，并采用每個季度最后一個月的政策不確定指數得到季度EPU指數、月度EPU指數的加權平均得到季度EPU指數進行穩健性檢驗。同時分別引入山西省GDP同比增長率（SGDP）、貨幣供應量季度同比增速（M2）、山西省宏觀經濟景氣熱度指數（SMEC）、消費者信心指數（CC）、企業家信心指數（EC）以及山西省固定資產投資累計同比增速（SInv），以控制宏觀經濟因素對貸款的潛在影響（相應的數據來源于Wind數據庫、山西省統計局）。采用解釋變量的一期滯后項來緩解潛在的內生性問題。

3.2 政策不確定性對貸款規模的影響

由圖2可以看出，2002年以來山西貸款規模持續增長，增量波動較為明顯，本文取貸款增量作為因變量進行研究。

根據模型式（1），采用逐步回歸，將EPU、EPU_Fiscal、EPU_Monetary作為自變量，如表1所示。第1列為季度政策不確定性取月度政策不確定性簡單平均的回歸結果，加入宏觀變量作為控制變量后，EPU的系數為-0.95，顯著性不強。EPU_Fiscal和EPU_Monetary的系數分別為1.86和-4.15，均在5%水平上顯著。根據第2和第3列的估計結果，該結果較為穩健。結果表明，綜合經濟政策不確定性對貸款規模的負向影響較弱，財政政策和貨幣政策不確定性對貸款規模有顯著影響，從回歸系數看，貨幣政策不確定性對貸款規模的負向影響明顯高于財政政策不確定性帶來的正向影響。因此，在同一階段經濟政策不確定性總體上會對貸款規模產生負向影響。

3.3 政策不確定性對貸款結構的影響

3.3.1 期限結構

長短期融資需求、銀行長短期發放貸款的動機都會影響貸款的期限結構。自2009年第3季度起山西省中長期企業貸款占比超過短期貸款，其中2010—2012年、2018—2019年中長期貸款所占比例較高，均超過60%。

根據模型式（1），分別將企業中長期貸款和短期貸款作為被解釋變量進行回歸，中長期貸款EPU_Fiscal回歸系數為0.86，EPU_Monetary系數為-2.69，均在5%水平上顯著。短期貸款中政策不確定性的各系數均未通過顯著性檢驗。結果表明，政策不確定性對貸款規模的影響在期限結構上存在顯著差異，對中長期貸款的影響顯著于短期，且貨幣政策不確定性對中長期貸款的負向影響高于財政政策不確定性帶來的正向影響，貸款增量受到政策不確定性的抑制影響更為明顯。

3.3.2 規模結構

2012年以來，山西投向中小微企業的貸款不斷增加，2019年末貸款余額較2012年初增長約188%，高于大型企業與中型企業的171%和137%。但從余額占比角度，貸款投放仍主要集中于大型企業，2012年以來，大型企業貸款余額占企業貸款規模的比例保持在46%以上，2019年末這一比例達到最高值53%。

根據模型式（1），分別將大、中、小微企業貸款作為被解釋變量進行回歸分析，對于大型企業，綜合政策不確定性、財政政策不確定性以及貨幣政策不確定性對其貸款規模影響均不顯著。對于中型企業，財政政策不確定性對其有一定的正向作用，回歸系數為2.061，在5%水平上顯著。對于小微企業，貨幣政策不確定性有顯著的負向影響，回歸系數為-2.496，在5%水平上顯著，而財政政策不確定性對小微企業的回歸系數為0.684，正向影響較弱。結果表明，政策不確定性指數上升時，大型企業貸款規模基本不受影響，中型企業貸款規模增加，小微企業貸款規模顯著減少。

3.3.3 行業結構

2012年以來，山西傳統采礦業和制造業的貸款增速逐漸放緩;服務業（包括信息傳輸、計算機服務和軟件業）貸款增加明顯，截至2019年12月末，服務業貸款占貸款總量的比例為27.65%，較2012年初提高11.89個百分點。房地產行業貸款規模在近三年內迅速增長，但增速明顯放緩，2019年底連續三個月環比增速為負;高新技術產業貸款規模有限，但增速較快，2019年四季度的增速均保持在10%以上。

根據模型式（1），分別將農林漁牧業、采礦業、制造業和房地產業、高新技術業貸款規模作為被解釋變量進行回歸分析，采礦業、制造業、服務業和房地產業模型中EPU、EPU_Fiscal的回歸結果不顯著，采礦業、制造業、房地產業的EPU_Monetary系數顯著為正，而服務業模型中EPU_Monetary系數為負，且在5%水平上顯著;農林牧漁業EPU_Fiscal系數為-0.124，EPU_Monetary系數為0.115，均在10%水平上顯著;高新技術產業EPU_Fiscal、EPU_Monetary系數分別為-0.278和-0.294，均在10%水平上顯著。這表明政策不確定性對貸款規模的影響呈現明顯的行業分化，政策不確定性指數上升時，服務業貸款規模顯著降低，農林漁牧業、高新技術業也會受到一定的負向影響，而采礦業、制造業和房地產業貸款規模則會增加。其中，貨幣政策不確定性對行業影響更為明顯，尤其是對服務業貸款規模具有顯著的負向影響。

4 結語

從政策不確定性及其對信貸的影響機制入手，根據政策不確定性指數和宏觀控制變量回歸分析結果，得出以下結論：一是近年來我國綜合經濟政策不確定性、財政政策不確定性和貨幣政策不確定性均在上升，尤其是此次新冠肺炎疫情發生后，政策不確定性明顯提高。二是從對貸款規模的影響看，同一時期，上述三類政策不確定性的影響方向、影響程度不同，其中貨幣政策不確定性對貸款增量的負相關性更為顯著，說明隨著貨幣政策不確定性的提高，市場主體貸款需求走弱、風險敏感度提高，對貸款規模的抑制效應明顯。三是從對期限結構的影響看，三類政策不確定性均對短期貸款影響不顯著，貨幣政策不確定性對中長期貸款的負相關性遠大于財政政策不確定性的正相關性，說明貨幣政策不確定性的提高，削弱了市場主體的中長期投融資行為，中長期貸款供需兩端均偏弱。四是從對貸款規模和行業結構的影響看，異質性明顯，三類政策不確定性均對大型企業貸款影響不顯著，貨幣政策不確定性對小微企業貸款的負相關性強于財政政策不確定性對其的正相關性，其對服務業貸款的負相關性顯著，說明貨幣政策不確定性提高，小微企業和服務業的獲貸率下降。

參考文獻

馬續濤，沈悅.政策不確定性、貨幣政策與銀行風險承擔[J].華東經濟管理，2017，31（05）.

朱軍.中國財政政策不確定性的指數構建、特征與誘因[J].財貿經濟，2017，38（10）.

楊贊，丁立群，張昊群.中國房地產政策不確定性指數的構建[J].中南財經大學學報，2020（01）.

YunHuang，PaulLuk.MeasuringeconomicpolicyuncertaintyinChina[J].ChinaEconomicReview，2020（59）.