王 雪

(新疆財經(jīng)大學 金融學院， 烏魯木齊 830012)

受新冠肺炎疫情影響，全球經(jīng)濟政策的不確定性逐漸加劇，有關經(jīng)濟政策不確定性的研究成為當下的熱點。經(jīng)濟不確定性的概念最早由奈特于1921年提出，它對政治體系、宏觀經(jīng)濟和微觀企業(yè)都有影響。經(jīng)濟政策不確定性對微觀企業(yè)的影響主要體現(xiàn)在投融資層面，而我國金融體系仍以銀行為主體，且以間接融資為主，所以銀行信貸依然是社會融資的重要渠道，在支持實體經(jīng)濟發(fā)展、緩解企業(yè)融資約束等方面發(fā)揮著重要的作用。由此，對經(jīng)濟政策不確定性如何通過影響銀行信貸進而作用于實體經(jīng)濟進行相關研究就顯得尤為重要。

一、文獻綜述

當經(jīng)濟政策不確定時，銀行會及時調(diào)整風險承擔水平，改變信貸決策。Talavera等[1]早在2012年就指出，隨著經(jīng)濟不確定性的增加，銀行的貸款比例會顯著下降，隨后Bordo等[2]和 Baker 等[3]也印證了該觀點。在我國市場上，宋全云等[4]以及何富美等[5]認為，較高的經(jīng)濟政策不確定性增加了銀行貸款成本、改變了銀行信貸的最優(yōu)決策，從而導致銀行信貸投放總量下降。而部分學者研究得出了不同的結論。劉陽和侯孟奇[6]分析了2007—2017年上市銀行的平衡面板數(shù)據(jù)，發(fā)現(xiàn)經(jīng)濟政策不確定性的上升會顯著加速銀行信貸的擴張，不僅如此，銀行的風險承擔水平提高也會導致銀行信貸擴張加速。這一相反的觀點也并非不可解釋，因為當經(jīng)濟政策波動較大時，企業(yè)與家庭為規(guī)避風險，會增加儲蓄，進而增強了銀行投放信貸的動機。

研究經(jīng)濟政策不確定性通過銀行信貸渠道影響企業(yè)的文獻較多關注對企業(yè)投資的影響。王義中和宋敏[7]指出，宏觀經(jīng)濟政策不確定性會通過外部需求以及短期和長期的資金需求等渠道對企業(yè)的投資產(chǎn)生影響。李鳳羽和楊墨竹[8]指出，通常來說，較高的經(jīng)濟政策不確定性會抑制公司投資。顧文濤等[9]運用門限面板模型，從企業(yè)異質(zhì)性角度出發(fā)，發(fā)現(xiàn)經(jīng)濟政策不確定性通過銀行信貸對那些成長機會小、融資約束高、外部需求低以及股權集中度低的企業(yè)的投資影響更強。李佳霖等[10]認為，經(jīng)濟政策不確定性對企業(yè)投資的抑制不僅通過銀行信貸這一渠道，還受企業(yè)跨期投資決策變化的影響。

經(jīng)濟政策不確定性不僅對企業(yè)投資產(chǎn)生影響，對企業(yè)融資也有影響。當經(jīng)濟政策不確定性上升時，一方面銀行難以判斷投資機會，進而收縮信貸，使得企業(yè)融資約束提高；另一方面公司難以預測未來經(jīng)濟趨勢，會放緩投資，使得企業(yè)債務融資的動機減弱。蔣騰等[11]發(fā)現(xiàn)當經(jīng)濟政策不確定性上升時，企業(yè)融資約束會顯著提高，該現(xiàn)象在民營企業(yè)以及規(guī)模較小的企業(yè)中更為凸顯。羅丹和李志騫[12]認為，經(jīng)濟政策不確定性主要通過債務而非股權融資途徑影響企業(yè)的融資。

通過梳理以上文獻，可以發(fā)現(xiàn)目前的研究還存在可改進之處。第一，目前學者都是針對固定時段內(nèi)經(jīng)濟政策不確定性對銀行信貸投放或是對企業(yè)投資的影響進行研究，而對不同的時點與不同的時段進行研究才更符合現(xiàn)實。第二，以往文獻多將企業(yè)融資約束作為一種影響因素來研究經(jīng)濟政策不確定性對銀行信貸的影響，而針對經(jīng)濟政策不確定性通過銀行信貸對企業(yè)融資約束產(chǎn)生影響的研究較少。為此，本文運用時變參數(shù)向量自回歸模型(TVP-VAR)對經(jīng)濟政策不確定性、銀行信貸與企業(yè)融資約束在不同時段和不同時點上的表現(xiàn)進行研究。

二、研究設計

(一)變量選取

本文選取2002年1月至2020年5月的月度數(shù)據(jù)，數(shù)據(jù)來自Wind數(shù)據(jù)庫。

1.經(jīng)濟政策不確定性(EPU)

現(xiàn)有文獻對EPU的度量方法大致有三種。第一種是用樣本期內(nèi)的政治選舉、地方官員的變更頻率來進行刻畫。第二種是張玉鵬和王茜[13]提出的以貨幣政策或者財稅政策變量的條件波動率來表示，以經(jīng)濟政策變量的隨機擾動特征來度量經(jīng)濟政策不確定性。第三種是Baker等[3]以香港南華早報數(shù)據(jù)庫為文本信息源構建的中國EPU指數(shù)，該指數(shù)對我國經(jīng)濟政策不確定性的刻畫表現(xiàn)出較好的穩(wěn)健性、可靠性和客觀性，所以本文采用第三種方法來刻畫經(jīng)濟政策不確定性。為消除量綱影響，本文對該指標進行取對數(shù)處理。

2.銀行信貸投放(Load)

經(jīng)濟政策不確定性對銀行信貸投放產(chǎn)生的影響主要集中在信貸的供給端，因此本文以銀行信貸供給端為重點。銀行信貸投放力度既可通過對銀行進行問卷調(diào)查得到，也可用超額存款準備金率來反映。兩種方法相比，伍戈和連飛[14]認為后者的刻畫更為準確。因此本文用中國人民銀行規(guī)定的超額存款準備金率來反映銀行信貸投放情況。

3.企業(yè)融資約束(R)

本文用社會融資規(guī)模來代表企業(yè)融資約束。為消除量綱影響，本文對該指標進行取對數(shù)處理。

(二)模型設定

時變參數(shù)向量自回歸模型(TVP-VAR)是用來描述面對沖擊時不同時段與不同時點的時變參數(shù)特征的模型。該模型允許異方差的存在，它的時變性質(zhì)更能捕捉變量在不同時段下的獨特特征。該模型采用時變參數(shù)VAR模型的貝葉斯分析方法，運用馬爾可夫鏈蒙特卡洛算法(MCMC)，從TVP-VAR模型的后驗分布生成樣本。它是在SVAR模型的基礎上，引入隨機波動和時變參數(shù)形成的。

SVAR模型如下：

Ayt=F1yt-1+…+Fsyt-s+μt,t=s+1,…,n

(1)

式(1)中，yt是多個變量的時間序列向量，A是聯(lián)立參數(shù)矩陣，F(xiàn)1～Fs是系數(shù)矩陣，擾動項μt～N(0，ΣΣ)。

將SVAR模型進行簡化得到：

yt=B1yt-1+…+Bsyt-s+A-1Σεt,εt～N(0,Ik)

(2)

式(2)中，Bi=A-1Fi，將Bi中的行元素改為k2s×1的向量β，并將參數(shù)設為時變，得到TVP-VAR模型，具體模型如下：

(3)

βt+1=βt+μβ t,αt+1=αt+μα t,ht+1=ht+μh t

βt+1～N(μβ0,Σβ0)，αt+1～N(μα0,Σα0)，ht+1～N(μh0,Σh0)

t=s+1,…,n

三、實證分析

(一)參數(shù)估計結果

在構建TVP-VAR模型之前，要檢驗變量的平穩(wěn)性。同階平穩(wěn)的序列構建的TVP-VAR模型可靠性更強，精確度更高。表1給出了3個變量的ADF檢驗結果，結果表明3個變量都是一階單整。然后運用信息準則選取最優(yōu)滯后階數(shù)，結果如表2所示，5個準則中4個都選擇了滯后3階為最優(yōu)滯后階數(shù)，所以本文TVP-VAR模型的最優(yōu)滯后階數(shù)為3階。

表1 ADF檢驗結果

表2 滯后階數(shù)的選擇

本文采用馬爾可夫鏈蒙特卡洛模擬(MCMC)算法對該模型進行10000次抽樣。圖1給出了基于模擬數(shù)據(jù)的樣本自相關系數(shù)、樣本路徑和后驗分布估計結果。由圖1可知，在放棄了最開始的1000次抽樣之后，樣本自相關系數(shù)快速下降并在0附近波動，可以判定樣本取值方法能夠有效產(chǎn)生不相關的樣本。另外，樣本路徑比較穩(wěn)定，MCMC算法有效模擬了參數(shù)分布狀況。

圖1 樣本自相關系數(shù)(上)、樣本路徑(中)和后驗分布(下)估計結果

表3給出了TVP-VAR模型后驗分布的結果，其中Geweke是收斂診斷值。所有參數(shù)的估計結果顯示，后驗分布均值均在95%的置信區(qū)間里。在5%的顯著性水平上，收斂診斷值的臨界值為1.96，結果顯示收斂診斷值均小于臨界值，這說明接受收斂于后驗分布的原假設，即預燒期已能夠使馬爾可夫鏈趨于集中。無效因子最大值為135.07，即進行的10000次有效模擬中，至少有74個不相關樣本，充分滿足后驗推斷要求。檢驗表明TVP-VAR模型估計結果可信，即經(jīng)濟政策不確定性、銀行信貸投放與企業(yè)融資約束之間存在時變影響關系。

表3 TVP-VAR模型的參數(shù)估計結果

(二)脈沖響應分析

1.經(jīng)濟政策不確定性、銀行信貸投放與企業(yè)融資約束的等間隔脈沖響應

本文運用TVP-VAR模型生成等間隔脈沖響應函數(shù)和時點脈沖響應函數(shù)，探索在不同時間間隔和不同時點下，在解釋變量1單位標準差的正向沖擊影響下被解釋變量如何變化。由于采用的是月度數(shù)據(jù)，所以將滯后3期(1個季度)代表短期、6期(半年)代表中期、12期(1年)代表長期，研究三種時間間隔下經(jīng)濟政策不確定性、銀行信貸投放、企業(yè)融資約束兩兩之間的等間隔脈沖響應。圖2、圖3和圖4顯示，短、中、長三種不同時間間隔沖擊下，脈沖響應走勢基本一致。

圖2 經(jīng)濟政策不確定性與銀行信貸投放的等間隔脈沖響應

圖3 經(jīng)濟政策不確定性與企業(yè)融資約束的等間隔脈沖響應

圖4 銀行信貸投放與企業(yè)融資約束的等間隔脈沖響應

圖2的左圖和右圖分別反映了一個標準差的正向經(jīng)濟政策不確定性沖擊下銀行信貸投放的脈沖響應(εEPU→Load)與一個標準差的正向銀行信貸投放沖擊下經(jīng)濟政策不確定性的脈沖響應(εLoad→EPU)。由左圖可知，經(jīng)濟政策不確定性對銀行信貸投放脈沖響應的影響程度在2002年至2018年間不同時間間隔下差異并不大，且系數(shù)接近于0，這說明經(jīng)濟政策不確定性對銀行信貸投放的影響不明顯，但在2018年至2020年間開始表現(xiàn)為負向影響。具體來看，在經(jīng)濟政策不確定性沖擊下，滯后3期的銀行信貸投放波動區(qū)間為[-0.060，0.050]，滯后6期的波動區(qū)間為[-0.110，0.052]，滯后12期的波動區(qū)間為[-0.151，0.050]。對比可知，經(jīng)濟政策不確定性變化引起銀行信貸投放減弱的長期效應更強。根據(jù)右圖，銀行信貸投放對經(jīng)濟政策不確定性的影響程度隨時間間隔不同差異較大，但趨勢相同。銀行信貸投放沖擊下，滯后3期的經(jīng)濟政策不確定性波動區(qū)間為[-0.007，0.003]，滯后6期的波動區(qū)間為[-0.015，0.003]，滯后12期的波動區(qū)間為[-0.030，0.004]?？傮w來看，脈沖響應的長期滯后效應最強，中期次之，短期最弱。這表明期限越長，經(jīng)濟政策不確定性對銀行信貸投放波動的影響越大，且經(jīng)濟政策不確定性對銀行信貸投放的沖擊要大于銀行信貸投放對經(jīng)濟政策不確定性的沖擊。

圖3的左圖和右圖分別反映了一個標準差的正向經(jīng)濟政策不確定性沖擊下企業(yè)融資約束的脈沖響應(εEPU→R)與一個標準差的正向企業(yè)融資約束沖擊下經(jīng)濟政策不確定性的脈沖響應(εR→EPU)。由左圖可知，一個標準差的正向經(jīng)濟政策不確定性沖擊對企業(yè)融資約束的影響程度在2002年至2018年間與經(jīng)濟政策不確定性對銀行信貸投放的影響類似，在不同時間間隔下差異并不大，且系數(shù)接近于0，2018年至2020年間開始有明顯的差異，且經(jīng)濟政策不確定性對企業(yè)融資約束的影響為正向。具體來看，在經(jīng)濟政策不確定性沖擊下，滯后3期的企業(yè)融資約束的波動區(qū)間為[-0.213，0.080]，滯后6期的波動區(qū)間為[-0.213，0.240]，滯后12期的波動區(qū)間為[-0.213，0.650]。由此可見，經(jīng)濟政策不確定性變化引起企業(yè)融資約束增強的長期滯后效應更強。根據(jù)右圖，一個標準差的正向企業(yè)融資約束沖擊對經(jīng)濟政策不確定性的影響程度在不同時間間隔下差異較大，但趨勢相同。在企業(yè)融資約束沖擊下，滯后3期的經(jīng)濟政策不確定性波動區(qū)間為[0.020，0.026]，滯后6期的波動區(qū)間為[-0.006，0.028]，滯后12期的波動區(qū)間為[-0.034，0.030]。由此可見，脈沖響應的長期滯后效應最強，中期次之，短期最弱。與經(jīng)濟政策不確定性對企業(yè)融資約束的影響相比，企業(yè)融資約束對經(jīng)濟政策不確定性的影響微乎其微。

圖4的左圖和右圖分別反映了一個標準差的正向銀行信貸投放沖擊下企業(yè)融資約束的脈沖響應(εLoad→R)與一個標準差的正向企業(yè)融資約束沖擊下銀行信貸投放的脈沖響應(εR→Load)。從左圖來看，一個標準差的正向銀行信貸投放沖擊對企業(yè)融資約束脈沖響應的影響為負向。具體來看，在銀行信貸投放沖擊下,滯后3期的企業(yè)融資約束不確定性的波動區(qū)間為[-0.016，0.000]，滯后6期的波動區(qū)間為[-0.034，-0.004]，滯后12期的波動區(qū)間為[-0.056，-0.004]。脈沖響應的長期滯后效應最強，中期次之，短期最弱。根據(jù)右圖，一個標準差的正向企業(yè)融資約束沖擊對銀行信貸投放脈沖響應的影響程度在不同時間間隔下差異較大，但趨勢相同。在企業(yè)融資約束沖擊下，滯后3期的銀行信貸投放的波動區(qū)間為[-0.004，0.012]，滯后6期的波動區(qū)間為[-0.007，0.015]，滯后12期的波動區(qū)間為[-0.010，0.020]。脈沖響應的長期滯后效應最強，中期次之，短期最弱。

2.經(jīng)濟政策不確定性、銀行信貸投放與企業(yè)融資約束的時點脈沖響應

TVP-VAR模型不僅能生成等間隔脈沖響應函數(shù)，也能生成時點脈沖響應函數(shù)。時點脈沖響應函數(shù)可用來觀察在特定時點下，受解釋變量1單位標準差的正向沖擊影響的被解釋變量如何變化。本文以宏觀經(jīng)濟重大事件為選取時點的依據(jù)，選取了三個特定時點：2008年9月金融危機導致全球經(jīng)濟大幅波動；2012年9月歐債危機達到頂峰，我國經(jīng)濟環(huán)境不確定性增強；2015年11月我國經(jīng)濟增速為此前25年來的最低值，政府提出供給側結構性改革方案。三個不同時點下經(jīng)濟政策不確定性、銀行信貸投放、企業(yè)融資約束兩兩之間的時點脈沖響應如圖5、圖6和圖7所示。

圖5 經(jīng)濟政策不確定性與銀行信貸投放的時點脈沖響應

圖6 經(jīng)濟政策不確定性與企業(yè)融資約束的時點脈沖響應

圖7 銀行信貸投放與企業(yè)融資約束的時點脈沖響應

圖5的左圖和右圖分別反映了不同時點下經(jīng)濟政策不確定性沖擊對銀行信貸投放的影響(εEPU→Load)與銀行信貸投放沖擊對經(jīng)濟政策不確定性的影響(εLoad→EPU)。從左圖來看，2012年9月時點下，經(jīng)濟政策不確定性對銀行信貸投放有正向影響；2008年9月和2015年11月時點下，經(jīng)濟政策不確定性對銀行信貸投放有負向影響。具體來看，2008年9月時點下，經(jīng)濟政策不確定性沖擊下銀行信貸投放的波動區(qū)間為[-0.044，-0.007]；2012年9月時點下，波動區(qū)間為[0.004，0.012]；2015年11月時點下，波動區(qū)間為[-0.010，-0.004]。由此可見，經(jīng)濟政策不確定性對銀行信貸投放的影響受所處宏觀經(jīng)濟環(huán)境的影響。從影響機理來看，一方面，較高的經(jīng)濟政策不確定性會使銀行對未來的流動性需求難以形成穩(wěn)定預期，導致銀行減少信貸支出以補充自身流動性；另一方面，較高經(jīng)濟政策不確定性使銀行難以評估企業(yè)的信貸風險，銀行預期收益的信號噪聲變大，進而導致銀行的風險貸款占總資產(chǎn)的份額減少，而實證結果顯示宏觀經(jīng)濟環(huán)境因素在銀行對自身的預期與對企業(yè)的評估方面都會產(chǎn)生影響。從右圖來看，縱坐標值反映出銀行信貸投放沖擊對經(jīng)濟政策不確定性的影響非常小。

圖6的左圖和右圖分別反映了不同時點下經(jīng)濟政策不確定性沖擊對企業(yè)融資約束的影響(εEPU→R)與企業(yè)融資約束沖擊對經(jīng)濟政策不確定性的影響(εR→EPU)。從左圖來看，2008年9月時點下，經(jīng)濟政策不確定性對企業(yè)融資約束的影響為持續(xù)正向；2012年9月時點下，影響為持續(xù)負向；而2015年11月時點下，影響在前6期為負向，從第7期開始轉為正向。具體來看，2008年9月時點下，經(jīng)濟政策不確定性沖擊下企業(yè)融資約束的波動區(qū)間為[0.000，0.155]；2012年9月時點下，波動區(qū)間為[-0.025，-0.011]；2015年11月時點下，波動區(qū)間為[-0.020，0.050]。由此可見，經(jīng)濟政策不確定性對企業(yè)融資約束的影響雖然隨著宏觀經(jīng)濟環(huán)境的變化而變化，但變化并不大。從右圖來看，縱坐標值反映出企業(yè)融資約束沖擊對經(jīng)濟政策不確定性的影響非常小。

圖7的左圖和右圖分別反映了不同時點下銀行信貸投放沖擊對企業(yè)融資約束的影響(εLoad→R)與企業(yè)融資約束沖擊對銀行信貸投放的影響(εR→Load)。從左圖來看，三個時點下，銀行信貸投放對企業(yè)融資約束都產(chǎn)生持續(xù)負向影響，且負向關系是穩(wěn)健的，不受外界經(jīng)濟環(huán)境的影響，這反映出當前我國企業(yè)融資渠道狹窄，基本依賴銀行信貸投放，從資本市場中獲取融資機會較少。由此可見，在我國的金融制度背景下，以銀行為主導的金融體系決定了銀行信貸依然是我國企業(yè)重要的外部融資渠道，銀行信貸對企業(yè)的經(jīng)營、投資等活動具有至關重要的影響。從右圖來看，縱坐標值反映出企業(yè)融資約束沖擊對銀行信貸投放的影響非常小。

四、結論與啟示

實證結果表明：(1)經(jīng)濟政策不確定性抑制了銀行信貸擴張；經(jīng)濟政策不確定性的增加提高了企業(yè)融資約束的程度；銀行信貸投放規(guī)模越大，企業(yè)融資約束程度越低。(2)等間隔脈沖響應分析結果顯示，無論是經(jīng)濟政策不確定性沖擊下銀行信貸投放、企業(yè)融資約束的脈沖響應，還是銀行信貸投放沖擊下企業(yè)融資約束的脈沖響應，都顯示沖擊的長期效應要強于中期和短期效應，且影響具有擴散性。(3)時點脈沖響應分析結果表明，經(jīng)濟政策不確定性對銀行信貸投放和企業(yè)融資約束的影響受所處宏觀經(jīng)濟環(huán)境的影響；但銀行信貸投放對企業(yè)融資約束存在穩(wěn)健的負向作用，不受外界經(jīng)濟環(huán)境的影響，企業(yè)對銀行貸款存在較強的依賴性。

根據(jù)以上結論，本文得到以下啟示：(1)政府在進行經(jīng)濟調(diào)控時，應保持政策的公開性與一致性，設定目標時要著眼于長期，降低經(jīng)濟政策不確定性對銀行信貸投放產(chǎn)生的負向沖擊。(2)在當前我國仍以間接融資為主的金融體系下，有必要加強銀行對國家重點扶持的行業(yè)與產(chǎn)業(yè)投放信貸的意愿，從而激發(fā)微觀主體活力。同時應幫助企業(yè)積極拓寬融資渠道，加快資本市場的發(fā)展進程，增加直接融資比重，降低企業(yè)對銀行信貸的依賴性，鼓勵企業(yè)選擇適合自己的融資結構和融資渠道。