馬續(xù)濤，沈 悅

(西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院，陜西 西安 710061)

?

不確定性沖擊、銀行風(fēng)險(xiǎn)承擔(dān)與經(jīng)濟(jì)波動(dòng)

馬續(xù)濤，沈 悅

(西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院，陜西 西安 710061)

考慮到不確定性沖擊的存在，本文構(gòu)建了一個(gè)包含銀行部門的連續(xù)時(shí)間DSGE模型，對銀行風(fēng)險(xiǎn)承擔(dān)形成的機(jī)制進(jìn)行了分析，探討了不確定性沖擊對銀行風(fēng)險(xiǎn)承擔(dān)和經(jīng)濟(jì)波動(dòng)的影響，揭示了不確定性沖擊影響經(jīng)濟(jì)波動(dòng)的銀行風(fēng)險(xiǎn)承擔(dān)渠道。研究發(fā)現(xiàn)，銀行風(fēng)險(xiǎn)承擔(dān)行為與銀行資本規(guī)模和經(jīng)濟(jì)不確定性程度有關(guān)。銀行資本越充足或經(jīng)濟(jì)不確定程度越低，則銀行風(fēng)險(xiǎn)承擔(dān)意愿越強(qiáng)。脈沖響應(yīng)分析發(fā)現(xiàn)，經(jīng)濟(jì)基本面沖擊對銀行資本規(guī)模和經(jīng)濟(jì)不確定性程度有直接影響，這兩種機(jī)制共同作用使得沖擊得以傳播和放大，不確定性沖擊是經(jīng)濟(jì)波動(dòng)不可忽視的一個(gè)來源。

不確定性沖擊;銀行風(fēng)險(xiǎn)承擔(dān);經(jīng)濟(jì)波動(dòng);連續(xù)時(shí)間DSGE模型

一、引 言

2008年金融危機(jī)之后，學(xué)者開始關(guān)注銀行系統(tǒng)在傳播和放大經(jīng)濟(jì)沖擊中的重要作用。大量經(jīng)驗(yàn)證據(jù)顯示，銀行傾向在經(jīng)濟(jì)上升期擴(kuò)張信貸規(guī)模，而在經(jīng)濟(jì)衰退期削減信貸規(guī)模，即銀行風(fēng)險(xiǎn)承擔(dān)具有順周期特征[1]。正是銀行的這種順周期特征加劇了經(jīng)濟(jì)的波動(dòng)。事實(shí)上，經(jīng)濟(jì)不確定性同樣也具有周期性特征，無論是宏觀(GDP、工業(yè)投資規(guī)模、匯率等)還是微觀不確定性(股價(jià)、債券收益率、工資等)往往在經(jīng)濟(jì)上升期降低，而在衰退期上升[2]。不確定性因素已經(jīng)成為經(jīng)濟(jì)波動(dòng)的一個(gè)重要驅(qū)動(dòng)力量[2]。Buch等利用48國銀行數(shù)據(jù)實(shí)證發(fā)現(xiàn)，經(jīng)濟(jì)不確定性對銀行風(fēng)險(xiǎn)承擔(dān)水平有明顯的反向影響，較高的經(jīng)濟(jì)不確定性會(huì)促使銀行大幅削減信貸規(guī)模[3]。因此，一個(gè)非常值得思考的問題是：經(jīng)濟(jì)不確定性是通過何種機(jī)制影響銀行風(fēng)險(xiǎn)承擔(dān)水平的？進(jìn)一步對經(jīng)濟(jì)波動(dòng)又有什么影響？這正是本文研究的出發(fā)點(diǎn)和嘗試要解決的問題。

我國不太健全的金融體系使得全社會(huì)融資渠道過度依賴銀行業(yè)，銀行業(yè)的穩(wěn)定是確保經(jīng)濟(jì)穩(wěn)定的重要前提。受我國經(jīng)濟(jì)下行影響，整個(gè)銀行業(yè)承受著前所未有的壓力。當(dāng)前，全球經(jīng)濟(jì)復(fù)蘇緩慢，投資增速下降、經(jīng)濟(jì)結(jié)構(gòu)調(diào)整、中小企業(yè)轉(zhuǎn)型困難等因素使我國宏觀經(jīng)濟(jì)正面臨著高度不確定性。鑒于不確定性因素在經(jīng)濟(jì)波動(dòng)中的重要作用，探討不確定性作用于實(shí)體經(jīng)濟(jì)的銀行風(fēng)險(xiǎn)承擔(dān)渠道在當(dāng)前背景下就顯得非常有必要。目前關(guān)于不確定性研究的相關(guān)文獻(xiàn)主要側(cè)重于分析不確定性對實(shí)體經(jīng)濟(jì)的影響效應(yīng)，鮮有涉及銀行因素。

本文嘗試在連續(xù)時(shí)間DSGE模型框架下，將不確定性沖擊引入到模型中，分析銀行風(fēng)險(xiǎn)承擔(dān)形成機(jī)制以及影響因素，并重點(diǎn)探討不確定性沖擊在銀行風(fēng)險(xiǎn)承擔(dān)和經(jīng)濟(jì)波動(dòng)中的作用機(jī)制。本研究揭示了一個(gè)不確定性沖擊影響經(jīng)濟(jì)波動(dòng)的新渠道，豐富了研究內(nèi)容，具有較強(qiáng)的理論價(jià)值，另外還具有一定的政策啟示價(jià)值，為維護(hù)經(jīng)濟(jì)和金融穩(wěn)定提供理論上的依據(jù)。

二、文獻(xiàn)綜述

關(guān)于經(jīng)濟(jì)不確定性所產(chǎn)生的經(jīng)濟(jì)效應(yīng)，現(xiàn)有研究提供了大量經(jīng)驗(yàn)證據(jù)證實(shí)，經(jīng)濟(jì)不確定性對經(jīng)濟(jì)有負(fù)面影響，會(huì)抑制投資和消費(fèi)[4-7]。針對經(jīng)濟(jì)不確定性引起的負(fù)面經(jīng)濟(jì)效應(yīng)，學(xué)者們從不同角度提出了不同的理論進(jìn)行解釋，其中比較有代表性的是實(shí)物期權(quán)(Real Option)理論[8-10]和風(fēng)險(xiǎn)厭惡理論[11-13]。實(shí)物期權(quán)理論認(rèn)為投資和消費(fèi)其實(shí)可以等價(jià)為一系列期權(quán)，根據(jù)期權(quán)理論可知，當(dāng)經(jīng)濟(jì)不確定性非常高時(shí)，推遲消費(fèi)或者投資的等待價(jià)值非常高，此時(shí)最優(yōu)的決策便是推遲消費(fèi)和投資。但該理論的成立需要依賴一系列嚴(yán)格的假設(shè)條件，使得理論的解釋能力大打折扣[2]。風(fēng)險(xiǎn)厭惡理論是從投資者風(fēng)險(xiǎn)厭惡角度進(jìn)行解釋的。該理論認(rèn)為投資者是風(fēng)險(xiǎn)厭惡的，這意味著經(jīng)濟(jì)不確定性高時(shí)，投資者所要求的風(fēng)險(xiǎn)收益也高，而此時(shí)的融資成本也比較高，投資者的投資動(dòng)力自然就會(huì)下降，減少投資規(guī)模。本文研究正是基于此理論進(jìn)行開展的。

就實(shí)證角度來說，現(xiàn)有實(shí)證研究面臨的一個(gè)最大挑戰(zhàn)是如何克服模型的內(nèi)生性問題，具體來說就是難以對經(jīng)濟(jì)不確定性和經(jīng)濟(jì)增長之間的因果關(guān)系進(jìn)行區(qū)分。而且考慮到實(shí)證研究在揭示影響機(jī)制上的局限性，學(xué)者們開始在DSGE模型框架內(nèi)探討經(jīng)濟(jì)不確定性的經(jīng)濟(jì)效應(yīng)。Bloom等構(gòu)建了一個(gè)包含異質(zhì)性企業(yè)部門的DSGE模型，研究發(fā)現(xiàn)不確定性沖擊是一個(gè)新的驅(qū)動(dòng)經(jīng)濟(jì)周期的力量，而且不確定性的增強(qiáng)能夠引起GDP 2.5%的下降[14]。Christiano等拓展了BGG模型，將不確定性沖擊引入到DSGE模型中，發(fā)現(xiàn)不確定性沖擊可以解釋超過60%的產(chǎn)出波動(dòng)，是驅(qū)動(dòng)經(jīng)濟(jì)周期的最主要力量[12]。遺憾的是，這些研究雖都強(qiáng)調(diào)了不確定性沖擊在經(jīng)濟(jì)波動(dòng)中的重要地位，但均未考慮到銀行機(jī)構(gòu)在經(jīng)濟(jì)波動(dòng)中的作用，這使得研究結(jié)論的政策啟示性有所減弱。

金融危機(jī)爆發(fā)后，學(xué)者們開始嘗試將銀行部門納入DSGE模型分析框架，探討銀行在沖擊傳播和放大中的作用。Gertler和Kiyotaki拓展了BGG模型，首先將銀行部門引入到DSGE模型中，發(fā)現(xiàn)經(jīng)濟(jì)沖擊通過影響銀行資本規(guī)模的渠道實(shí)現(xiàn)沖擊的傳播，而沖擊放大與金融摩擦密切相關(guān)，金融摩擦越大，則沖擊放大程度越大[15]。Gerali等、Gertler和Karadi、Gertler等也都強(qiáng)調(diào)了銀行資本沖擊和金融摩擦在沖擊傳播和放大過程中的重要作用[16-18]。國內(nèi)的學(xué)者如鄢莉莉和王一鳴、康立等、康立和龔六堂利用中國數(shù)據(jù)進(jìn)行校準(zhǔn)，也得出了類似的結(jié)論[19-21]。不足的是，這些研究關(guān)注的重點(diǎn)都是銀行資本沖擊，忽略了不確定沖擊對銀行決策的影響?？紤]到不確定沖擊的重要作用，顯然非常有必要對現(xiàn)有模型進(jìn)行拓展和補(bǔ)充。

傳統(tǒng)的DSGE模型一般利用“對數(shù)-線性化”技術(shù)對模型中的方程進(jìn)行簡化處理，從而獲得模型穩(wěn)態(tài)附近的局部解。因?yàn)榻?jīng)濟(jì)具有非線性和時(shí)變性特征，僅僅獲得穩(wěn)態(tài)附近的局部解顯然難以全面刻畫經(jīng)濟(jì)特征，以此而得出的研究結(jié)論在可靠性上非常值得懷疑。而且“對數(shù)-線性化”技術(shù)僅僅包含了變量的一階矩特征，忽略了更高階矩特征，因此在刻畫經(jīng)濟(jì)波動(dòng)水平方面有明顯的局限。另外，從模型的表述方式來看，傳統(tǒng)DSGE模型用一系列遞歸方程組來刻畫經(jīng)濟(jì)中的行為主體決策特征，這些方程形式上比較復(fù)雜，難以直觀地對其特征進(jìn)行分析，只能借助脈沖響應(yīng)分析來進(jìn)行討論，因此在揭示模型背后的機(jī)理方面略有不足。正是鑒于傳統(tǒng)DSGE模型存在這些不足，連續(xù)時(shí)間DSGE模型開始受到學(xué)者們的推崇。連續(xù)時(shí)間DSGE模型與傳統(tǒng)DSGE模型建模思想一致，只不過因?yàn)樵谶B續(xù)時(shí)間框架下建模，模型的表述方式比較簡單、直接，更容易直接根據(jù)方程形式對變量關(guān)系進(jìn)行預(yù)判。正是因?yàn)槟Ｐ椭械姆匠绦问胶唵危Ｐ腿纸獾那蠼饪梢暂^容易地轉(zhuǎn)化為對一組微分方程進(jìn)行數(shù)值求解，這就使得模型在求解全局解方面具有無可比擬的優(yōu)勢。連續(xù)時(shí)間DSGE模型近幾年開始被應(yīng)用于宏觀金融研究領(lǐng)域，并且已經(jīng)取得了一系列非常有影響力的研究成果，多篇論文發(fā)表于經(jīng)濟(jì)學(xué)排名第一的《美國經(jīng)濟(jì)評論》(American Economic Review)雜志，比較有代表性的有He和Krishnamurthy以及Brunermeier和Sannikov[22-24]。He和Krishnamurthy建立了包含金融中介的連續(xù)時(shí)間DSGE模型用來探討金融摩擦在資產(chǎn)價(jià)格波動(dòng)中扮演的角色[22-23]。Brunermeier和Sannikov在連續(xù)時(shí)間DSGE模型框架下研究了金融摩擦在沖擊放大機(jī)制中的重要作用[24]。

基于上述分析，本文對Brunermeier和Sannikov[24]進(jìn)行拓展，嘗試在連續(xù)時(shí)間DSGE模型框架下，將不確定性沖擊引入到模型中，分析銀行風(fēng)險(xiǎn)承擔(dān)形成機(jī)制以及影響因素，并重點(diǎn)探討不確定性沖擊在銀行風(fēng)險(xiǎn)承擔(dān)和經(jīng)濟(jì)波動(dòng)中的作用機(jī)制。

三、模型構(gòu)建

本部分將構(gòu)建一個(gè)引入不確定性沖擊，由家庭部門、企業(yè)部門和銀行部門組成的連續(xù)時(shí)間DSGE模型。家庭部門除了消費(fèi)企業(yè)部門生產(chǎn)的消費(fèi)品外，還將剩余的財(cái)富以存款的形式存進(jìn)銀行。銀行部門利用自有資本以及從家庭部門吸收的存款，向企業(yè)部門提供融資。企業(yè)部門利用從銀行部門獲得的資金生產(chǎn)消費(fèi)品。

(一)企業(yè)部門

假設(shè)經(jīng)濟(jì)在區(qū)間[0,1]上存在著連續(xù)統(tǒng)(Continuum)的同質(zhì)類型企業(yè)。假設(shè)企業(yè)內(nèi)部不進(jìn)行資本積累，所需資金全部需要從外面融資。因?yàn)槲覀冄芯恐攸c(diǎn)是刻畫銀行風(fēng)險(xiǎn)承擔(dān)行為，為了降低技術(shù)處理難度，對銀行和企業(yè)之間的關(guān)系進(jìn)行簡化，假設(shè)銀行和企業(yè)之間不存在信息不對稱和道德風(fēng)險(xiǎn)，銀行以股權(quán)投資的形式為企業(yè)提供融資，而企業(yè)會(huì)把生產(chǎn)利潤全部返還給銀行，即銀行是企業(yè)的最終所有者。

企業(yè)部門負(fù)責(zé)生產(chǎn)消費(fèi)品。與Brunermeier和Sannikov[24]一樣，對企業(yè)的生產(chǎn)函數(shù)進(jìn)行簡化，假設(shè)企業(yè)只需投入生產(chǎn)資本這一種生產(chǎn)要素進(jìn)行消費(fèi)品生產(chǎn)，而且生產(chǎn)函數(shù)為簡單的線性形式。企業(yè)投入kt單位的生產(chǎn)資本，單位時(shí)間可生產(chǎn)消費(fèi)品yt=akt，其中a描述了生產(chǎn)資本的生產(chǎn)效率大小。

企業(yè)還可以隨時(shí)對現(xiàn)有生產(chǎn)資本規(guī)模進(jìn)行動(dòng)態(tài)更新調(diào)整。與多數(shù)文獻(xiàn)一樣，假設(shè)資本調(diào)整函數(shù)為二項(xiàng)式函數(shù)：企業(yè)投資itkt數(shù)量生產(chǎn)資本需要承擔(dān)的成本為φ(i)ki，其中φ(i)=mi2/2。生產(chǎn)資本投資邊際報(bào)酬逐漸遞減，因此企業(yè)會(huì)選擇一個(gè)最佳的投資比率來最大化資本投資收益。假設(shè)生產(chǎn)資本價(jià)格為qt，則企業(yè)資本投資的最大化目標(biāo)為：max{qtitkt-φkt}。顯然，企業(yè)最優(yōu)的生產(chǎn)資本投資比率為：it=qt/m。同時(shí)，生產(chǎn)資本還會(huì)以δ的速率進(jìn)行折舊。因此，企業(yè)的生產(chǎn)資本規(guī)模變化過程為：

dkt/kt=(it-δ)dt+σtdZt

(1)

其中，Zt服從標(biāo)準(zhǔn)的布朗運(yùn)動(dòng)過程(BrownianProcess)，用來刻畫生產(chǎn)資本所遭受的經(jīng)濟(jì)基本面沖擊，如產(chǎn)業(yè)變動(dòng)、技術(shù)進(jìn)步、宏觀政策調(diào)整等，σt為生產(chǎn)資本的波動(dòng)水平，不僅反映了生產(chǎn)資本對外部沖擊的暴露程度，也反映了經(jīng)濟(jì)不確定性程度。需要說明的是，我們之所以沒有遵循傳統(tǒng)DSGE的做法將隨機(jī)沖擊引入到生產(chǎn)率中，是因?yàn)閷㈦S機(jī)沖擊引入到生產(chǎn)資本中可以保證模型保持齊次性特征，這樣模型在求解上更方便處理。實(shí)際上，生產(chǎn)資本規(guī)模變動(dòng)百分之一對生產(chǎn)的影響等價(jià)于生產(chǎn)資本效率變動(dòng)百分之一的影響，因此這兩種處理方式并沒有太大差異，并不會(huì)對研究結(jié)果產(chǎn)生實(shí)質(zhì)影響。

隨機(jī)沖擊不僅對經(jīng)濟(jì)產(chǎn)出產(chǎn)生直接影響，還會(huì)影響到經(jīng)濟(jì)的不確定水平。為了刻畫隨機(jī)沖擊對經(jīng)濟(jì)不確定性的影響機(jī)制，我們假設(shè)生產(chǎn)資本的波動(dòng)率σt變化與隨機(jī)沖擊相關(guān)，且服從CIR(Cox-Ingersoll-Ross)過程：

(2)

(二)家庭部門

假設(shè)經(jīng)濟(jì)在區(qū)間[0,1]上存在著連續(xù)統(tǒng)的同質(zhì)類型家庭。家庭部門除了消費(fèi)外，還會(huì)將多余的財(cái)富以存款的形式存入銀行。假設(shè)家庭部門為風(fēng)險(xiǎn)中性，其決策目標(biāo)是最大化家庭終生消費(fèi)價(jià)值：

(3)

(4)

其中，rf為銀行無風(fēng)險(xiǎn)存款利率。因?yàn)榧彝ゲ块T為風(fēng)險(xiǎn)中性，可知家庭所要求的期望收益率等于時(shí)間折現(xiàn)率，因此存款利率rf=r。

(三)銀行部門

假設(shè)經(jīng)濟(jì)在區(qū)間[0,1]上存在著連續(xù)統(tǒng)的同質(zhì)類型銀行。假設(shè)經(jīng)濟(jì)中存在著金融摩擦使得銀行不能從外部獲得股權(quán)融資，但銀行可以通過留存收益的方式進(jìn)行資本積累。實(shí)際上，大量經(jīng)驗(yàn)證據(jù)已經(jīng)證實(shí)銀行資本具有“粘性”特征[25]。因此，銀行主要利用自有資本以及從家庭部門吸收的存款為企業(yè)部門提供融資。銀行在消費(fèi)和生產(chǎn)資本投資之間進(jìn)行決策，最大化終生消費(fèi)價(jià)值，即：

(5)

(6)

銀行部門投資生產(chǎn)資本獲得的收益主要包括兩部分：一部分為利用生產(chǎn)資本進(jìn)行生產(chǎn)而產(chǎn)生的收入；另一部分為生產(chǎn)資本的價(jià)格變動(dòng)而產(chǎn)生的資本所得收益。由此可知，投資生產(chǎn)資本產(chǎn)生的收益率變化過程為：

dRt=[(a-φt)ktdt+d(qtkt)]/(qtkt)

(7)

(8)

基于上述分析，借助動(dòng)態(tài)最優(yōu)化方法和伊藤引理很容易得出，銀行部門的消費(fèi)和投資生產(chǎn)資本的一階最優(yōu)條件(FOC)應(yīng)滿足如下等式：

(9)

(10)

式(9)為銀行部門消費(fèi)的一階最優(yōu)條件。式(10)為銀行部門投資生產(chǎn)資本的一階最優(yōu)條件，其中等式左邊為投資生產(chǎn)資本而產(chǎn)生的超額收益率(Excess Return)，而等式右邊為投資生產(chǎn)資本的風(fēng)險(xiǎn)溢價(jià)(Risk Premium)。當(dāng)超額收益率比風(fēng)險(xiǎn)溢價(jià)小時(shí)，銀行部門的最優(yōu)決策是不投資任何生產(chǎn)資本；當(dāng)超額收益率與風(fēng)險(xiǎn)溢價(jià)相等時(shí)，銀行部門的最優(yōu)投資規(guī)模由此一階最優(yōu)條件確定。而超額收益率比風(fēng)險(xiǎn)溢價(jià)大的情況在市場均衡時(shí)不會(huì)出現(xiàn)。因?yàn)榇藭r(shí)銀行部門最優(yōu)的生產(chǎn)資本投資規(guī)模為無窮大，自然會(huì)拉高生產(chǎn)資本價(jià)格，進(jìn)而降低資本投資的超額收益率，直至超額收益率與風(fēng)險(xiǎn)溢價(jià)相等，此時(shí)均衡實(shí)現(xiàn)。

四、模型求解

在市場達(dá)到均衡時(shí)，經(jīng)濟(jì)中的各個(gè)變量均是狀態(tài)變量的函數(shù)。本部分我們將借鑒Brunnermeier和Sannikov[24]的模型求解思路，對模型進(jìn)行全局求解。

(一)狀態(tài)變量求解

(11)

(二)模型均衡求解

與Brunnermeier和Sannikov[24]不同，模型中狀態(tài)變量由兩個(gè)變量組成，故模型求解相對來說要復(fù)雜一些。參考Brunnermeier和Sannikov[24]的求解思路，根據(jù)伊藤引理和一階最優(yōu)條件，不難推導(dǎo)出均衡時(shí)模型需要滿足如下條件：

(12)

(13)

(14)

(15)

(16)

五、模型模擬與結(jié)果分析

(一)參數(shù)校準(zhǔn)

表1 參數(shù)校準(zhǔn)結(jié)果

(二)模型基本結(jié)果分析

圖1為σ=0.05時(shí)生產(chǎn)資本價(jià)格q、生產(chǎn)資本投資率i、夏普比率(Sharpe Ratio)以及生產(chǎn)資本價(jià)格波動(dòng)率σq關(guān)于狀態(tài)變量η的模擬結(jié)果。生產(chǎn)資本價(jià)格和生產(chǎn)資本投資率均隨著η的增加而增加。這是因?yàn)棣窃酱笠馕吨y行凈資本越充足，銀行風(fēng)險(xiǎn)承擔(dān)意愿越強(qiáng)，對生產(chǎn)資本的投資需求也越強(qiáng)，從而推高生產(chǎn)資本價(jià)格和生產(chǎn)資本投資率。而夏普比率隨著η的增加而遞減。這是因?yàn)殂y行是風(fēng)險(xiǎn)厭惡的，隨著η的增加，銀行風(fēng)險(xiǎn)厭惡程度遞減，承擔(dān)單位風(fēng)險(xiǎn)所要求的風(fēng)險(xiǎn)補(bǔ)償不斷降低，即夏普比率不斷下降。因此，夏普比率也側(cè)面反映了銀行風(fēng)險(xiǎn)承擔(dān)的意愿，夏普比率越小，銀行風(fēng)險(xiǎn)承擔(dān)意愿越強(qiáng)。生產(chǎn)資本價(jià)格波動(dòng)率與η之間的關(guān)系和銀行部門的杠桿率有關(guān)。η越小，銀行部門杠桿率越高，這意味著銀行凈資本變化對經(jīng)濟(jì)基本面沖擊越敏感，也就是說經(jīng)濟(jì)基本面沖擊對銀行決策影響力越強(qiáng)，傳導(dǎo)到生產(chǎn)資本的表現(xiàn)就是資本價(jià)格波動(dòng)率更大。然而需要注意的是，在靠近η左邊界的區(qū)域，σq隨著η的下降而下降。此結(jié)果出現(xiàn)的原因與設(shè)置的新銀行會(huì)在η=0.05處進(jìn)入的邊界條件有關(guān)。

圖1 經(jīng)濟(jì)變量關(guān)于η的模擬結(jié)果

接下來，我們將分析經(jīng)濟(jì)不確定性對經(jīng)濟(jì)變量的影響機(jī)制。圖2為η=0.35時(shí)生產(chǎn)資本價(jià)格q、生產(chǎn)資本投資率i、夏普比率以及生產(chǎn)資本價(jià)格波動(dòng)率σq關(guān)于狀態(tài)變量σ的模擬結(jié)果。由結(jié)果不難發(fā)現(xiàn)，隨著經(jīng)濟(jì)不確定性σ的增加，生產(chǎn)資本價(jià)格和投資率不斷下降，而夏普比率和生產(chǎn)資本價(jià)格波動(dòng)率不斷上升。出現(xiàn)這樣的結(jié)果比較容易理解，因?yàn)棣业脑黾邮紫戎苯釉黾恿松a(chǎn)資本投資的風(fēng)險(xiǎn)性，同時(shí)還使得經(jīng)濟(jì)不確定性對經(jīng)濟(jì)基本面沖擊的反應(yīng)變得更加敏感，兩種機(jī)制共同作用使得生產(chǎn)資本價(jià)格波動(dòng)更加劇烈，導(dǎo)致銀行風(fēng)險(xiǎn)承擔(dān)意愿下降，進(jìn)而對生產(chǎn)資本的投資需求降低，從而引起生產(chǎn)資本價(jià)格和投資率降低，而所要求的風(fēng)險(xiǎn)補(bǔ)償(夏普比率)增加。由此可見，不確定性因素是影響銀行風(fēng)險(xiǎn)承擔(dān)和經(jīng)濟(jì)波動(dòng)的一個(gè)重要因素。

圖2 經(jīng)濟(jì)變量關(guān)于σ的模擬結(jié)果

(三)脈沖響應(yīng)分析

接下來，我們將借助脈沖響應(yīng)分析方法，考慮到不確定沖擊的存在，對經(jīng)濟(jì)基本面沖擊影響銀行風(fēng)險(xiǎn)承擔(dān)和經(jīng)濟(jì)波動(dòng)的機(jī)制過程進(jìn)行動(dòng)態(tài)模擬。

圖3為經(jīng)濟(jì)不確定性σ、生產(chǎn)資本價(jià)格q、生產(chǎn)資本投資率以及夏普比率在對經(jīng)濟(jì)施加大小為1%的負(fù)面沖擊后的動(dòng)態(tài)響應(yīng)模擬結(jié)果(時(shí)間單位為月度)。負(fù)面沖擊首先會(huì)直接引起銀行投資生產(chǎn)資本的收益報(bào)酬率下降，進(jìn)而造成銀行凈資本損失，正如上文分析，這會(huì)導(dǎo)致銀行風(fēng)險(xiǎn)承擔(dān)意愿下降，減少生產(chǎn)資本的投資，引起生產(chǎn)資本價(jià)格和生產(chǎn)資本投資率下降，而夏普比率上升。此傳導(dǎo)渠道與傳統(tǒng)的銀行資產(chǎn)負(fù)債表渠道一致。除此之外，負(fù)面沖擊還會(huì)引起經(jīng)濟(jì)不確定性增加，如上文分析，銀行風(fēng)險(xiǎn)承擔(dān)意愿會(huì)進(jìn)一步下降，最終進(jìn)一步拉低生產(chǎn)資本價(jià)格和生產(chǎn)資本投資率，而推高夏普比率。由此分析可以發(fā)現(xiàn)，不確定性沖擊傳導(dǎo)渠道是對銀行資產(chǎn)負(fù)債表渠道的一個(gè)有力補(bǔ)充，忽略此渠道的存在必然會(huì)低估銀行風(fēng)險(xiǎn)承擔(dān)水平和經(jīng)濟(jì)波動(dòng)的波動(dòng)程度。

圖3 脈沖響應(yīng)結(jié)果

(四)參數(shù)敏感性分析

與不確定性沖擊相關(guān)的參數(shù)設(shè)定主要依賴于主觀經(jīng)驗(yàn)，為了保證分析結(jié)論的科學(xué)性，同時(shí)進(jìn)一步對影響不確定性沖擊傳導(dǎo)渠道的因素進(jìn)行探討，以得出更有價(jià)值的政策指導(dǎo)結(jié)論，我們將對不確定沖擊相關(guān)參數(shù)進(jìn)行敏感性分析。在接下來的敏感性分析部分，我們給出了σ=0.05時(shí)各經(jīng)濟(jì)變量在不同參數(shù)設(shè)定下關(guān)于狀態(tài)η變量的模擬結(jié)果。

圖4為參數(shù)λ的敏感性分析結(jié)果。由結(jié)果不難發(fā)現(xiàn)，λ越大，生產(chǎn)資本價(jià)格和生產(chǎn)資本投資率越大，而夏普比率和資本價(jià)格波動(dòng)率越小。這是因?yàn)棣藳Q定著不確定沖擊持續(xù)的時(shí)間，λ越大，不確定性沖擊持續(xù)的時(shí)間越短，這意味著不確定性沖擊對銀行風(fēng)險(xiǎn)承擔(dān)意愿影響程度減弱，經(jīng)濟(jì)更加穩(wěn)定，銀行自然愿意承擔(dān)更多的風(fēng)險(xiǎn)。

圖4 參數(shù)λ敏感性分析結(jié)果

圖5為參數(shù)κ的敏感性分析結(jié)果。|κ|反映了經(jīng)濟(jì)不確定性程度對經(jīng)濟(jì)基本面沖擊的敏感性大小。|κ|越大則代表單位經(jīng)濟(jì)基本面沖擊引起的經(jīng)濟(jì)不確定性波動(dòng)越大，也就是說此時(shí)經(jīng)濟(jì)波動(dòng)得更加劇烈，導(dǎo)致銀行風(fēng)險(xiǎn)承擔(dān)意愿降低，自然就會(huì)引起生產(chǎn)資本價(jià)格和生產(chǎn)資本投資率下降以及夏普比率上升。

圖5 參數(shù)κ敏感性分析結(jié)果

總之，參數(shù)敏感性分析表明模型是穩(wěn)健的，而且不確定性沖擊的經(jīng)濟(jì)效應(yīng)與這些參數(shù)(λ和κ)密切相關(guān)，這就為我們減弱不確定性沖擊的負(fù)面經(jīng)濟(jì)效應(yīng)提供了理論上的指導(dǎo)。參數(shù)λ和κ的大小在很大程度上與經(jīng)濟(jì)中的信息透明程度有關(guān)。一般來說，當(dāng)經(jīng)濟(jì)出現(xiàn)衰退時(shí)，市場容易出現(xiàn)恐慌情緒，引起信息傳播不暢，甚至扭曲信息內(nèi)容，經(jīng)濟(jì)需要較長時(shí)間才能真實(shí)地表達(dá)信息內(nèi)容，此時(shí)λ較小，而|κ|較大，從而加劇了不確定性沖擊的破壞程度。

六、研究結(jié)論和政策建議

考慮到不確定性沖擊的存在，本文構(gòu)建了包含銀行部門的連續(xù)時(shí)間DSGE模型，并對銀行風(fēng)險(xiǎn)承擔(dān)機(jī)制進(jìn)行了分析，重點(diǎn)探討了不確定性沖擊在銀行風(fēng)險(xiǎn)承擔(dān)行為和經(jīng)濟(jì)波動(dòng)中的作用機(jī)制，最后還對模型的穩(wěn)健性進(jìn)行了討論。本文的主要研究結(jié)論如下：

首先，銀行風(fēng)險(xiǎn)承擔(dān)行為與銀行資本規(guī)模和經(jīng)濟(jì)不確定性程度有密切關(guān)系。研究發(fā)現(xiàn)，銀行資本規(guī)模越充足或者經(jīng)濟(jì)不確定程度越低，則銀行風(fēng)險(xiǎn)承擔(dān)的意愿越強(qiáng)，所要求的風(fēng)險(xiǎn)補(bǔ)償越低。

其次，經(jīng)濟(jì)基本面沖擊通過影響銀行資本規(guī)模和經(jīng)濟(jì)不確定性兩種渠道被一步步放大。以負(fù)面經(jīng)濟(jì)基本面沖擊來說，負(fù)面經(jīng)濟(jì)基本面沖擊首先會(huì)直接降低銀行的投資收益，引起銀行資本規(guī)模下降，另外還會(huì)引起經(jīng)濟(jì)不確定性程度變大，這兩種機(jī)制均會(huì)引起銀行風(fēng)險(xiǎn)承擔(dān)意愿下降，進(jìn)而銀行削減投資，進(jìn)一步放大了負(fù)面經(jīng)濟(jì)基本面沖擊。

最后，參數(shù)敏感性分析表明模型是穩(wěn)健的。與不確定性沖擊持續(xù)時(shí)間相關(guān)的參數(shù)敏感性分析結(jié)果表明，不確定性沖擊持續(xù)的時(shí)間越短，銀行風(fēng)險(xiǎn)承擔(dān)受不確定性沖擊影響越小，經(jīng)濟(jì)越穩(wěn)定。與不確定性沖擊對經(jīng)濟(jì)基本面沖擊敏感性相關(guān)的參數(shù)敏感性分析結(jié)果表明，經(jīng)濟(jì)不確定性對經(jīng)濟(jì)基本面沖擊的反應(yīng)越不敏感，銀行風(fēng)險(xiǎn)承擔(dān)受不確定性沖擊影響越小，經(jīng)濟(jì)越穩(wěn)定。

本文研究極大地豐富了現(xiàn)有研究內(nèi)容，有助于我們認(rèn)識(shí)到不確定性沖擊在銀行風(fēng)險(xiǎn)承擔(dān)和經(jīng)濟(jì)波動(dòng)中不可忽略的重要作用，同時(shí)對監(jiān)管和預(yù)警系統(tǒng)性風(fēng)險(xiǎn)有重要的政策啟示意義。首先，完善信息披露制度，做到信息及時(shí)、準(zhǔn)確、有效地發(fā)布，同時(shí)拓寬與市場主體的溝通渠道，對市場關(guān)心內(nèi)容做到及時(shí)反饋，消除信息失真和信息不對稱問題。其次，政府出臺(tái)各種政策時(shí)，要保證政策的一致性，提高政府公信力，切勿朝令夕改，避免政策自身成為不確定性來源。最后，金融危機(jī)爆發(fā)后，政府在制定救市方案時(shí)，除了對金融機(jī)構(gòu)直接救助外，還要采取一些能降低經(jīng)濟(jì)不確定性的輔助方案。

[1] Jimenez G, Saurina J. Credit cycles, credit risk, and prudential regulation [J]. International Journal of Central Banking, 2006, 2(2): 65-98.

[2] Bloom N. Fluctuations in uncertainty [J]. Journal of Economic Perspectives, 2014, 28(2): 153-175.

[3] Buch C M, Buchholz M, Tonzer L. Uncertainty, bank lending, and bank-level heterogeneity [J].IMF Economic Review,2015, 63(4): 919-954.

[4] Ramey G, Ramey V A. Cross-country evidence on the link between volatility and growth [J]. American Economic Review, 1995, 85(5): 1138-1151.

[5] Bloom N, Bond S, Reenen J V. Uncertainty and investment dynamics [J]. Review of Economic Studies, 2007, 74(2): 391-415.

[6] Engle R, Rangel J G. The spline-GARCH model for low-frequency volatility and its global macroeconomic causes [J]. Review of Financial Studies, 2008, 21(3): 1187-1222.

[7] Bloom N. The impact of uncertainty shocks [J]. Econometrica, 2009, 77(3): 623-685.

[8] Bernanke B S. Irreversibility, uncertainty, and cyclical investment [J]. Quarterly Journal of Economics, 1983, 98(1): 85-106.

[9] Brennan M J, Schwartz E S. Evaluating natural resource investments [J]. Journal of Business, 1985, 58(2): 135-157.

[10] McDonald R, Siegel D. The value of waiting to invest [J]. Quarterly Journal of Economics, 1986, 101(4): 707-728.

[11] Arellano C, Bai Y, Kehoe P. Financial crises and fluctuations in uncertainty [R]. Working Paper, 2010.

[12] Christiano L J, Motto R, Rostagno M. Risk shocks [J]. American Economic Review, 2014, 104(1): 27-65.

[13] Gilchrist S, Sim J, Zakrajsek E. Uncertainty, financial frictions and investment dynamics [R]. Working Paper, 2011.

[14] Bloom N, Floetotto M, Jaimovich N, Saporta-Eksten I, Terry S J. Really uncertain business cycles [R]. Working Paper, 2014.

[15] Gertler M, Kiyotaki N. Financial intermediation and credit policy in business cycle analysis [J]. Handbook of monetary economics, 2010, 3(3): 547-599.

[16] Gerali A, Neri S, Sessa L, Signoretti F M. Credit and banking in a DSGE model of the Euro area [J]. Journal of Money, Credit and Banking, 2010, 42(2): 107-141.

[17] Gertler M, Karadi P. A model of unconventional monetary policy [J]. Journal of Monetary Economics, 2011, 58(1): 17-34.

[18] Gertler M, Kiyotaki N, Queralto A. Financial crises, bank risk exposure and government financial policy [J]. Journal of Monetary Economics, 2012, 59: 17-34.

[19] 鄢莉莉, 王一鳴. 金融發(fā)展、金融市場沖擊與經(jīng)濟(jì)波動(dòng)——基于動(dòng)態(tài)隨機(jī)一般均衡模型的分析[J]. 金融研究, 2012(12): 82-95.

[20] 康立, 龔六堂, 陳永偉. 金融摩擦、銀行凈資產(chǎn)與經(jīng)濟(jì)波動(dòng)的行業(yè)間傳導(dǎo)[J]. 金融研究, 2013(5): 32-46.

[21] 康立, 龔六堂. 金融摩擦、銀行凈資產(chǎn)與國際經(jīng)濟(jì)危機(jī)傳導(dǎo)——基于多部門DSGE模型分析[J]. 經(jīng)濟(jì)研究, 2014(5): 147-159.

[22] He Z, Krishnamurthy A. A model of capital and crises [J]. Review of Economic Studies, 2012, 79(2): 735-777.

[23] He Z, Krishnamurthy A. Intermediary asset pricing [J]. American Economic Review, 2013, 103(2): 732-770.

[24] Brunnermeier M K, Sannikov Y. A macroeconomic model with a financial sector [J]. American Economic Review, 2014, 104(2): 379-421.

[25] Adrian T, Shin H. Procyclical leverage and value at risk [J]. Review of Financial Studies, 2014, 27(2): 373-403.

[26] Pindyck R S, Wang N. The economic and policy consequences of catastrophes [J]. American Economic Journal: Economic Policy, 2013, 5(4): 306-339.

責(zé)任編輯、校對：郭燕慶

2016-08-23

國家自然科學(xué)基金面上項(xiàng)目“面向金融安全的房地產(chǎn)市場風(fēng)險(xiǎn)識(shí)別及預(yù)警研究”(項(xiàng)目號：71373201)；國家自然科學(xué)基金面上項(xiàng)目“房價(jià)沖擊系統(tǒng)性風(fēng)險(xiǎn)的機(jī)理、影響、測度及防范研究”(項(xiàng)目號：71673214)。

馬續(xù)濤(1987-)，河北省邢臺(tái)市人，西安交通大學(xué)經(jīng)濟(jì)與金融學(xué)院博士研究生，研究方向：系統(tǒng)性風(fēng)險(xiǎn)；沈悅(1961-)，陜西省渭南市人，西安交通大學(xué)經(jīng)濟(jì)與金融學(xué)院教授、博士生導(dǎo)師，研究方向：金融市場風(fēng)險(xiǎn)管理。

A

1002-2848-2016(06)-0055-09