貨幣政策不確定性會影響銀行貸款質量嗎？
——基于中國123家商業銀行的證據

顧海峰 高水文

(東華大學，上海 200051)

一、問題提出

為應對紛亂復雜的內外部經濟環境，政府需要靈活使用各種貨幣政策工具調控經濟，并需要在維持物價穩定、促進經濟增長的最終目標與保證就業率、促進金融市場發展、平衡國際收支以及配合財政政策等多個短期目標之間進行相應調整，由此引發的政策性意外沖擊以及市場參與主體不能準確預知貨幣政策變化的情形，即為貨幣政策不確定性(Greenspan，2003)。貨幣政策不確定性主要源于兩個方面：一是意外沖擊事件或劇烈市場波動超過貨幣政策制定當局的預期帶來貨幣政策調整的不確定性；二是市場參與主體由于認知能力有限未能預測到貨幣政策發生變化引致的市場波動。

銀行部門是聯結實體經濟與金融發展的重要橋梁，也是貨幣當局進行貨幣政策調控最重要的依托部門。當前，銀行貸款依然是中國企業籌措資金的主要來源，而信貸渠道是貨幣政策發揮作用的最重要渠道之一，銀行微觀行為符合監管規范則是貨幣當局實施貨幣政策及宏觀審慎政策的前提。國家實施相關貨幣政策積極引導金融為實體經濟服務，緩解實體企業融資約束程度，增加對企業的信貸支持力度，而與信貸擴張同時發生的便是銀行業不良貸款率節節攀升。不良貸款率高企通常意味著銀行貸款質量受到威脅，如果不能妥善處理銀行不良貸款甚至可能引發巨大的金融危機(Reinhart et al.，2011)。考慮到貨幣政策不確定性將成為常態，且銀行業健康穩定發展將直接關系到中國經濟高質量發展，對此，科學揭示貨幣政策不確定性對銀行貸款質量的影響規律，對于提升中國銀行業貸款質量及防控銀行業系統性風險，實現中國經濟高質量發展目標，具有重要的理論與現實意義。

本文嘗試解決以下問題：貨幣政策不確定性是否會影響銀行貸款質量？貨幣政策不確定性對銀行貸款質量的影響是否存在銀行性質層面的異質性特征？流動性錯配與貸款集中度在貨幣政策不確定性與銀行貸款質量的關系中是否承擔著中介作用？跨境資本流動與銀行業景氣度對貨幣政策不確定性與銀行貸款質量關系是否具有調節作用？

二、文獻回顧

(一)貨幣政策不確定性的經濟后果

截至目前，學術界關于貨幣政策不確定性對經濟活動影響的相關研究仍有分歧。部分研究認為貨幣政策不確定性不利于經濟活動發展。從宏觀視角來看，Herro et al.(2013)和Creal et al.(2017)認為貨幣政策不確定性會引發高失業率并使產出增長率發生劇烈波動，因此不利于經濟健康運行。羅大慶等(2020)認為貨幣政策不確定性沖擊會導致中國產出水平、消費水平、物價水平以及投資水平有所下降，其中投資水平下降幅度最大。王博等(2019)也認為中國貨幣政策不確定性會引起產出下降，違約風險上升，并且違約風險越高，貨幣政策波動引致的GDP增長率的下降幅度越大。Albulescu et al.(2018)利用歐盟國家的跨境資本流動數據，研究發現貨幣政策不確定性對外資流入具有抑制作用，在一定程度上解釋了跨境資本的長期波動問題。Gulen et al.(2016)認為頻繁調整國家貨幣政策引發的不確定性加劇了美國經濟衰退，并且阻礙了經濟危機之后的經濟復蘇。貨幣政策不確定性還會降低家庭對于未來收入的預期，鼓勵家庭增加預防性儲蓄并降低當前消費，從而抑制經濟增長(Sinha,2016)。從微觀視角來看，根據實物期權理論，投資具有不可逆性并且調整成本較高，因此不確定的政策環境會帶來較高的拖延價值(Dixit et al.，1994)，此時企業傾向于推遲或放棄投資，同時降低生產要素配置效率，降低企業消費支出(Pastor et al.，2012；Davis，2019)，導致經濟發展增速放緩。政策不確定性提升還會致使企業收縮生產規模，謹慎進行投資，不利于資源在不同公司之間的分配，導致企業生產效率下降(Bloom，2014)。貨幣政策不確定性通常預示著企業面臨較高風險，提高企業融資約束水平，推升融資成本并增加股價崩盤風險。

部分研究持相反觀點，認為貨幣政策不確定性能夠促進經濟發展，對經濟活動具有正向作用。Bloom(2014)認為，政策不確定性如果能夠增加企業潛在回報，采取激進戰略的公司傾向于增加創新活動及研發活動，以期獲得更高的市場占有率。Born et al.(2014)認為，貨幣當局如果能夠對貨幣政策不確定性及時作出反應，則貨幣政策波動對經濟活動的沖擊會有所削弱，并且倒逼企業和消費者進一步發展以應對不確定性帶來的負面影響，從而有利于經濟活動健康發展。貨幣政策不確定性對經濟活動的影響還具有異質性特征，經濟發達程度、經濟體制以及政府規模等均會影響貨幣政策不確定性與經濟活動之間的關系(Fasolo，2019)。

(二)銀行貸款質量的影響因素

由于銀行貸款質量關系到銀行業甚至整體金融系統的安全性，國內外廣泛關注貸款質量的研究，主要從宏觀經濟環境、政府行為以及銀行特征三個層面探討銀行貸款質量的影響因素。宏觀經濟環境層面的研究主要以經濟波動、產業發展為切入點展開。Bernake(1983)認為貸款質量會隨著經濟波動發生變化，經濟波動主要通過改變銀行客戶的融資成本，影響企業償債能力，進而影響銀行貸款質量。Salas et al.(2002)、李麟等(2009)發現，當經濟增速較快時，客戶還款能力提升同時能夠降低貸款質量。孫光林等(2017)認為，在中國經濟下行趨勢下，產能過剩行業的銀行貸款質量更低，貸款潛在風險更高。政府行為層面的研究主要從貨幣政策寬松程度以及政府職能相關角度展開。黃立新等(2012)利用省際面板數據考察銀根松緊是否會影響銀行貸款質量，發現貨幣供給量能夠降低銀行不良貸款率，而張強等(2013)則發現寬松的貨幣政策會導致銀行增加信貸投放量，從而引起不良貸款率上升。還有文獻從地方官員晉升壓力、政府職能、中央與地方政府政績考核以及金融監管政策等角度考察銀行貸款質量的影響因素(錢先航 等，2011；譚勁松 等，2012；王海軍，2017；段軍山 等，2020)。銀行特征層面的研究主要從銀行經營效率、盈利狀況、內部控制、內部治理、高管激勵以及銀行上市等方面考慮其如何影響銀行信貸決策及貸款質量(Li et al.，2007；Belaid，2014；許浩然 等，2016；顧海峰 等，2020a；顧海峰 等，2021a)。此外，還有文獻分別使用美國和中國銀行數據探究經濟政策不確定性對銀行信貸行為及風險承擔的影響(Bordo et al.，2016；顧海峰 等，2019；徐皓 等，2020)。

(三)本文創新之處

綜上，現有文獻主要基于宏觀經濟視角探討貨幣政策不確定性的經濟后果，較少使用銀行微觀數據來考察貨幣政策不確定性對銀行經營行為的影響。另外，鮮有文獻考察貨幣政策不確定性與銀行貸款質量的關系，僅有個別文獻考察了貨幣政策不確定性對銀行信貸決策、信貸結構以及風險承擔水平的影響(何德旭 等，2020；鄺雄 等，2019)。但是，貨幣政策不確定性究竟是提升還是抑制銀行貸款質量，現有文獻尚未給出統一結論。此外，現有文獻尚未對貨幣政策不確定性對銀行貸款質量影響的中介作用渠道進行考察，也缺乏跨境資本流動等宏觀環境對貨幣政策不確定性對銀行貸款質量影響的調節作用的考察。本文的主要貢獻在于：第一，選取2010—2019年中國123家商業銀行年度數據，構建面板回歸基準模型，檢驗貨幣政策不確定性對銀行貸款質量的影響。第二，將樣本銀行劃分為國有銀行、股份制銀行與城農商行三大類型，通過分組檢驗來考察貨幣政策不確定性對銀行貸款質量影響的異質性特征。第三，構建三步法遞進回歸模型，考察流動性錯配與貸款集中度在貨幣政策不確定性與銀行貸款質量關系中的中介作用。第四，引入跨境資本流動和銀行業景氣度與貨幣政策不確定性的交乘項，考察跨境資本流動和銀行業景氣度對貨幣政策不確定性與銀行貸款質量關系的調節作用。

三、理論分析與假說提出

(一)貨幣政策不確定性對銀行貸款質量的影響

銀行部門是中國金融體系的最重要組成部分，在貨幣政策頻繁調控帶來不確定性的環境下，銀行信貸決策、信貸資源配置效率等均會發生相應變動，這關系到銀行業風險、實體企業融資情況及實體經濟健康運行，因此也會影響到銀行貸款質量。本文主要從銀行面臨貨幣政策不確定性時的風險傾向來分析貨幣政策不確定性對銀行貸款質量的影響機理。

Baum(2009)基于美國銀行數據，發現金融部門不確定性會影響銀行信貸行為，Gong et al.(2018)則將不確定性厭惡引入銀行貸款的影響因素研究框架，認為面臨不確定性時銀行會要求貸款合同溢價。貨幣政策主要通過價、量影響銀行信貸收益預測，而貨幣政策調整頻次過高引發的不確定性將增加噪音信號波動，貸款實際收益預測的準確性由此受到影響(邱兆祥 等，2010)，此時銀行傾向于通過調整銀行信貸的流動性錯配程度以及貸款結構來提升銀行貸款質量。從流動性錯配視角來看，根據“不作為經濟學”，不確定性會形成一個中央不作為區，非凸性調整成本會隨著不確定性增加，因此不作為區也會進一步增大(Stokey，2009)，而貨幣政策不確定性上升使銀行管理層對未來流動性需求的預測難度增加，管理層的不作為區也隨之擴大，具體表現為延遲發放貸款、降低貸款規模等。總體來看，貨幣政策不確定性會導致銀行對未來收益以及流動性風險的預測受到噪音影響準確性下降，如果盲目進行信貸擴張可能導致更高風險，此時銀行傾向于主動降低流動性創造水平以緩解流動性錯配，提高銀行風險應對能力。進一步地，銀行將為緩解信息不對稱程度選擇資質更好的企業進行信貸投放，即選擇高質量的信貸項目進行資金出清，具體可能表現為推遲貸款投放、降低貸款規模、調整貸款期限結構及信用結構等。從貸款集中度視角來看，貨幣政策頻繁調整會帶來資產價格劇烈波動(Allen et al.，1998)，銀行與企業之間的信息不對稱程度進一步加劇，銀行在防范信貸風險時面臨更加嚴峻的考驗(李潔，2016)。面臨不確定性時，商業銀行更有動機降低風險承擔意愿，規避信貸風險并選擇更為保守的貸款類型而非高收益、高風險的信貸項目(馬續濤 等，2016)。從客戶結構角度來看，為了緩解信息不對稱程度，銀行更傾向于將貸款投放到與銀行關聯較密切的大客戶，提升貸款集中度，以便于對貸款進行監管并保障貸款質量提升；從貸款期限結構角度來看，銀行傾向于選擇短期貸款而非長期貸款；從貸款信用結構角度來看，銀行選擇擔保貸款的意愿高于選擇信用貸款的意愿(鄺雄 等，2019)。

綜合上述分析，本文將貨幣政策不確定性導致銀行管理層審慎進行信貸決策，主動降低流動性錯配程度同時調整信貸結構以期提升貸款質量的行為稱為貨幣政策不確定性帶來的“審慎效應”，并提出：

假說

1a

：

貨幣政策不確定性上升會提升銀行貸款質量。

但是，也有部分文獻認為貨幣政策不確定性也可能使高風險偏好的管理層出于短期盈利的考慮采取激進的信貸策略，從而致使銀行貸款質量下降。具體來看，經濟政策不確定性會對經濟運行產生不利沖擊，對企業盈利能力有顯著的負面效應，具體表現為使實體企業盈利能力惡化、創新活動受到抑制、股價下跌、抵押品價值下降以及貸款違約風險增加等(Fatas et al.，2013；顧海峰 等，2019)。貨幣政策不確定性是宏觀經濟不確定性的重要組成部分，會惡化銀企之間的信息不對稱程度，也更容易引發銀行管理層投資決策偏差或經營決策偏差，增加銀行貸款的違約概率(張琳 等，2015)。貨幣政策不確定性在給經濟增長帶來負面作用的同時也對微觀企業的發展具有不利影響，企業盈利能力下降、違約概率增加將會通過信貸渠道傳導至商業銀行，致使銀行盈利水平下降。此時，如果面臨盈利壓力，激進的銀行管理層會有信貸擴張沖動，而且貨幣政策不確定性增加通常會使經濟主體預防性儲蓄意愿增強而投資意愿降低，銀行存款增加，進一步強化銀行的信貸擴張動機，使銀行愿意主動承擔更高風險以博取高收益，必然導致銀行貸款質量趨于下降。本文將這一效應稱為貨幣政策不確定性帶來的“激進效應”。從風險識別角度來看，貨幣政策的頻繁波動導致資產價格劇烈波動，銀企信息不對稱進一步增加，此時銀行管理層風險識別難度加大，可能將信貸資源投向盈利能力及償債能力較差的企業(Chi et al.，2017)。另外，貨幣政策不確定性還會降低企業對重要信息的披露意愿并且降低會計信息的可讀性，使銀行在進行信貸審核及信貸決策時可用信息減少，無法準確識別貸款企業的償債能力、未來發展前景及信貸風險，銀行將承擔更高的信貸風險，引起銀行貸款質量下降。由此，提出：

假說

1b

：

貨幣政策不確定性上升會降低銀行貸款質量。

(二)跨境資本流動的調節作用

跨境資本流動會對金融體系功能的發揮產生影響，因此可能對貨幣政策不確定性與銀行貸款質量的關系產生調節效應，并且主要從跨境資本流入和跨境資本流出兩個方面發揮作用。從跨境資本流入視角來看，一方面，跨境資本流入使國內資產價格提升，鑒于監管指標具有順周期性，商業銀行在貨幣政策不確定條件下風險識別能力有所減弱，導致信貸風險增加。另一方面，隨著跨境資本流入增加，國內生產要素價格也逐步提高(熊衍飛 等，2015)，企業會出現經營成本上升、盈利能力下降以及償債能力下降等情況，導致貸款違約風險不斷增加，信貸風險逐步積聚，貸款質量進一步下降。從跨境資本流出視角來看，跨境資本撤離會使銀行批發融資大幅下降，銀行融資成本急劇上升，導致流動性風險隨之增加(方意 等，2017)，而流動性風險與信貸風險呈正相關關系，所以會引發銀行信貸風險增加和貸款質量下降。而且跨境資本主要通過國內銀行系統運作轉換為銀行的長期貸款，如果東道國貨幣政策調整過于頻繁或者經濟下行，資金可能恐慌出逃，出現流動性錯配甚至是流動性危機，使銀行貸款質量下降。此外，跨境資本撤離及國外投資者大量拋售國內資產可能引起國內資產價格下跌，從而引起銀行不良貸款金額大幅上升，銀行貸款質量下降。綜合來看，在貨幣政策頻繁波動對銀行貸款質量產生作用的情況下，跨境資本流動會引起銀行信貸風險進一步上升。由此，提出：

假說

2a

：

若貨幣政策不確定性上升促使銀行貸款質量提升，則跨境資本流動對兩者關系具有負向調節作用。

假說

2b

：

若貨幣政策不確定性上升導致銀行貸款質量下降，則跨境資本流動對兩者關系具有正向調節作用。

(三)銀行業景氣度的調節作用

作為中國金融體系的重要組成部分，銀行業的景氣程度必然影響中國金融市場發展，因此有必要探討銀行業景氣度如何影響貨幣政策不確定性與銀行貸款質量的關系。銀行業景氣指數是中國人民銀行與國家統計局通過調查問卷的形式，反映銀行家們對銀行業當季相對上季變化情況的判斷，是銀行業景氣度的測度指標。銀行業景氣指數越高，表明銀行景氣度越高，銀行本季經營狀況越好。首先，銀行業景氣度較高有助于維護宏觀經濟穩定，并能夠改善企業現有經營環境，有利于商業銀行及時收回信貸資金，降低銀行信用風險(顧海峰 等，2019)。其次，銀行業景氣度提升將助力金融市場健康發展，為實體經濟創造良好的信貸環境并提供更加良性的信貸融資渠道，有助于提升企業經營管理能力、盈利能力以及償債能力，從而增強企業融資能力，降低企業融資約束，由此降低銀行信貸風險，提升銀行貸款質量。再次，銀行業景氣度較高通常表明銀行業的經營管理能力、治理機制以及風險控制制度與能力符合各項監管指標，銀行自身風險意識與風險識別能力有所提升，有助于銀行在貨幣政策頻繁波動的情況下辨別信貸項目優劣，由此提升銀行貸款質量。同時，當商業銀行面臨貨幣政策不確定性帶來的盈利壓力時，如果銀行業景氣度較高，銀行將避免迫于盈利壓力而選擇風險較高的信貸項目進行信貸資金出清，因而也能夠在一定程度上降低銀行信貸風險并提升銀行貸款質量。由此，提出：

假說

3a

：

若貨幣政策不確定性上升促使銀行貸款質量提升，則銀行業景氣度對兩者關系具有正向調節效應。

假說

3b

：

若貨幣政策不確定性上升導致銀行貸款質量下降，則銀行業景氣度對兩者關系具有負向調節效應。

四、實證設計

(一)數據來源

本文所使用的銀行微觀層面數據來自Wind數據庫與Bankfoucus數據庫；宏觀經濟數據主要來自國泰安數據庫和銳思數據庫。本文對原始數據進行如下處理：第一，剔除樣本中的政策性銀行與外資銀行；第二，剔除數據不足三年的樣本；第三，剔除主要變量缺失的樣本。最終保留2010—2019年123家商業銀行非平衡面板數據，具體包括5家國有銀行、11家股份制銀行及107家城農商行。

(二)變量說明

1.被解釋變量：銀行貸款質量(NPL)

借鑒Louzis et al.(2012)、許浩然等(2016)，選取不良貸款率作為銀行貸款質量的代理變量。不良貸款率為銀行不良貸款余額與貸款余額的比率，該指標越大，表明銀行貸款質量越差。

2.核心解釋變量：貨幣政策不確定性(ShiborSD)

借鑒孫健等(2017)、楊鳴京等(2019)，選取上海銀行間同業拆借7日利率的年度標準差(ShiborSD)衡量中國貨幣政策不確定性。采用這一指標作為貨幣政策不確定性的代理變量的理由如下：一是得益于目前較為完善的市場化機制，銀行間同業拆借利率能夠較好反映中國貨幣市場的供需關系。二是根據錢雪松等(2015)，貨幣政策會通過銀行間同業拆借市場發揮中介渠道作用，因此銀行間同業拆借利率的變化相比M2等相關變量更能夠展示貨幣政策的動態變化。該指標越大，表明貨幣政策調整頻次越大，貨幣政策預期難度越高，貨幣政策不確定性越強。

3.控制變量

依據現有關于銀行貸款質量的文獻，分別設置銀行微觀層面控制變量和宏觀經濟層面控制變量：成長性(Growth)，以銀行貸款同比增長率衡量；經營效率(Efficiency)，以成本收入比衡量，即營業成本與營業收入的比值；盈利能力(ROA)，指總資產報酬率，以營業利潤與總資產的比率衡量；資本結構(LEV)，以權益資產比衡量，為期末權益與資產的比值；資本充足率(CAR)，以銀行資本總額與加權風險資產的比率衡量；通貨膨脹率(Inflation)，以消費者物價指數的增長率衡量；GDP增長率(GDPg)，即當年名義國內生產總值增速；資本市場發展水平(FSD)，以上市公司總市值與GDP的比率衡量。

4.中介變量

根據理論分析，中介變量有：(1)流動性錯配。采用銀行存貸比(LDR)指標作為流動性錯配的替代變量，以貸款總額與存款總額的比值進行反映。該指標越大，表明銀行流動性錯配程度越嚴重。(2)貸款集中度。采用前十大客戶貸款占比(TOP10)指標作為貸款集中度的替代變量。該指標越大，表明銀行貸款集中度越高。

5.調節變量

根據理論分析，調節變量有：(1) 跨境資本流動。借鑒Opperman et al.(2017)、顧海峰等(2021b)，選取跨境資本直接投資(FDI和OFDI)與GDP的比值來衡量跨境資本流動(CBC)。跨境資本流動主要包含直接投資與間接投資，而中國在2019年以前對QFII和RQFII實施管制，導致間接投資對金融市場影響力較小，因此本文選擇直接投資與GDP的比值作為跨境資本流動的代理變量。(2) 銀行業景氣度。以國泰安數據庫中根據銀行家調查問卷構建的銀行業景氣指數作為銀行業景氣度的代理變量。銀行業景氣度通常是指銀行家對銀行業整體經營狀況的看法，該指標越大，表明銀行業經營狀況越好。

變量說明見表1。

表1 變量說明

(三)模型構建

1.面板回歸基準模型

采用面板數據，使用固定效應模型，檢驗貨幣政策不確定性對銀行貸款質量的影響。具體模型設立如下：

NPL=β+βShiborSD+βX+βM+u+ε

(1)

其中：β為常數項；被解釋變量NPL為銀行貸款質量，以不良貸款率作為代理變量；核心解釋變量ShiborSD為貨幣政策不確定性，以上海銀行間7天同業拆借利率的標準差衡量，本文重點關注其系數β，若β顯著大于0，則表示貨幣政策不確定性會導致銀行貸款質量下降，而若β顯著小于0，則表示貨幣政策不確定性會促使銀行貸款質量上升；X是銀行微觀層面的控制變量；M是宏觀經濟層面控制變量；u是控制銀行不隨時間變化的個體特征；ε為隨機誤差項。

2.異質性檢驗模型

先將樣本按照銀行性質劃分為國有商業銀行、股份制商業銀行以及城農商行，分組檢驗貨幣政策不確定性對銀行貸款質量的影響。為此，借鑒顧海峰等(2020b)，進一步構建回歸模型(2)檢驗銀行性質的異質性作用，將城農商行設置為參照組，設置1×2的虛擬變量向量Nature1與Nature2表示不同產權性質的銀行。其中：β表示參照組城農商行貸款質量受貨幣政策不確定性的影響程度，β+δ表示國有銀行所受影響，β+δ表示股份制銀行所受影響。模型(2)仍然使用控制個體特征的固定效應法進行檢驗。

NPL=β+βShiborSD+δShiborSD×Nature1+δShiborSD×Nature2+βX+βM+u+ε

(2)

3.中介效應檢驗模型

為考察貨幣政策不確定性對銀行貸款質量的影響路徑，分別引入銀行流動性錯配與銀行貸款集中度作為中介變量，采用遞進模型按照以下步驟進行中介效應檢驗：第一步，檢驗模型(1)中系數β是否顯著，驗證貨幣政策不確定性是否會顯著影響銀行貸款質量；第二步，檢驗模型(3)中系數α和模型(5)中系數δ是否達到顯著性水平，驗證貨幣政策不確定性對中介變量銀行流動性錯配或銀行貸款集中度是否具有顯著影響；第三步，將貨幣政策不確定性與中介變量銀行流動性錯配或銀行貸款集中度同時放入模型(4)和模型(6)進行回歸，驗證銀行流動性錯配或銀行貸款集中度在貨幣政策不確定性影響銀行貸款質量的過程中是發揮完全中介作用還是部分中介作用。具體模型如下：

LDR=α+αShiborSD+αX+αM+u+ε

(3)

NPL=γ+γShiborSD+γLDR+γX+γM+u+ε

(4)

TOP10=δ+δShiborSD+δX+δM+u+ε

(5)

NPL=θ+θShiborSD+θTOP10+θX+θM+u+ε

(6)

4.調節效應檢驗模型

為考察跨境資本流動或銀行業景氣度對貨幣政策不確定性與銀行貸款質量關系的調節效應，在基準模型的基礎上，分別引入調節變量及其與核心解釋變量的交乘項，構建模型：

NPL=β+βShiborSD+βCBC+βShiborSD×CBC+βX+βM+u+ε

(7)

NPL=β+βShiborSD+βPI+βShiborSD×PI+βX+βM+u+ε

(8)

其中：CBC為跨境資本流動，PI為銀行業景氣度。

(四)主要變量的描述性統計

主要變量的描述性統計結果如表2所示。

表2 主要變量的描述性統計結果

由表2可知，解釋變量貨幣政策不確定性ShiborSD均值為0.619，標準差為0.471，表明中國貨幣政策在樣本期間存在一定波動，具有較大的不確定性。被解釋變量銀行貸款質量NPL均值為1.366，標準差為0.702，說明樣本銀行貸款質量存在一定差異。其它變量的數據特征不再贅述。

五、實證結果分析

(一)基準回歸結果

本文使用固定效應模型進行回歸，估計貨幣政策不確定性對銀行貸款質量的影響，結果見表3。由表3列(1)可知，ShiborSD的系數為-0.147，且在1%的水平上顯著，說明當其他條件相同時，貨幣政策不確定性指數每上升1個單位，銀行不良貸款率會下降0.147個百分點。表明貨幣政策不確定性提高能夠緩解銀行信貸風險，降低銀行不良貸款率，從而提升銀行貸款質量。假說1a得到證實。從控制變量的結果來看，Growth、Efficiency與ROA的系數均顯著為負，表明銀行成長性、盈利能力與經營效率與銀行貸款質量呈正相關關系，即高成長性、高盈利能力與高經營效率的銀行通常會面臨更低的信貸風險，貸款質量更高。這可能是因為該類銀行通常具有更高的風險識別能力與風險控制能力，能夠更為準確地識別企業債務償還能力與違約風險，銀行管理層能夠降低決策失誤概率，由此提升銀行貸款質量。

表3 貨幣政策不確定性對銀行貸款質量的影響及其異質性檢驗結果

進一步地，將樣本銀行劃分為國有銀行、股份制銀行及城農商行進行分組檢驗，考察貨幣政策不確定性對不同類型銀行貸款質量影響的異質性特征，具體檢驗結果見表3列(2)～(4)。可以看到，城農商行樣本的系數為-0.152，且在1%的水平上顯著，表明貨幣政策不確定性能夠顯著提升城農商行的貸款質量，國有銀行樣本的系數為正，但是不顯著，股份制銀行樣本的系數則為負并且不顯著，說明貨幣政策不確定性對城商行貸款質量的正向作用大于對國有銀行及股份制銀行貸款質量的正向作用。列(5)顯示在基準模型中引入銀行性質虛擬變量之后的檢驗結果，其中參照組為城農商行。可以看到，ShiborSD的系數為-0.406，且在1%的水平上顯著，國有銀行與股份制銀行與貨幣政策不確定性交乘項系數分別為0.325和0.290，且均在1%的水平上顯著。由于參照組為城農商行，ShiborSD的系數表明參照組城農商行的不良貸款率受貨幣政策不確定性的影響，即貨幣政策不確定性指數每上升1個單位，城農商行的不良貸款率會下降0.406個百分點。而國有銀行與股份制銀行的不良貸款率所受影響與城農商行差異較大，分別為-0.081(-0.406+0.325)與-0.116(-0.406+0.290)，這與上述分組檢驗所得結論一致，即貨幣政策不確定性對城農商行貸款質量的提升作用高于對國有銀行以及股份制銀行貸款質量的提升作用。這主要是由于城市商業銀行與農村商業銀行均屬于區域性銀行，具有規模小、經營業務相對單一以及業務范圍區域性較強等特征，從而能夠發揮地域專業優勢并且擁有更加穩定的關系型借貸網絡(Berger et al.，1995)。當貨幣政策波動頻繁、不確定性增加時，區域性優勢與關系型借貸網絡有助于城農商行降低銀企信息不對稱情況并減少獲取信息成本(顧海峰 等，2020b)，因此能夠降低風險識別能力受損程度，銀行信貸風險相對較小，能夠提升貸款質量。此外，相比國有銀行及股份制銀行，城農商行市場競爭力相對較弱，因此面臨貨幣政策不確定性時對風險的可容忍程度下降幅度更高，具體可能表現為對待信貸決策更加審慎、適當增加貸款利率等，從而致使銀行貸款質量提升。中國國有銀行是金融系統的重要組成部分，一方面，為達到貨幣政策調整目標其信貸決策可能受到政府干預，實際的自主決策空間受到限制(Chi et al.,2017)，因此當貨幣政策不確定性增加時，國有銀行出于完成政府目標角度更可能進行過度借貸，選擇激進的信貸決策，承擔更高風險，致使銀行貸款質量下降；另一方面，由于存在“大而不倒”的隱性擔保優勢，在面臨頻繁波動的貨幣政策時，國有銀行可能主動提高風險容忍度，承擔更高信貸風險，由此導致銀行貸款質量下降。

(二)穩健性檢驗

為保證研究結論的可靠性，本文進行了以下穩健性檢驗：

一是改變核心解釋變量貨幣政策不確定性的衡量方式。一方面，采用中國銀行間7天同業拆借利率標準差(CHIBOR)作為貨幣政策不確定性的替代變量重新進行檢驗，結果見表4列(1)。可以看到，CHIBOR的回歸系數為-0.179，且在1%水平上顯著。

表4 穩健性檢驗一

另一方面，利用Huang et al.(2020)構建的中國貨幣政策不確定性指數(MPU)作為ShiborSD的替代變量，重新檢驗貨幣政策不確定性與銀行貸款質量的關系。由表4列(2)可見，MPU的回歸系數為-0.186，且在5%水平上顯著。

上述檢驗結果表明，在調整核心解釋變量的測量指標后，貨幣政策不確定性對銀行貸款質量依然存在顯著的負向影響，與基準回歸結果基本一致。

二是改變被解釋變量銀行貸款質量的衡量方式。使用不良貸款率的自然對數ln NPL作為銀行貸款質量的反向指標重新進行檢驗，結果見表4列(3)。可以看到，ShiborSD的系數仍然在1%的顯著性水平上為負，表明本文上述結論具有穩健性。

三是采用系統GMM模型，引入被解釋變量的一階和二階滯后項重新進行檢驗。基準回歸中控制了銀行個體特征，在一定程度上有助于緩解由于遺漏變量造成的內生性問題，考慮到銀行不良貸款率會表現出一定的自相關性，模型的過度識別檢驗顯示p值為0.125，表明不存在過度識別問題，序列自相關檢驗顯示AR(2)為0.180，表明系統GMM模型具有合理性。如表4列(4)所示，解釋變量貨幣政策不確定性(ShiborSD)的系數為-0.168，并且在1%的水平上顯著，說明貨幣政策不確定性可以促使銀行降低不良貸款率，進一步表明本文核心結論具有穩健性。

四是為緩解可能存在的反向因果關系，將核心解釋變量與銀行層面的控制變量滯后一期重新進行檢驗，結果如表5所示。可以看到，貨幣政策不確定性的滯后一期項L.ShiborSD的系數為-0.095，并且在5%的水平上顯著，表明其他條件相同時，貨幣政策不確定性增加會降低銀行不良貸款率，有助于提升銀行貸款質量，本文基準模型結果穩健性良好。本文假說1a再次得到驗證。

表5 穩健性檢驗二

(三)內生性檢驗

考慮到全球化趨勢及美國貨幣政策對全球的影響，中國貨幣政策不確定性會跟隨美國貨幣政策不確定性而波動，而美國貨幣政策不確定性并不會直接影響中國銀行業貸款質量，因此理論上可以選取美國貨幣政策不確定性MPU_USA作為工具變量。采用兩階段最小二乘法(2SLS)進行內生性檢驗，表6報告了檢驗結果。由表6列(1)可知，在第一階段回歸中，MPU_USA的系數在5%的水平上顯著，表明美國貨幣政策不確定性與中國貨幣政策不確定性存在顯著的正相關關系。由列(2)可知，ShiborSD的系數在1%的水平上顯著，表明在考慮內生性問題的基礎上中國貨幣政策不確定性仍然顯著促進了銀行貸款質量的提升。進一步對最小二乘法進行相關檢驗。由于傳統豪斯曼檢驗存在異方差問題，使用DWH檢驗，卡方統計量為11.430，在1%的水平上拒絕原假說，表明貨幣政策不確定性為內生變量。此外，識別不足檢驗與弱工具變量檢驗也表明美國貨幣政策不確定性MPU作為工具變量是有效的。

表6 基于2SLS的內生性檢驗結果

六、進一步研究

(一)流動性錯配與貸款集中度的中介作用檢驗

根據上文分析，貨幣政策不確定性主要通過影響銀行流動性錯配程度以及銀行信貸結構對銀行貸款質量產生作用，因此本文分別選取流動性錯配程度與貸款集中度作為中介變量檢驗貨幣政策不確定性影響銀行貸款質量的作用機制。

表7列(1)～(3)報告了流動性錯配的中介作用檢驗結果。表7列(2)回歸結果中LDR的系數為-0.043，并且在1%的水平上顯著為負，表明貨幣政策不確定性降低了銀行的存貸比，銀行流動性風險有所降低。列(3)顯示ShiborSD的系數在10%的水平上顯著為負，而LDR的系數在1%的水平上顯著為正，進一步使用Sobel檢驗，顯示Z值為-1.692，同時列(3)中ShiborSD的系數絕對值明顯小于列(1)中ShiborSD的系數絕對值。上述結果表明，流動性錯配在貨幣政策不確定性與銀行貸款質量的關系中發揮部分中介作用。

表7 流動性錯配與貸款集中度的中介作用檢驗結果

表7列(4)、(5)為貸款集中度的中介作用檢驗結果。列(4)顯示Shibor系數為0.037并且在10%的水平上顯著，表明貨幣政策不確定性增加了銀行貸款集中度，銀行前十大客戶貸款占比大幅度提高。列(5)顯示ShiborSD系數顯著為負，而TOP10系數為負卻不顯著，對此，進一步進行Sobel檢驗，可知Z值為1.369，說明通過了中介作用檢驗，貸款集中度在貨幣政策不確定性與貸款質量的關系中同樣發揮部分中介作用。

(二)跨境資本流動與銀行業景氣度的調節作用檢驗

1.跨境資本流動的調節作用

在基準模型基礎上引入交互項構建拓展模型，對跨境資本流動對貨幣政策不確定性與銀行貸款質量關系的調節作用進行檢驗，結果見表8。表8列(1)展示了跨境資本流動CBC作為調節變量的回歸分析結果。可以看到，貨幣政策不確定性ShiborSD與跨境資本流動CBC的交乘項ShiborSD×CBC的系數為34.282，并且在5%的水平上顯著，表明跨境資本流動強度每增加1單位，貨幣政策不確定性對銀行貸款質量的正向作用會減少34.282個百分點，說明跨境資本流動具有負向調節作用，會削弱貨幣政策不確定性對銀行貸款質量的提升作用，即較高強度的跨境資本流動將削弱銀行抵御風險的能力,假說2a得到驗證。

表8 跨境資本流動與銀行業景氣度的調節作用檢驗結果

2.銀行業景氣度的調節作用

表8列(2)報告了銀行業景氣度對貨幣政策不確定性與銀行貸款質量關系的調節作用檢驗結果。可以看到，ShiborSD與PI的交乘項ShiborSD×PI的系數為-2.415，且在5%的水平上顯著，說明銀行業景氣度每上升1單位，貨幣政策不確定性對貸款質量的提升作用將增加2.415個百分點。這表明銀行業景氣度越高，貨幣政策不確定性對銀行貸款質量的提升作用越強，假說3a得到驗證。

七、結論與政策建議

選取2010—2019年中國123家商業銀行年度數據，構建面板回歸模型，對貨幣政策不確定性對銀行貸款質量的影響及其異質性特征進行實證分析，并進一步考察流動性錯配與貸款集中度的中介作用及跨境資本流動與銀行業景氣度的調節作用。結論如下：

(1)貨幣政策不確定性對銀行貸款質量具有提升作用。貨幣政策不確定性促使銀行更傾向于審慎進行流動性錯配決策，并加大對預期收益可靠性更高的企業或行業進行信貸投放以增加貸款集中度，從而提升了銀行貸款質量。

(2)貨幣政策不確定性對銀行貸款質量的提升作用存在異質性特征。主要表現為：相對于國有銀行與股份制銀行，貨幣政策不確定性對城農商行貸款質量的提升作用更大。

(3)流動性錯配與貸款集中度在貨幣政策不確定性與銀行貸款質量的關系中承擔著中介作用。貨幣政策不確定性通過影響流動性錯配與貸款集中度雙重渠道來影響銀行貸款質量，“貨幣政策不確定性—流動性錯配/貸款集中度—銀行貸款質量”的傳導渠道均有效。

(4)跨境資本流動對貨幣政策不確定性與銀行貸款質量關系具有負向調節作用，跨境資本流動規模加大會減弱貨幣政策不確定性對銀行貸款質量的提升作用。

(5)銀行業景氣度對貨幣政策不確定性與銀行貸款質量關系具有正向調節作用，銀行業景氣度提高會加劇貨幣政策不確定性對銀行貸款質量的提升作用。

基于上述結論，提出如下政策建議：

(1)金融監管部門需要構建貨幣政策與宏觀審慎政策相協調的“雙支柱”金融調控框架，以提升新發展格局下的中國銀行業系統性風險防控效能。一方面，金融監管部門需要積極實施創新性貨幣政策操作工具，以此來提升貨幣政策對實體經濟的調控效率；另一方面，金融監管部門需要建立及完善銀行業宏觀審慎監管機制，以此來抑制貨幣政策不確定下銀行業博取高利差收入的激進動機及行為，有助于提升銀行業貸款質量，進而有助于防控銀行業系統性風險。

(2)針對流動性錯配與貸款集中度的中介作用，一方面，金融監管部門需要構建銀行業流動性錯配水平的動態監測機制，一旦監測到某銀行流動性錯配水平超越事先設定的監管閥值，則給予嚴厲性監管處罰，從而有助于防范銀行業流動性錯配過度而加大銀行業系統性風險；另一方面，金融監管部門需要構建針對銀行業的貸款集中度監測機制，嚴格約束銀行業貸款集中度過高行為，從而有助于降低銀行業貸款集中度過高可能引發的貸款風險集聚效應，進而有助于降低銀行業系統性風險。

(3)針對跨境資本流動的調節作用，一方面，金融監管部門需要構建跨境資本流動規模的動態監測機制，以此來嚴格約束跨境資本流動頻次及規模，緩解跨境資本流動規模過度對銀行業流動性錯配的助推壓力，進而提升銀行業貸款質量；另一方面，考慮到跨境直接實體資本的沖擊效應遠小于跨境間接金融資本的沖擊效應，金融監管部門需要遵循“先直接、后間接”的原則有序實施跨境資本開放進程，以此來降低跨境資本流動對銀行業穩定的沖擊效應，從而有助于降低銀行業系統性風險。

(4)針對銀行業景氣度的調節作用，金融監管部門需要構建針對銀行業景氣度環境的逆周期監管機制。在銀行業高景氣度環境下，金融監管部門應適度加大銀行業存貸比的約束性監管，以此來抑制銀行業在高景氣度環境下的過度信貸擴張傾向，從而有助于提升銀行業貸款質量。在銀行業低景氣度環境下，金融監管部門應適度放開銀行業的存、貸款議價空間，并賦予銀行業更大的存、貸款自主定價權，以此來對沖低景氣度環境下銀行業利差收入的下降，有助于維護銀行業穩定性，進而降低銀行業系統性風險。