溫文　王璐

【摘要】基于2009 ～ 2018年我國商業(yè)銀行非平衡面板數(shù)據(jù)， 研究經(jīng)濟不確定性對銀行風(fēng)險承擔(dān)的影響及杠桿動態(tài)調(diào)整在該影響機制中的作用， 結(jié)果表明： 經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)水平正相關(guān)， 且在經(jīng)濟不確定性影響銀行風(fēng)險承擔(dān)的過程中， 至少有一部分是通過“杠桿動態(tài)調(diào)整的中介渠道”實現(xiàn)的。 進一步研究發(fā)現(xiàn)， 相比非上市銀行和中小型銀行， 在上市銀行和大型銀行中杠桿調(diào)整機制更明顯， 并且上市背景和規(guī)模異質(zhì)性的調(diào)節(jié)效應(yīng)部分是通過杠桿動態(tài)調(diào)整中介效應(yīng)發(fā)揮作用。 商業(yè)銀行應(yīng)構(gòu)建完善的宏觀經(jīng)濟預(yù)警系統(tǒng)， 對經(jīng)濟形勢進行預(yù)判和預(yù)警， 以緩解不利沖擊的影響; 監(jiān)管層在制定杠桿率監(jiān)管時要考慮銀行本身的自我杠桿調(diào)整動機， 以提高政策實施效果。

【關(guān)鍵詞】經(jīng)濟不確定性;杠桿動態(tài)調(diào)整;銀行風(fēng)險承擔(dān);異質(zhì)性

【中圖分類號】 F832? ? ?【文獻標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2021）19-0058-10

一、引言

當(dāng)前全球經(jīng)濟持續(xù)動蕩， 政策的頻繁調(diào)整使得宏觀經(jīng)濟波動加劇， 不確定性問題已經(jīng)成為全球性難題。 在我國銀行主導(dǎo)型的金融體系下， 商業(yè)銀行是金融服務(wù)實體經(jīng)濟的重要樞紐， 也是宏觀經(jīng)濟政策傳導(dǎo)的主要媒介， 與一般企業(yè)相比， 商業(yè)銀行對外部不確定性的沖擊更敏感。 宏觀經(jīng)濟波動對企業(yè)微觀行為的影響， 最終會通過降低信貸資產(chǎn)質(zhì)量、加劇信貸結(jié)構(gòu)失衡等渠道傳導(dǎo)到銀行層面[1，2] 。 Talavera等[3] 發(fā)現(xiàn)， 經(jīng)濟不確定性會激發(fā)銀行管理者更強烈的風(fēng)險規(guī)避動機， 從而導(dǎo)致銀行在經(jīng)濟劇烈波動時降低貸款比率。 從資金需求方來看， 在面對經(jīng)濟波動時， 風(fēng)險規(guī)避型代理人同樣會在預(yù)測中削減消費和投資， 減少信貸需求[4] 。 特別是當(dāng)經(jīng)濟處于衰退階段時， 經(jīng)濟波動帶來的不確定性會進一步惡化銀行資產(chǎn)質(zhì)量， 顯著增加高不良貸款率銀行的破產(chǎn)概率[5] 。 現(xiàn)有研究更多的是強調(diào)外部沖擊給銀行帶來的被動反應(yīng)， 而忽視了銀行自發(fā)的風(fēng)險規(guī)避行為。 那么， 面對宏觀經(jīng)濟不確定性沖擊， 銀行是否會主動調(diào)整自身行為以規(guī)避風(fēng)險？ 本文試圖從銀行杠桿動態(tài)調(diào)整視角對這一問題進行探析。

從行為經(jīng)濟學(xué)角度來看， 面對外部環(huán)境不確定性， 微觀主體往往存在回避風(fēng)險的動機， 不確定性會阻礙微觀主體對其行動結(jié)果的預(yù)測。 為了回避風(fēng)險， 經(jīng)濟主體可能會采取相機抉擇[6] 。 在銀行系統(tǒng)內(nèi)， 面對外部不確定性沖擊， 管理者會調(diào)整自身杠桿以應(yīng)對風(fēng)險[7] 。 汪莉[8] 發(fā)現(xiàn)在我國商業(yè)銀行中同樣存在“杠桿調(diào)整效應(yīng)”， 當(dāng)銀行資產(chǎn)負債表規(guī)模擴大時， 會偏向于積極的資產(chǎn)負債調(diào)整， 即提高銀行杠桿水平。 現(xiàn)有研究雖然證實了銀行存在杠桿動態(tài)調(diào)整動機， 但并不能明確把握外部沖擊影響銀行風(fēng)險承擔(dān)的杠桿機制， 從而可能降低杠桿率監(jiān)管政策的制定和實施效果。 那么， 監(jiān)管層在制定杠桿率監(jiān)管政策或商業(yè)銀行在設(shè)定預(yù)期杠桿率水平時， 是否會將當(dāng)前經(jīng)濟波動影響考慮在內(nèi)？ 所設(shè)定的“目標(biāo)”杠桿率是否具有前瞻性？ 杠桿調(diào)整是否可以有效緩沖經(jīng)濟不確定性可能對銀行風(fēng)險的影響？ 這些是本文所要研究的主要問題。

我國銀行業(yè)面臨的環(huán)境日趨復(fù)雜， 長期累積風(fēng)險逐漸暴露， 銀行“去杠桿”任務(wù)愈發(fā)迫切。 研究經(jīng)濟波動沖擊對銀行風(fēng)險承擔(dān)的影響路徑和杠桿調(diào)整機制， 對于監(jiān)管當(dāng)局的政策制定及銀行風(fēng)險防控具有重要意義。 因此， 本文試圖從杠桿調(diào)整機制入手， 使用2009 ～ 2018年間我國商業(yè)銀行的面板數(shù)據(jù)， 探析經(jīng)濟不確定性如何影響商業(yè)銀行的各項風(fēng)險決策， 以及商業(yè)銀行如何調(diào)整自身決策以應(yīng)對不確定性沖擊。

二、理論分析與研究假設(shè)

不確定性會通過預(yù)防性儲蓄、凸性邊際收入等機制影響經(jīng)濟活動[9] ， 而經(jīng)濟主體在面對不確定性時會感受到威脅， 并試圖通過制定安全規(guī)則和其他手段來避免不確定性， 這被霍夫斯泰德稱為不確定性規(guī)避（Uncertainty Avoidance）。 借鑒這一理論， 本文認為經(jīng)濟不確性增加除了會直接影響銀行風(fēng)險承擔(dān)， 還會使得經(jīng)濟主體采取回避方式應(yīng)對外部沖擊， 即受到經(jīng)濟不確定性沖擊時， 銀行會通過杠桿動態(tài)調(diào)整來緩解經(jīng)濟波動帶來的影響， 從而使其風(fēng)險承擔(dān)水平降低。

（一）經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)

通過對現(xiàn)有研究成果的梳理發(fā)現(xiàn)， 經(jīng)濟不確定性增加會直接加劇銀行風(fēng)險。 第一， 從信息理論角度來看， 經(jīng)濟不確定性上升導(dǎo)致市場噪音信號增加， 干擾銀行對信貸申請人所在行業(yè)發(fā)展前景的評估和判斷， 銀行很難準確識別借款人的還款能力和貸款風(fēng)險， 導(dǎo)致判斷失誤， 從而承擔(dān)了不必要的風(fēng)險[10] 。 第二， 從經(jīng)濟不利沖擊來看， 經(jīng)濟不確定性加劇會使得企業(yè)的未來現(xiàn)金流變化更加動蕩、盈利能力惡化和抵押品價值下跌， 從而導(dǎo)致銀行貸款違約率提高， 違約風(fēng)險上升[11] 。 第三， 從實物期權(quán)理論來看， 投資或消費等價于一系列期權(quán)， 當(dāng)不確定性增加時， 投資或消費的延期會帶來更大價值， 此時企業(yè)的最優(yōu)決策就是推遲消費和投資， 這使得當(dāng)期企業(yè)資金需求下降。 同樣， 銀行的最優(yōu)決策就是推遲放貸或外部金融投資， 這使得市場資金供給降低。 資金供需收緊導(dǎo)致銀行業(yè)績下滑， 從而使其風(fēng)險承擔(dān)水平提高。 已有研究發(fā)現(xiàn)， 經(jīng)濟不確定性會沖擊銀行的信貸業(yè)務(wù)和金融市場業(yè)務(wù)， 信貸或投資收縮導(dǎo)致銀行承擔(dān)更多的風(fēng)險[12，13] 。 根據(jù)以上分析， 本文提出以下假設(shè)：

H1： 在其他條件一定的情況下， 經(jīng)濟不確定性越大， 銀行風(fēng)險承擔(dān)水平越高。

（二）經(jīng)濟不確定性與銀行杠桿動態(tài)調(diào)整

由于銀行杠桿的“親經(jīng)濟周期性”， 學(xué)者們的研究大都是基于銀行杠桿的“順周期性”展開的， 表現(xiàn)為銀行杠桿隨著經(jīng)濟上行或下行而呈現(xiàn)出相同趨勢的調(diào)整。 當(dāng)經(jīng)濟環(huán)境為單一趨勢且維持時間較長時， 這一結(jié)論更為明顯; 當(dāng)外部沖擊頻繁發(fā)生時， 這一結(jié)論就不那么可靠了。 因此， 有必要從經(jīng)濟不確定性視角來考察銀行杠桿調(diào)整機制。

根據(jù)銀行資產(chǎn)結(jié)構(gòu)類型， 宏觀經(jīng)濟沖擊對銀行的影響可能存在資產(chǎn)和資本兩種路徑的調(diào)整。 當(dāng)受到宏觀經(jīng)濟沖擊時， 銀行存在著調(diào)整杠桿水平以減緩?fù)獠繘_擊影響的行為。 具體而言， 從資產(chǎn)端看， 在經(jīng)濟穩(wěn)定發(fā)展時期， 銀行會篩選客戶， 找到具有最佳潛在增長和價值的客戶配置其資源; 當(dāng)經(jīng)濟頻繁波動時， 會干擾銀行對信息的識別， 制造出大量期望收益噪音[14] ， 迫使銀行的客戶選擇模糊化， 使其難以合理高效配置資源[15] 。 并且隨著干擾程度的增加， 管理者的風(fēng)險規(guī)避傾向趨升， 銀行會及時減少風(fēng)險資產(chǎn)的配置， 導(dǎo)致自身的杠桿降低。 經(jīng)濟不確定性增加會加劇信貸雙方的信息不對稱， 銀行難以評估借款人的信用， 貸款預(yù)期收益噪音較大， 為了規(guī)避這種風(fēng)險， 風(fēng)險厭惡型管理者放貸意愿減弱， 使得銀行風(fēng)險杠桿率降低[16] 。 從資本端看， 在經(jīng)濟放緩、不確定性急劇上升的情況下， 存款者的風(fēng)險厭惡情緒會驅(qū)使其把更多的錢儲存在銀行[17] ， 造成銀行存款增加， 存款準備金制度使得銀行資本快速調(diào)整， 即降低了自身杠桿。 江曙霞和何建勇[18] 研究發(fā)現(xiàn)， 銀行為了避免因貸款需求增加而遭受資本不足的約束， 會通過各種形式增加資本， 使得銀行杠桿率降低。

由此可見， 在面對外部不確定性沖擊時， 銀行有動力通過杠桿調(diào)整進行緩沖， 即銀行杠桿率水平向最優(yōu)狀態(tài)調(diào)整的速度加快。 因此， 本文提出以下假設(shè)：

H2： 在其他條件一定的情況下， 經(jīng)濟不確定性越大， 銀行杠桿調(diào)整速度越快。

（三）經(jīng)濟不確定性、杠桿動態(tài)調(diào)整與銀行風(fēng)險承擔(dān)

杠桿率對于銀行風(fēng)險承擔(dān)的影響存在靜態(tài)和動態(tài)兩種機制。 靜態(tài)機制強調(diào)的是實際杠桿率對銀行風(fēng)險承擔(dān)的作用。 杠桿率增加會激化“股東—存款人沖突”， 因為存款人獲取的是固定利息， 銀行在付出固定成本后更期望獲得超額回報， 這會激勵銀行管理者采取更加冒險的投資行為。 另外， 銀行發(fā)展離不開杠桿經(jīng)營， 杠桿越高， 銀行的盈利能力越強， 高杠桿代表著銀行能夠以較少的資產(chǎn)獲得高額的回報， 而這種回報遠遠高于銀行初始資本。 但同時， 這種高杠桿經(jīng)營模式也會使銀行風(fēng)險累積越來越多， 當(dāng)發(fā)生少量資產(chǎn)損失時很可能抵消掉全部銀行資本[19] 。 動態(tài)機制強調(diào)的是杠桿率監(jiān)管（杠桿調(diào)整）對銀行風(fēng)險承擔(dān)的作用。 有研究認為， 杠桿率監(jiān)管會有效遏制銀行在風(fēng)險資產(chǎn)領(lǐng)域的過度擴張[20] 。 杠桿率監(jiān)管的目的是為銀行提供一個“人為設(shè)定”的目標(biāo)杠桿率， 當(dāng)杠桿過高時， 銀行要向下調(diào)整實際杠桿， 反之則向上調(diào)整杠桿， 這樣可以在控制風(fēng)險的條件下有效配置銀行風(fēng)險資源。 Smith等[21] 在權(quán)衡杠桿率相關(guān)的額外損失吸收能力與銀行風(fēng)險承擔(dān)時發(fā)現(xiàn)， 杠桿率要求可以激勵受其約束的銀行增加自身的風(fēng)險承擔(dān)水平。 風(fēng)險承擔(dān)水平的增加應(yīng)該遠遠超過持有更高資本的利益， 因此增加了銀行的損失吸收能力， 從而導(dǎo)致更穩(wěn)定的經(jīng)營。 在我國銀行系統(tǒng)中， 杠桿調(diào)整也起到了非常有效的風(fēng)險約束作用， 并具有微觀審慎逆周期調(diào)節(jié)作用， 在經(jīng)濟危機時杠桿調(diào)整會鼓勵銀行發(fā)放更多貸款給企業(yè)， 以加快經(jīng)濟復(fù)蘇[22] 。

銀行杠桿調(diào)整效應(yīng)的存在為本文研究不確定性如何影響銀行風(fēng)險決策拓展了思路。 當(dāng)受到經(jīng)濟不確定性沖擊時， 銀行會動態(tài)調(diào)整自身杠桿水平， 以進一步優(yōu)化要素資源配置， 提高經(jīng)營效率。 因此， 杠桿調(diào)整的關(guān)鍵在于緩解經(jīng)濟不確定性對銀行風(fēng)險的沖擊。 Valencia[23] 在構(gòu)建模型測量不確定性時， 提出了預(yù)防性動機， 對于資本水平確定的銀行， 經(jīng)濟不確定性沖擊會導(dǎo)致其資金成本急劇增加， 損害了銀行的盈利能力， 而銀行并不能及時補充資本， 使得沖擊會持續(xù)一段時間[24] 。 對此， Valencia[13] 認為銀行可以通過調(diào)整杠桿來減輕盈利波動所帶來的潛在損失， 當(dāng)經(jīng)濟不確定性增加時， 銀行可以通過貸款供應(yīng)合同來展示自我保險， 并根據(jù)資本與資產(chǎn)比率查看差異效應(yīng)。 因此， 在面對經(jīng)濟不確定性時， 銀行存在調(diào)整自身杠桿以緩解外部沖擊的動機， 從而影響其風(fēng)險承擔(dān)水平。

可見， 當(dāng)外部經(jīng)濟不確定性增加時， 具有風(fēng)險敏感性的杠桿率可能充當(dāng)某種內(nèi)在的穩(wěn)定機制。 具體而言， 當(dāng)受到某種正向宏觀沖擊時， 銀行風(fēng)險較低， 會增加信貸投放以抓住機遇， 提高銀行杠桿; 當(dāng)受到負向沖擊時， 銀行會增加資本金持有量或提高信貸標(biāo)準， 降低銀行杠桿。 這種影響機制與直接影響效應(yīng)的作用路徑并不同， 因此， 本文推斷經(jīng)濟不確定性在直接影響銀行風(fēng)險承擔(dān)的同時還存在著一種間接影響效應(yīng)， 并提出以下假設(shè)：

H3： 經(jīng)濟不確性影響銀行風(fēng)險承擔(dān)的過程中存在“杠桿調(diào)整中介效應(yīng)”， 即在面對經(jīng)濟不確定性沖擊時， 銀行會進行杠桿調(diào)整， 從而間接降低風(fēng)險承擔(dān)水平。

（四）經(jīng)濟不確定性、異質(zhì)性與銀行風(fēng)險承擔(dān)

在我國銀行體系中， 存在上市銀行與非上市銀行或大型銀行和中小型銀行之分， 不同銀行主體對經(jīng)濟不確定性的敏感性不盡相同。 一般而言， 多數(shù)上市銀行具有政府背景， 與政府部門存在緊密的制度關(guān)聯(lián)或互動， 屬于大型銀行范疇（一些上市城商行和上市農(nóng)商行除外）[25] 。 上市銀行和大型銀行在我國經(jīng)濟社會和金融體系中占據(jù)主導(dǎo)地位， 具有資產(chǎn)規(guī)模大、經(jīng)營網(wǎng)點多、業(yè)務(wù)開展豐富、風(fēng)險管控能力較強和公司治理水平相對較高等特征。 當(dāng)經(jīng)濟不確定性加劇時， 上市銀行和大型銀行具有更強的調(diào)整適應(yīng)能力來對沖外部沖擊， 從而達到分散風(fēng)險的目的; 并且， 其與政府部門存在著緊密的制度聯(lián)系， 能夠及時獲取政策信息， 對政策變化和經(jīng)濟發(fā)展趨勢具有較準確的預(yù)期， 市場敏感度高。 當(dāng)經(jīng)濟不確定性增加導(dǎo)致銀行杠桿率過高或過低時， 擁有先天性資源與信息優(yōu)勢的上市銀行和大型銀行能夠迅速將杠桿率調(diào)整到“安全水平”， 以降低自身風(fēng)險。 而非上市銀行和中小型銀行的規(guī)模小、綜合服務(wù)能力差、風(fēng)險管理和內(nèi)部控制相對薄弱[26] ， 且市場化程度相對較低， 在面對經(jīng)濟不確定性沖擊時， 對市場的敏感性和洞察力相對較弱， 杠桿調(diào)整速度較慢。 因此， 在非上市銀行和中小銀行中杠桿調(diào)整的穩(wěn)定機制比上市銀行和大型銀行弱。 由此， 本文提出以下假設(shè)：

H4： 在經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)的關(guān)系中， 銀行規(guī)模（上市與否）異質(zhì)性具有調(diào)節(jié)作用， 并且該調(diào)節(jié)效應(yīng)至少部分通過“杠桿調(diào)整中介渠道”發(fā)揮作用。

H4a： 相對于非上市銀行或中小型銀行， 經(jīng)濟不確定性對上市銀行或大型銀行的風(fēng)險承擔(dān)水平的正向影響較弱。

H4b： 相對于非上市銀行或中小型銀行， 經(jīng)濟不確定性對上市銀行或大型銀行的杠桿調(diào)整的正向影響較強。

三、研究設(shè)計

（一）數(shù)據(jù)來源

本文選取我國商業(yè)銀行2009 ～ 2018年面板數(shù)據(jù)， 并按以下方式進行數(shù)據(jù)處理： 剔除政策性銀行及外資銀行; 剔除財務(wù)數(shù)據(jù)異常和數(shù)據(jù)缺失嚴重的樣本; 對數(shù)據(jù)進行1%分位數(shù)上的Winsorize處理。 最終得到882個研究樣本。 銀行數(shù)據(jù)主要來源于BankScope和CSMAR數(shù)據(jù)庫， 部分缺失數(shù)據(jù)來源于各銀行網(wǎng)站公布的年度報告; 宏觀變量數(shù)據(jù)均來自中經(jīng)網(wǎng)和中國統(tǒng)計年鑒。

（二）變量定義

1. 經(jīng)濟不確定性（Uncer）。 本文采用GARCH（1，1）估計方法所得條件方差衡量經(jīng)濟不確定性， GARCH模型預(yù)測的條件方差是基于前一周期的信息集獲得， 比無條件方差更適合測量不確定性[3] 。 為了更清晰地表明條件方差的趨勢， 采用月度數(shù)據(jù)的平均值計算得到年度條件方差。 由于無法得到全國GDP月度數(shù)據(jù)， 本文借鑒邱兆祥和劉遠亮[27] 的研究， 采用2009 ～ 2018年工業(yè)增加值增長率的月度數(shù)據(jù)來反映宏觀經(jīng)濟變化情況。 根據(jù)GARCH（1，1）估計方法， 首先進行變量平穩(wěn)性檢驗， 隨后進行一階自回歸， 得到月度條件方差， 最后求得其年度平均值。

2. 杠桿調(diào)整速度（△Lev）。 本文參考Adrian和Shin[28] 的研究方法， 使用總資產(chǎn)/總權(quán)益來度量銀行杠桿率。 基于此定義， 借鑒Rangan等[29] 、Faul-

kender等[30] 、顧研和周強龍[31] 對資本結(jié)構(gòu)動態(tài)模型的研究， 本文設(shè)定標(biāo)準的杠桿動態(tài)調(diào)整模型為：

其中： Levi，t、Levi，t-1分別表示銀行i在t年末和t-1年末的實際杠桿率（總資產(chǎn)/總權(quán)益）;? ? ? ? 表示銀行i在t年末的目標(biāo)杠桿率; w是杠桿調(diào)整速度， 表示銀行實際杠桿率與目標(biāo)杠桿率的差距每年以w的速度減少， 定義為△Lev。 為了度量杠桿調(diào)整速度， 需要觀測目標(biāo)杠桿率， 但目標(biāo)杠桿率無法直接觀測到， 常用方法是通過選擇反映貸款成本及收益的變量建立資本結(jié)構(gòu)擬合回歸模型來得到目標(biāo)杠桿率， 具體模型如下：

其中， Control為一系列與杠桿率相關(guān)的控制變量， 根據(jù)Faulkender等[30] 的研究， 本文選取資產(chǎn)收益率（Roa）、銀行規(guī)模（Size）、成長性（Gro）、固定資產(chǎn)率（Fa）、上市與否（List）、貸存比（Lod）、成本收入比（Cost）等銀行特征指標(biāo)， 并考慮宏觀經(jīng)濟增長（Gdp）、消費價格指數(shù)（Π）、貨幣供應(yīng)量（M2）等宏觀變量， 另外還重點考慮了經(jīng)濟不確定性（Uncert-1）對杠桿率的影響。 Year和Type分別為時間虛擬變量和類型虛擬變量。

將式（2）代入式（1）， 得到如下模型：

本文采用廣義矩估計（GMM）方法估計模型（3）， 得到系數(shù)β1， 然后將β1代入式（2）得到目標(biāo)杠桿率? ? ? ?，再將? ? ? ?代入式（1）得到杠桿調(diào)整速度w（△Lev）。

3. 銀行風(fēng)險承擔(dān)（Risk）。 本文選擇收益波動性來衡量銀行風(fēng)險承擔(dān)水平， 根據(jù)銀行的“兩部門決策機制”性質(zhì)， 銀行利潤中心包括資產(chǎn)負債部和金融市場部[32] 。 從以下三個維度來度量收益波動性： ①用凈息差波動率（VNIM）衡量資產(chǎn)負債部的收益波動性。 目前， 資產(chǎn)負債部的信貸業(yè)務(wù)仍舊是我國銀行業(yè)的核心業(yè)務(wù)， 凈息差能夠較好地反映銀行信貸收入情況[33] ， 并且銀行選擇風(fēng)險高的信貸業(yè)務(wù)會導(dǎo)致凈息差波動率較大。 ②用非利息收入波動率（VNOI）衡量金融市場部的收益波動性。 金融市場部主要負責(zé)銀行的市場化投資， 而投資比較激進可能會導(dǎo)致非利息收入的波動較大。 ③用稅和貸款損失準備前利潤的波動率（VPBTP）來衡量銀行整體經(jīng)營收入的波動性， 其反映的是資產(chǎn)負債部和金融市場部整體的收益波動狀況。

4. 其他控制變量。 遵循邱兆祥和劉遠亮[27] 等學(xué)者的一般做法， 選取貸存比（Lod）、銀行規(guī)模（Size）、資產(chǎn)收益率（Roa）、成長性（Gro）、是否上市（List）、成本收入比（Cost）、經(jīng)濟增長（Gdp）、貨幣供給（M2）等指標(biāo)作為控制變量。 此外， 考慮到2010年中國銀監(jiān)會出臺《商業(yè)銀行杠桿率管理辦法》， 提出了杠桿率監(jiān)管， 為了排除政策干擾， 本文還設(shè)置了虛擬變量Policy， 2010年前取值為0， 2010年后取值為1。 具體變量定義見表1。

（三）模型設(shè)計

由于銀行風(fēng)險承擔(dān)存在慣性特征， 本文將其滯后一期加入模型， 并構(gòu)建動態(tài)面板模型（4）。 同時， 考慮到滯后一期的加入會使得模型產(chǎn)生內(nèi)生性問題， 本文采用廣義矩估計（GMM）對此模型進行估計， 并采用系統(tǒng)性GMM方法進行估計。

對于中介效應(yīng)的檢驗遵循以下程序： 首先， 對模型（4）進行分析， γ2顯著為正， 則表明經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)呈正相關(guān)。 其次， 對模型（5）進行分析， β2顯著為正， 則表明經(jīng)濟不確定性與杠桿調(diào)整速度正相關(guān)。 最后， 對模型（6）進行分析： 如果λ2和λ3都通過了顯著性檢驗， 則說明經(jīng)濟不確定性對銀行風(fēng)險承擔(dān)的影響中有一部分是通過杠桿動態(tài)調(diào)整這一中介實現(xiàn)的， 如果λ2顯著為正而λ3顯著為負， 則說明經(jīng)濟不確定性增加會通過調(diào)整杠桿速度降低銀行風(fēng)險承擔(dān); 如果λ2不顯著， 而λ3顯著， 則說明這種中介效應(yīng)是完全中介傳導(dǎo)。

四、實證結(jié)果與分析

（一）描述性統(tǒng)計

表2 列示了主要變量的描述性統(tǒng)計結(jié)果。 經(jīng)濟不確定性（Uncer）最小值為0.350， 最大值為4.047， 標(biāo)準差為3.143， 表明宏觀經(jīng)濟存在較大波動。 杠桿率（Lev）最小值為3.246， 最大值為45.370， 兩者差距較大， 意味著各銀行間杠桿率水平存在較大差異， 這種差異是否主要來自宏觀經(jīng)濟波動還需要進一步控制其他干擾因素后進行嚴謹驗證。 在收益波動方面， 非利息收入波動率（VNOI）均值為0.071， 遠大于凈息差波動率（VNIM）和整體收入波動率（VPBTP）的均值， 意味著銀行非利息業(yè)務(wù)受宏觀市場環(huán)境的影響更大。

（二）實證結(jié)果分析

1. 擬合目標(biāo)杠桿。 在對目標(biāo)杠桿進行擬合的過程中發(fā)現(xiàn)模型可能存在內(nèi)生性問題： 一是經(jīng)濟不確定性等宏觀變量除了通過信貸發(fā)放影響銀行杠桿， 還有可能通過影響個體銀行管理者的樂觀心理等發(fā)揮作用[12] ， 這會使得宏觀變量與隨機誤差項相關(guān); 二是一些不隨時間變化的銀行個體特征可能與解釋變量有關(guān)， 而這些影響因素都包含在了誤差項中。 因此， 本文采用廣義矩估計（GMM）方法對杠桿結(jié)構(gòu)進行擬合， 作為對比， 同時采用OLS再次進行了檢驗。

表3報告了杠桿結(jié)構(gòu)擬合的回歸結(jié)果。 結(jié)果顯示， 各解釋變量與杠桿率顯著相關(guān)（囿于篇幅， 其他解釋變量的回歸結(jié)果未列示， 只重點觀察了經(jīng)濟不確定性對杠桿率的影響）， 特別是經(jīng)濟不確定性（L.Uncer）與銀行杠桿率（Lev）顯著負相關(guān)。 此外， 從工具變量的選擇來看： 列（1）中Sargan統(tǒng)計量的p值大于0.1， 顯示不拒絕過度識別限制有效的原假設(shè)， 說明工具變量有效; 二階序列相關(guān)檢驗AR（2）的結(jié)果表明不存在二階相關(guān)， 說明模型設(shè)定合理。

2. 經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)。 表4報告了經(jīng)濟不確定性影響銀行風(fēng)險承擔(dān)的總效應(yīng)結(jié)果。 列（1）中經(jīng)濟不確定性的滯后一期（L.Uncer）的系數(shù)為0.009， 且在5%的水平上顯著， 說明經(jīng)濟不確定性程度越高， 銀行風(fēng)險承擔(dān)越大， 證實了H1。 同樣， 列（2）、列（3）也證實了經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)之間存在顯著正向關(guān)系。 而列（1）中L.Uncer的系數(shù)大于列（2）， 意味著經(jīng)濟不確定性對信貸業(yè)務(wù)收益波動率的影響比對金融市場投資業(yè)務(wù)收益波動率的影響小。

根據(jù)前文對中介效應(yīng)檢驗程序的定義， 表5列（1）首先檢驗了自變量經(jīng)濟不確定性與中介變量杠桿調(diào)整速度的關(guān)系， 結(jié)果顯示經(jīng)濟不確定性的系數(shù)為0.041， 且在10%的水平上顯著， 表明隨著經(jīng)濟不確定性增加， 銀行杠桿調(diào)整速度加快， 銀行自我規(guī)避風(fēng)險的動機較大， 證實了H2。 這與王朝陽等[9] 關(guān)于經(jīng)濟不確定性增加會使得企業(yè)不確定性規(guī)避行為更為明顯的結(jié)論相契合， 也證實了我國銀行體系受到不確定性影響時同樣存在資產(chǎn)重新配置渠道， 與Kim和Kung[16] 的結(jié)論一致。

列（2）～列（4）的結(jié)果顯示， △Lev的系數(shù)分別為-0.002、-0.001、-0.001， 且都通過了顯著性檢驗， 說明杠桿調(diào)整在經(jīng)濟不確定性影響銀行風(fēng)險承擔(dān)的過程中確實扮演著中介變量角色， 而L.Uncer的系數(shù)分別在5%、1%、10%的水平上顯著為正， 說明杠桿動態(tài)調(diào)整只起到部分中介效應(yīng)， 證實了H3。 并且， 結(jié)果顯示這種間接傳導(dǎo)效應(yīng)和表4中的直接傳導(dǎo)效應(yīng)方向相反， 說明杠桿動態(tài)調(diào)整起到的特殊中介作用表現(xiàn)為“遮掩效應(yīng)”， 即銀行杠桿動態(tài)調(diào)整作為中介變量緩解了經(jīng)濟不確定性對銀行風(fēng)險承擔(dān)的正向影響。

（三）穩(wěn)健性檢驗

1. 杠桿動態(tài)調(diào)整。 由于杠桿存在動態(tài)雙向調(diào)整， 當(dāng)杠桿過高時會向低水平調(diào)整， 而當(dāng)杠桿過低時會向高水平調(diào)整。 為此， 本文對樣本銀行的杠桿水平進行排序， 并以0.25分位數(shù)和0.75分位數(shù)為界， 將杠桿率大于0.75分位數(shù)的樣本定義為高杠桿組， 小于0.25分位數(shù)的樣本定義為低杠桿組。 回歸結(jié)果顯示（表略）， 在高杠桿組中經(jīng)濟不確定性與杠桿率呈顯著負相關(guān)關(guān)系， 而在低杠桿組中兩者呈顯著正相關(guān)關(guān)系， 這在一定程度上證實了受經(jīng)濟不確定性的影響， 銀行杠桿存在動態(tài)的非對稱調(diào)整。

2. 指標(biāo)替換。 為了保證結(jié)果的穩(wěn)健性， 本文參照Altunbas等[34] 的做法， 以不良貸款率（NPL）作為銀行風(fēng)險承擔(dān)的測量指標(biāo)進行參數(shù)估計。 改變銀行風(fēng)險承擔(dān)度量方式后的回歸結(jié)果（表略）與上文一致， 再次證實了經(jīng)濟不確性影響銀行風(fēng)險承擔(dān)過程中杠桿動態(tài)調(diào)整的中介效應(yīng)渠道。

3. 遺漏變量。 在政府主導(dǎo)型經(jīng)濟中， 經(jīng)濟政策不確定性與宏觀經(jīng)濟波動存在顯著正相關(guān)關(guān)系[35] ， 那么， 經(jīng)濟政策不確定性可能會影響本文中的杠桿調(diào)整速度和銀行風(fēng)險承擔(dān)變量， 這可能是一個重要的遺漏變量。 因此， 有必要考慮經(jīng)濟政策不確定性帶來的影響。 基于此， 本文采用Baker等[36] 基于《南華早報》關(guān)鍵詞搜索而構(gòu)建的中國經(jīng)濟政策不確定性指數(shù)（EPU）度量經(jīng)濟政策不確定性。 回歸結(jié)果顯示（表略）， 在考慮經(jīng)濟政策不確定性的影響后， 經(jīng)濟波動影響銀行風(fēng)險承擔(dān)的杠桿調(diào)整效應(yīng)仍舊顯著。

五、進一步分析： 銀行異質(zhì)性探討

1. 上市背景異質(zhì)性檢驗。 本文根據(jù)銀行是否上市進行分組， 并設(shè)置上市與否虛擬變量（List）及其與經(jīng)濟不確定性的交互項（Uncer×List）。 如果是上市銀行， 則List=1， 否則List=0。 依據(jù)中介調(diào)節(jié)效應(yīng)檢驗程序方法， 依次在模型（4） ～ 模型（6）中加入上市與否虛擬變量及其與經(jīng)濟不確定性的交互項進行回歸， 回歸結(jié)果如表6所示。

表6列（1） ～ 列（3）報告了上市背景對經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)關(guān)系的調(diào)節(jié)作用， 對于非上市銀行， 經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)之間的關(guān)系根據(jù)Uncer的系數(shù)來判斷， 而在上市銀行中， 兩者的關(guān)系需要根據(jù)Uncer和Uncer×List的系數(shù)之和來判斷。 在被解釋變量為VNOI、VNIM、VPBTP時， 交乘項Uncer×List的系數(shù)分別在10%、5%、10%的水平上顯著為負， 且Uncer的系數(shù)大于Uncer與Uncer×List的系數(shù)之和， 說明在上市銀行樣本中， 經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)的正向關(guān)系被削弱， 證實了H4a。 這主要是因為上市銀行具有較強的金融風(fēng)險意識、良好的公司治理機制及透明的信息披露機制， 使得其在面臨外部環(huán)境沖擊時， 具有較強的抵御能力。

列（4）報告了考慮上市情況后經(jīng)濟不確定性與杠桿動態(tài)調(diào)整速度的回歸關(guān)系。 原理與列（1） ～ 列（3）的分析相同， 在考慮List變量后， 交乘項Uncer×List的系數(shù)在5%的水平上顯著為正， 說明當(dāng)受到經(jīng)濟不確定性沖擊時， 上市銀行的實際杠桿向目標(biāo)杠桿調(diào)整的速度比非上市銀行快， 證實了H4b。 其可能的原因是， 上市銀行在金融體系中占據(jù)主導(dǎo)地位， 與政府部門存在著緊密的制度聯(lián)系， 從而能夠及時獲取充足的政策信息， 了解政策導(dǎo)向， 因此可比非上市銀行更及時地調(diào)整戰(zhàn)略、更好地適應(yīng)外部不確定性沖擊。

列（5） ～ 列（7）報告了同時考慮上市情況與動態(tài)杠桿調(diào)整后經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)的回歸關(guān)系， 也可反映上市背景的調(diào)節(jié)作用是否通過動態(tài)杠桿調(diào)整的中介渠道實現(xiàn)。 結(jié)果顯示， 在被解釋變量為VNOI、VNIM、VPBTP時， △Lev、Uncer和Uncer×List都通過了顯著性檢驗， 這就意味著上市背景的調(diào)節(jié)效應(yīng)至少有一部分是通過杠桿動態(tài)調(diào)整中介效應(yīng)發(fā)揮作用的， 證實了H4。

2. 規(guī)模異質(zhì)性檢驗。 鐘寧樺等[37] 發(fā)現(xiàn)我國企業(yè)規(guī)模與其杠桿率存在顯著正相關(guān)關(guān)系， 這也意味著銀行規(guī)模不同， 銀行杠桿調(diào)整效應(yīng)是存在差異的。 本文將樣本銀行按照資產(chǎn)規(guī)模（Sizedmy）進行三等分， 最大值組樣本設(shè)定為大型銀行組， 定義為Sizedmy=1; 中間值組和最小值組設(shè)定為中小型銀行組， 定義為Sizedmy=0。 同樣在模型（4） ～ 模型（6）中加入資產(chǎn)規(guī)模虛擬變量及其與經(jīng)濟不確定性的交互項進行回歸， 回歸結(jié)果如表7所示。

表7列（1） ～ 列（3）報告了經(jīng)濟不確定性對規(guī)模不同銀行風(fēng)險的影響， 結(jié)果顯示， 在被解釋變量為VNOI、VNIM、VPBTP時， 交乘項Uncer×Sizedmy的系數(shù)分別在5%、10%、5%的水平上顯著為負， 而Uncer的系數(shù)分別在1%、5%、10%的水平上顯著為正， 并且Uncer的系數(shù)大于Uncer與Uncer× Sizedmy的系數(shù)之和， 意味著銀行的規(guī)模越大， 應(yīng)對外部經(jīng)濟不確定性沖擊的能力就越強， 證實了H4a。

列（4）考察了面對外部經(jīng)濟不確定性沖擊時不同資產(chǎn)規(guī)模銀行的杠桿調(diào)整情況， 結(jié)果顯示， 交乘項Uncer×Sizedmy的系數(shù)在5%的水平上顯著為正， 意味著大型銀行杠桿調(diào)整速度比中小型銀行更快， 證實了H4b。 這是因為大型銀行的市場化程度較高， 對市場比較敏感， 在金融市場上占據(jù)主導(dǎo)地位， 其面對經(jīng)濟不確定性沖擊時能夠獲取充足的市場信息， 具有較強的調(diào)整和適應(yīng)能力， 因此可以更快地調(diào)整杠桿。

列（5） ～ 列（7）在經(jīng)濟不確定性與銀行風(fēng)險承擔(dān)的回歸方程中同時加入了規(guī)模異質(zhì)性虛擬變量和杠桿調(diào)整速度， 結(jié)果顯示在被解釋變量為VNOI、VNIM、VPBTP時， △Lev、Uncer和Uncer×Sizedmy的系數(shù)都通過了顯著性檢驗， 這就意味著規(guī)模異質(zhì)性的調(diào)節(jié)效應(yīng)至少部分是通過杠桿動態(tài)調(diào)整中介效應(yīng)發(fā)揮作用的， 證實了H4。

六、結(jié)論及建議

（一）結(jié)論

通過引入銀行杠桿， 本文考察了經(jīng)濟不確定性對銀行風(fēng)險承擔(dān)的內(nèi)在傳導(dǎo)機制， 并以我國2009 ～ 2018年商業(yè)銀行非平衡面板數(shù)據(jù)進行了實證檢驗。 研究結(jié)果表明： ①經(jīng)濟不確定性會導(dǎo)致銀行收益的波動性加劇， 致使銀行風(fēng)險增加; 并且， 經(jīng)濟不確定性對信貸業(yè)務(wù)收益波動率的影響比對金融市場投資業(yè)務(wù)收益波動率的影響小。 ②經(jīng)濟不確定性與銀行杠桿調(diào)整速度呈正相關(guān)關(guān)系， 證實了我國商業(yè)銀行動態(tài)杠桿調(diào)整的存在。 進一步研究發(fā)現(xiàn)， 當(dāng)受到外部不確定性沖擊時， 銀行會通過調(diào)整杠桿水平來進行緩沖， 這在一定程度上緩解了銀行風(fēng)險， 說明杠桿動態(tài)調(diào)整在經(jīng)濟不確定性影響銀行風(fēng)險承擔(dān)的過程中扮演了中介角色。 ③在中介效應(yīng)影響渠道中， 結(jié)合銀行異質(zhì)性特征， 發(fā)現(xiàn)在上市銀行和大型銀行中， 杠桿調(diào)整機制更加明顯， 上市背景和銀行規(guī)模異質(zhì)性起到了干預(yù)和調(diào)節(jié)作用。

（二）建議

本文的結(jié)論不僅對銀行如何提升資源配置效率具有啟發(fā)意義， 而且對未來金融監(jiān)管實踐具有重要的借鑒意義。 根據(jù)研究結(jié)論， 本文提出如下建議：

1. 宏觀經(jīng)濟決策部門應(yīng)重點關(guān)注經(jīng)濟運行狀況， 降低經(jīng)濟不確定性， 盡量優(yōu)化銀行等金融機構(gòu)面臨的金融市場環(huán)境。 首先， 應(yīng)構(gòu)建完善的宏觀經(jīng)濟預(yù)警系統(tǒng)， 選擇科學(xué)、穩(wěn)健的經(jīng)濟監(jiān)測指標(biāo)， 模擬分析國民經(jīng)濟運行情況， 對經(jīng)濟形勢進行預(yù)判， 并采取相應(yīng)的措施熨平經(jīng)濟不確定性所帶來的經(jīng)濟波動。 其次， 應(yīng)利用貨幣和財政政策， 雙管齊下， 降低信息不對稱程度， 以保證經(jīng)濟的平穩(wěn)運行， 為銀行等金融機構(gòu)營造一個良好的決策環(huán)境。 最后， 應(yīng)完善信息披露制度， 及時披露各項經(jīng)濟信息指標(biāo)， 拓展與市場各主體的溝通渠道， 尤其是提高非上市銀行和中小商業(yè)銀行的信息獲取程度， 加快非上市銀行和中小商業(yè)銀行在面對不確定性時的應(yīng)激反應(yīng)速度， 避免因信息偏差、遺漏及延遲導(dǎo)致決策失誤而加劇經(jīng)濟波動。

2. 扎實推進銀行自身“穩(wěn)杠桿”， 慎重考慮微觀監(jiān)管政策的節(jié)奏和力度。 首先， 需要認識到銀行自身杠桿調(diào)整效應(yīng)能緩解外部不利沖擊， 銀行應(yīng)逐步建立起符合自身發(fā)展要求的內(nèi)生性資本補充機制， 根據(jù)收益—成本理論合理優(yōu)化資源， 提高資源配置效率， 提升抵御外界風(fēng)險的能力。 其次， 監(jiān)管機構(gòu)應(yīng)將杠桿監(jiān)管納入宏觀審慎監(jiān)管框架， 加強對銀行業(yè)務(wù)的監(jiān)管， 強化金融機構(gòu)“穩(wěn)杠桿”工作任務(wù)， 合理把握監(jiān)管節(jié)奏， 防止強制要求“去杠桿”而使銀行流動性風(fēng)險增加的情況發(fā)生。 最后， 銀行在保證信貸業(yè)務(wù)不流失和收益增長的情況下， 需重點關(guān)注非利息業(yè)務(wù)增長波動， 及時調(diào)整非利息業(yè)務(wù)規(guī)模和定價， 盡量減小經(jīng)濟波動對銀行非利息業(yè)務(wù)的影響， 降低銀行收益波動性。

3. 要注重異質(zhì)性對銀行杠桿動態(tài)調(diào)整的差異化影響， 采取差別化“穩(wěn)杠桿”策略。 首先， 應(yīng)把握宏觀經(jīng)濟變化對不同特征銀行的差異影響， 增強對不同特征銀行的政策靶向性， 采用差異化的政策調(diào)節(jié)工具應(yīng)對經(jīng)濟不確定性對銀行的影響， 確保政策目標(biāo)和實施效果相契合。 其次， 應(yīng)根據(jù)銀行的不同特征， 重視杠桿動態(tài)調(diào)整的差異化特征， 防止“一刀切”地要求所有銀行自行執(zhí)行“穩(wěn)杠桿”策略。 最后， 政府應(yīng)遵循市場化規(guī)律對不同特征的銀行進行調(diào)控， 扎實推進其自身“穩(wěn)杠桿”， 同時要積極扶持中小銀行， 特別是小型城商行及農(nóng)商行的發(fā)展， 提高這類銀行應(yīng)對外部經(jīng)濟沖擊時的風(fēng)險抵御能力。

【 主 要 參 考 文 獻 】

[1] Berger A. N. O.， Guedhami H. Kim， X. Li. Economic policy uncertainty and bank liquidity hoarding[R].SSRN Working Paper，2018.

[2] 申宇，任美旭，趙靜梅.經(jīng)濟政策不確定性與銀行貸款損失準備計提[ J].中國工業(yè)經(jīng)濟，2020（4）：154 ～ 173.

[3] Talavera O.，Tsapin A.，Zholud O.. Macroeconomic uncertainty and bank lending：The case of Ukraine[ J].Economic Systems，2012（2）：279 ～ 293.

[4] Basu S.，Bundick B.. Uncertainty shocks in a model of effective demand：Reply[ J].Econometrica，2018（4）：1527 ～ 1531.

[5] Cole R. A.， Wu G.. Macroeconomic shocks and bank failure[ R].Australasian Finance and Banking Conference Paper，2014.

[6] Mcmullen J. S.， Kier A. S.. Trapped by the entrepreneurial mindset：Opportunity seeking and escalation of commitment in the Mount Everest disaster[ J].Journal of Business Venturing，2016（6）： 663 ～ 686.

[7] Bruno V.， Shin H. S.. Capital flows and the risk-taking channel of monetary policy[ J].Journal of Monetary Economics，? 2015（71）：119 ～ 132.

[8] 汪莉.隱性存保、“順周期”杠桿與銀行風(fēng)險承擔(dān)[ J].經(jīng)濟研究，2017（10）：67 ～ 81.

[9] 王朝陽，張雪蘭，包慧娜.經(jīng)濟政策不確定性與企業(yè)資本結(jié)構(gòu)動態(tài)調(diào)整及穩(wěn)杠桿[ J].中國工業(yè)經(jīng)濟，2018（12）：134 ～ 151.

[10] 彭俞超，韓珣，李建軍.經(jīng)濟政策不確定性與企業(yè)金融化[ J].中國工業(yè)經(jīng)濟，2018（1）：137 ～ 155.

[11] 顧海峰，于家珺.中國經(jīng)濟政策不確定性與銀行風(fēng)險承擔(dān)[ J].世界經(jīng)濟，2019（11）：148 ～ 171.

[12] 王璐，張迎春，余麗霞.經(jīng)濟不確定、銀行管理者樂觀主義與銀行風(fēng)險承擔(dān)[ J].經(jīng)濟理論與經(jīng)濟管理，2020（1）：69 ～ 81.

[13] Valencia F.. Aggregate uncertainty and the supply of credit [ J].Journal of Banking and Finance，2017（81）：150 ～ 165.

[14] Baum C. F.，Caglayan M.，Ozkan N.. The second moments matter：The impact of macroeconomic uncertainty on the allocation of loanable funds[ J].Economics Letters，2008（2）：87 ～ 89.

[15] Chi Q.， Li W.. Economic policy uncertainty， credit risks and banks' lending decisions：Evidence from Chinese commercial banks[ J].China Journal of Accounting Research，2017（1）：33 ～ 50.

[16] Kim H.， Kung H.. The asset redeploy ability channel：? How uncertainty affects corporate investment[ J].Review of Financial Studies，2017（1）：245 ～ 280.

[17] Fernández-Villaverde J.， Guerrón-Puintana P.， Rubio-Ramírez J. F.， et al.. Risk matters：The real effects of volatility shocks[ J].American Economic Review，2011（6）：2530 ～ 2561.

[18] 江曙霞，何建勇.銀行資本、銀行信貸與宏觀經(jīng)濟波動——基于C-C模型的影響機理分析的拓展研究[ J].金融研究，2011（5）：100 ～ 112.

[19] 夏敏，王睿.商業(yè)銀行風(fēng)險管理研究——基于杠桿率視角分析[ J].河北經(jīng)貿(mào)大學(xué)學(xué)報（綜合版），2019（3）：56 ～ 63.

[20] Kiema I.， Jokivuolle E.. Does a leverage ratio requirement increase bank stability？[ J].Journal of Banking and Finance，2014（1）： 240 ～ 254.

[21] Smith J. A.， Grill M.， Lang J. H.. The leverage ratio，? risk-taking and bank stability[R].Working Paper，2017.

[22] 江曙霞，劉忠璐.資本質(zhì)量會影響銀行貸款行為嗎？[ J].金融研究，2016（12）：63 ～ 77.

[23] Valencia F.. Bank capital and uncertainty[ J].Journal of Banking and Finance，2015（208）：1 ～ 9.

[24] Valencia F.. Banks' precautionary capital and credit crunches[ J].Macroeconomic Dynamics，2014（8）：1726 ～ 1750.

[25] 李佳.經(jīng)濟政策不確定性與銀行資產(chǎn)證券化[ J].上海財經(jīng)大學(xué)學(xué)報，2020（4）：64 ～ 82.

[26] 宋全云，李曉，錢龍.經(jīng)濟政策不確定性與企業(yè)貸款成本[ J].金融研究，2019（7）：57 ～ 75.

[27] 邱兆祥，劉遠亮.宏觀經(jīng)濟不確定性與銀行資產(chǎn)組合行為：1995～2009[ J].金融研究，2010（11）：34 ～ 44.

[28] Adrian T.， Shin H. S.. Liquidity and leverage[ J].Journal of Financial Intermediation，2008（3）：418 ～ 437.

[29] Rangan K. P.， Flannery M. J.. Partial adjustment toward target capital structures[ J].Journal of Financial Economics，2005（3）：? 469 ～ 506.

[30] Faulkender M.， Flannery M. J.， Hankins K. W.， et al.. Cash flows and leverage adjustments[ J].Journal of Financial Economics，2012（3）：632 ～ 646.

[31] 顧研，周強龍.政策不確定性、財務(wù)柔性價值與資本結(jié)構(gòu)動態(tài)調(diào)整[ J].世界經(jīng)濟，2018（6）：102 ～ 126.

[32] 孫國峰，段志明.中期政策利率傳導(dǎo)機制研究——基于商業(yè)銀行兩部門決策模型的分析[ J].經(jīng)濟學(xué)（季刊），2016（1）：349 ～ 370.

[33] 何靖.延付高管薪酬對銀行風(fēng)險承擔(dān)的政策效應(yīng)——基于銀行盈余管理動機視角的PSM-DID分析[ J].中國工業(yè)經(jīng)濟，2016（11）：126 ～ 143.

[34] Altunbas Y.， Gambacorta L.， Marques-Ibanez D.. Bank risk and monetary policy[ J].Journal of Financial Stability，2009（3）： 121 ～ 129.

[35] 紀洋，王旭，譚語嫣等.經(jīng)濟政策不確定性、政府隱性擔(dān)保與企業(yè)杠桿率分化[ J].經(jīng)濟學(xué)（季刊），2018（2）：449 ～ 470.

[36] Baker S. R.， Bloom N.， Davis S. J.. Measuring economic policy uncertainty[ J].Quarterly Journal of Economics，2016（4）：? 1593 ～ 1636.

[37] 鐘寧樺，劉志闊，何嘉鑫等.我國企業(yè)債務(wù)的結(jié)構(gòu)性問題[ J].經(jīng)濟研究，2016（7）：102 ～ 117.