经济政策不确定性对银行风险承担的影响研究

The Impact of Economic Policy Uncertainty on Bank Risk-Taking

摘要: 经济政策不确定性是关乎宏观经济环境稳定性的重要因素之一，对银行业的运作和风险管理策略产生重大影响。文章以我国100家银行为研究对象，选取2013年到2022年为样本的时间区间，选用个体固定效应模型进行实证分析，进一步用bootstraps做中介效应分析、调节效应以及异质性分析，验证经济政策不确定性对银行风险承担的影响。研究结果表明，经济政策不确定性显著降低了银行的风险承担水平，利用美国的经济政策不确定性指数替换解释变量，结果显示通过稳定性检验。进一步的分析发现，经济政策不确定性上升会导致银行家对货币政策感受指数提高，使得银行的破产风险增加；绿色金融的发展，会弱化经济政策不确定性对银行风险承担的影响；相比于东部和中部地区，西部地区银行受经济政策不确定性影响更大。最后提出国家需要大力发展绿色金融以及加强对西部地区的政策支持。

Abstract: Economic policy uncertainty is one of the key factors that affect the stability of the macroeconomic environment and has a significant impact on the operation and risk management strategies of the banking industry. The article takes 100 banks in China as the research subjects, selects the time period from 2013 to 2022 as the sample interval, and uses the individual fixed effect model for empirical analysis. Further, bootstraps are used for mediating effect analysis, moderating effect analysis, and heterogeneity analysis to verify the impact of economic policy uncertainty on banks’ risk-taking. The results show that economic policy uncertainty significantly reduces the level of risk undertaken by banks. When the economic policy uncertainty index of the United States is used to replace the explanatory variable, the results pass the stability test. Further analysis reveals that an increase in economic policy uncertainty will lead to an increase in the perception index of monetary policy by bank executives, thereby increasing the bankruptcy risk of banks. The development of green finance will weaken the impact of economic policy uncertainty on banks’ risk-taking. Compared with banks in the eastern and central regions, banks in the western region are more affected by economic policy uncertainty. Finally, it is suggested that the country needs to vigorously develop green finance and strengthen policy support for the western region.

1. 引言

全球金融危机、国际贸易摩擦以及公共卫生事件等都给经济市场带来了重大冲击。在我国政府对经济政策的不断调整下，维护我国经济持续向好，但外部环境复杂性、严峻性、不确定性较大，以及国内有效需求不足、社会预期偏弱，导致我国经济运行面临不少风险挑战。全球金融体系的不稳定，以及经济体之间的贸易和金融摩擦形势逐渐严峻，进一步增加了宏观经济不确定性。

银行是一个国家经济体系的核心，在金融市场中发挥着重要的作用，通过各种服务和功能，促进了经济的有效运转和持续发展，对于一个国家的经济繁荣和稳定具有不可替代的重要性。在运行和管理的过程中，银行面临着信用风险、市场风险、流动性风险、操作风险和声誉风险等，银行风险承担水平指的是银行愿意或能够承受的风险程度。相比于普通投资者，银行家借助其地位、职务等因素，具有信息优势；对于经济政策的变动，银行家会改变资产配置、信贷政策和市场风险管理策略等，从而使得降低损失。因此，研究经济政策不确定性对银行的风险承担的影响，以及研究其传导渠道对于国家经济的稳定具有重大意义。

2. 文献综述

2.1. 关于经济政策不确定性

Gulen (2015) [1]等提出经济政策不确定性是经济主体对货币当局的政策意图的未知性以及何时调整的不确定性，并研究经济政策不确定性对企业投资决策的影响。Baker [2]等提出该衡量指数主要是通过统计报纸中有关“经济”“政策”“不确定性”的三个关键词出现的次数，通过文本挖掘来获得，并进行相应的计算。国内主要研究经济政策不确定性对企业绩效、投资和资本结构等的影响，邢斐等(2023) [3]基于Logit回归得出经济政策不确定性增加了企业技术型并购的倾向，而王朝阳等(2018) [4]和李增福(2022) [5]等分别研究经济政策不确定性对企业资本结构调整和企业短债长用的影响，结果表明经济政策不确定性上升会导致企业资本结构放缓以及促进企业短债长用的行为。

2.2. 关于银行风险承担

国内外学者大多数使用预期违约概率、不良贷款率、风险加权资产比以及Z_score衡量银行风险承担。在银行风险承担的研究中，王扬之等(2022) [6]人提到银行风险承担主要受到货币政策、互联网发展、利率和银行集中度等因素的影响。另外，部分学者研究银行风险承担对企业投融资、转型和创新的影响，张艾莉等(2022) [7]认为银行主动风险承担提高对企业融资约束具有缓解作用；部分学者基于金融科技、绿色金融以及数字经济等视角进行研究，李悦融等(2024) [8]、晏景睿等(2024) [9]分别证实开展绿色信贷、金融科技能显著降低商业银行风险承担。

2.3. 经济政策不确定性与银行风险承担及其传导机制

项后军(2018) [10]等运用“类金融加速”和“利率追逐”机制来验证银行风险承担是货币政策传导渠道，认为宽松的货币政策会提高银行风险承担。从内部来看，经济政策不确定性主要会影响银行的信贷规模、资本充足率、资产流动性等的影响，江曙霞等(2012) [11]等认为货币政策对我国银行风险承担具有显著影响，随着实际利率水平或法定存款准备金率的降低，银行的风险承担提高从而影响银行的稳定性；从外部来看，已有研究表明企业的盈利水平、投资规模以及信用评级等都会对银行的风险承担造成影响，葛新宇(2021) [12]等人贸易政策不确定性的加大，会通过恶化区域内企业的风险、盈利与流动性储备状况，导致银行整体风险水平上升，并促使银行降低其主动风险承担的意愿。

2.4. 绿色金融、经济政策不确定性、银行风险承担

我国已经初步构成以绿色信贷、绿色债券、绿色保险等构成的绿色金融体系，引导资金流向绿色产业，重在助力我国实现碳达峰、碳中和。金融机构是企业资金的主要来源，以利率优惠给绿色项目提供贷款，降低企业的融资成本，而绿色保险为绿色产业提供保障，助力企业融资，从而促进我国经济发展。

就绿色信贷对银行风险承担方面的研究而言，王美琦等(2020) [13]基于35家银行2011~2020年的面板数据，使用固定效应模型发现，绿色信贷规模的扩大能够降低银行风险，尤其是对系统重要性银行的影响更为显著。王凯(2020) [14]、王宏涛等(2020) [15]通过多期双重差分模型(DID)研究发现，商业银行开展绿色信贷能够显著降低商业银行的风险承担水平，且绿色信贷政策降低商业银行风险承担水平的动态效应会随着时间的推移而逐渐增大。很多学者研究表明，经济政策不确定性显著提高企业的绿色投资以及绿色创新能力，并且在非国有的企业中的影响更为明显。Jialu Wang (2024) [16]在QVAR模型下，结果表明经济和货币政策的不确定性对绿色金融指数产生显著的影响，经济政策不确定性引发的意识提高可能会推动可持续能源领域的更多投资机会，推动绿色经济的发展。

多数学者以绿色信贷替代绿色金融指数，研究其对银行风险承担的影响。本文利用2013年到2022年的银行数据，计算出银行风险承担的大小以及构建绿色金融指数，探究经济政策不确定性对银行风险承担的影响，并分析其传输机制，以及验证绿色金融是否对该影响具有调节作用。

3. 理论假设

一方面，已有研究认为银行内外部的因素都会使得经济政策不确定性对银行风险承担产生影响。首先，从内部看，在不确定性增加的情况下，银行管理层的风险厌恶增加，为保持其市场优势以及资金的流动性，会收缩其风险项目的贷款，维护其声誉；从银行外部环境来看，企业在经济政策不确定中会选择减少贷款，投资者基于自身利益最大化原则，采取保守的投资策略，金融市场相对平稳，使得银行的破产风险较小。马菁菁(2024) [17]认为银行会根据经济政策调节资本配置和信贷供给，经济政策出台越频繁，银行根据经营原则的安全性，就会减少信贷供给，严格审核贷款人资质，提高信贷质量；引起风险容忍度降低，减少风险资产配置，提高风险管理水平，破产风险越小。

由此提出假设1a：经济政策不确定性上升会降低银行风险承担水平。

另一方面，经济政策不确定性上升，投资者情绪低落，减少投资和增加储蓄，银行可用资金数量上升，会使银行扩大信贷数量和贷款期限，使其对风险的容忍度上升，提高其主动风险承担水平；另外，银行的多元化经营让银行管理者认为其能够抵御经济政策波动带来的影响，并为获取高利润，并持续向违约率高的企业贷款，其银行风险水平上升。

由此提出假设1b：经济政策不确定性上升会提高银行风险承担水平。

根据张强(2012) [18]等提到的类金融加速传导机制，在经济萧条的时候，国家往往使用宽松的货币政策和财政政策，银行经营者预期未来市场会有好转，较长时期的低利率会刺激资产、抵押品价值、收入及利润的增加，使其对银行贷款违约风险及贷款损失准备的估计有偏差，降低风险容忍度，偏好于高风险的项目，促使银行风险增加。银行家与政府之间存在信息不对称，经济政策不确定性会通过银行家对货币政策的感知，从而影响银行家的决策。

由此提出假设2：经济政策不确定性会提高银行家对货币政策的感受程度，从而提高银行的风险承担。

经济政策不确定性上升时期，投资者会降低对绿色项目的投资，企业进行绿色研发的动力不足，会导致整体经济流通速度降低。但绿色金融政策的发展，一方面起到引导作用，中国人民银行联合其他部门印发的《关于进一步强化金融支持绿色低碳发展的指导意见》中明确提出，通过优化绿色金融标准体系和强化环境信息披露，推动金融机构和企业开展环境信息披露，这有助于提高市场透明度，减少信息不对称性，从而降低经济政策不确定性对银行风险承担的影响。另一方面，促进金融产品的市场发展，《指导意见》中提到，要推进碳排放权交易市场建设，鼓励金融机构利用绿色金融或转型金融标准，加大对绿色发展和低碳转型的信贷支持力度。这表明绿色金融的发展可以为银行提供新的投资渠道和风险分散手段，有助于降低银行对传统经济政策变动的敏感性。政府会通过加大对绿色产业的支持力度，银行降低绿色项目的借贷利率，保险机构增强对绿色项目的保障力度，从而促使投资者增强对市场的信心。

由此提出假设3：绿色金融的发展，会弱化经济政策不确定性对银行风险承担的影响。

4. 研究设计

4.1. 样本和数据来源

本文选取2013~2022年银行年度数据为研究样本，政策性银行主要是为贯彻国家政策而设立的，因此剔除中外资银行和政策性银行；并且将数据不足5年的银行剔除。

数据主要来自国泰安数据库，其中并通过银行官网以及国家统计局官网补全数据，对缺失值采用插值法来进行补充。最终数据有100家银行，有962个样本数据，包括国有、股份制、城市和农村商业银行，按照是否上市划分，包括上市和非上市银行。

4.2. 变量设计和描述性统计

4.2.1. 被解释变量

在以往研究中，常用的风险承担度量指标有Z-score、预期违约概率、风险加权资产比率以及不良贷款率等。我国预期违约概率数据较难完整获得，而风险加权资产比率反映了银行资本与其风险加权资产的比例，主要反映了银行对高风险资产的承担程度，可以作为度量银行主动风险承担的指标。不良贷款率衡量银行资产质量的关键指标，反映了违约风险的贷款占总贷款的比例，用于衡量银行被动的风险承担；Z-score银行破产风险的指标，它综合考虑了银行的经营稳定性、盈利能力以及财务杠杆状况，Z-score越低，表明银行面临破产的风险越大；而高的Z-score则反映了银行相对较低的破产概率。本文参考张雪兰(2012) [19]的做法，用Z值衡量其银行风险承担水平：

$Z\_score=\frac{RO{A}_{it}+CA{P}_{it}}{\sigma RO{A}_{it}}$

$RO{A}_{it}$ 为总资产收益率，$CA{P}_{it}$ 为权益比率，$\sigma RO{A}_{it}$ 为ROA的标准差。银行风险承担水平与Z值呈负相关，Z值越大，银行的风险承担水平越低，其破产的风险越小。

4.2.2. 解释变量

经济政策不确定性采用Steven J. Davis等编制的基于报纸的中国政策不确定性指数。关键词的来源是《人民日报》和《光明日报》，其中术语集中至少包含一个术语的文章的月度计数：经济、政策和不确定性。本文利用美国的经济政策不确定指数替换解释变量，进行稳健性分析。

4.2.3. 控制变量

采取资产规模(Insize)、总资产收益率(ROA)、不良资产率(NPL)、成本收入比(CSB)、存贷比(lnLDR)控制银行微观层面；用GDP增长率(GDP)和M2增长率(M2)控制宏观经济层面。

4.2.4. 中介变量

银行家的货币政策感受指数MPI是一种指标，用于衡量银行对货币政策的反应程度和预期。具体来说，当银行家的货币政策感受指数升高时，通常表示经济比之前宽松，银行更加敏感和积极地对待当前和未来的货币政策变化，会调整其信贷政策、贷款条件和资产配置以应对货币政策的变化，在分析时对其取对数。

4.2.5. 调节变量

关于绿色金融指数的测算参考刘华珂(2021) [20]等构建绿色金融指数，选取绿色信贷、绿色投资、绿色保险、绿色债券、绿色支持、绿色基金、绿色权益七个指标，采用熵值法进行测算，该绿色金融指数计算的是地级市的数据，按照银行的注册地来进行数据匹配，具体的构建如表1所示：

Table 1. Construction of green finance indicators

表1. 绿色金融指标构建

一级指标	二级指标	相关计算说明
绿色信贷	环保项目信贷占比	该省环保项目信贷总额/全省信贷总额
绿色投资	环境污染治理投资占GDP比重	环境污染治理投资/GDP
绿色保险	环境污染责任保险推广程度	环境污染责任保险收入/总保费收入
绿色债券	绿色债券发展程度	绿色债券发行总额/所有债券发行总额
绿色支持	财政环境保护支出占比	财政环境保护支出/财政一般预算支出
绿色基金	绿色基金占比	绿色基金总市值/所有基金总市值
绿色权益	绿色权益发展深度	碳交易、用能权交易、排污权交易/权益市场交易总额

Table 2. Variable table

表2. 变量表

变量类型	变量名称	变量符号	备注
被解释变量	Z-score	Z-score
解释变量	经济政策不确定性指数	EPU2	月度数据平均值
控制变量	成本收入比	CSB
	总资产收益率	ROA
	资本充足率	CAR
	资产规模	lnsize
	不良贷款率	NPL
	存贷比	lnLDR
	M2增长率	M2
	经济增长率	GDP
中介变量	银行家货币政策感受指数	lnMPI
调节变量	绿色金融	GFI

4.2.6. 描述性统计

数据经过消除极端值、取对数等处理，除了成本收入比的标准差相对来说比较大之外，其余各项的标准差都比较小，见表3：说明各项数据都比较平稳，数据真实、可靠。我国经济政策不确定性指数的数据图明显看出其变化趋势，从疫情发生开始，我国的经济政策不确定性指数急剧上涨，见图1：说明我国的经济稳定性有所下降，其中全球经济、政治动荡也是我国经济政策频繁变动的一个重要原因。

Table 3. Descriptive statistics

表3. 描述性统计

VarName	Obs	Mean	SD	Min	Median	Max
Z_score	958	4.82	1.11	1.54	4.74	10.50
EPU2	962	2.24	1.09	0.92	2.07	3.90
ROA	962	0.85	0.37	−0.58	0.84	3.62
CSB	960	32.83	7.14	14.83	32.02	101.62
NPL	962	1.59	0.80	0.21	1.49	13.89
CAR	962	13.17	2.01	1.77	12.96	33.35
lnsize	962	26.61	1.64	22.79	26.32	31.31
lnLDR	838	1.44	0.19	0.88	1.41	2.32
GDP	962	6.30	1.89	2.20	6.95	8.40
M2	962	10.58	2.00	8.10	10.10	13.60
lnMPI	962	3.96	0.18	3.70	3.97	4.22
GFI	962	0.39	0.12	0.04	0.41	0.66

4.3. 实证模型设定

参考已有研究，采用固定效应模型来分析经济政策不确定性对银行风险承担的影响，基于该数据为非平稳的面板数据，因此使用固定银行编号(id)的个体固定效应模型：

$Z\_score={\beta }_0+{\beta }_{1}EPU2+{\beta }_{3}Controls+\alpha +\mu$

Figure 1. China’s economic policy uncertainty index

图1. 中国经济政策不确定性指数

$Z\_score$ 为被解释变量，$EPU2$ 为核心解释变量，$Controls$ 为控制变量，$\alpha$ 为银行个体固定效应，$\mu$ 为随机干扰项。该模型下，重点关注${\beta }_1$ ，通过其的显著性和系数的正负来判断经济政策不确定性是否会对银行风险承担产生影响。

5. 实证结果与分析

5.1. 基准回归

本文使用stata17来进行数据分析，见表4：在没有加入控制变量的情况下，解释变量系数为0.302，经济政策不确定性对银行风险承担的影响显著为正；在加入银行层面的控制变量之后，解释变量的系数是0.153，在加入宏观的控制变量后变成0.35，影响效果更明显，说明控制宏观经济的重要性。在其他条件不变的情况下，EPU2每上升一个单位，Z值就会上升0.35个单位，风险承担水平下降，本文认为经济政策不确定性的上升会降低银行风险承担水平，从而降低银行的破产风险，假设1a成立。

Table 4. Fixed effects

表4. 固定效应

	(1) Z_score	(2) Z_score	(3) Z_score
EPU2	0.302^*** (9.70)	0.153^*** (4.24)	0.350^*** (5.31)
ROA		−0.414^*** (−3.48)	−0.355^*** (−3.01)
CSB		0.008 (1.61)	0.008 (1.61)
NPL		−0.297^*** (1.61)	−0.275^*** (−5.03)
CAR		0.052^*** (2.79)	0.044^** (2.36)
lnsize		0.141^*** (6.45)	0.135^*** (6.28)
lnLDR		0.326 (1.53)	0.199 (1.25)
GDP			0.157^*** (5.46)
M2			0.025 (0.89)
-cons	4.157^*** (53.63)	0.071 (0.09)	−1.373 (−1.43)
N	987	859	859
R^2	0.086	0.150	0.183
F	94.167	22.564	22.308

t statistics in parentheses. ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

在经济政策不确定性上升的情况下，银行与政府当局之间的信息不对称会进一步扩大，银行的管理层会趋向保守经营，通过缩减贷款规模、缩小业务范围来降低非系统性风险，银行通过风险管理来降低风险承担水平；另外经济政策不确定性的上升会引起金融市场变动，银行的不良贷款率会上升，使得银行会提高贷款成本来控制贷款质量恶化，减小贷款需求，从而降低银行的破产风险。

5.2. 稳健性检验

该模型中，通过替换解释变量来解决内生性问题，本文使用美国的经济政策不确定性指数来代替中国的经济政策不确定性指数，回归结果在加入控制变量后仍然显著为正，且效果更加明显，与前文得出的结果一样，见表5。说明用中国经济政策不确定性对银行风险承担的影响是稳健的，不存在内生性的问题。

Table 5. Robustness test

表5. 稳健性检验

	(1) Z_score	(2) Z_score	(3) Z_score
EPU_US	0.316^*** (5.54)	0.088 (1.57)	0.669^*** (6.12)
ROA		−0.414^*** (−5.17)	−0.355^*** (−2.60)
CSB		0.007 (1.38)	0.006 (1.33)
NPL		−0.297^*** (−5.30)	−0.252^*** (−4.59)
CAR		0.073^*** (3.79)	0.046^** (2.50)
lnsize		0.153^*** (7.00)	0.130^*** (6.09)
lnLDR		0.390^* (1.53	0.236 (1.14)
GDP			0.248^*** (6.44)
M2			−0.058^*** (−3.07)
_cons	4.310^***	−0.233	−1.341
N	958	834	834
R2	0.029	0.134	0.191
F	30.726	19.976	23.546

注：t statistics in parentheses ^*p < 0.1，^**p < 0.05，^***p < 0.01。

5.3. 中介效应

用三步法得出的结果是，见表6：经济政策不确定性与货币政策感受指数正相关，第三步中货币政策感受指数的系数为负数，Z值下降，银行风险承担上升。已有研究建议使用Bootstrap法检验中介效应的显著性，判断方法是根据的Bootstrap置信区间，如果置信区间不包含0，就表示相对中介效应显著。结果显示直接和间接中介效应的置信区间都不包括0，说明存在经济政策不确定性——银行家货币政策感受——银行风险承担的传导机制。银行家对货币政策的感受包括对利率水平、货币供应量、信贷政策等方面的预期。经济政策不确定性上升意味着市场环境不太乐观，可能导致银行家预期货币当局会使用宽松的货币政策来拉动经济流动，故银行高估自有资金、贷款、抵押品等的价值，对高风险项目的容忍度上升；并为获取较高的收益，会增加风险资产的比例，这导致银行的破产风险高涨。

Table 6. Mediating effect

表6. 中介效应

	Observed		Bootstrap
	coefficient	Bias	std. err.	[95% conf. interval]
_bs_1	−0.07550725	−0.0023113	0.03058413	−0.1356251 −0.130327	−0.0164732 −0.0055813	(P) (BC)
_bs_2	0.41301744	−0.0044362	0.07839068	0.2599016 0.2621804	0.5620633 0.5785092	(P) (BC)

5.4. 调节效应

本文的调节变量是银行业景气指数，交乘项是绿色金融与Z_score的乘积，该项的系数显著，说明调节效应存在，反之，不存在调节效应；当该系数为正的时候，绿色金融的发展增强了经济政策不确定性对银行风险承担水平的影响，反之，则为削弱该影响。由于交乘项与自变量和调节变量之间产生的高度共线性使得我们的模型估计产生了偏差。参考以往的研究，可以通过中心化来进行修正。

结果如表7所示，交互项的系数在P < 0.01的水平下显著为负，即绿色金融的发展弱化了经济政策不确定性对银行风险承担的影响，假设3成立。一方面，绿色金融的提出，国家对绿色产业的支持力度加大，绿色金融的推广会促使银行多样化其资产组合，包括支持环保和可持续项目的贷款。这种多样化资产组合可以减少银行对特定行业或政策变化的敏感性，因此减少了经济政策不确定性对银行整体风险的影响。另一方面，政府出台政策以支持和促进绿色金融的发展，例如提供税收激励、优惠贷款利率或减少监管资本要求等政策措施。这些支持措施可以降低银行从事绿色金融业务的风险成本，从而减少了经济政策不确定性对银行决策的影响。

5.5. 异质性分析

将按照银行的注册地进行分类，将银行分为“东部”、“中部”、“西部”地区的银行，我国东、中、西部地区的经济发展水平存在差异，因而各地区银行的规模存在差异，分组后进行回归分析，分析在不同地区经济政策不确定性对银行风险承担的影响。从实证结果来看，在东部和中部地区，P值分别小于0.01和小于0.05，经济政策不确定性对银行风险承担的影响是显著的，且中部地区的影响要大于东部地区；而与其他两个地区相比，西部地区银行风险承担受经济政策不确定性影响最大，且解释变量的系数在P < 0.01的水平下显著为正，见表8。

一方面，不同地区的经济结构和发展阶段决定了它们对经济政策不确定性的敏感度。东部地区因为

Table 7. Moderating effect

表7. 调节效应

	(1) Z_score	(2) Z_score
EPU2	0.3318^*** (0.0673)	0.3448^*** (0.0670)
GFI	0.2170 (0.2981)	0.2870 (0.2970)
ROA	−0.3633^*** (0.1183)	−0.3326^*** (0.1180)
CSB	0.0075 (0.0050)	0.0075 (0.0049)
NPL	−0.2785^*** (0.0549)	−0.2870^*** (0.0546)
CAR	0.0422^* (0.0187)	0.0381^** (0.0187)
lnsize	0.1400^*** (0.0225)	0.1386^*** (0.0223)
lnLDR	0.3448 (0.2116)	0.3831^* (0.2106)
GDP	0.1473^*** (0.0292)	0.1485^** (0.0290)
M2	0.0202 (0.0282)	−0.0280 (0.0282)
Z1		−2.5199^*** (0.2547)
_cons	−1.5215 (0.9695)	−1.6161^* (0.9641)
N	834	834
R^2	0.1879	0.1976

注：t statistics in parentheses ^*p < 0.1， ^**p < 0.05， ^***p < 0.01。

Table 8. Regional heterogeneity

表8. 地区异质性

	(1) 东部	(2) 中部	(3) 西部
EPU2	0.289^*** (3.73)	0.421^** (2.03)	0.629^*** (3.25)
ROA	−0.435^* (−1.70)	−0.0508 (−0.11)	−0.673 (−1.21)
CSB	−0.0115 (−1.03)	0.0337^* (1.78)	0.0393 (1.24)
NPL	−0.410^*** (−3.64)	−0.287^** (−2.15)	−0.181 (−0.83)
CAR	0.0170 (0.48)	0.0985 (0.96)	−0.0076 (−0.18)
lnsize	−0.0396 (−0.18)	−0.0804 (−0.15)	0.0593 (0.12)
lnLDR	−0.162 (−0.44)	1.501^* (1.92)	−0.524 (−0.46)
GDP	0.148^*** (4.43)	0.156 (1.63)	0.183^** (2.07)
M2	−0.0376 (−1.11)	0.0822 (0.98)	0.0971 (1.25)
_cons	6.067 (1.03)	−0.168 (−0.01)	0.144 (0.01)
N	552	137	145
R^2	0.399	0.292	0.360
Year id	NO YES	NO YES	NO YES

注：t statistics in parentheses ^*p < 0.1，^**p < 0.05，^***p < 0.01。

经济发达和产业多样性，信贷需求较多、规模较大，银行认为其对经济政策波动有一定的缓冲能力，资金偏向于风险收益较高的项目，故银行风险承担相对较高，破产风险扩大；而中部和西部地区由于发展不均衡或者依赖性更强的产业结构，更容易受到宏观经济政策不确定性的直接影响，银行加强对于借款人的信用、还款能力等进行调查和评估，以降低不良贷款率。另一方面，各地区的政府政策实施效率和市场反应速度也可能导致不同地区对政策不确定性的反应程度不同。在西部地区，政府可能会更积极地制定政策来应对发展不平衡和贫困问题，经济政策不确定性指数会比较高，这可能导致其银行系统更为敏感于政策变动，从而偏向于保守经营，降低自身损失，银行的风险承担水平相对较低。

6. 结论与建议

6.1. 结论

本文基于已有研究，使用经济政策不确定性作为解释变量研究其对银行风险承担的影响，以我国100家银行为研究对象，选取2013年到2022年为样本的时间区间，选用个体固定效应模型进行实证分析，进一步用bootstraps做中介效应分析、调节效应以及异质性分析。在控制银行内部和宏观的相关变量的情况下，经济政策不确定性的上升，在风险厌恶理论下，为了减少损失，银行会提高自身的风险管理，使得银行的风险承担水平降低。使用美国的经济政策不确定性指数替换解释变量进行稳健性检验，结果仍然显著为正，即不存在内生性的问题。本文通过银行家的货币政策感知程度的传输渠道，经济政策不确定性的上升会提高货币政策感受指数，从而使银行风险经营行为激增，使得银行风险承担Z值下降，即银行风险承担上升。绿色金融促进金融产品多样化以及提供更多利率便利，因此削弱了该影响。对比东部地区和中部地区，在西部地区的影响效果更明显。

6.2. 相关建议

首先，促进绿色金融市场发展。政府可以通过制定支持绿色金融发展的政策和法规，如提供税收优惠、设立专门的绿色金融基金或投资基础设施，以吸引更多的私人资本投入绿色项目，促进我国产业绿色化发展，使得经济良性循环。这些举措有助于增加绿色金融市场的规模和稳定性，从而减少银行受到经济政策波动影响的可能性。

其次，政府应加大对经济政策的解读力度。确保居民、企业等经济参与者能够理解政策的意图和预期的效果，特别是对银行等高层人员的培养，提高对政策变动的敏感性，可以稳定市场预期，减少因政策不明确而引发的市场波动和风险承担增加。这包括通过各种渠道和沟通方式，向公众清晰传达政策的背景、目的和可能的影响。

最后，国家应加大对西部地区银行的政策和经济支持。西部地区经济发展较为落后，为应对银行信贷需求不足、不良资产率较高等问题，需要国家政府引导资质较好的企业对西部地区进行投资，增加该地区银行的稳定性，降低其风险破发的概率。