王周偉 李凱琪

收稿日期：2023-06-10

基金項(xiàng)目：國(guó)家自然科學(xué)基金面上項(xiàng)目“結(jié)構(gòu)變化中銀行系統(tǒng)性金融風(fēng)險(xiǎn)的多維多重傳染研究”（71973098）

作者簡(jiǎn)介：王周偉，男，山西聞喜人，博士，教授，研究方向?yàn)榻鹑诠芾?、空間金融、金融計(jì)量；李凱琪，女，研究方向?yàn)榻鹑陲L(fēng)險(xiǎn)管理、金融計(jì)量。

摘? ?要：面對(duì)經(jīng)濟(jì)政策不確定性和投資者情緒，銀行業(yè)需承擔(dān)應(yīng)對(duì)經(jīng)濟(jì)衰退、化解銀行風(fēng)險(xiǎn)和實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量穩(wěn)定增長(zhǎng)的責(zé)任。本文利用MVMQ-CAViaR模型測(cè)度了2008—2021年所有上市銀行的系統(tǒng)性風(fēng)險(xiǎn)，構(gòu)建面板門(mén)限回歸模型和面板平滑轉(zhuǎn)換模型，研究在投資者情緒轉(zhuǎn)換作用下經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際效應(yīng)結(jié)構(gòu)變化。研究表明：投資者情緒具有顯著的區(qū)制轉(zhuǎn)換效應(yīng)，使經(jīng)濟(jì)不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的凈邊際效應(yīng)，以指數(shù)轉(zhuǎn)換模式發(fā)生結(jié)構(gòu)變化。據(jù)此提出正確處理經(jīng)濟(jì)政策不確定性與銀行系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系，投資者要保持理性情緒以及監(jiān)管部門(mén)要加強(qiáng)監(jiān)管的建議。

關(guān)? 鍵? 詞：經(jīng)濟(jì)政策不確定性；投資者情緒；銀行系統(tǒng)性風(fēng)險(xiǎn)；風(fēng)險(xiǎn)傳染；指數(shù)平滑轉(zhuǎn)換模式

中圖分類(lèi)號(hào)：F832? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：Ａ? ? ? ? ?文章編號(hào)：2096-2517（２０24）０1－0０18－14

DOI：10.16620/j.cnki.jrjy.2024.01.003

一、引言

作為“三大攻堅(jiān)戰(zhàn)”的首位，防范化解重大風(fēng)險(xiǎn)是我國(guó)一直以來(lái)十分重視的問(wèn)題，“十四五”規(guī)劃中再次提出要“維護(hù)金融安全，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線”。 處在百年未有之大變局的重要戰(zhàn)略機(jī)遇時(shí)期，我國(guó)的經(jīng)濟(jì)發(fā)展同時(shí)面臨著經(jīng)濟(jì)政策不確定性和金融系統(tǒng)風(fēng)險(xiǎn)溢出等諸多挑戰(zhàn)。 在我國(guó)金融機(jī)構(gòu)中銀行部門(mén)發(fā)揮著主導(dǎo)作用，銀行在面臨金融風(fēng)險(xiǎn)溢出的同時(shí)還需承受經(jīng)濟(jì)政策不確定性帶來(lái)的負(fù)面沖擊[1]。如2008年金融危機(jī)爆發(fā)、2010年影子銀行不斷涌現(xiàn)、2013年出現(xiàn)“錢(qián)荒”事件、2018年中美貿(mào)易摩擦不斷升級(jí)、2020年俄羅斯和沙特爆發(fā)石油戰(zhàn)以及2020年以來(lái)全球新冠疫情大爆發(fā)，這些風(fēng)險(xiǎn)事件的發(fā)生無(wú)疑給銀行的穩(wěn)定發(fā)展帶來(lái)了諸多問(wèn)題和挑戰(zhàn)[2]。面對(duì)日益加大的經(jīng)濟(jì)政策不確定性，銀行需承擔(dān)應(yīng)對(duì)經(jīng)濟(jì)衰退、化解系統(tǒng)性金融風(fēng)險(xiǎn)和助力實(shí)體經(jīng)濟(jì)高質(zhì)量穩(wěn)定發(fā)展的責(zé)任。因此，研究經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)傳染的沖擊影響及其結(jié)構(gòu)變化，具有重要的實(shí)踐意義。

學(xué)者們大多研究銀行系統(tǒng)性風(fēng)險(xiǎn)的度量、經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響，較少涉及投資者情緒在其中起到的作用。例如，投資者情緒低落會(huì)帶來(lái)股市羊群效應(yīng)， 導(dǎo)致投資者拋售股票，加劇銀行的震蕩，在經(jīng)濟(jì)政策不確定性上升的時(shí)候，會(huì)增加銀行系統(tǒng)性風(fēng)險(xiǎn)[3]。所以，投資者情緒的不同會(huì)使經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響產(chǎn)生變化。那么，經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)會(huì)產(chǎn)生什么影響？投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生什么影響？ 在投資者情緒的作用下，經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響如何變化？厘清這些問(wèn)題不僅有助于有針對(duì)性地制定經(jīng)濟(jì)政策，而且對(duì)防范和化解重大風(fēng)險(xiǎn)起著至關(guān)重要的作用。因此，本文將具體探討經(jīng)濟(jì)政策不確定性和投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響。

本文的邊際貢獻(xiàn)主要在于：（1） 不同于單方程估算，也不同于多方程的分步估計(jì)，為系統(tǒng)反映兩個(gè)銀行之間的風(fēng)險(xiǎn)傳染關(guān)聯(lián)、風(fēng)險(xiǎn)因素關(guān)聯(lián)與外部沖擊關(guān)聯(lián)， 綜合測(cè)度其引致的關(guān)聯(lián)傳染風(fēng)險(xiǎn)，本文構(gòu)建多元多分位數(shù)條件自回歸（MVMQ-CAViaR）模型，系統(tǒng)擬合了銀行風(fēng)險(xiǎn)的多重多源、循環(huán)連鎖的兩個(gè)層次八種復(fù)雜關(guān)聯(lián)傳染效應(yīng)特征；（2） 選用面板門(mén)限回歸模型，證實(shí)了經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的影響存在結(jié)構(gòu)變化；（3）選用面板平滑轉(zhuǎn)換模型，探索出在投資者情緒的轉(zhuǎn)換作用下經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性多重風(fēng)險(xiǎn)傳染的邊際效應(yīng)平滑變化模式。

二、文獻(xiàn)綜述

（一）銀行系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度

作為風(fēng)險(xiǎn)管控領(lǐng)域的核心問(wèn)題，銀行系統(tǒng)性風(fēng)險(xiǎn)傳染測(cè)度的主流指標(biāo)有增量條件風(fēng)險(xiǎn)價(jià)值（ΔCoVaR）、邊際系統(tǒng)預(yù)期損失（MES）、增量條件預(yù)期損失（ΔCoES）、相對(duì)系統(tǒng)性風(fēng)險(xiǎn)指數(shù)（%SRISK），其中增量條件風(fēng)險(xiǎn)價(jià)值是應(yīng)用最為廣泛的指標(biāo)，它等于銀行風(fēng)險(xiǎn)狀態(tài)下的條件風(fēng)險(xiǎn)價(jià)值（CoVaR）減去其正常狀態(tài)下的條件風(fēng)險(xiǎn)價(jià)值[4]。對(duì)于CoVaR的測(cè)度，韓超等（2019）構(gòu)建了時(shí)變Copula模型計(jì)算系統(tǒng)性風(fēng)險(xiǎn)值[5]；李守偉等（2019）在時(shí)變Copula模型的基礎(chǔ)上進(jìn)行了動(dòng)態(tài)測(cè)度[6]；謝賢君等（2023）構(gòu)建了AR-GARCH-DCC模型計(jì)算系統(tǒng)性風(fēng)險(xiǎn)值[7]；郭品等（2023）利用GRJ-GARCH-Coupla-CoVaR模型測(cè)算了銀行系統(tǒng)性風(fēng)險(xiǎn)水平[8]；方意等（2023）選用雙重ΔCoVaR模型研究銀行系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)[9]。大部分學(xué)者采用分位數(shù)回歸的方法計(jì)算銀行系統(tǒng)性風(fēng)險(xiǎn)[10-12]。在分位數(shù)回歸法的基礎(chǔ)上，White等（2015）將CAViaR模型擴(kuò)展成為多元多分位數(shù)CAViaR（即MVMQ-CAViaR）模型，揭示出市場(chǎng)風(fēng)險(xiǎn)是相互影響、相互傳染的[13]。

（二）經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響

有學(xué)者研究了經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響。孫琪（2018）研究表明，經(jīng)濟(jì)政策不確定性會(huì)通過(guò)作用于融資流動(dòng)性進(jìn)一步影響系統(tǒng)性風(fēng)險(xiǎn)，且經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)具有顯著的促進(jìn)作用[14]；馮燕妮等（2020）構(gòu)建貝葉斯估計(jì)時(shí)變參數(shù)模型研究發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性正向顯著作用于股市系統(tǒng)性風(fēng)險(xiǎn)， 經(jīng)濟(jì)政策不確定性越高，股市的系統(tǒng)性風(fēng)險(xiǎn)越大[15]；蔣海等（2021）發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性與銀行間網(wǎng)絡(luò)關(guān)聯(lián)性的增加均會(huì)帶來(lái)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)，且銀行間網(wǎng)絡(luò)關(guān)聯(lián)性在經(jīng)濟(jì)政策不確定性對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響中發(fā)揮中介作用[16]；歐陽(yáng)資生等（2023）認(rèn)為經(jīng)濟(jì)政策不確定性對(duì)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)具有顯著的促進(jìn)作用[3]；顧海峰等（2022）研究表明，經(jīng)濟(jì)政策不確定性顯著正向作用于銀行系統(tǒng)性風(fēng)險(xiǎn)，且銀行家樂(lè)觀度會(huì)抑制經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的促進(jìn)作用[2]；李洋等（2021）在構(gòu)建銀行風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)的基礎(chǔ)上研究發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性的提高會(huì)通過(guò)銀行的風(fēng)險(xiǎn)傳染和自身的脆弱性顯著增加銀行系統(tǒng)性風(fēng)險(xiǎn)[17]；周亮等（2022）研究發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性正向顯著作用于銀行系統(tǒng)性風(fēng)險(xiǎn)，且經(jīng)濟(jì)政策不確定性的提高會(huì)通過(guò)降低投資者的意愿從而增加銀行系統(tǒng)性風(fēng)險(xiǎn)[18]；Demir等（2021）選取不同國(guó)家的銀行面板數(shù)據(jù)研究發(fā)現(xiàn)，經(jīng)濟(jì)不確定性導(dǎo)致銀行信貸總體增長(zhǎng)率下降[19]；黃大禹等（2022）認(rèn)為經(jīng)濟(jì)政策不確定性會(huì)通過(guò)增加銀行不良貸款而降低商業(yè)銀行績(jī)效水平，這種效應(yīng)在小規(guī)模的銀行中更加明顯[20]；劉鳳根等（2023）從金融機(jī)構(gòu)脆弱性、金融市場(chǎng)脆弱性、風(fēng)險(xiǎn)傳染性三個(gè)層面系統(tǒng)梳理了經(jīng)濟(jì)政策不確定性與系統(tǒng)性金融風(fēng)險(xiǎn)的相關(guān)研究，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性的提高會(huì)加劇系統(tǒng)性金融風(fēng)險(xiǎn)的傳染[21]；張琳等（2022）從“沖擊”和“傳染”兩個(gè)維度考察了政策連續(xù)性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響[22]。

（三）投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響

學(xué)者們的研究主要聚焦于銀行系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度及其影響因素，較少涉及投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響。童中文等（2016）研究表明投資者情緒顯著負(fù)向作用于銀行系統(tǒng)性風(fēng)險(xiǎn)，投資者情緒高漲可以抑制銀行系統(tǒng)性風(fēng)險(xiǎn)的形成[23]；佟孟華等（2018）通過(guò)測(cè)度上市金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)發(fā)現(xiàn)， 投資者情緒正向顯著作用于系統(tǒng)性風(fēng)險(xiǎn)，即投資者情緒越高漲， 上市金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)越大[24]；宋玉臣等（2020）構(gòu)建了非線性MS-VAR模型，研究發(fā)現(xiàn)投資者情緒的區(qū)制轉(zhuǎn)換及其作用機(jī)制會(huì)導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)的積聚，并提出風(fēng)險(xiǎn)狀態(tài)轉(zhuǎn)換的相關(guān)建議[25]；邢紅衛(wèi)等（2021）研究表明投資者情緒會(huì)帶來(lái)系統(tǒng)性風(fēng)險(xiǎn)，且投資者情緒低落帶來(lái)的股價(jià)暴跌風(fēng)險(xiǎn)大于投資者情緒高漲帶來(lái)的股價(jià)暴跌風(fēng)險(xiǎn)[26]；張宗新等（2022）認(rèn)為投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的作用呈倒U型，投資者情緒低落會(huì)增加銀行系統(tǒng)性風(fēng)險(xiǎn)，投資者情緒高漲會(huì)減少銀行系統(tǒng)性風(fēng)險(xiǎn)[27]。

綜上，大部分文獻(xiàn)都是分別研究經(jīng)濟(jì)政策不確定性或者投資者情緒各自對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的作用，但研究經(jīng)濟(jì)政策不確定性與投資者情緒對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)傳染的聯(lián)合作用的文獻(xiàn)很少。因此，本文以2008年1月至2021年12月的14家上市銀行為樣本， 利用MVMQ-CAViaR模型測(cè)度2008—2021年所有上市銀行的系統(tǒng)性風(fēng)險(xiǎn)， 并構(gòu)建面板門(mén)限回歸模型和面板平滑轉(zhuǎn)換模型，研究在投資者情緒轉(zhuǎn)換作用下經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際效應(yīng)結(jié)構(gòu)變化。

三、理論分析與研究假設(shè)

銀行風(fēng)險(xiǎn)之間的系統(tǒng)性傳染主要有跳躍波動(dòng)關(guān)聯(lián)[28]、股價(jià)信息關(guān)聯(lián)[29]、同業(yè)資產(chǎn)負(fù)債業(yè)務(wù)關(guān)聯(lián)[30-31]和共同資產(chǎn)價(jià)格關(guān)聯(lián)[32]四個(gè)路徑。經(jīng)濟(jì)政策不確定性增加，會(huì)加大實(shí)體經(jīng)濟(jì)運(yùn)營(yíng)風(fēng)險(xiǎn)，降低銀行資產(chǎn)收益，同時(shí)也會(huì)提高銀行資金使用費(fèi)用，壓縮凈利差，會(huì)加劇銀行經(jīng)營(yíng)風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)，凈增加銀行的被動(dòng)性風(fēng)險(xiǎn)承擔(dān)與破產(chǎn)風(fēng)險(xiǎn)，經(jīng)過(guò)同業(yè)資產(chǎn)負(fù)債業(yè)務(wù)關(guān)聯(lián)，銀行風(fēng)險(xiǎn)增加會(huì)溢出傳染給其他銀行[2]。如果進(jìn)一步響應(yīng)到金融市場(chǎng)上，經(jīng)濟(jì)政策不確定性上升會(huì)加劇上市銀行的股價(jià)崩盤(pán)風(fēng)險(xiǎn)，這些多源的銀行風(fēng)險(xiǎn)累加，還會(huì)通過(guò)跳躍波動(dòng)關(guān)聯(lián)、股價(jià)信息關(guān)聯(lián)和共同資產(chǎn)價(jià)格關(guān)聯(lián)，多重傳染疊加溢出給其他銀行吸收， 倍增該銀行的系統(tǒng)性風(fēng)險(xiǎn)多重傳染。因此，本文提出假設(shè)。

假設(shè)1：經(jīng)濟(jì)政策不確定性顯著正向影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。

正常情況下，投資者情緒高漲時(shí)，會(huì)增加市場(chǎng)流動(dòng)性，提升交投活躍度，推動(dòng)金融市場(chǎng)理性繁榮，減弱上市銀行的股價(jià)崩盤(pán)風(fēng)險(xiǎn)，也會(huì)順周期地提升銀行市場(chǎng)價(jià)值，增加違約距離，減少信用風(fēng)險(xiǎn)，這些減弱的銀行風(fēng)險(xiǎn)會(huì)通過(guò)跳躍關(guān)聯(lián)、股價(jià)信息關(guān)聯(lián)和共同資產(chǎn)價(jià)格關(guān)聯(lián)， 溢出傳染給相關(guān)其他銀行[33]。且大部分投資者在獲取信息的數(shù)量、資金管理能力與交易風(fēng)格等方面不同，對(duì)投資收益以及波動(dòng)的預(yù)期存在差異，投資者產(chǎn)生負(fù)面情緒時(shí)，低落的投資者情緒引發(fā)羊群效應(yīng)，會(huì)對(duì)市場(chǎng)穩(wěn)定和銀行等機(jī)構(gòu)產(chǎn)生短期和長(zhǎng)期沖擊[3]。因此本文提出以下假設(shè)。

假設(shè)2：投資者情緒顯著負(fù)向影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。

經(jīng)濟(jì)政策不確定性引致的銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染，主要是通過(guò)跳躍波動(dòng)關(guān)聯(lián)、股價(jià)信息關(guān)聯(lián)與共同資產(chǎn)價(jià)格關(guān)聯(lián)等金融市場(chǎng)渠道傳染的。投資者情緒是金融資產(chǎn)定價(jià)的核心因子，情緒波動(dòng)會(huì)引發(fā)金融市場(chǎng)上銀行資產(chǎn)價(jià)格波動(dòng)，誘發(fā)跳躍波動(dòng)幅度與頻率變化，導(dǎo)致股價(jià)信息關(guān)注強(qiáng)度變化，推動(dòng)銀行共同資產(chǎn)價(jià)值彈性變化，由此會(huì)調(diào)節(jié)經(jīng)濟(jì)政策不確定性帶來(lái)的銀行資產(chǎn)風(fēng)險(xiǎn)溢價(jià)彈性及其系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際貢獻(xiàn)。作為市場(chǎng)因素，投資者情緒變化會(huì)經(jīng)過(guò)銀行風(fēng)險(xiǎn)共振關(guān)聯(lián)傳染，特別是投資者負(fù)面情緒，會(huì)顯著提升銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的范圍、 深度與概率， 加快風(fēng)險(xiǎn)傳染速度。此外，投資者應(yīng)對(duì)經(jīng)濟(jì)政策頻繁調(diào)整所持有的情緒越高漲時(shí)，投資者越看好未來(lái)政策調(diào)控效果，進(jìn)一步對(duì)銀行信貸投資決策及行為產(chǎn)生影響[2]。投資者情緒對(duì)經(jīng)濟(jì)政策不確定性與銀行系統(tǒng)性風(fēng)險(xiǎn)關(guān)系的轉(zhuǎn)換作用機(jī)制如下：高漲的情緒說(shuō)明投資者認(rèn)為經(jīng)濟(jì)政策不確定性引發(fā)的負(fù)面效應(yīng)在可控范圍內(nèi)，于是待經(jīng)濟(jì)形勢(shì)好轉(zhuǎn)后適度增加信貸資產(chǎn)配置，減少了流動(dòng)性危機(jī)的蔓延。投資者情緒較高會(huì)更傾向于追求長(zhǎng)期利益而減少盈余管理等短視行為，不僅提高了銀行組織內(nèi)部的治理能力，也使銀行抗風(fēng)險(xiǎn)能力得以提升，從而有效抑制了經(jīng)濟(jì)政策調(diào)整對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的負(fù)面作用。在經(jīng)濟(jì)政策不確定性增加時(shí)， 金融監(jiān)管部門(mén)格外注重流動(dòng)性的跨周期調(diào)節(jié)，并在滿(mǎn)足銀行流動(dòng)性需求的前提下實(shí)施前瞻性管理，由此使得投資者情緒高漲，進(jìn)而降低了銀行系統(tǒng)性風(fēng)險(xiǎn)水平。因此，本文提出以下假設(shè)。

假設(shè)3： 投資者情緒具有顯著的區(qū)制轉(zhuǎn)換效應(yīng)，使經(jīng)濟(jì)不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的凈邊際效應(yīng)發(fā)生結(jié)構(gòu)變化。

本文理論分析邏輯路線如圖1所示。

四、實(shí)證研究方法設(shè)計(jì)

（一）銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的測(cè)度與模型設(shè)定

1. 利用MVMQ-CAViaR模型估算銀行業(yè)條件風(fēng)險(xiǎn)價(jià)值及增量條件風(fēng)險(xiǎn)價(jià)值

第i個(gè)銀行對(duì)銀行業(yè)（s）的系統(tǒng)性傳染風(fēng)險(xiǎn)，即第i個(gè)銀行對(duì)銀行業(yè)的風(fēng)險(xiǎn)溢出，選用增量條件風(fēng)險(xiǎn)價(jià)值測(cè)度。

？駐CoVaRsit=CoVaRsit（0.95）-CoVaRsit（0.5） （1）

其中，CoVaRsit（0.95）是在95%的置信水平下，銀行i對(duì)銀行業(yè)的尾部風(fēng)險(xiǎn)溢出（銀行業(yè)條件風(fēng)險(xiǎn)價(jià)值）；CoVaRsit（0.5）是在正常情況下，銀行i對(duì)銀行業(yè)的尾部風(fēng)險(xiǎn)溢出（銀行業(yè)條件風(fēng)險(xiǎn)價(jià)值）。

White等（2015）將傳統(tǒng)的單方程CAViaR模型擴(kuò)展成為多元多分位數(shù)CAViaR模型（即MVMQ-CAViaR模型）[13]。作為聯(lián)立多方程結(jié)構(gòu)模型，把兩個(gè)機(jī)構(gòu)的風(fēng)險(xiǎn)指標(biāo)作為內(nèi)生變量，把風(fēng)險(xiǎn)因素與風(fēng)險(xiǎn)傳染源作為外生變量， 設(shè)立MVMQ-CAViaR模型，就可以系統(tǒng)估算多種風(fēng)險(xiǎn)來(lái)源與風(fēng)險(xiǎn)傳染源及外部沖擊對(duì)兩個(gè)機(jī)構(gòu)風(fēng)險(xiǎn)的多重交互影響，檢驗(yàn)雙向風(fēng)險(xiǎn)溢出的存在性以及方向性。而且風(fēng)險(xiǎn)具有累積可加性，在模型中引入滯后項(xiàng)，就可以描述兩個(gè)機(jī)構(gòu)之間風(fēng)險(xiǎn)傳染的動(dòng)態(tài)影響過(guò)程。這些都是單方程建模分析很難實(shí)現(xiàn)的， 由此本文選用MVMQ-CAViaR模型估算銀行業(yè)條件風(fēng)險(xiǎn)價(jià)值。

銀行風(fēng)險(xiǎn)傳染主要源自自身風(fēng)險(xiǎn)序列影響、自身及相鄰機(jī)構(gòu)與銀行業(yè)的市場(chǎng)沖擊與風(fēng)險(xiǎn)傳染，因此設(shè)估算銀行業(yè)條件風(fēng)險(xiǎn)價(jià)值的MVMQ-CAViaR模型為：

qit（？茲）=ci+aii|Yit-1|+ais|Yst-1|+bii（？茲）qit-1（？茲）+? ?bis（？茲）qst-1（？茲）qst（？茲）=cs+asi|Yit-1|+ass|Yst-1|+bsi（？茲）qit-1（？茲）+? ?bss（？茲）qst-1（？茲） （2）

其中，下標(biāo)i表示銀行i（i=1，2，…，n），下標(biāo)s表示銀行業(yè)，下標(biāo)t表示時(shí)期（t=1，2，…，T）；qit（？茲）、qst（？茲）分別表示在？茲置信水平下銀行i、銀行業(yè)s的尾部風(fēng)險(xiǎn)；|Yit-1|、|Yst-1|是銀行i、 銀行業(yè)s的收益率絕對(duì)值，其用來(lái)代表金融機(jī)構(gòu)沖擊，且其滯后一期的正向沖擊和負(fù)向沖擊具有相同的作用效果；qit-1（？茲）、qst-1（？茲）是滯后一期的銀行i、銀行業(yè)s尾部風(fēng)險(xiǎn)，其用來(lái)描述尾部風(fēng)險(xiǎn)的自相關(guān)特征。系數(shù)矩陣為A=aii aisasi ass和B=bii bisbsi bss， 其中系數(shù)矩陣A中的主對(duì)角線表示前期銀行i或銀行業(yè)s受到的金融機(jī)構(gòu)沖擊對(duì)當(dāng)期銀行i或銀行業(yè)s自身尾部風(fēng)險(xiǎn)的影響，非主對(duì)角線的上三角元素表示了前期銀行業(yè)s受到的金融機(jī)構(gòu)沖擊對(duì)當(dāng)期銀行i的尾部風(fēng)險(xiǎn)的影響，非主對(duì)角線的下三角元素表示了前期銀行i受到的金融機(jī)構(gòu)沖擊對(duì)當(dāng)期銀行業(yè)s的尾部風(fēng)險(xiǎn)的影響。系數(shù)矩陣B中的主對(duì)角線表示前期銀行i或銀行業(yè)s的尾部風(fēng)險(xiǎn)對(duì)當(dāng)期銀行i或銀行業(yè)s自身尾部風(fēng)險(xiǎn)的序列相關(guān)影響，非主對(duì)角線的上三角元素表示了前期銀行i受到的尾部風(fēng)險(xiǎn)對(duì)當(dāng)期銀行業(yè)s的尾部風(fēng)險(xiǎn)的影響，非主對(duì)角線的下三角元素表示了前期銀行業(yè)s的尾部風(fēng)險(xiǎn)對(duì)當(dāng)期銀行i的尾部風(fēng)險(xiǎn)的影響。

分別在0.95和0.5置信水平下估計(jì)MVMQ-CAViaR模型，就可以得到在0.95和0.5置信水平下的銀行業(yè)條件風(fēng)險(xiǎn)價(jià)值CoVaRsit（0.95）和CoVaRsit（0.5）。

該模型具有收益率聯(lián)合分布特征無(wú)先驗(yàn)性的優(yōu)勢(shì)，用最大似然估計(jì)法求解模型聯(lián)合似然函數(shù)，可以得到模型參數(shù)估計(jì)值。在得到參數(shù)估計(jì)值矩陣后，需要進(jìn)行顯著性檢驗(yàn)，因此構(gòu)建Wald統(tǒng)計(jì)量，檢驗(yàn)尾部風(fēng)險(xiǎn)的溢出效應(yīng)是否顯著。

（R？茁-r）'［R×VC×R］-1（R？茁-r）■？姿2（n） （3）

其中，R是m×n約束矩陣；m是約束方程的個(gè)數(shù)；n是系數(shù)的個(gè)數(shù)；VC為系數(shù)的方差-協(xié)方差矩陣。

2.利用面板門(mén)限回歸模型探索結(jié)構(gòu)變化效應(yīng)

為了驗(yàn)證假設(shè)3，研究經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的結(jié)構(gòu)變化，本文首先建立面板門(mén)限回歸模型，驗(yàn)證經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染有沒(méi)有結(jié)構(gòu)變化， 回答“是否存在結(jié)構(gòu)變化”問(wèn)題。然后，用面板平滑轉(zhuǎn)換模型，探索分析投資者情緒的轉(zhuǎn)換作用，以及經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際效應(yīng)結(jié)構(gòu)變化模式，進(jìn)一步驗(yàn)證假設(shè)3，回答“結(jié)構(gòu)如何變化”問(wèn)題[34]。

對(duì)于面板數(shù)據(jù){yit，xit，qit：1≤i≤n，1≤t≤T}，其中i表示個(gè)體，t表示時(shí)間，固定效應(yīng)門(mén)限回歸模型如下：

yit=？滋i+？茁1xit+？著it，若qit≤？酌yit=？滋i+？茁2xit+？著it，若qit>？酌? （4）

其中，yit為被解釋變量；個(gè)體截距項(xiàng)為？滋i，其若顯著存在表明這是固定效應(yīng)模型； 解釋變量xit為外生變量向量，與擾動(dòng)項(xiàng)？著it不相關(guān)；？茁1、？茁2為解釋變量xit向量的參數(shù)向量； 擾動(dòng)項(xiàng)？著it為獨(dú)立同分布的正態(tài)隨機(jī)項(xiàng)；qit為門(mén)限變量（可以是解釋變量xit的一部分）；？酌為待估計(jì)的門(mén)限值。

門(mén)限效應(yīng)檢驗(yàn)的原假設(shè)H0為：？茁■■=？茁■■，即不存在門(mén)限效應(yīng)；備擇假設(shè)H1為：？茁■■≠？茁■■，即存在門(mén)限效應(yīng)。LR檢驗(yàn)統(tǒng)計(jì)量為：

（5）

其中，RSS為原假設(shè)約束下的殘差平方和；RSS為無(wú)原假設(shè)約束的殘差平方和。

3.利用面板平滑轉(zhuǎn)換模型探索結(jié)構(gòu)變化模式

固定效應(yīng)的面板平滑轉(zhuǎn)換模型的表達(dá)式為[35]：

yit=a+xit ？茁+G（sit；c，？酌）zit？琢+ui+？著it

G（st；c，？酌）=

［1+exp（-？酌（sit-c））］-1 Logistic，LSTR1-exp（-？酌（sit-c）2） Exponential，ESTR？椎（？酌（sit-c）） Normal，NSTR （6）

其中，yit為被解釋變量；a為常數(shù)項(xiàng)；？茁為解釋變量的參數(shù)向量；xit 為線性作用的解釋變量向量；zit為非線性平滑轉(zhuǎn)換作用的解釋變量向量；？琢為變量向量zit的參數(shù)向量；G（st；c，？酌）是平滑轉(zhuǎn)換函數(shù)，其值介于0和1之間，其轉(zhuǎn)換模式有邏輯轉(zhuǎn)換（LSTR）、指數(shù)轉(zhuǎn)換（ESTR）和正態(tài)轉(zhuǎn)換（NSTR）三種模式；？酌為平滑轉(zhuǎn)換系數(shù)，大于0，反映平滑轉(zhuǎn)換的速度和平滑度，當(dāng)？酌→∞，G（st；c，？酌）成為指示函數(shù)；？椎（·）為正態(tài)分布函數(shù)；sit為發(fā)揮平滑轉(zhuǎn)換作用的轉(zhuǎn)換變量；uit是個(gè)體效應(yīng)，允許其與xit或zit相關(guān)。

（二）變量指標(biāo)選用

1.被解釋變量。為驗(yàn)證三個(gè)假設(shè)，選取銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)多重傳染作為被解釋變量。

2.解釋變量與轉(zhuǎn)換變量。（1）經(jīng)濟(jì)政策不確定性是增加銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的重要途徑之一[16]，因此本文選取經(jīng)濟(jì)政策不確定性作為核心解釋變量。 本文選取的經(jīng)濟(jì)政策不確定性指數(shù)是由Baker等根據(jù)關(guān)鍵詞統(tǒng)計(jì)合成得到[16]。（2）為驗(yàn)證模型的穩(wěn)健性， 本文收集了Steven J.Davis等給出的經(jīng)濟(jì)政策不確定性指數(shù)。（3） 投資者情緒是許多學(xué)者研究的熱點(diǎn)問(wèn)題。本文采用換手率反映銀行股票交投活躍程度和購(gòu)買(mǎi)意愿及流動(dòng)性好壞程度，結(jié)合股價(jià)漲跌反映的樂(lè)觀和悲觀情緒，組合測(cè)度銀行股票的投資者情緒[36]。

3.控制變量。（1）選取銀行微觀特征作為控制變量。銀行規(guī)模、成本收入比和存貸比反映了銀行的盈利能力及情況，不良貸款率和資本充足率反映了銀行的業(yè)績(jī)水平和銀行股基本面的好壞。（2）選取部分宏觀變量作為控制變量， 如貨幣供應(yīng)量、銀行間同業(yè)拆借加權(quán)利率、滬深300收益率、居民消費(fèi)價(jià)格指數(shù)和經(jīng)濟(jì)發(fā)展增速。滬深300收益率度量了股票市場(chǎng)波動(dòng)性，貨幣供應(yīng)量和銀行間同業(yè)拆借加權(quán)利率反映了當(dāng)前貨幣市場(chǎng)情況，居民消費(fèi)價(jià)格指數(shù)反映了通貨膨脹和貨幣購(gòu)買(mǎi)力變動(dòng)情況，經(jīng)濟(jì)發(fā)展增速影響著中央銀行的管理決策和銀行業(yè)的發(fā)展。

各變量定義說(shuō)明如表1所示。

（三）樣本選取與數(shù)據(jù)收集

本文選取2008之前已經(jīng)上市的所有銀行共14家，包括中國(guó)銀行、工商銀行、交通銀行、建設(shè)銀行等4家國(guó)有銀行，平安銀行、浦發(fā)銀行、民生銀行、招商銀行、華夏銀行、興業(yè)銀行、中信銀行等7家股份制銀行，寧波銀行、南京銀行、北京銀行等3家城市發(fā)展銀行。這些銀行占據(jù)了近80%的中國(guó)銀行系統(tǒng)資產(chǎn)，包含了70%左右原銀保監(jiān)會(huì)認(rèn)定的系統(tǒng)重要性金融機(jī)構(gòu)，能較好地反映中國(guó)銀行業(yè)的主要特征。 收集了2008年1月1日至2021年12月31日期間的銀行日交易收盤(pán)價(jià)， 共3605條數(shù)據(jù)，用于測(cè)度銀行系統(tǒng)性風(fēng)險(xiǎn)和投資者情緒變量的日數(shù)據(jù)，將日數(shù)據(jù)平均得到月度數(shù)據(jù)，銀行股價(jià)數(shù)據(jù)來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)。銀行層面的其他數(shù)據(jù)來(lái)自同花順iFind數(shù)據(jù)庫(kù)和銀行的季度報(bào)告， 將銀行的季度報(bào)告數(shù)據(jù)插值平滑得到月度數(shù)據(jù)。經(jīng)濟(jì)政策不確定性指數(shù)來(lái)自Baker統(tǒng)計(jì)的數(shù)據(jù)， 投資者情緒指數(shù)和其余控制變量來(lái)自國(guó)泰安和同花順iFind數(shù)據(jù)庫(kù)。其中，選取收盤(pán)價(jià)一階差分的對(duì)數(shù)來(lái)計(jì)算股價(jià)的對(duì)數(shù)收益率，并將其擴(kuò)大100倍。其中，銀行業(yè)的收益率通過(guò)對(duì)14家銀行的收益率進(jìn)行加權(quán)平均得到，即rmt=■witrit，權(quán)重為各自銀行的總市場(chǎng)價(jià)值比重。

五、實(shí)證結(jié)果及分析

（一）描述性統(tǒng)計(jì)情況

主要變量的描述性統(tǒng)計(jì)情況如表2所示。14家上市銀行的系統(tǒng)性風(fēng)險(xiǎn)的最小值和最大值分別是-6.2209、-0.8061，經(jīng)濟(jì)政策不確定性指數(shù)取對(duì)數(shù)后的最小值和最大值分別是3.2636、6.8782，投資者情緒的最小值和最大值分別是-0.0115、0.0412，這表明不同月份不同銀行的系統(tǒng)性風(fēng)險(xiǎn)、投資者情緒以及經(jīng)濟(jì)政策不確定性存在較大的差異，符合研究的基本需求。另外，銀行層面和宏觀層面的控制變量的最小值和最大值存在較大的差異，兩者與均值也存在差距，這表明了本文選取控制變量的正確性與必要性。

（二）各變量的平穩(wěn)性檢驗(yàn)與各變量之間的協(xié)整關(guān)系檢驗(yàn)結(jié)果與分析

為避免偽回歸，建立面板回歸模型，需要利用單位根檢驗(yàn)驗(yàn)證樣本數(shù)據(jù)的平穩(wěn)性，利用協(xié)整檢驗(yàn)驗(yàn)證指標(biāo)數(shù)據(jù)之間的協(xié)整關(guān)聯(lián)。 面板平穩(wěn)性LLC檢驗(yàn)的最大滯后期設(shè)置為12，面板平穩(wěn)性IPS檢驗(yàn)的最大滯后期設(shè)置為8， 兩個(gè)檢驗(yàn)結(jié)果都表明，除存貸比之外的其他指標(biāo)數(shù)據(jù)都不存在單位根，這些指標(biāo)數(shù)據(jù)是平穩(wěn)的。 在進(jìn)行LLC檢驗(yàn)和IPS檢驗(yàn)時(shí)，存貸比結(jié)果出現(xiàn)不一致的情況，進(jìn)一步做HT檢驗(yàn)，其p值為0.0074并小于0.05，也表明存貸比面板數(shù)據(jù)不存在單位根過(guò)程。

采用KAO和PO檢驗(yàn)進(jìn)行協(xié)整檢驗(yàn)， 檢驗(yàn)結(jié)果表明面板數(shù)據(jù)變量之間存在協(xié)整關(guān)系，應(yīng)該建立多方程模型做系統(tǒng)估計(jì)。

（三）經(jīng)濟(jì)政策不確定性和投資者情緒分別影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的實(shí)證結(jié)果及分析

為驗(yàn)證假設(shè)1和假設(shè)2，本文利用固定效應(yīng)和隨機(jī)效應(yīng)的面板回歸模型，把銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染作為被解釋變量，以經(jīng)濟(jì)政策不確定性和投資者情緒分別作為核心解釋變量，銀行層面和宏觀層面的變量指標(biāo)作為控制變量，檢驗(yàn)經(jīng)濟(jì)政策不確定性和投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的影響。表3報(bào)告了固定效應(yīng)和隨機(jī)效應(yīng)的面板回歸結(jié)果，并做了效應(yīng)識(shí)別的豪斯曼檢驗(yàn)。豪斯曼檢驗(yàn)的p值均小于0.05， 因此拒絕原假設(shè)， 可以認(rèn)為固定效應(yīng)的面板回歸結(jié)果更佳。且對(duì)經(jīng)濟(jì)政策不確定性和投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響分別進(jìn)行多重共線性檢驗(yàn)，VIF值均小于5，表明不存在嚴(yán)重的共線性問(wèn)題。

從表3可以看出，經(jīng)濟(jì)政策不確定性及其時(shí)間滯后項(xiàng)均正向顯著影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染，經(jīng)濟(jì)政策不確定性每增加1個(gè)單位，銀行當(dāng)期的系統(tǒng)性風(fēng)險(xiǎn)多重傳染會(huì)隨之增加0.0413個(gè)單位，銀行下一時(shí)期的系統(tǒng)性風(fēng)險(xiǎn)多重傳染會(huì)隨之顯著增加0.0867個(gè)單位。 這是由于經(jīng)濟(jì)政策不確定性增加會(huì)加劇銀行經(jīng)營(yíng)風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)，經(jīng)過(guò)同業(yè)資產(chǎn)負(fù)債業(yè)務(wù)關(guān)聯(lián)， 銀行風(fēng)險(xiǎn)增加會(huì)溢出傳染給其他銀行，還會(huì)通過(guò)跳躍波動(dòng)關(guān)聯(lián)、股價(jià)信息關(guān)聯(lián)和共同資產(chǎn)價(jià)格關(guān)聯(lián)， 多重傳染疊加溢出給其他銀行吸收，倍增該銀行的系統(tǒng)性風(fēng)險(xiǎn)多重傳染。

投資者情緒負(fù)向顯著作用于銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染，投資者情緒每高漲1個(gè)單位，銀行的當(dāng)期系統(tǒng)性風(fēng)險(xiǎn)多重傳染就會(huì)減少16.2931個(gè)單位，銀行下一時(shí)期的系統(tǒng)性風(fēng)險(xiǎn)多重傳染就會(huì)顯著減少10.0885個(gè)單位。 這是由于投資者情緒高漲會(huì)增加市場(chǎng)流動(dòng)性，提升交投活躍度，推動(dòng)金融市場(chǎng)理性繁榮，也會(huì)順周期地提升銀行市場(chǎng)價(jià)值，增加違約距離，減少信用風(fēng)險(xiǎn)，且這些減弱的銀行風(fēng)險(xiǎn)會(huì)通過(guò)跳躍關(guān)聯(lián)、 股價(jià)信息關(guān)聯(lián)和共同資產(chǎn)價(jià)格關(guān)聯(lián)，溢出傳染給相關(guān)其他銀行。

銀行風(fēng)險(xiǎn)會(huì)通過(guò)跳躍關(guān)聯(lián)、股價(jià)信息關(guān)聯(lián)和共同資產(chǎn)價(jià)格關(guān)聯(lián)等路徑傳染，因此銀行吸收整個(gè)銀行業(yè)的傳染風(fēng)險(xiǎn)正向影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。作為銀行層面的控制變量，銀行規(guī)模正向顯著作用于銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。而成本收入比和存貸比可以反映出銀行的盈利能力，因此成本收入比正向顯著影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染，而存貸比可以減少銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。 因此，降低成本收入比以及增加存貸比可以減少銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。作為宏觀層面的控制變量，貨幣供應(yīng)量、銀行間同業(yè)拆借加權(quán)利率、居民消費(fèi)價(jià)格指數(shù)和滬深300收益率的增加，都會(huì)在一定程度上增加銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。

選取Steven J.Davis等構(gòu)建的另外一種經(jīng)濟(jì)政策不確定性指數(shù)，代替Baker的經(jīng)濟(jì)政策不確定性指數(shù)，對(duì)模型結(jié)果作穩(wěn)健性檢驗(yàn)，也得到了類(lèi)似的結(jié)論（見(jiàn)表3）。至此，假設(shè)1和假設(shè)2得到驗(yàn)證。經(jīng)濟(jì)政策不確定性顯著正向影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染，而投資者情緒顯著負(fù)向影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。

（四）經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的門(mén)限效應(yīng)檢驗(yàn)結(jié)果與分析

1.門(mén)限估計(jì)值的檢驗(yàn)

為驗(yàn)證假設(shè)3， 本文利用面板門(mén)限回歸模型，以投資者情緒作為門(mén)限變量，探究投資者情緒的轉(zhuǎn)換作用及其對(duì)經(jīng)濟(jì)政策不確定性影響不同銀行的系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際效應(yīng)結(jié)構(gòu)變化的調(diào)節(jié)作用存在性。門(mén)限效應(yīng)檢驗(yàn)結(jié)果如表4所示。

由表4可知， 投資者情緒為在5%水平上顯著的門(mén)限轉(zhuǎn)換變量， 其顯著具有單個(gè)門(mén)限值0.0016，模型具有單一門(mén)限效應(yīng)。因此，單個(gè)門(mén)限值為具有狀態(tài)轉(zhuǎn)換效應(yīng)的解釋變量總體作用（包含線性作用和非線性作用）的轉(zhuǎn)換門(mén)限值。

圖2為利用似然比估計(jì)法對(duì)門(mén)限值進(jìn)行的似然比檢驗(yàn)統(tǒng)計(jì)量值。圖2中折線的最低點(diǎn)為門(mén)限估計(jì)值0.0016， 折線與虛線的兩個(gè)交點(diǎn)即為門(mén)限值95%的置信區(qū)間［0.0013，0.0017］，門(mén)限估計(jì)值在真實(shí)性檢驗(yàn)的置信區(qū)間內(nèi)。

2.門(mén)限回歸結(jié)果與分析

表5報(bào)告了基準(zhǔn)回歸結(jié)果。

由表5的基準(zhǔn)回歸結(jié)果可知，在不同程度的投資者情緒作用下，經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的影響不同。 當(dāng)投資者情緒低于0.0016時(shí)，經(jīng)濟(jì)不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的顯著影響為0.0972，這說(shuō)明經(jīng)濟(jì)不確定性會(huì)顯著增加銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染；當(dāng)投資者情緒高于0.0016時(shí)，經(jīng)濟(jì)不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的影響為0.0769，這說(shuō)明在投資者情緒高漲的時(shí)候，經(jīng)濟(jì)不確定性增加系統(tǒng)性風(fēng)險(xiǎn)的力度有所下降。這是由于投資者負(fù)面情緒會(huì)顯著提升銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的范圍、深度與概率，加快風(fēng)險(xiǎn)傳染速度。因此，隨著投資者情緒高漲，經(jīng)濟(jì)政策不確定性使銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的凈效應(yīng)發(fā)生結(jié)構(gòu)轉(zhuǎn)換。穩(wěn)健回歸結(jié)果（見(jiàn)表3）得到類(lèi)似的結(jié)論，假設(shè)3的結(jié)論是穩(wěn)健的。

就控制變量而言， 銀行間同業(yè)拆借加權(quán)利率、居民消費(fèi)價(jià)格指數(shù)和滬深300收益率在一定程度上都會(huì)正向作用于銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。

（五）經(jīng)濟(jì)不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的平滑轉(zhuǎn)換效應(yīng)檢驗(yàn)結(jié)果與分析

1.平滑轉(zhuǎn)換效應(yīng)的實(shí)證結(jié)果

由理論分析和表5驗(yàn)證結(jié)果可知，在投資者情緒的轉(zhuǎn)換效應(yīng)下，經(jīng)濟(jì)不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的凈效應(yīng)發(fā)生了結(jié)構(gòu)轉(zhuǎn)換。門(mén)限模型是探究投資者情緒的轉(zhuǎn)換作用及其對(duì)經(jīng)濟(jì)政策不確定性影響不同銀行的系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際效應(yīng)結(jié)構(gòu)變化的調(diào)節(jié)作用存在性，需要進(jìn)一步使用面板平滑轉(zhuǎn)換模型，研究在投資者情緒的轉(zhuǎn)換作用下經(jīng)濟(jì)政策不確定性邊際效應(yīng)的動(dòng)態(tài)轉(zhuǎn)換模式，進(jìn)一步證實(shí)假設(shè)3成立。

為驗(yàn)證加入平滑轉(zhuǎn)換項(xiàng)的合理性，本文首先建立多元線性回歸模型且對(duì)模型進(jìn)行拉姆齊非線性平滑轉(zhuǎn)換檢驗(yàn)，從而確定是否存在非線性平滑轉(zhuǎn)換效應(yīng)。 拉姆齊非線性檢驗(yàn)的F檢驗(yàn)統(tǒng)計(jì)量值為101.27，p值為0.0000且在1%水平下顯著。這表明，使用非線性平滑轉(zhuǎn)換模型具有合理性，繼而建立單變量?jī)蓞^(qū)制的面板平滑轉(zhuǎn)換模型，探索分析經(jīng)濟(jì)政策不確定性邊際效應(yīng)的動(dòng)態(tài)轉(zhuǎn)換模式。

表6報(bào)告了面板平滑轉(zhuǎn)換模型的回歸結(jié)果。其中，第（1）列是LSTR模型回歸的結(jié)果，第（2）列是ESTR模型回歸的結(jié)果，第（3）列是NSTR模型回歸的結(jié)果。在三種面板平滑轉(zhuǎn)換模型中，比較擬合優(yōu)度R2、BIC、HQIC值的大小可以發(fā)現(xiàn)， 擬合優(yōu)度基本相當(dāng)，但ESTR模型的BIC和HQIC最低。因此，ESTR平滑轉(zhuǎn)換模型優(yōu)于LSTR和NSTR模型， 下面用ESTR模型回歸結(jié)果分析在投資者情緒的轉(zhuǎn)換作用下經(jīng)濟(jì)政策不確定性的邊際效應(yīng)結(jié)構(gòu)變化模式。

由表6中ESTR模型回歸的結(jié)果可知，在投資者情緒比較低，低于其門(mén)限值-0.0051時(shí)，平滑轉(zhuǎn)換函數(shù)為正值且趨于0，經(jīng)濟(jì)不確定性的非線性作用部分趨于0或者比較小，此時(shí)經(jīng)濟(jì)不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染產(chǎn)生正向線性影響，意味著經(jīng)濟(jì)不確定性增加了系統(tǒng)性風(fēng)險(xiǎn)，需要對(duì)經(jīng)濟(jì)不確定性進(jìn)行監(jiān)管。投資者情緒會(huì)調(diào)節(jié)經(jīng)濟(jì)政策不確定性帶來(lái)的銀行資產(chǎn)風(fēng)險(xiǎn)溢價(jià)彈性及其系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際值。隨著投資者情緒的高漲，其值超過(guò)門(mén)限值-0.0051時(shí)，平滑轉(zhuǎn)換函數(shù)為正值且趨于1， 經(jīng)濟(jì)不確定性的非線性作用部分從趨于零轉(zhuǎn)換到顯著負(fù)向影響系統(tǒng)性風(fēng)險(xiǎn)，此時(shí)經(jīng)濟(jì)不確定性的正向作用難以抵消投資者情緒的負(fù)向影響，從而整體上減少系統(tǒng)性風(fēng)險(xiǎn)，并帶來(lái)“投資者樂(lè)觀情緒高漲的羊群效應(yīng)”問(wèn)題[14]。對(duì)于線性作用部分，銀行層面的銀行規(guī)模和成本收入比會(huì)正向影響系統(tǒng)性風(fēng)險(xiǎn)；存貸比的提高表明銀行的業(yè)績(jī)水平良好，可以減少銀行的系統(tǒng)性風(fēng)險(xiǎn)。而滬深300收益率、銀行間同業(yè)拆借加權(quán)利率、居民消費(fèi)價(jià)格指數(shù)、貨幣供應(yīng)量都會(huì)正向作用于銀行系統(tǒng)性風(fēng)險(xiǎn)。

2. 經(jīng)濟(jì)政策不確定性的邊際效應(yīng)結(jié)構(gòu)變化圖形及分析

把指數(shù)平滑轉(zhuǎn)換模型的Lnr參數(shù)轉(zhuǎn)換成r，得到r參數(shù)估計(jì)值顯著為5273.4284， 表明在單變量?jī)蓞^(qū)制之間的轉(zhuǎn)換速度和平滑程度為5273.4284， 該數(shù)值相對(duì)比較大，表明模型非線性效應(yīng)的轉(zhuǎn)變并不是一個(gè)相對(duì)平緩的過(guò)程，根據(jù)模型的參數(shù)可以把此轉(zhuǎn)換過(guò)程可視化為圖3。

從圖3可以看出，整體上經(jīng)濟(jì)不確定性產(chǎn)生的非線性作用在投資者情緒的區(qū)間內(nèi)比較陡峭地變化。當(dāng)投資者情緒在區(qū)間（-0.014，-0.005）時(shí)，投資者情緒的提高將會(huì)導(dǎo)致平滑轉(zhuǎn)換函數(shù)比較平穩(wěn)地減少。當(dāng)投資者情緒在區(qū)間（-0.005，0.005）時(shí)，投資者情緒的提高將會(huì)導(dǎo)致平滑轉(zhuǎn)換函數(shù)比較平穩(wěn)地增加。隨著投資者情緒高漲，平滑轉(zhuǎn)換的速度也隨之加快。 當(dāng)投資者情緒大約在區(qū)間（0.005， 0.02）內(nèi)，投資者情緒的高漲使得平滑轉(zhuǎn)換函數(shù)比較陡峭地增加。當(dāng)投資者情緒超過(guò)0.02以后，平滑轉(zhuǎn)換函數(shù)長(zhǎng)期趨于1，比較平穩(wěn)地保持不變。

3.指數(shù)平滑轉(zhuǎn)換模型設(shè)定的合理性驗(yàn)證

接下來(lái)，對(duì)指數(shù)平滑轉(zhuǎn)換模型的殘差進(jìn)行線性檢驗(yàn)，驗(yàn)證指數(shù)平滑轉(zhuǎn)換模型的合理性。檢驗(yàn)結(jié)果如表7所示。

表7的結(jié)果顯示，第一部分泰勒展開(kāi)式一至四階的系數(shù)p值均大于0.05，并不顯著，表明殘差部分不存在非線性部分；第二部分泰勒展開(kāi)式的四階線性檢驗(yàn)的結(jié)果也不顯著，說(shuō)明殘差部分也不存在非線性部分；第三部分的p值大于0.05，接受原假設(shè)，再次說(shuō)明殘差部分不存在非線性部分。因此，殘差部分不存在非線性部分，說(shuō)明指數(shù)平滑轉(zhuǎn)換模型的非線性部分作用比較顯著，證實(shí)了所選模型的合理性。這說(shuō)明在投資者情緒的轉(zhuǎn)換作用下，經(jīng)濟(jì)政策不確定性非線性作用于銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染， 其邊際作用結(jié)構(gòu)變化為指數(shù)平滑轉(zhuǎn)換模式。

至此，假設(shè)3得到進(jìn)一步證實(shí)，即投資者情緒具有顯著的區(qū)制轉(zhuǎn)換效應(yīng)，使經(jīng)濟(jì)不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的凈邊際效應(yīng)，按指數(shù)平滑模式發(fā)生結(jié)構(gòu)變化。

六、結(jié)論與建議

本文以14家上市銀行為研究樣本， 通過(guò)MVMQ-CAViaR模型估算銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染，并基于面板基準(zhǔn)回歸、面板門(mén)限回歸模型和面板平滑轉(zhuǎn)換模型，研究經(jīng)濟(jì)政策不確定性和投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際效應(yīng)及結(jié)構(gòu)變化，研究發(fā)現(xiàn)：

1. 經(jīng)濟(jì)政策不確定性與投資者情緒對(duì)上市銀行系統(tǒng)性風(fēng)險(xiǎn)的影響方向與大小存在差異。具體來(lái)看，經(jīng)濟(jì)政策不確定性會(huì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生顯著的正向影響，即經(jīng)濟(jì)政策不確定性越大，銀行系統(tǒng)性風(fēng)險(xiǎn)越高。同時(shí)，投資者情緒對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生顯著的負(fù)向影響，抑制銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染。即投資者情緒越高漲，銀行系統(tǒng)性風(fēng)險(xiǎn)越低，反之，銀行系統(tǒng)性風(fēng)險(xiǎn)越高。

2. 投資者情緒會(huì)調(diào)節(jié)經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際效應(yīng)變化，且具有顯著的區(qū)制轉(zhuǎn)換作用，使經(jīng)濟(jì)政策不確定性影響銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染的邊際效應(yīng)發(fā)生結(jié)構(gòu)變化。

3.投資者情緒以指數(shù)平滑轉(zhuǎn)換模式調(diào)節(jié)，使經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)多重傳染具有顯著的線性作用和非線性作用。經(jīng)濟(jì)不確定性的非線性作用部分從趨于零轉(zhuǎn)換到顯著負(fù)向影響系統(tǒng)性風(fēng)險(xiǎn)，此時(shí)經(jīng)濟(jì)不確定性的正向線性作用難以抵消投資者情緒的負(fù)向影響，從而整體上減少系統(tǒng)性風(fēng)險(xiǎn)。

基于上述研究結(jié)論，提出如下政策建議：

1. 正確處理經(jīng)濟(jì)政策不確定性與銀行系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系。政府應(yīng)該執(zhí)行跨周期一致協(xié)調(diào)的“雙支柱”宏觀審慎調(diào)控經(jīng)濟(jì)政策[37]，在實(shí)施貨幣政策和財(cái)政政策時(shí)，要對(duì)政策未來(lái)的趨勢(shì)進(jìn)行合理的預(yù)期并制定具有穩(wěn)定性的經(jīng)濟(jì)政策。通過(guò)降低經(jīng)濟(jì)政策的不確定性， 穩(wěn)定實(shí)體經(jīng)濟(jì)和銀行的經(jīng)營(yíng)環(huán)境，防范和化解銀行重大風(fēng)險(xiǎn)多源多重傳染。 此外，政府在制定經(jīng)濟(jì)政策時(shí)要綜合考慮投資者預(yù)期，提振投資者在危機(jī)時(shí)期的信心，實(shí)現(xiàn)經(jīng)濟(jì)政策對(duì)系統(tǒng)性風(fēng)險(xiǎn)的抑制作用。

2.投資者要保持理性情緒，對(duì)銀行經(jīng)營(yíng)狀況等信息要有理性認(rèn)知。在數(shù)字化時(shí)代，互聯(lián)網(wǎng)普及，信息快速傳遞。投資者要學(xué)會(huì)信息篩選，剔除不真實(shí)不準(zhǔn)確的信息，從而做出正確的投資決策，轉(zhuǎn)換經(jīng)濟(jì)政策不確定性對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的作用。

3.監(jiān)管部門(mén)要健全監(jiān)管體系，建立公開(kāi)透明的信息制度，及時(shí)化解銀行系統(tǒng)性風(fēng)險(xiǎn)的多源多重傳染。銀行與投資者之間存在信息不對(duì)稱(chēng)，使得投資者極易出現(xiàn)羊群效應(yīng)和非理性投資行為，加大金融市場(chǎng)的波動(dòng)，阻礙金融市場(chǎng)的穩(wěn)定運(yùn)行。監(jiān)管部門(mén)要建立完善透明的信息制度，減少機(jī)構(gòu)與投資者間因信息不對(duì)稱(chēng)而發(fā)生的非理性行為。此外，需要調(diào)控好輿情，并關(guān)注投資者情緒對(duì)系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo)效應(yīng)。針對(duì)投資者的非理性恐慌情緒，及時(shí)干預(yù)股票市場(chǎng)股價(jià)的波動(dòng)和銀行異常的管理行為。 管理部門(mén)還應(yīng)致力于穿透式監(jiān)管，注重底層資產(chǎn)風(fēng)險(xiǎn)的識(shí)別與披露，在不同類(lèi)型資產(chǎn)業(yè)務(wù)間建立風(fēng)險(xiǎn)隔離機(jī)制，謹(jǐn)防同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)溢出。

參考文獻(xiàn)：

［1］王之揚(yáng)，王歡，夏凡.經(jīng)濟(jì)政策不確定性對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響［J］.武漢金融，2022（7）：41-53.

［2］顧海峰，朱慧萍.經(jīng)濟(jì)政策不確定性是否會(huì)影響銀行系統(tǒng)性風(fēng)險(xiǎn)？［J］.系統(tǒng)工程理論與實(shí)踐，2022，42（9）：2350-2366.

［3］歐陽(yáng)資生，陳世麗，楊希特，等.經(jīng)濟(jì)政策不確定性、網(wǎng)絡(luò)輿情與金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)［J］.管理科學(xué)學(xué)報(bào)，2023，26（4）：62-86.

［4］王周偉，魏鵬飛.中國(guó)上市銀行增量長(zhǎng)期條件風(fēng)險(xiǎn)價(jià)值估算研究［J］.統(tǒng)計(jì)與信息論壇，2023，38（6）：81-101.

［5］韓超，周兵.基于時(shí)變Copula-CoVaR商業(yè)銀行系統(tǒng)性金融風(fēng)險(xiǎn)溢出分析［J］.西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，44（8）：72-77.

［6］李守偉，解一葦，楊坤，等.商業(yè)銀行多層網(wǎng)絡(luò)結(jié)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)影響研究［J］.東南大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2019，21（4）：77-84，147.

［7］謝賢君，郁俊莉.跨境融資宏觀審慎管理與商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)［J］.金融與經(jīng)濟(jì)，2023，551（6）：3-15.

［8］郭品，程茂勇，沈悅.金融科技發(fā)展對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響：理論機(jī)制與經(jīng)驗(yàn)證據(jù)［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，2023，45（5）：15-29.

［9］方意，王晏如.金融科技媒體情緒與銀行系統(tǒng)性風(fēng)險(xiǎn)［J］.中山大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，63（3）：190-206.

［10］程小慶，葛璐瀾.銀行系統(tǒng)性風(fēng)險(xiǎn)與宏觀審慎評(píng)估體系有效性分析［J］.統(tǒng)計(jì)與決策，2020，36（19）：146-151.

［11］顧海峰，卞雨晨.數(shù)字金融會(huì)影響銀行系統(tǒng)性風(fēng)險(xiǎn)嗎？——基于中國(guó)上市銀行的證據(jù)［J］.中國(guó)軟科學(xué)，2022， 374（2）：32-43.

［12］吳文洋，盧翠平，唐紳峰.金融創(chuàng)新與銀行系統(tǒng)性風(fēng)險(xiǎn)：敏感性、異質(zhì)性及可接受性［J］.世界經(jīng)濟(jì)研究，2022， 341（7）：120-134，137.

［13］WHITE H，KIM T H，MANGANELLI S.VAR for VaR：Measuring Tail Dependence Using Multivariate Regression Quantiles［J］.Journal of Econometrics，2015，187（1）：169-188.

［14］孫琪.經(jīng)濟(jì)政策不確定性對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響機(jī)制研究［J］.財(cái)會(huì)月刊，2018，838（18）：155-162.

［15］馮燕妮，莫璇，李翔.經(jīng)濟(jì)政策不確定性能否驅(qū)動(dòng)股市系統(tǒng)性風(fēng)險(xiǎn)？——基于貝葉斯估計(jì)的時(shí)變beta檢驗(yàn)［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020，394（6）：29-38.

［16］蔣海，王溢凡，吳文洋.經(jīng)濟(jì)政策不確定性、網(wǎng)絡(luò)關(guān)聯(lián)性與銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)——基于中國(guó)上市銀行的實(shí)證檢驗(yàn)［J］.金融經(jīng)濟(jì)學(xué)研究，2021，36（6）：3-17.

［17］李洋，佟孟華，褚翠翠.經(jīng)濟(jì)政策不確定性與系統(tǒng)性金融風(fēng)險(xiǎn)傳染——基于中國(guó)上市金融機(jī)構(gòu)微觀數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)［J］.金融經(jīng)濟(jì)學(xué)研究，2021，36（4）：31-47.

［18］周亮，李紅權(quán).經(jīng)濟(jì)不確定性能否有效預(yù)測(cè)系統(tǒng)性金融風(fēng)險(xiǎn)？［J］.財(cái)經(jīng)問(wèn)題研究，2022，459（2）：52-62.

［19］DEMIR E，DANISMAN G O. The Impact of Economic Uncertainty and Geopolitical Risks on Bank Credit［J］.The North American Journal of Economics and Finance，2021（prepublish）.

［20］黃大禹，凌丹，鄒夢(mèng)婷.經(jīng)濟(jì)政策不確定性與商業(yè)銀行績(jī)效——結(jié)構(gòu)特征、影響機(jī)制與治理［J］.上海經(jīng)濟(jì)研究，2022（8）：60-78.

［21］劉鳳根，王一丁，王大軍.經(jīng)濟(jì)政策不確定性與系統(tǒng)性金融風(fēng)險(xiǎn)：研究脈絡(luò)與展望［J］.金融理論探索，2023（4）：52-59.

［22］張琳，廉永輝，方意.政策連續(xù)性與商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)［J］.金融研究，2022（5）：95-113.

［23］童中文，鄒靜，周紹東.媒體效應(yīng)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響［J］.統(tǒng)計(jì)與信息論壇，2016，31（2）：28-34.

［24］佟孟華，于建玲，朱芳燕.投資者情緒對(duì)中國(guó)上市金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的影響［J］.投資研究，2018，37（11）：4-15.

［25］宋玉臣，李洋.區(qū)制轉(zhuǎn)換視閾下系統(tǒng)性風(fēng)險(xiǎn)的積聚、釋放與化解——基于投資者情緒驅(qū)動(dòng)的視角［J］.財(cái)經(jīng)科學(xué)，2020，391（10）：1-12.

［26］邢紅衛(wèi)，王漢瑛.股價(jià)暴跌的誘導(dǎo)因素分析［J］.系統(tǒng)工程，2021，39（5）：100-113.

［27］張宗新，陳瑩.系統(tǒng)性金融風(fēng)險(xiǎn)動(dòng)態(tài)測(cè)度與跨部門(mén)網(wǎng)絡(luò)溢出效應(yīng)研究［J］.國(guó)際金融研究，2022，417（1）：72-84.

［28］王周偉，張政.基于ARJI-GARCH模型的中國(guó)上市銀行跳躍風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)研究［J］.上海商學(xué)院學(xué)報(bào)，2021，22（6）：69-86.

［29］王琳，沈沛龍.基于DCC-GARCH模型的中國(guó)上市銀行系統(tǒng)性風(fēng)險(xiǎn)研究［J］.財(cái)經(jīng)理論與實(shí)踐，2017，38（1）：24-29.

［30］劉興華，余偉光，徐博.同業(yè)資產(chǎn)、資本監(jiān)管與銀行系統(tǒng)性風(fēng)險(xiǎn)［J］.金融與經(jīng)濟(jì)，2022（9）：14-29.

［31］KAUFMAN G，SCOTT K E.What Is Systemic Risk，and Do Bank Regulators Retard or Contribute to It？［J］.Independent Review，2003，7（3）：371－391．

［32］戴淑庚，林濱釗，余博.金融開(kāi)放、銀行關(guān)聯(lián)度與我國(guó)銀行系統(tǒng)性風(fēng)險(xiǎn)［J］.吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào)，2022，62（5）：101-117，237.

［33］宮曉莉，熊熊，張維.我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)度量與外溢效應(yīng)研究［J］.管理世界，2020，36（8）：65-83.

［34］顏廷峰，袁安妮，徐旭初.互聯(lián)網(wǎng)金融、政府干預(yù)與經(jīng)濟(jì)增長(zhǎng)質(zhì)量——基于面板門(mén)限回歸模型的實(shí)證檢驗(yàn)［J］.財(cái)政研究，2019（9）：47-61.

［35］楊子暉，陳雨恬，林師涵，等.我國(guó)金融機(jī)構(gòu)尾部風(fēng)險(xiǎn)影響因素的非線性研究——來(lái)自面板平滑轉(zhuǎn)換回歸模型的新證據(jù)［J］.金融研究，2021（3）：38-57.

［36］王帥.投資者情緒對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)影響實(shí)證研究［J］.中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2015（4）：95-101.

［37］王碧澄，夏球.系統(tǒng)性金融風(fēng)險(xiǎn)的防范與化解及對(duì)商業(yè)銀行的建議［J］.金融理論探索，2023（2）：35-41.

Economic Policy Uncertainty， Investor Sentiment and Bank Systemic Risk Contagion

Wang Zhouwei， Li Kaiqi

（School of Finance and Business， Shanghai Normal University， Shanghai 200234， China）

Abstract： Faced with the uncertainty of economic policies and investor sentiment， the banking industry needs to assume the responsibility of coping with the recession economy， resolving bank risks and achieving high-quality and stable economic growth. In this paper， MVMQ-CAViaR model is used to measure the systemic risk of listed banks from 2008 to 2021， and panel threshold regression model and panel smooth transformation model are constructed to study the marginal effect structure changes of economic policy uncertainty affecting the contribution of multiple contagion of systemic risk of banks under the role of investor sentiment transformation. The research shows that investor sentiment has significant regime-switching effect， which makes economic uncertainty affect the net marginal effect of multiple contagion contributions of bank systemic risk， and structural change occurs in the mode of index switching. The research of this paper provides a new perspective for correctly dealing with the relationship between economic policy uncertainty and bank systemic risk， and proposes that investors should keep rational emotions and the CBRC should improve the supervision system.

Key words： economic policy uncertainty; investor sentiment; bank systemic risk; risk contagion; Exponential Smooth Conversion Mode

（責(zé)任編輯：龍會(huì)芳；校對(duì)：盧艷茹）