经济政策不确定性下银行信贷行为的实证剖析与理论探究

经济政策不确定性下银行信贷行为的实证剖析与理论探究一、引言1.1研究背景与意义近年来，全球经济形势复杂多变，不确定性显著增加。美联储会议纪要显示，经济前景的不确定性有所增加，几乎所有参与者都认为通胀风险向上倾斜，就业风险向下倾斜，美联储政策制定者面临通胀上升和增长放缓的风险，货币政策陷入“艰难权衡”。全球贸易摩擦加剧，英国脱欧、中美贸易争端等国际事件频发，各国为应对经济波动频繁调整财政、货币等经济政策，导致经济政策不确定性大幅攀升。经济政策不确定性已成为影响经济运行和金融市场稳定的重要因素。银行信贷作为金融体系的核心组成部分，在经济发展中扮演着关键角色。从企业角度看，企业的创立、扩张、技术创新等活动往往离不开银行信贷资金的支持。通过信贷，企业能够获得必要的资金，从而实现自身的发展目标。一家制造业企业可以通过银行贷款购买新的生产设备，提高生产效率，增加产品产量，进而提升市场竞争力。对个人而言，信贷在促进消费方面发挥着重要作用。当个人有临时性的资金需求，如购买房屋、汽车等大额消费品时，信贷可以帮助他们提前实现消费愿望。这不仅提高了个人的生活质量，还能够刺激消费市场的繁荣。以购房为例，个人住房贷款使得更多人能够拥有自己的住房，同时也带动了房地产及相关产业的发展。信贷为投资者提供杠杆，使其在发现有潜力的项目或资产时，即使自身资金有限也能扩大投资规模，从而获得更高的投资回报。经济政策不确定性的增加会给银行信贷带来多方面的影响。在金融危机期间，各国政府为防止本国经济出现衰退，纷纷向市场注入大量流动性，但此时经济政策存在较大不确定性，银行难以精确判断信贷的风险收益情况，从而选择更加保守的信贷政策，导致较多国家的银行体系出现流动性囤积现象。经济政策不确定性会加剧银行的信用风险，抑制银行的贷款增长。这是因为不确定性增加了企业未来经营状况的不可预测性，使得银行面临更高的违约风险，从而减少信贷投放。研究经济政策不确定性对银行信贷的影响具有重要的现实意义。对于银行而言，有助于其更好地识别和管理信贷风险，制定合理的信贷策略。在经济政策不确定性较高时期，银行可以加强风险管理，提高风险评估能力，合理控制信贷规模和投向，避免过度放贷导致不良贷款增加。对于政策制定者来说，能为宏观经济政策的制定和调整提供参考依据，增强政策的稳定性和可预期性，促进金融市场稳定和实体经济健康发展。政府在制定经济政策时，可以充分考虑政策不确定性对银行信贷的影响，避免政策频繁变动给经济带来负面影响。1.2研究目标与创新点本研究旨在深入剖析经济政策不确定性对银行信贷的影响，主要目标有以下几点：首先，探究经济政策不确定性对银行信贷的影响机制。通过梳理相关理论，分析经济政策不确定性如何通过不同途径，如影响企业投资决策、改变市场利率水平、调整银行风险偏好等，作用于银行信贷行为，从理论层面深入理解两者之间的内在联系。其次，运用实证研究方法，验证经济政策不确定性与银行信贷之间的关系。利用相关数据，构建合适的计量模型，对经济政策不确定性对银行信贷规模、信贷结构、信贷风险等方面的影响进行量化分析，为理论分析提供实证支持。最后，基于研究结果，为银行和政策制定者提供有针对性的建议。帮助银行提升应对经济政策不确定性的能力，优化信贷管理策略；为政策制定者提供参考，使其在制定经济政策时充分考虑对银行信贷的影响，促进金融市场稳定和实体经济健康发展。本研究在多个方面具有创新之处。在研究视角上，现有文献多聚焦于经济政策不确定性对宏观经济或企业微观层面的影响，对银行信贷这一金融体系核心环节的研究相对不足。本研究将视角深入到银行信贷领域，详细分析经济政策不确定性对银行信贷规模、结构、风险等多方面的影响，为该领域研究提供了新的视角。在研究方法运用上，综合运用多种研究方法。在理论分析部分，系统梳理相关理论，深入剖析影响机制；在实证研究阶段，运用多种计量模型和方法进行分析，并进行严格的稳健性检验和内生性处理，确保研究结果的可靠性和准确性。在影响因素考量方面，不仅关注经济政策不确定性这一核心因素，还充分考虑银行自身特征（如资本充足率、流动性水平、盈利能力等）、宏观经济环境（如经济增长、通货膨胀、货币政策等）以及其他相关因素（如金融监管政策、市场竞争程度等）对银行信贷的影响，全面分析各因素之间的交互作用，使研究更加全面、深入。1.3研究方法与数据来源本研究综合运用多种研究方法，力求全面、深入地剖析经济政策不确定性对银行信贷的影响。在研究过程中，充分运用文献研究法。通过广泛查阅国内外相关文献，梳理经济政策不确定性与银行信贷领域的研究脉络，对已有的研究成果进行系统总结和分析。深入了解前人在经济政策不确定性的度量方法、银行信贷行为的影响因素、两者之间的作用机制等方面的研究进展，把握研究的前沿动态，从而明确本研究的切入点和创新点，为后续研究提供坚实的理论基础。为验证理论分析的结果，本研究采用实证分析法。选取2010-2022年中国A股上市银行作为研究对象，数据主要来源于Wind数据库和各银行年报。被解释变量为银行信贷，选取贷款总额与总资产的比值（Loan）衡量银行信贷规模；解释变量经济政策不确定性（EPU），采用Baker、Bloom和Davis等学者构建的经济政策不确定性指数，该指数通过对报纸新闻报道中有关经济政策不确定性的词汇出现频率进行量化分析得出，能够较为准确地反映经济政策不确定性程度；还控制了一系列可能影响银行信贷的变量，包括银行层面的资本充足率（Cap）、流动性比例（Liq）、净资产收益率（Roe），以及宏观层面的国内生产总值增长率（GDP）、通货膨胀率（CPI）等。通过构建面板数据回归模型，运用固定效应模型和随机效应模型进行估计，并进行一系列稳健性检验和内生性处理，如替换被解释变量和解释变量的度量方法、采用工具变量法等，以确保研究结果的可靠性和准确性。本研究还引入了案例分析法。选取典型银行在经济政策不确定性较高时期的信贷业务案例，详细分析其信贷策略的调整、面临的风险与挑战以及采取的应对措施。通过对这些具体案例的深入剖析，更直观、生动地展示经济政策不确定性对银行信贷的实际影响，为理论分析和实证研究提供有力的补充，使研究结论更具说服力和实践指导意义。二、文献综述2.1经济政策不确定性的度量研究准确度量经济政策不确定性是研究其对银行信贷影响的基础。国内外学者在这方面进行了大量探索，提出了多种度量方法，每种方法都有其独特的优势和局限性。早期研究中，一些学者采用问卷调查的方式来衡量经济政策不确定性。通过向企业管理者、经济专家等发放问卷，询问他们对未来经济政策走向的预期和不确定性感知。这种方法的优点是能够直接获取市场参与者的主观感受，反映他们对经济政策不确定性的直观认识。问卷调查结果容易受到被调查者主观因素的影响，不同个体的认知和判断标准存在差异，导致数据的可靠性和一致性难以保证。而且调查样本的选取可能存在偏差，无法全面代表整个市场的情况，使得度量结果的准确性大打折扣。随着研究的深入，基于文本分析的方法逐渐兴起。Baker、Bloom和Davis等学者构建的经济政策不确定性指数（EPU指数）是该方法的典型代表。他们通过对报纸新闻报道中有关经济政策不确定性的词汇出现频率进行量化分析，来衡量经济政策不确定性程度。在计算中国经济政策不确定性指数时，会选取如《人民日报》《经济日报》等权威媒体，统计其中同时出现“经济”“政策”和“不确定性”相关词汇的文章数量，并进行标准化处理，从而得到EPU指数。该方法能够利用丰富的新闻资源，及时反映经济政策不确定性的动态变化，具有较高的时效性和数据可得性。但它也存在一定缺陷，新闻报道的主观性和片面性可能导致对经济政策不确定性的度量出现偏差，不同媒体对事件的关注度和报道角度不同，会影响词汇统计的准确性。金融市场指标也被广泛用于度量经济政策不确定性。股票市场的波动性、国债收益率利差等指标常被作为代理变量。股票市场的波动往往能迅速反映市场参与者对经济政策不确定性的预期变化。当经济政策不确定性增加时，投资者对未来经济前景的信心下降，股票市场的波动性通常会增大。这种方法的数据具有高频、客观的特点，能够实时反映市场对经济政策不确定性的反应。但金融市场受多种因素影响，除了经济政策不确定性外，还包括宏观经济形势、企业自身业绩等，这些因素可能干扰金融市场指标对经济政策不确定性的准确度量，使得结果存在一定的噪音。还有学者利用经济预测的分歧程度来度量经济政策不确定性。不同机构或经济学家对经济增长、通货膨胀等经济指标的预测差异，反映了他们对未来经济政策走向和经济形势的不同判断。当预测分歧较大时，说明市场对经济政策的预期存在较大不确定性。这种方法从市场预期的角度出发，具有一定的合理性。但经济预测本身受到多种因素制约，预测模型的差异、数据的准确性等都会影响预测结果，进而影响对经济政策不确定性的度量精度。2.2银行信贷行为的影响因素研究银行信贷行为受到多种因素的综合影响，这些因素可大致分为内部因素和外部因素，它们从不同角度作用于银行信贷决策，共同塑造了银行的信贷行为。银行的内部因素在信贷决策中起着关键作用。资本充足率是衡量银行稳健性的重要指标，对信贷行为有着显著影响。较高的资本充足率意味着银行拥有更雄厚的资本基础，能够更好地抵御风险。当资本充足率较高时，银行在面对潜在的信贷损失时，有更强的承受能力，这使得银行在信贷决策时更加自信，愿意向企业提供更多的贷款，以获取收益。相反，若资本充足率较低，银行会担心自身的财务稳定性，为了避免可能出现的风险，会收紧信贷政策，减少贷款发放。一家资本充足率达到15%的银行，相较于资本充足率仅为10%的银行，更有可能向一些风险稍高但具有发展潜力的企业提供信贷支持。流动性水平也是影响银行信贷的重要内部因素。流动性是银行应对资金需求的能力，保持适度的流动性是银行正常运营的基础。当银行的流动性充裕时，如拥有大量的超额准备金或易于变现的资产，它就有足够的资金用于发放贷款，能够更积极地满足企业和个人的信贷需求。在市场资金较为宽松的时期，银行的流动性较好，可能会加大对住房贷款、企业经营性贷款等的投放力度。若银行面临流动性紧张的局面，为了确保自身的资金安全，会优先保障流动性需求，减少信贷投放。在货币市场利率大幅上升，银行获取资金成本增加时，银行可能会削减对一些非重点项目的信贷额度。盈利能力直接关系到银行的生存和发展，对信贷决策也有重要影响。盈利能力强的银行，意味着其在经营过程中能够获得较高的收益，这为银行提供了更多的资源用于信贷业务的拓展。一方面，银行可以利用盈利积累更多的资本，从而增强自身的信贷投放能力；另一方面，良好的盈利能力也使银行在面对风险时更具韧性，更愿意承担一定的风险来发放贷款。一家连续多年净利润增长率超过10%的银行，可能会加大对新兴产业的信贷支持，以获取更高的回报。而盈利能力较弱的银行，为了改善财务状况，可能会更加谨慎地选择信贷项目，优先选择那些风险较低、收益稳定的项目，甚至可能会减少信贷投放规模，以避免进一步的亏损。从外部因素来看，宏观经济环境对银行信贷行为有着深远的影响。经济增长是宏观经济环境的重要指标，与银行信贷密切相关。在经济增长强劲时期，企业的经营状况普遍良好，市场需求旺盛，企业的盈利能力增强，违约风险降低。银行基于对企业还款能力的信心，会增加信贷投放，为企业的进一步扩张和发展提供资金支持。在经济繁荣时期，制造业企业订单增加，需要扩大生产规模，银行会积极为其提供贷款用于购买设备、原材料等。相反，在经济衰退时期，企业面临市场需求萎缩、产品滞销等问题，经营风险增大，还款能力受到质疑。此时，银行会收紧信贷政策，减少贷款发放，以降低信用风险。在金融危机期间，大量企业倒闭，银行会大幅削减信贷规模，提高信贷门槛。通货膨胀率也是影响银行信贷的重要宏观经济因素。适度的通货膨胀对经济有一定的刺激作用，但过高的通货膨胀会带来诸多负面影响。当通货膨胀率上升时，实际利率下降，这可能导致银行的资金成本相对上升，而贷款收益相对下降。为了弥补这种损失，银行可能会提高贷款利率，这会增加企业的融资成本，使得企业的贷款需求减少。高通货膨胀还会增加经济的不确定性，使银行难以准确评估企业的未来经营状况和还款能力，从而促使银行更加谨慎地发放贷款。若通货膨胀率从3%上升到8%，银行可能会将贷款利率提高2-3个百分点，这会使得一些原本有贷款计划的企业因成本过高而放弃贷款。货币政策作为宏观经济调控的重要手段，对银行信贷行为有着直接的影响。央行通过调整货币政策工具，如法定存款准备金率、再贴现率、公开市场操作等，来影响货币供应量和市场利率水平，进而影响银行的信贷决策。当央行实行宽松的货币政策时，降低法定存款准备金率，增加货币供应量，银行可用于放贷的资金增多，市场利率下降，企业的融资成本降低，这会刺激银行增加信贷投放。在经济下行压力较大时，央行可能会多次下调法定存款准备金率，释放大量流动性，鼓励银行加大对实体经济的信贷支持。相反，当央行实行紧缩的货币政策时，提高法定存款准备金率，减少货币供应量，市场利率上升，银行的资金成本增加，企业的融资难度加大，银行会减少信贷投放。为了抑制通货膨胀，央行可能会上调法定存款准备金率，收紧银根，银行会相应减少对企业的贷款额度。除了宏观经济环境，金融监管政策对银行信贷行为也有重要的约束和引导作用。金融监管部门通过制定一系列的监管规则和标准，如资本充足率要求、流动性监管指标、贷款集中度限制等，来规范银行的经营行为，保障金融体系的稳定。严格的资本充足率要求促使银行保持足够的资本水平，限制银行过度放贷，降低金融风险。贷款集中度限制可以防止银行过度集中贷款给少数企业或行业，分散信贷风险。监管政策还会根据经济形势和金融市场状况进行调整，引导银行的信贷投向。在国家鼓励发展绿色产业时，监管部门可能会出台相关政策，鼓励银行加大对绿色项目的信贷支持，引导资金流向绿色产业。市场竞争程度也会对银行信贷行为产生影响。在竞争激烈的信贷市场中，银行面临着争夺客户资源的压力。为了吸引更多的客户，银行可能会降低贷款利率、简化贷款手续、提高服务质量等，以增强自身的竞争力。一些小型银行在与大型银行竞争时，可能会推出更具吸引力的贷款利率和个性化的信贷产品，来吸引中小企业客户。市场竞争也会促使银行更加注重风险管理，因为在竞争环境下，一旦出现信贷风险，银行可能会失去客户和市场份额。银行在追求业务扩张的同时，会加强对信贷风险的评估和控制，确保信贷资产的质量。2.3经济政策不确定性与银行信贷关系的研究经济政策不确定性与银行信贷关系的研究一直是金融领域的重要课题，众多学者从不同角度进行了深入探讨。在信贷规模方面，大多数学者认为经济政策不确定性的增加会导致银行信贷规模收缩。Bordo、Duca和Koch通过对美国多年的总量和银行层面数据研究发现，经济政策不确定性上升会抑制银行信贷供给，使银行减少贷款发放。国内学者的研究也支持这一观点，经济政策不确定性的提高会对银行的信贷行为产生负向影响，短期贷款及中长期贷款均呈放缓投放的趋势。当经济政策不确定性增加时，银行面临的风险和不确定性上升，出于风险规避和谨慎经营的考虑，会选择减少信贷投放，以降低潜在的信贷损失风险。在信贷结构上，经济政策不确定性对银行信贷结构的影响也受到了关注。部分研究表明，经济政策不确定性增加时，银行会调整信贷结构，更倾向于向大型企业、国有企业等风险相对较低的客户提供贷款，而减少对中小企业、民营企业的信贷支持。这是因为中小企业和民营企业在面对经济政策不确定性时，往往面临更大的经营风险和市场不确定性，还款能力更容易受到影响，银行对其信用风险评估更为谨慎。经济政策不确定性还可能导致银行对不同行业的信贷投放发生变化，对受政策影响较大的行业，如房地产、钢铁等，银行可能会减少信贷投放，而对一些稳定性较强的行业，如公用事业等，信贷投放可能相对稳定。经济政策不确定性与银行信贷风险之间的关系也是研究的重点。已有研究普遍认为，经济政策不确定性会加剧银行的信用风险。张瑞稳和邢春妮基于2007-2019年中国111家商业银行的面板数据研究发现，经济政策不确定性会加剧银行的信用风险。当经济政策不确定性增加时，企业的经营环境变得更加不稳定，市场需求波动加大，企业的盈利能力和偿债能力面临更大的不确定性，这使得银行贷款违约的可能性增加，从而提高了银行的信用风险。经济政策不确定性还可能导致银行资产质量下降，不良贷款率上升，进一步加剧银行的信贷风险。尽管已有研究取得了丰硕成果，但仍存在一些不足与空白。在研究视角上，虽然对经济政策不确定性与银行信贷规模、结构、风险等方面的关系进行了研究，但将三者综合起来进行系统分析的研究相对较少，缺乏对经济政策不确定性影响银行信贷的整体框架和内在逻辑的深入探讨。在研究方法上，现有研究多采用传统的计量模型，对于一些新兴的研究方法，如机器学习、大数据分析等的应用还比较有限，难以充分挖掘海量数据中的信息，对经济政策不确定性与银行信贷关系的复杂特征刻画不够精准。在影响机制研究方面，虽然提出了一些影响机制，但对于一些深层次的机制，如经济政策不确定性如何通过影响银行的风险管理策略、内部控制机制等进而作用于银行信贷行为，还缺乏深入的理论分析和实证检验。不同国家和地区的经济金融环境存在差异，经济政策不确定性对银行信贷的影响可能也有所不同，但目前的研究大多集中在发达国家或特定地区，对于不同经济金融环境下的比较研究还不够充分，难以全面揭示经济政策不确定性与银行信贷关系的普遍性和特殊性。三、理论基础与影响机制分析3.1相关理论基础信息不对称理论是理解银行信贷行为的重要基石。该理论认为，在市场交易中，交易双方掌握的信息存在差异，信息优势方可能利用信息优势谋取自身利益，而信息劣势方则面临更大的风险。在银行信贷市场中，借款企业通常比银行更了解自身的经营状况、财务状况、投资项目的风险和收益等信息。企业清楚自己的产品市场前景、技术创新能力以及内部管理水平等，而银行只能通过企业提供的财务报表、信用记录等有限信息来评估企业的信用状况和还款能力。这种信息不对称可能导致逆向选择和道德风险问题。在贷款发放前，逆向选择问题容易出现。由于银行难以准确区分高风险和低风险的借款企业，只能根据市场平均风险水平来确定贷款利率。这就使得低风险企业因贷款利率过高而退出市场，而高风险企业却愿意接受较高的利率，从而导致银行贷款客户的整体风险水平上升。一些具有稳定现金流和良好信用记录的企业，可能因为银行无法准确识别其低风险特征，而不愿意承担过高的贷款利率，放弃贷款申请；而一些经营状况不稳定、信用风险较高的企业却可能积极寻求贷款。在贷款发放后，道德风险问题随之而来。借款企业可能会为了追求自身利益最大化，改变贷款资金的用途，将贷款用于高风险投资项目，增加银行的信贷风险。企业原本申请贷款用于购买原材料，扩大生产规模，但实际却将资金投入到股票市场或房地产市场等投机性领域，一旦投资失败，企业将无法按时偿还贷款，给银行带来损失。风险厌恶理论在银行信贷决策中也发挥着关键作用。风险厌恶是指经济主体在面对风险时，倾向于选择风险较低、收益相对稳定的投资或决策。银行作为经营货币的特殊企业，其稳健经营对于金融体系的稳定至关重要，因此银行通常具有较强的风险厌恶特征。在信贷业务中，银行首要关注的是贷款资金的安全性，力求确保贷款能够按时足额收回。当面临经济政策不确定性增加时，银行对未来经济形势和借款企业的经营状况更加难以预测，风险感知增强。为了降低潜在的信贷损失风险，银行会采取更为谨慎的信贷政策，减少信贷投放规模，提高信贷标准和门槛。在经济政策频繁调整时期，银行可能会对一些受政策影响较大的行业，如房地产、钢铁等，收紧信贷额度，提高贷款利率，要求企业提供更多的抵押担保物，以增强贷款的安全性。即使对于一些原本信用状况良好的企业，银行也可能因为不确定性的增加而减少贷款发放，或者缩短贷款期限，以降低风险暴露。实物期权理论为分析银行信贷行为提供了新的视角。实物期权是指企业或投资者在进行实物资产投资时，拥有的在未来某个时间点或时间段内，根据市场变化和自身情况，选择是否执行投资决策、扩大或缩小投资规模、推迟或放弃投资项目等权利。这种权利类似于金融期权，具有价值。在银行信贷中，实物期权理论的应用主要体现在银行对贷款项目的评估和决策上。当银行向企业提供贷款时，实际上是赋予了企业一种实物期权。企业可以根据市场环境的变化，选择是否启动投资项目、何时扩大生产规模等。银行在评估贷款项目时，不仅要考虑项目当前的净现值，还要考虑项目所蕴含的实物期权价值。对于一些具有较高不确定性但潜在收益巨大的项目，虽然其当前的净现值可能为负，但由于蕴含着实物期权价值，银行可能会认为该项目具有投资价值。一个新兴的科技企业计划开发一款具有创新性的产品，项目初期需要大量资金投入，且面临技术研发失败、市场需求不确定等风险，当前的净现值可能为负。但如果该产品研发成功并获得市场认可，企业将获得巨大的收益。从实物期权理论的角度看，这个项目具有一定的投资价值，银行可能会考虑为其提供贷款。实物期权理论还可以解释银行在经济政策不确定性下的信贷行为。当经济政策不确定性增加时，项目的未来现金流和风险状况更加难以预测，实物期权的价值也会发生变化。银行会更加谨慎地评估贷款项目，充分考虑不确定性对实物期权价值的影响，以做出合理的信贷决策。3.2经济政策不确定性对银行信贷的影响路径经济政策不确定性会通过多种路径对银行信贷产生影响，其中银行风险承担是一个关键的传导路径。当经济政策不确定性增加时，银行面临的风险状况发生显著变化，从而影响其信贷决策和信贷规模。从信用风险角度来看，经济政策的不确定性使得企业未来的经营环境变得更加复杂和难以预测。企业的市场需求、产品价格、成本结构等受到经济政策调整的影响而波动不定，这增加了企业违约的可能性。在税收政策调整时，企业的税负可能会发生变化，从而影响其盈利能力和现金流状况。如果企业无法适应这种变化，就可能出现资金链紧张，难以按时偿还银行贷款，导致银行信用风险上升。银行在面对信用风险增加的情况下，为了保护自身资产安全，会提高信贷标准，对贷款申请进行更严格的审核，减少对风险较高企业的贷款发放，进而收缩信贷规模。市场风险也会在经济政策不确定性增加时加剧。经济政策的调整往往会引发金融市场的波动，利率、汇率、股票价格等市场变量的不确定性增大。当货币政策发生变化，利率波动加剧时，银行持有的债券等金融资产的市场价值会随之波动，可能导致银行资产价值下降。汇率的大幅波动对于有大量外币资产或负债的银行，以及从事国际贸易融资业务的银行来说，会带来汇兑损失风险。这些市场风险的增加使得银行的风险承担水平上升，银行会更加谨慎地对待信贷业务，减少信贷投放，以降低风险暴露。流动性风险同样受到经济政策不确定性的影响。在经济政策不确定时期，市场参与者的信心受到冲击，资金的流动速度和方向变得不稳定。企业和投资者可能会出于风险规避的考虑，增加现金储备，减少投资和贷款需求，导致银行资金回笼困难。银行的存款来源也可能不稳定，储户可能会因为对经济形势的担忧而提前支取存款或转移资金。这使得银行面临流动性紧张的局面，为了满足流动性需求，银行不得不减少信贷投放，甚至收回部分贷款，以确保自身的资金安全。贷款定价是经济政策不确定性影响银行信贷的另一个重要路径。经济政策不确定性的增加会改变银行对贷款风险和收益的预期，从而促使银行调整贷款定价策略。当经济政策不确定性升高时，银行面临的信用风险增加，为了补偿可能出现的违约损失，银行会要求更高的风险溢价。银行会提高贷款利率，以覆盖潜在的风险。对于一些信用评级较低、风险较高的企业，银行可能会大幅提高贷款利率，甚至拒绝提供贷款。这种风险溢价的提高使得企业的融资成本上升，对于那些资金需求迫切但盈利能力较弱的企业来说，可能会因为无法承受高额的融资成本而放弃贷款申请，从而抑制了信贷需求，减少了银行的信贷规模。经济政策不确定性还会影响银行的资金成本。货币政策的调整会直接影响市场利率水平，进而影响银行的资金获取成本。当央行实行紧缩的货币政策时，市场利率上升，银行从货币市场获取资金的成本增加。为了维持盈利水平，银行会将增加的资金成本转嫁到贷款价格上，提高贷款利率。这会进一步增加企业的融资难度和成本，对银行信贷产生负面影响。经济政策不确定性也会导致银行对未来资金供求关系的预期发生变化，从而影响其贷款定价策略。如果银行预期未来资金供应紧张，会提前提高贷款利率，以保障自身的收益。信贷决策过程也会受到经济政策不确定性的显著影响。在经济政策不确定的环境下，银行获取准确信息的难度增大，决策的复杂性和风险增加，这使得银行在信贷决策时更加谨慎。经济政策不确定性使得银行对企业的信用评估变得更加困难。企业的经营状况和财务状况受到经济政策的影响而不稳定，银行难以根据现有的信息准确预测企业未来的还款能力。企业可能因为政策调整而面临市场份额下降、原材料成本上升等问题，这些因素在传统的信用评估模型中难以准确量化。银行在进行信用评估时，会更加注重企业的抗风险能力和稳定性，对企业的财务指标、行业前景、管理水平等进行更深入的分析和评估。这导致信贷审批流程延长，审批标准更加严格，一些贷款申请可能会因为无法满足银行的要求而被拒绝，从而减少了银行的信贷投放。经济政策不确定性还会影响银行的风险偏好。银行作为风险厌恶型的金融机构，在面对不确定性增加时，会倾向于降低风险偏好，采取更加保守的信贷策略。银行会减少对高风险、高收益项目的贷款支持，转而选择风险较低、收益相对稳定的项目。对于一些新兴产业或创新型企业，虽然它们具有较高的发展潜力，但由于面临较大的不确定性和风险，银行在经济政策不确定时期可能会减少对它们的贷款，而更倾向于向大型国有企业、基础设施项目等风险相对较低的领域投放贷款。这种风险偏好的调整会改变银行的信贷结构，影响信贷资源的配置效率。经济政策不确定性对企业和个人的贷款需求也有重要影响，进而间接影响银行信贷。对于企业来说，经济政策不确定性增加了企业投资和生产经营的风险。企业在制定投资计划和生产决策时，需要考虑经济政策的变化对市场需求、成本、收益等方面的影响。当经济政策不确定性较高时，企业对未来市场前景的预期变得模糊，投资决策变得更加谨慎。企业可能会推迟或取消一些投资项目，减少对固定资产的购置和技术研发的投入，从而降低了对银行贷款的需求。在环保政策调整频繁的时期，一些高污染、高能耗企业可能会因为担心政策变化对其生产经营的影响，而暂停扩大生产规模的计划，减少对银行贷款的依赖。经济政策不确定性还会影响企业的融资渠道选择。当经济政策不确定时，企业可能会寻求更加多元化的融资渠道，以降低融资风险。企业可能会增加股权融资的比例，减少对银行贷款的依赖。一些企业会通过发行股票、引入战略投资者等方式筹集资金，而不是单纯依靠银行信贷。这也会导致银行信贷需求的减少。对于个人来说，经济政策不确定性会影响个人的收入预期和消费信心。当经济政策不稳定时，个人担心未来收入下降，就业机会减少，会更加谨慎地进行消费和借贷。个人可能会推迟购买房产、汽车等大额消费品，减少信用卡透支和个人贷款的申请。在经济政策不确定性较高的时期，房地产市场的观望情绪浓厚，个人住房贷款的需求可能会下降，从而影响银行的信贷业务。四、研究设计4.1变量选取本研究为深入剖析经济政策不确定性对银行信贷的影响，精心选取了一系列具有代表性的变量，涵盖解释变量、被解释变量和控制变量，力求全面、准确地揭示变量之间的内在关系。经济政策不确定性指数（EPU）是本研究的核心解释变量，它能够直观反映经济政策的不稳定程度。本研究采用Baker、Bloom和Davis等学者构建的经济政策不确定性指数，该指数通过对报纸新闻报道中有关经济政策不确定性的词汇出现频率进行量化分析得出。在计算中国经济政策不确定性指数时，会选取《人民日报》《经济日报》等权威媒体，统计其中同时出现“经济”“政策”和“不确定性”相关词汇的文章数量，并进行标准化处理，从而得到EPU指数。该指数具有较高的时效性和数据可得性，能够及时反映经济政策不确定性的动态变化，为研究提供了可靠的度量依据。被解释变量方面，本研究从银行信贷规模、信贷结构和信贷风险三个维度进行考量。对于信贷规模，选取贷款总额与总资产的比值（Loan）作为衡量指标，该指标能够直接反映银行信贷业务在总资产中的占比情况，体现银行的信贷投放力度。在信贷结构方面，为了深入分析银行信贷在不同领域的分布情况，选取企业贷款占比（EL）和个人贷款占比（PL）作为衡量指标。企业贷款占比反映了银行对企业部门的信贷支持程度，个人贷款占比则体现了银行在个人消费信贷等领域的业务布局，通过这两个指标可以全面了解银行信贷结构的特征。对于信贷风险，不良贷款率（BLR）是常用的衡量指标，它直接反映了银行贷款资产中出现违约的比例，不良贷款率越高，表明银行面临的信贷风险越大。为了控制其他因素对银行信贷的影响，本研究选取了多个控制变量，涵盖银行特征和宏观经济层面。在银行特征方面，资本充足率（Cap）是衡量银行稳健性的重要指标，它反映了银行资本与风险加权资产的比例关系，较高的资本充足率意味着银行具有更强的风险抵御能力，可能会对银行信贷行为产生影响；流动性比例（Liq）衡量银行流动资产与流动负债的比例，体现银行的流动性状况，流动性充足的银行在信贷投放上可能更具灵活性；净资产收益率（Roe）反映银行的盈利能力，盈利能力强的银行可能有更多的资源用于信贷业务拓展，也可能在信贷决策上更加积极。从宏观经济层面来看，国内生产总值增长率（GDP）反映了经济的整体增长态势，经济增长强劲时，企业和个人的贷款需求通常会增加，银行信贷规模也可能随之扩大；通货膨胀率（CPI）衡量物价水平的变化，通货膨胀率的波动会影响银行的实际收益和贷款风险，进而影响银行信贷决策。4.2模型构建为了深入探究经济政策不确定性与银行信贷之间的关系，本研究构建了多元线性回归模型和向量自回归（VAR）模型，从不同角度进行分析。多元线性回归模型用于考察经济政策不确定性对银行信贷规模、信贷结构和信贷风险的长期影响。以银行信贷规模（Loan）为被解释变量，经济政策不确定性指数（EPU）为核心解释变量，同时控制银行特征变量（资本充足率Cap、流动性比例Liq、净资产收益率Roe）和宏观经济变量（国内生产总值增长率GDP、通货膨胀率CPI），构建如下基本模型：Loan_{it}=\alpha_0+\alpha_1EPU_{t}+\sum_{j=1}^{3}\alpha_{1+j}Controls_{jit}+\mu_{it}其中，i表示第i家银行，t表示年份；\alpha_0为常数项，\alpha_1至\alpha_{4}为回归系数；Controls_{jit}表示控制变量，包括银行层面的控制变量Cap_{it}、Liq_{it}、Roe_{it}和宏观层面的控制变量GDP_{t}、CPI_{t}；\mu_{it}为随机误差项。在研究信贷结构时，分别以企业贷款占比（EL）和个人贷款占比（PL）为被解释变量，构建类似的回归模型，以分析经济政策不确定性对信贷结构的影响。EL_{it}=\beta_0+\beta_1EPU_{t}+\sum_{j=1}^{3}\beta_{1+j}Controls_{jit}+\nu_{it}PL_{it}=\gamma_0+\gamma_1EPU_{t}+\sum_{j=1}^{3}\gamma_{1+j}Controls_{jit}+\omega_{it}其中，\beta_0、\gamma_0为常数项，\beta_1至\beta_{4}、\gamma_1至\gamma_{4}为回归系数，\nu_{it}、\omega_{it}为随机误差项。对于信贷风险，以不良贷款率（BLR）为被解释变量，构建如下模型：BLR_{it}=\delta_0+\delta_1EPU_{t}+\sum_{j=1}^{3}\delta_{1+j}Controls_{jit}+\varepsilon_{it}其中，\delta_0为常数项，\delta_1至\delta_{4}为回归系数，\varepsilon_{it}为随机误差项。向量自回归（VAR）模型则用于分析经济政策不确定性与银行信贷之间的短期动态关系。VAR模型将系统中每一个内生变量作为所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。在本研究中，将经济政策不确定性指数（EPU）、银行信贷规模（Loan）、信贷结构变量（企业贷款占比EL、个人贷款占比PL）和信贷风险变量（不良贷款率BLR）纳入VAR模型中，构建如下模型：\begin{bmatrix}EPU_t\\Loan_t\\EL_t\\PL_t\\BLR_t\end{bmatrix}=\sum_{k=1}^{p}\begin{bmatrix}\varphi_{11,k}&\varphi_{12,k}&\varphi_{13,k}&\varphi_{14,k}&\varphi_{15,k}\\\varphi_{21,k}&\varphi_{22,k}&\varphi_{23,k}&\varphi_{24,k}&\varphi_{25,k}\\\varphi_{31,k}&\varphi_{32,k}&\varphi_{33,k}&\varphi_{34,k}&\varphi_{35,k}\\\varphi_{41,k}&\varphi_{42,k}&\varphi_{43,k}&\varphi_{44,k}&\varphi_{45,k}\\\varphi_{51,k}&\varphi_{52,k}&\varphi_{53,k}&\varphi_{54,k}&\varphi_{55,k}\end{bmatrix}\begin{bmatrix}EPU_{t-k}\\Loan_{t-k}\\EL_{t-k}\\PL_{t-k}\\BLR_{t-k}\end{bmatrix}+\begin{bmatrix}\mu_{1t}\\\mu_{2t}\\\mu_{3t}\\\mu_{4t}\\\mu_{5t}\end{bmatrix}其中，p为滞后阶数，\varphi_{ij,k}为第k期的第i个变量对第j个变量滞后值的回归系数，\mu_{it}为随机误差项。通过VAR模型，可以进行脉冲响应分析和方差分解，以研究经济政策不确定性的冲击对银行信贷各变量的动态影响以及各变量对预测误差的贡献度。在进行VAR模型估计前，需要确定最优滞后阶数，通常采用AIC、BIC等信息准则来选择，以确保模型的准确性和有效性。4.3样本选择与数据处理为确保研究结果的准确性和可靠性，本研究选取2010-2022年中国A股上市银行作为样本。这一时间段涵盖了国内外经济形势的多个重要阶段，包括全球金融危机后的经济复苏期、经济结构调整期以及近年来的经济新常态时期，经济政策不确定性在这期间呈现出多样化的变化趋势，为研究提供了丰富的样本数据，有助于全面、深入地分析经济政策不确定性对银行信贷的影响。在数据收集阶段，主要从Wind数据库和各银行年报中获取相关数据。Wind数据库作为专业的金融数据提供商，拥有广泛的数据来源和全面的金融数据覆盖，能够提供宏观经济数据、金融市场数据以及银行的财务报表数据等多方面信息，为研究提供了丰富的数据基础。各银行年报则是银行信息披露的重要渠道，包含了银行的详细财务信息、业务数据以及风险管理情况等，这些信息能够补充Wind数据库的不足，确保数据的完整性和准确性。对收集到的数据进行清洗和整理是研究的重要环节。在数据清洗过程中，仔细检查数据的完整性，确保没有缺失重要变量的数据。对于存在缺失值的数据，采用合理的方法进行处理。对于少量的缺失值，若缺失值所在的样本具有代表性，采用均值、中位数或插值法等方法进行填补。对于资本充足率这一变量，若某家银行某一年份的数据缺失，可以计算同类型银行在该年份资本充足率的均值，用该均值来填补缺失值。若缺失值较多且该样本对研究结果的影响较大，则考虑剔除该样本。对于异常值，通过多种方法进行识别和处理。运用箱线图分析方法，绘制各变量的箱线图，观察数据点是否超出正常范围。在分析银行信贷规模（Loan）这一变量时，若发现某个数据点明显偏离其他数据点，超出了箱线图的上下限范围，则将其视为异常值。进一步通过数据的统计特征分析，如计算均值、标准差等，判断数据的合理性。对于异常值，若其是由于数据录入错误或其他非系统性原因导致的，进行修正或删除处理；若是由于特殊事件或业务情况导致的，则结合实际情况进行分析和解释，以确保数据的质量和研究结果的可靠性。经过数据清洗和整理后，对数据进行标准化处理，使不同变量的数据具有可比性。对于连续型变量，如资本充足率、流动性比例、净资产收益率等，采用Z-score标准化方法，将数据转换为均值为0、标准差为1的标准正态分布形式。对于分类变量，如银行的类型（国有大型银行、股份制商业银行、城市商业银行等），采用虚拟变量的方式进行处理，将其转化为可以用于回归分析的数值形式，为后续的实证分析奠定良好的数据基础。五、实证结果与分析5.1描述性统计对选取的2010-2022年中国A股上市银行样本数据进行描述性统计，结果如表1所示。表1变量描述性统计变量观测值平均值标准差最小值最大值Loan（贷款总额与总资产比值）3120.5230.0870.3560.702EL（企业贷款占比）3120.5840.0920.3850.756PL（个人贷款占比）3120.3050.0890.1230.501BLR（不良贷款率）3121.5320.3250.7802.860EPU（经济政策不确定性指数）312165.45052.36098.650320.560Cap（资本充足率）31213.2501.12010.56016.890Liq（流动性比例）31248.5607.23035.60065.200Roe（净资产收益率）31214.5602.3408.65020.120GDP（国内生产总值增长率）3126.7801.2502.2009.500CPI（通货膨胀率）3122.5601.020-0.3005.400从信贷规模来看，贷款总额与总资产比值（Loan）的平均值为0.523，表明样本银行的信贷业务在总资产中占据了较大比重，平均值处于合理区间，反映出银行信贷在金融体系中的重要地位。标准差为0.087，说明不同银行之间的信贷规模存在一定差异，部分银行的信贷业务发展更为激进，而部分银行则相对保守。最小值为0.356，最大值为0.702，进一步体现了银行间信贷规模的离散程度。信贷结构方面，企业贷款占比（EL）平均值为0.584，显示企业贷款在银行信贷业务中占主导地位，这与我国以企业为主要经济活动主体的现状相符，企业的生产经营活动对资金的需求较大，促使银行将较多的信贷资源投向企业领域。标准差为0.092，表明各银行在企业贷款投放比例上存在明显差异，这可能与银行的市场定位、客户群体以及经营策略等因素有关。个人贷款占比（PL）平均值为0.305，说明个人贷款业务在银行信贷中也具有一定的规模，随着居民消费观念的转变和消费金融市场的发展，个人贷款业务逐渐成为银行信贷业务的重要组成部分。其标准差为0.089，体现了不同银行在个人贷款业务发展上的不均衡性。不良贷款率（BLR）平均值为1.532%，处于相对可控的范围，反映出样本银行整体的信贷资产质量尚可，银行在风险管理方面采取了有效的措施，能够较好地控制信贷风险。标准差为0.325，表明不同银行之间的信贷风险水平存在差异，部分银行可能由于业务结构、风险管理能力等因素，面临着较高的信贷风险。最小值为0.780%，最大值为2.860%，进一步说明了银行间信贷风险的离散程度较大。经济政策不确定性指数（EPU）平均值为165.450，标准差为52.360，最小值为98.650，最大值为320.560，表明在2010-2022年期间，我国经济政策不确定性存在较大波动，经济政策的调整较为频繁，这可能与国内外经济形势的变化、政策改革的推进等因素有关。银行特征变量方面，资本充足率（Cap）平均值为13.250%，高于监管要求的最低标准，说明样本银行具有较强的风险抵御能力，能够在一定程度上缓冲潜在的风险损失。标准差为1.120，表明不同银行的资本充足率存在一定差异，这可能与银行的资本补充渠道、业务扩张速度等因素有关。流动性比例（Liq）平均值为48.560%，显示样本银行整体的流动性较为充裕，能够满足日常的资金需求和应对突发的流动性风险。标准差为7.230，说明银行间的流动性水平存在一定的离散度。净资产收益率（Roe）平均值为14.560%，反映出样本银行整体具有较好的盈利能力，能够通过经营活动获取较为可观的收益。标准差为2.340，表明不同银行的盈利能力存在差异，这可能与银行的业务创新能力、成本控制能力以及市场竞争地位等因素有关。宏观经济变量中，国内生产总值增长率（GDP）平均值为6.780%，体现了我国经济在这一时期保持了较为稳定的增长态势，为银行信贷业务的发展提供了良好的宏观经济环境。标准差为1.250，说明经济增长存在一定的波动性，经济周期的变化会对银行信贷业务产生影响。通货膨胀率（CPI）平均值为2.560%，处于温和通货膨胀区间，有利于经济的稳定运行和银行信贷业务的开展。标准差为1.020，表明通货膨胀率存在一定的波动，可能会对银行的贷款定价、资产质量等方面产生影响。5.2相关性分析在对样本数据进行描述性统计后，进一步计算变量间的相关系数，以判断变量间的线性相关程度，初步检验变量选取的合理性，结果如表2所示。表2变量相关性分析变量LoanELPLBLREPUCapLiqRoeGDPCPILoan1EL0.256***1PL-0.321***-0.568***1BLR-0.189***0.154**-0.167**1EPU-0.235***0.085*-0.092*0.213***1Cap0.178**0.068-0.072-0.356***-0.0541Liq0.265***0.112**-0.135**-0.226***-0.105**0.124**1Roe0.347***0.241***-0.273***-0.198***-0.0450.325***0.156**1GDP0.145**0.108**-0.116**-0.087*0.074*0.0560.096**0.0621CPI-0.065-0.0520.0630.115**0.126**-0.043-0.054-0.071*0.132**1注：*、、*分别表示在1%、5%、10%的水平上显著。从表2可以看出，经济政策不确定性指数（EPU）与银行信贷规模（Loan）在1%的水平上显著负相关，相关系数为-0.235，这初步表明经济政策不确定性的增加会导致银行信贷规模收缩，与理论分析和已有研究结果相符。经济政策不确定性增加时，银行面临的风险和不确定性上升，出于谨慎考虑，会减少信贷投放，从而使信贷规模下降。在信贷结构方面，EPU与企业贷款占比（EL）呈正相关关系，在10%的水平上显著，相关系数为0.085；与个人贷款占比（PL）呈负相关关系，在10%的水平上显著，相关系数为-0.092。这说明经济政策不确定性增加时，银行可能会调整信贷结构，相对增加对企业的贷款投放，减少对个人的贷款投放。这可能是因为企业在经济政策不确定时期，虽然面临风险增加，但通常具有相对较强的抗风险能力和稳定性，银行认为对企业贷款的风险相对可控；而个人贷款往往与消费市场密切相关，经济政策不确定性增加会影响个人的收入预期和消费信心，导致个人贷款需求下降，银行也会相应减少对个人的贷款投放。经济政策不确定性（EPU）与不良贷款率（BLR）在1%的水平上显著正相关，相关系数为0.213，表明经济政策不确定性的增加会提高银行的信贷风险，不良贷款率上升。当经济政策不确定时，企业的经营环境恶化，还款能力受到影响，违约风险增加，从而导致银行不良贷款率上升。在控制变量中，资本充足率（Cap）与银行信贷规模（Loan）在5%的水平上显著正相关，相关系数为0.178，说明资本充足率较高的银行，由于其风险抵御能力较强，更有能力和信心扩大信贷规模。流动性比例（Liq）与银行信贷规模（Loan）在1%的水平上显著正相关，相关系数为0.265，表明流动性充裕的银行在信贷投放上更具灵活性，能够更好地满足信贷需求，从而增加信贷规模。净资产收益率（Roe）与银行信贷规模（Loan）在1%的水平上显著正相关，相关系数为0.347，体现出盈利能力强的银行有更多的资源用于信贷业务拓展，信贷规模相对较大。国内生产总值增长率（GDP）与银行信贷规模（Loan）在5%的水平上显著正相关，相关系数为0.145，反映出经济增长强劲时，企业和个人的贷款需求增加，银行信贷规模也会随之扩大。通货膨胀率（CPI）与不良贷款率（BLR）在5%的水平上显著正相关，相关系数为0.115，说明通货膨胀率上升可能会对银行的信贷资产质量产生负面影响，导致不良贷款率上升。这可能是因为通货膨胀会导致企业成本上升，盈利能力下降，还款能力受到影响，从而增加银行的信贷风险。通过相关性分析，初步验证了各变量之间的关系与理论预期相符，说明变量选取具有一定的合理性，为后续的回归分析奠定了基础。但相关性分析只能初步判断变量间的线性相关程度，无法确定变量之间的因果关系，因此需要进一步进行回归分析来深入探究经济政策不确定性对银行信贷的影响。5.3回归结果分析5.3.1经济政策不确定性对银行信贷规模的影响运用构建的多元线性回归模型对经济政策不确定性与银行信贷规模的关系进行回归分析，结果如表3所示。表3经济政策不确定性对银行信贷规模的回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||EPU|-0.025***|0.005|-4.78|0.000||Cap|0.018**|0.008|2.25|0.025||Liq|0.015**|0.007|2.14|0.033||Roe|0.028***|0.006|4.67|0.000||GDP|0.012**|0.005|2.31|0.021||CPI|-0.008|0.006|-1.35|0.177||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||----|----|----|----|----||EPU|-0.025***|0.005|-4.78|0.000||Cap|0.018**|0.008|2.25|0.025||Liq|0.015**|0.007|2.14|0.033||Roe|0.028***|0.006|4.67|0.000||GDP|0.012**|0.005|2.31|0.021||CPI|-0.008|0.006|-1.35|0.177||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||EPU|-0.025***|0.005|-4.78|0.000||Cap|0.018**|0.008|2.25|0.025||Liq|0.015**|0.007|2.14|0.033||Roe|0.028***|0.006|4.67|0.000||GDP|0.012**|0.005|2.31|0.021||CPI|-0.008|0.006|-1.35|0.177||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||Cap|0.018**|0.008|2.25|0.025||Liq|0.015**|0.007|2.14|0.033||Roe|0.028***|0.006|4.67|0.000||GDP|0.012**|0.005|2.31|0.021||CPI|-0.008|0.006|-1.35|0.177||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||Liq|0.015**|0.007|2.14|0.033||Roe|0.028***|0.006|4.67|0.000||GDP|0.012**|0.005|2.31|0.021||CPI|-0.008|0.006|-1.35|0.177||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||Roe|0.028***|0.006|4.67|0.000||GDP|0.012**|0.005|2.31|0.021||CPI|-0.008|0.006|-1.35|0.177||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||GDP|0.012**|0.005|2.31|0.021||CPI|-0.008|0.006|-1.35|0.177||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||CPI|-0.008|0.006|-1.35|0.177||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||常数项|0.654***|0.086|7.61|0.000||观测值|312|||||R-squared|0.386|||||观测值|312|||||R-squared|0.386|||||R-squared|0.386||||注：*、、*分别表示在1%、5%、10%的水平上显著。从表3的回归结果可以看出，经济政策不确定性指数（EPU）的系数为-0.025，在1%的水平上显著为负，这表明经济政策不确定性与银行信贷规模之间存在显著的负相关关系。当经济政策不确定性增加1个单位时，银行信贷规模（Loan）将下降0.025个单位，即经济政策不确定性的上升会导致银行信贷规模收缩，这与理论分析和相关性分析的结果一致。当经济政策不确定性增加时，银行面临的风险和不确定性显著上升。从信用风险角度看，企业的经营环境变得更加复杂和不稳定，市场需求、产品价格、成本结构等受到经济政策调整的影响而波动不定，这使得企业违约的可能性大幅增加。在税收政策调整时，企业的税负可能会发生变化，从而影响其盈利能力和现金流状况。如果企业无法适应这种变化，就可能出现资金链紧张，难以按时偿还银行贷款，导致银行信用风险上升。从市场风险角度看，经济政策的调整往往会引发金融市场的波动，利率、汇率、股票价格等市场变量的不确定性增大。当货币政策发生变化，利率波动加剧时，银行持有的债券等金融资产的市场价值会随之波动，可能导致银行资产价值下降。汇率的大幅波动对于有大量外币资产或负债的银行，以及从事国际贸易融资业务的银行来说，会带来汇兑损失风险。这些市场风险的增加使得银行的风险承担水平上升，银行在面对如此高的风险状况时，出于保护自身资产安全和稳健经营的考虑，会提高信贷标准，对贷款申请进行更严格的审核，减少对风险较高企业的贷款发放，进而收缩信贷规模。在控制变量方面，资本充足率（Cap）的系数为0.018，在5%的水平上显著为正，说明资本充足率较高的银行，由于其风险抵御能力较强，更有能力和信心扩大信贷规模。流动性比例（Liq）的系数为0.015，在5%的水平上显著为正，表明流动性充裕的银行在信贷投放上更具灵活性，能够更好地满足信贷需求，从而增加信贷规模。净资产收益率（Roe）的系数为0.028，在1%的水平上显著为正，体现出盈利能力强的银行有更多的资源用于信贷业务拓展，信贷规模相对较大。国内生产总值增长率（GDP）的系数为0.012，在5%的水平上显著为正，反映出经济增长强劲时，企业和个人的贷款需求增加，银行信贷规模也会随之扩大。通货膨胀率（CPI）的系数为-0.008，不显著，说明通货膨胀率对银行信贷规模的影响不明显，可能是由于其他因素的综合作用，使得通货膨胀率对银行信贷规模的影响被抵消或弱化。5.3.2经济政策不确定性对银行信贷结构的影响进一步分析经济政策不确定性对银行信贷结构的影响，分别以企业贷款占比（EL）和个人贷款占比（PL）为被解释变量进行回归，结果如表4所示。表4经济政策不确定性对银行信贷结构的回归结果|变量|EL系数|EL标准误|ELt值|ELP>|t||PL系数|PL标准误|PLt值|PLP>|t|||----|----|----|----|----|----|----|----|----||EPU|0.012*|0.007|1.78|0.076|-0.015**|0.007|-2.13|0.034||Cap|0.006|0.005|1.14|0.254|-0.008|0.005|-1.53|0.126||Liq|0.008|0.004|1.97|0.049|-0.010**|0.004|-2.34|0.020||Roe|0.015***|0.004|3.65|0.000|-0.018***|0.004|-4.31|0.000||GDP|0.007*|0.004|1.86|0.064|-0.009**|0.004|-2.21|0.027||CPI|-0.005|0.004|-1.15|0.249|0.006|0.004|1.38|0.168||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||----|----|----|----|----|----|----|----|----||EPU|0.012*|0.007|1.78|0.076|-0.015**|0.007|-2.13|0.034||Cap|0.006|0.005|1.14|0.254|-0.008|0.005|-1.53|0.126||Liq|0.008|0.004|1.97|0.049|-0.010**|0.004|-2.34|0.020||Roe|0.015***|0.004|3.65|0.000|-0.018***|0.004|-4.31|0.000||GDP|0.007*|0.004|1.86|0.064|-0.009**|0.004|-2.21|0.027||CPI|-0.005|0.004|-1.15|0.249|0.006|0.004|1.38|0.168||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||EPU|0.012*|0.007|1.78|0.076|-0.015**|0.007|-2.13|0.034||Cap|0.006|0.005|1.14|0.254|-0.008|0.005|-1.53|0.126||Liq|0.008|0.004|1.97|0.049|-0.010**|0.004|-2.34|0.020||Roe|0.015***|0.004|3.65|0.000|-0.018***|0.004|-4.31|0.000||GDP|0.007*|0.004|1.86|0.064|-0.009**|0.004|-2.21|0.027||CPI|-0.005|0.004|-1.15|0.249|0.006|0.004|1.38|0.168||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||Cap|0.006|0.005|1.14|0.254|-0.008|0.005|-1.53|0.126||Liq|0.008|0.004|1.97|0.049|-0.010**|0.004|-2.34|0.020||Roe|0.015***|0.004|3.65|0.000|-0.018***|0.004|-4.31|0.000||GDP|0.007*|0.004|1.86|0.064|-0.009**|0.004|-2.21|0.027||CPI|-0.005|0.004|-1.15|0.249|0.006|0.004|1.38|0.168||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||Liq|0.008|0.004|1.97|0.049|-0.010**|0.004|-2.34|0.020||Roe|0.015***|0.004|3.65|0.000|-0.018***|0.004|-4.31|0.000||GDP|0.007*|0.004|1.86|0.064|-0.009**|0.004|-2.21|0.027||CPI|-0.005|0.004|-1.15|0.249|0.006|0.004|1.38|0.168||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||Roe|0.015***|0.004|3.65|0.000|-0.018***|0.004|-4.31|0.000||GDP|0.007*|0.004|1.86|0.064|-0.009**|0.004|-2.21|0.027||CPI|-0.005|0.004|-1.15|0.249|0.006|0.004|1.38|0.168||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||GDP|0.007*|0.004|1.86|0.064|-0.009**|0.004|-2.21|0.027||CPI|-0.005|0.004|-1.15|0.249|0.006|0.004|1.38|0.168||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||CPI|-0.005|0.004|-1.15|0.249|0.006|0.004|1.38|0.168||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||常数项|0.456***|0.063|7.22|0.000|0.285***|0.063|4.53|0.000||观测值|312||||312|||||R-squared|0.265||||0.308|||||观测值|312||||312|||||R-squared|0.265||||0.308|||||R-squared|0.265||||0.308||||注：*、、*分别表示在1%、5%、10%的水平上显著。在企业贷款占比（EL）的回归结果中，经济政策不确定性指数（EPU）的系数为0.012，在10%的水平上显著为正，表明经济政策不确定性增加时，银行会相对增加对企业的贷款投放，使企业贷款占比上升。这可能是因为企业在经济政策不确定时期，虽然面临风险增加，但通常具有相对较强的抗风险能力和稳定性。大型企业拥有丰富的资源和多元化的业务布局，能够在一定程度上抵御经济政策变化带来的冲击。银行认为对企业贷款的风险相对可控，为了维持一定的业务规模和收益，会选择将更多的信贷资源投向企业领域。对于个人贷款占比（PL），经济政策不确定性指数（EPU）的系数为-0.015，在5%的水平上显著为负，说明经济政策不确定性增加时，银行会减少对个人的贷款投放，个人贷款占比下降。这是因为个人贷款往往与消费市场密切相关，经济政策不确定性增加会影响个人的收入预期和消费信心。当经济政策不稳定时，个人担心未来收入下降，就业机会减少，会更加谨慎地进行消费和借贷。个人可能会推迟购买房产、汽车等大额消费品，减少信用卡透支和个人贷款的申请。银行也会相应减少对个人的贷款投放，以降低风险。在控制变量方面，净资产收益率（Roe）与企业贷款占比（EL）在1%的水平上显著正相关，与个人贷款占比（PL）在1%的水平上显著负相关，说明盈利能力强的银行更倾向于将信贷资源投向企业，而减少对个人的贷款。国内生产总值增长率（GDP）与企业贷款占比（EL）在10%的水平上显著正相关，与个人贷款占比（PL）在5%的水平上显著负相关，表明经济增长强劲时，企业贷款需求增加，个人贷款需求相对减少。流动性比例（Liq）与个人贷款占比（PL）在5%的水平上显著负相关，说明流动性充裕的银行可能会相对减少对个人的贷款投放，将更多资金用于其他业务或投向企业领域。5.3.3经济政策不确定性对银行信贷风险的影响以不良贷款率（BLR）为被解释变量，对经济政策不确定性与银行信贷风险的关系进行回归分析，结果如表5所示。表5经济政策不确定性对银行信贷风险的回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||EPU|0.018***|0.004|4.25|0.000||Cap|-0.012***|0.004|-3.15|0.002||Liq|-0.010**|0.004|-2.47|0.014||Roe|-0.008**|0.003|-2.56|0.011||GDP|-0.006|0.003|-1.89|0.060||CPI|0.007**|0.003|2.38|0.018||常数项|1.056***|0.068|15.53|0.000||观测值|312|||||R-squared|0.352|||||----|----|----|----|----||EPU|0.018***|0.004|4.25|0.000||Cap|-0.012***|0.004|-3.15|0.002||Liq|-0.010**|0.004|-2.47|0.014||Roe|-0.008**|0.003|-2.