经济政策不确定性与银行利率衍生品对冲——来自中国的经验证据

■辛兵海 卜振兴

一、引言

在双循环发展格局下，为应对国内外错综复杂的经济环境，特别是新冠肺炎疫情以及中美贸易摩擦的冲击，政府部门不断出台并调整相关政策以适应经济高质量发展的要求，降低政策不确定性渐已成为当前中国经济发展的主旋律[1]。商业银行作为经济政策实施的中介和连接各经济部门的纽带，一方面会受经济政策不确定的直接影响，另一方面经济政策不确定性对其他经济主体的影响也会传导至商业银行，因此银行业对经济政策不确定性的敏感性相对更大[2]。在不确定性冲击蔓延到整体金融市场体系的情境下[3]，商业银行如何有效应对不确定性的负向冲击以实现经营的稳健，从而防止金融市场风险在宏观经济运行中发生“缓积急释”，是现阶段监管部门所面临的关键问题，这也是本文的关注重点。

从经营角度而言，银行通过动态优化金融资源配置以实现盈利并管控风险，不确定因素自然也被纳入银行的经营决策行为函数之中[4]。经济政策不确定性的上升会扰动信息流，造成较严重的逆向选择和道德风险问题。作为一种应对之策，商业银行会选择调整贷款损失准备计提以实现有效盈余管理。当经济政策不确定性上升时，银行提高贷款损失准备，以应对银行呆坏账增加带来的流动性风险并实现利润的跨期分配[5，6]。然而，当进一步考虑“隐藏风险”动机时[7，8]，商业银行计提贷款损失准备决策将面临两难困境，从而使其预防性功能大打折扣。从表外来看，伴随着金融衍生品市场的发展，银行开始使用基础性的利率衍生品（如利率互换、利率远期、国债期货等）来对冲风险[9]。因其固有的“套期保值”特征，表外衍生品备受监管当局和银行机构的关注①。那么，在经济政策不确定性上升时，商业银行是否会增加表外利率衍生品的使用？这种影响的内在传导机制又是什么？

在既有文献研究的基础上，立足于中国情境和银行经营实践状况，本文尝试厘清上述问题，以期丰富和拓展经济政策不确定性与银行风险管理的研究维度。在经济政策不确定性上升的背景下，对上述问题的研究不仅有助于理解经济不确定性的微观经济后果，也能为制定防范化解重点领域金融风险的经济政策提供经验支撑。相较于既有研究，本文研究为理解经济政策不确定性产生的经济后果提供了新的视角和更丰富的证据。本文的创新点在于：第一，首次从银行利率风险对冲的视角考察了经济政策不确定性对银行经营决策的影响及作用机制，对有关经济政策不确定性经济后果的既有文献形成有益补充。第二，明确了经济政策不确定性会增加银行风险对冲的需求，并从“违约概率”和“收益波动”两个渠道厘清了经济政策不确定性影响利率衍生品对冲的作用机制。第三，考察了经济政策不确定性对不同银行主体间利率衍生品对冲影响的异质性，分析了经济政策不确定性影响银行利率衍生品对冲的结构变化。

二、文献综述、机理分析与研究假设

（一）利率衍生品的影响因素

银行通过期限错配以扩展利差收入并创造流动性，而期限错配所伴随的资产负债重新定价条款，构成了银行所面临的最主要利率风险②。期限错配所导致的利率风险效应具有经济显著性且无法通过多元化配置进行分散，故银行越来越依赖于利率衍生工具来对冲利率风险[10，11]。纵观以往研究可以发现，既有文献主要围绕银行微观特征和宏观因素两个层面，探究银行利率衍生品使用的影响因素。微观层面，国内外文献集中分析了流动性[12]、违约成本[13]、融资能力[14]、银行规模[15]、资本水平[16]以及风险因素[17]对银行（企业）利率衍生品使用的影响。宏观层面，相关学者从货币政策和经济发展水平等研究视角进行考察[18，19]。尽管经济政策调整对银行利率衍生品使用的影响在既有文献中已经得到印证，但是国内外学者更多聚焦于单一经济政策（尤其是货币政策），以点带面地研究政策变动对银行利率风险管理行为的影响，而鲜有文献研究经济政策不确定性对银行利率衍生品使用的影响。

（二）经济政策不确定性对银行利率衍生品对冲的影响

经济政策不确定性主要来源于政府政策变化和政策落实方面的不确定性。由于经济政策的频繁变化，市场主体无法对未来的政策方向和政策强度形成合理预期[20]。经济政策不确定性会对银行产生如下效应，从而影响银行利率衍生品对冲决策。

其一，经济政策不确定性推高银行的违约概率。根据实物期权理论[21]和增长期权理论[22]，经济政策不确定性对企业投资和生产行为具有显著影响。经济政策不确定性会显著降低企业投资效率[23]、抑制创新[24]、降低生产率[25]并弱化盈利能力[26]，从而引致实体经济部门偿债能力的下降和违约风险的上升。并且，经济政策不确定性对股票市场具有显著的负向影响[27]。伴随着经济政策不确定性的上升，企业的股权质押品价值将产生波动，使得质押品所对应的银行信贷风险上升。最终，实体企业所面临的偿债压力将传导至银行部门，进而造成银行部门信用评级的下降以及违约概率的上升。

金融中介理论指出利率风险提高了银行破产风险，但并未给作为代理监督者的银行增加任何激励收益[28]。因此，金融中介理论强调银行应集中于管理更具监督优势的信贷风险，并运用利率衍生品对冲利率风险。由于银行期望违约成本是违约概率和损失的函数，因此违约概率构成了银行应用利率风险对冲策略的重要驱动因素。衍生品使用动机理论认为，利率风险对冲策略有助于降低期望违约成本的现值[13]。破产会引致股权人和债权人的直接破产成本，因而银行可以从对冲策略中获益③。以上述理论为基础，Purnanandam[15]实证分析发现，在违约概率上升时，银行会更多地使用表外利率衍生品来对冲风险。

其二，经济政策不确定性加剧银行业绩的波动性。理论研究表明，畅通的信息流动是金融中介职能有效发挥的重要保障，任何破坏信息流动的因素都将引致金融体系内的逆向选择和道德风险问题，从而扭曲资金的合理配置[29]。经济政策不确定性增加了银行和实体部门之间的信息不对称性，阻碍了市场投资主体对潜在投资项目进行有效筛选，使得储蓄转化为投资的机制受阻，从而抑制信贷、投资和经济活动。就银行而言，经济政策不确定性上升将限制其对投资机会的判断能力，引致信贷重新定价[30]，从而放大了预期收益的噪音[2]，最终加剧了收益的波动程度[31，32]。

稳健的收入是银行构建较高资本缓冲水平以满足最新巴塞尔监管框架的前提条件[33]。利差收入是银行重要的收入来源，应用利率风险对冲策略可以在一定程度上有效熨平银行利润（价值）波动[34]，从而提高现金流与收益的稳定性[35，36]。经济政策不确定性引致银行收益波动程度以及融资成本上升，随之会对银行收益稳健性造成冲击。故银行会从熨平现金流波动实现稳健收益的动机出发，应用表外利率衍生品对冲风险。

图1显示了经济政策不确定性对银行利率衍生品对冲的影响机制。基于上述分析，本文提出如下假设：

图1 经济政策不确定性对银行利率衍生品对冲的影响机制

假设1：经济政策不确定性上升会引致银行使用利率衍生品对冲策略。

假设2：经济政策不确定性通过提高银行违约概率和加剧收益波动，引致银行更多使用利率衍生品进行风险对冲。

三、实证设计

（一）样本选择和数据来源

本文选用沪深股市37 家上市银行2002年下半年—2020年上半年的半年度频次数据作为研究样本。借助上市银行半年报和年报，本文对每家银行每期利率衍生品余额数据和资产负债期限结构数据进行手工整理。本文所使用的银行股权价值数据、银行微观财务数据、宏观GDP 数据均来源于WIND数据库，国债收益率数据来源于中国债券信息网，经济政策不确定性指数数据来源于网站（http：//www.policyuncertainty.com）。

（二）实证模型设定

1.基准回归模型

为实证检验经济政策不确定性如何影响银行利率衍生品对冲，本文设定如下计量模型：

其中，i和t分别表示银行和时间。因变量hedge表示商业银行的利率衍生品使用金额；epu 表示经济政策不确定性程度；系数β1用于测度银行利率衍生品对经济政策不确定性的敏感性，本文所关注的是系数β1的符号及显著性；control 表示控制变量集，包括微观层面和宏观层面控制变量；μi表示银行个体固定效应；εi,t为随机扰动项。需要指出的是，由于本文核心变量epu为时序变量，若同时控制时间固定效应会引致完全共线性问题，故在模型设定中未控制时间固定效应[2，37]。

2.中介效应模型

为实证检验经济政策不确定性影响银行利率衍生品对冲的传导渠道，本文设定如下中介机制模型：

其中，mediator 为中介变量，分别选用违约概率edp、收益波动sd（roa）变量进行中介机制检验。控制变量集control同计量模型（1）保持一致。

（三）变量选取与说明

1.因变量

利率衍生品hedge。本文使用样本银行年报中所披露的利率衍生工具名义金额的自然对数值，用以反映银行表外利率衍生品的使用情况。

2.经济政策不确定性

本文使用Baker 等[20]所构造的经济政策不确定性指数作为epu的代理变量。斯坦福大学和芝加哥大学联合发布月度中国经济政策不确定性指数。该指数选取香港《南华早报》为分析对象，识别出当月报道政策不确性的文章，然后将识别出的文章除以当月刊发的文章总数得到月度经济政策不确定性指数。本文使用算数平均方法将月度数据转化为半年度数据。

3.中介变量

（1）违约概率edp。本文应用KMV 模型测算上市银行的预期违约概率edp。KMV 模型以Black-Scholes期权定价理论为基础，将资本市场信息纳入违约概率测算，可以更有效地反映上市银行的信用情况。KMV 模型将上市银行股权价值视为欧式看涨期权，将银行债务看作看跌期权，并将银行资产作为标的资产。当银行资产市场价值低于所需清偿的债务账面价值时，银行将会违约，并进入破产程序。将银行资产市场价值到违约实施点之间的距离定义为违约距离，一家银行的违约距离越远则说明其破产概率越低。KMV模型依据违约距离，进一步计算预期违约概率。KMV 模型中违约距离和违约概率的关系为：违约概率=N（-违约距离），其中N()表示标准正态分布的密度函数④。（2）收益波动sd（roa）。本文使用资产收益率的变异系数作为收益波动sd（roa）的代理变量，计算方法为资产收益率的滚动标准差比上其滚动均值。变异系数的设定充分考虑了不同时间窗口的均值差异性。本文使用4季度作为滚动时间窗口，然后再将计算结果与半年度数据进行匹配。

4.控制变量

参考既有文献相关研究，本文对银行规模size、存款比率deposit、增长率growth、流动比率liquid、资本充足率car五项微观变量进行控制，为弱化内生性问题，本文将微观控制变量均滞后一期；选取一年期国债收益率IR 以及国内生产总值增长率GDPR 为宏观控制变量，用以控制货币政策和经济周期。表1列示了变量定义。

表1 变量定义

（四）内生性问题的处理

1.基准模型中核心自变量的内生性问题

考虑到经济政策不确定性指数epu会受到一个经济体内部政治力量的影响，因此epu 可能并不是一个严格的外生变量[38]。中美两国宏观经济政策层面具有较强的联动性[3]，且美国经济政策不确定性不会直接影响中国微观银行个体的经营。故参照既有研究[2，38]，本文选取美国经济政策不确定性指数作为中国经济政策不确定性指数的工具变量。

2.中介模型设定中因变量hedge 和中介变量之间存在潜在逆向因果问题

本文选择同类银行的违约概率均值作为每家银行违约概率的工具变量。其中，每家银行对应的同类银行破产概率均值，是剔除这家银行后其他同类银行的违约概率均值。其基本逻辑在于：一方面，中国上市银行流动性管理具有同群效应[39]，一家银行的负债期限结构会受到同群其他银行的负债期限结构的影响。由于负债期限结构是计算违约概率的重要因素，由此可以推断银行违约概率存在一定的同群相关性。另一方面，同类其他银行的破产概率均值对单家银行的利率风险管理具有一定的外生性，而单家银行的利率风险管理更多是由银行自身特征所决定。基于同样的思路，中介变量收益波动sd（roa）按照计算同类银行变量均值的方法来设定工具变量。上述方法在研究文献中被广泛应用于弱化内生性问题[40，41]。

四、经验结果及分析

（一）基准计量分析

表2给出了基准计量回归结果。表2中（1）和（2）列分别为随机效应和固定效应的回归结果，Hausman检验结果显示固定效应模型优于随机效应模型。回归结果显示，经济政策不确定性epu 对银行衍生品对冲hedge 在1%的水平上具有显著的正向影响，且结果在控制随机效应和固定效应后均保持稳健。

为弱化内生性问题对实证研究结论的影响，本文借助外部工具变量对回归系数的偏倚进行矫正。表2中（3）列进一步汇报了工具变量设定下的IVGMM回归结果，其中经济政策不确定性对银行衍生品对冲的影响显著为正，回归结果验证了本文假设1。值得注意的是，（3）列epu回归系数显著大于（1）列，这表明逆向因果内生性低估了经济政策不确定性epu对银行衍生品对冲hedge的影响。并且，Klei‐bergen-Paap rk LM检验拒绝了“工具变量识别不足”的原假设，Kleibergen-Paap rk F检验拒绝了“弱工具变量”的原假设，基础检验结果均支持了本文工具变量设定的合理性。

表2 基准回归结果

（二）稳健性检验

1.epu替代变量

本文采用如下两种方式对经济政策不确定性变量epu 进行重新界定：（1）香港浸会大学[42]基于中国内地十份代表性报刊编制的中国经济政策不确定性指数⑤，用epu1 表示。（2）圣路易斯联储[43]基于《人民日报》和《光明日报》所构建的中国内地经济政策不确定性指数，用epu2表示。

表3中（1）和（2）列呈现了两项替代变量设定下的IV-GMM 回归结果，核心自变量经济政策不确定性的回归系数依然显著为正，支持了本文核心结论（假设1）的稳健性。

表3 稳健性检验

2.Heckman修正

在基准回归中，假设所有的银行观察值在使用利率衍生品方面具有近似概率。然而，只有获得监管部门的批准，银行机构才能使用利率衍生品。监管部门会首选规模较大且经营稳健的银行开展衍生品业务。基于此，本文推断银行在使用利率衍生品方面可能存在差异性概率，并应用Heckman 估计方法，以进一步减轻内生性问题对研究结论的干扰。

第一阶段，设定Probit 模型来预测银行使用利率衍生品的倾向。其中，被解释变量为0—1虚拟变量（1 表示银行使用利率衍生品，0 表示银行未使用利率衍生品）。控制变量选取银行规模size、存款比率deposit、增长率growth、流动比率liquid、资本充足率car五项银行特征。同时，假设一家银行是否使用利率衍生品，会受到同群其他银行决策的影响，故在Heckman 第一阶段进一步考虑了同群银行行为决策，引入使用利率衍生品的同群银行占比变量作为排除性约束。应用Probit模型计算出每个银行观察值使用利率衍生品的倾向后，进而计算逆米尔斯比率IMS。将第一阶段得到的IMS纳入基准回归模型中进行回归，即可得到经Heckman 方法修正的估计系数。表3中（3）至（5）列报告了Heckman修正后的IV-GMM 的回归结果。其中，在不同的经济政策不确定性设定下，IMS估计系数均具有统计显著性，这意味着模型设定存在一定的样本自选择问题。在控制IMS 变量后，经济政策不确定性变量的估计结果保持稳健。

（三）经济显著性检验

表2和表3结果说明经济政策不确定性对银行利率衍生品对冲的影响具有统计显著性。那么，这种影响在经济意义上是否具有显著性呢？本文通过计算增加经济政策不确定性epu一单位标准差的变动对银行利率衍生品对冲hedge 的影响幅度，来对经济显著性进行有效识别。表4呈现了经济显著性的计算结果，epu一单位标准差的变动导致hedge变动占到其样本标准差的9.88%；其他两种方式所定义的经济政策不确定性变量（epu1、epu2），分别解释了hedge 变动的10.24%和16.75%。基于此，本文认为经济政策不确定性对银行利率衍生品对冲的影响兼具一定程度的经济显著性。

表4 经济显著性检验

五、影响渠道检验与异质性分析

（一）渠道分析

根据前文的机理分析，本文假设经济政策不确定性通过增加银行违约概率和收益波动渠道，提高表外利率衍生品对冲。为验证上述两种渠道是否真实存在，本文按照计量模型（2）至（4）对潜在中介效应进行检验。

表5列示了影响渠道的检验结果。其中，（1）列经济政策不确定性epu 的回归系数显著为正，表明经济政策不确定性上升可以提高银行利率衍生品对冲。（2）列经济政策不确定性epu的回归系数显著为正，表明经济不确定性越高，银行的违约概率越高。（3）列中介变量违约概率edp的回归系数显著为正，表明银行违约概率上升会促使银行更多的使用表外利率衍生品以对冲风险；且经济政策不确定性epu的回归系数较（1）列有所下降（0.566<0.719），意味着违约概率edp在经济政策不确定性和银行利率衍生品对冲之间，具有部分中介效应。中介效应在总效应中占比约为21.28%，回归结果验证了“经济政策不确定性—违约概率—利率衍生品对冲”的传导渠道。（4）列经济政策不确定性epu的回归系数显著为正，表明经济不确定性越高，银行的收益波动程度越高。（5）列收益波动sd（roa）的回归系数显著为正，表明银行收益波动性上升会促使银行更多使用表外利率衍生品以平抑波动；且经济政策不确定性epu的回归系数较（1）列有所下降（0.602<0.719），意味着收益波动sd（roa）在经济政策不确定性和银行利率衍生品对冲之间，具有部分中介效应。中介效应在总效应中占比约为16.34%，回归结果验证了“经济政策不确定性—收益波动—利率衍生品对冲”的传导渠道。综上，中介效应模型的回归结果验证了本文假设2。

表5 影响渠道检验

（二）银行异质性分析

本部分讨论在不同类型银行之间，经济政策不确定性对利率风险对冲的异质性影响。将样本银行分为国有银行和非国有银行两组，表6列示了分组回归结果。就经济政策不确定性epu回归系数大小和显著性水平而言，国有银行组均低于非国有银行组，且结论在不同的经济政策不确定性变量设定下保持稳健。这表明，国有银行利率衍生品使用对经济政策不确定性的敏感性程度相对较低。本文认为，这可以从两类银行的风险承担意愿和风险承担能力的差异性层面进行解释。

表6 异质性分析

一方面，不同类型银行对待风险的态度存在差异。借助于政府隐性担保的预期，大型国有银行存在“大而不倒”的道德风险，表现为风险中性特征[44]。而非国有银行，因其规模较小且系统重要性相对较低，则表现为风险规避特征。因此，当风险上升时，非国有银行在使用利率衍生品对冲方面表现出更强的敏感性。

另一方面，大型国有银行零售存款和批发融资市场兼具较强的议价能力和准入优势。大型国有银行具有点多面广的网点覆盖优势，并且规模优势伴随着更强的代理监督能力[28]，因此在零售存款融资方面的议价能力更强。不同类型的银行在准入批发融资市场时，所面临的金融摩擦程度存在显著性差异[45]。大型国有银行对批发融资市场的渗透程度较高且议价能力较强，因而所面临的金融摩擦程度也较低[46]。基于对零售存款和批发融资市场的议价能力优势和准入优势，大型国有银行可以更为灵活有效地进行资产负债管理。此外，大型国有银行在上市融资、发行次级债券融资和利润转增资本等资本补充渠道上更具优势[33]。因而，在同等外部条件下，国有银行有能力承担更多的风险因素以获得更高的风险溢价。

六、进一步讨论

本部分应用面板分位数回归方法，探究经济政策不确定性对利率衍生品对冲边际效应的演化轨迹。

表7报告了不同分位点上，经济政策不确定性epu 对利率衍生品对冲hedge 影响的面板分位数回归结果。其中，（1）至（9）列分别为0.1 至0.9 分位点的回归结果，在各分位点上经济政策不确定性epu回归系数均显著为正（0.1分位点不显著），表明经济政策不确定性上升会显著提高银行利率衍生品对冲水平。通过比较不同分位点的回归结果不难发现，经济政策不确定性epu的回归系数随着分位点的增加呈现逐渐上升的趋势。结果表明，经济政策不确定性对银行利率衍生品对冲的影响存在结构性差异，即伴随着银行利率衍生品使用程度的提高，银行利率衍生品对冲对经济政策不确定性的敏感性愈发增强。

表7 面板分位数模型回归结果

七、结论与政策启示

本文利用2002—2020年中国沪深股市上市银行的半年度非平衡面板数据，实证检验了经济政策不确定性对银行利率衍生品对冲的影响及其作用机理。实证结果显示：经济政策不确定性对银行利率衍生品对冲兼具统计显著性和经济显著性的正向影响；违约概率、收益波动构成了经济政策不确定性影响银行利率衍生品对冲的中介渠道。异质性研究发现，相较于大型国有银行，中小银行利率衍生品使用对经济政策不确定性的敏感性更强。进一步研究表明，随着银行利率衍生品使用程度的增加，利率衍生品对经济政策不确定性的敏感性逐渐增强。研究结论具有重要的政策启示意义。

首先，监管部门应积极推进基础利率衍生品市场的发展。利率衍生品作为表内风险管理工具向表外的延伸，有助于扩展银行的利率风险管理手段，强化自身应对外部不确定性冲击的能力，随之增强银行经营的稳健性，进而防范系统性金融风险的积聚。

其次，监管部门应优化利率衍生品定价机制。为充分发挥利率衍生工具的积极作用，应丰富利率衍生品种类，并在交易、清算和风险控制等多环节促进利率衍生品市场的发展。同时扩大市场参与主体，引导中小银行以及非银行金融机构准入基础利率衍生品交易，提高利率衍生品的市场流动性。需要强调的是，交易的杠杆性和复杂性导致利率衍生品具有“双刃剑”属性，若使用得当则有助于银行对冲风险和调节流动性，而过度交易也可能会引致大量风险。故商业银行应结合自身情况，稳步开展利率衍生品业务，同时注意健全内部控制机制与风险管理体系，促使利率衍生品更大程度地发挥其积极效应。

最后，加强政策的连续性和预期管理。经济政策不确定性会加剧市场信息不对称程度，并阻滞银行金融中介职能的有效发挥。因此，政府部门有必要在政策制定和实施等环节保持一定的科学性、可信性和连贯性，并提高政策透明度，以便银行等市场主体形成较为合理的预期，从而使得经济政策不确定性的负面影响最小化。■

注 释

①2020年2月，中国证监会、银保监会、人民银行和财政部联合发布《关于商业银行、保险机构参与中国金融期货交易所国债期货交易的公告》，公告中明确提出“符合条件的商业银行可以风险管理为目的，试点参与中国金融期货交易所国债期货交易”。同期，四部门与上海市政府联合发布《关于进一步加快上海国际金融中信建设和金融支持长三角一体化发展的意见》，明确提及“发展人民币利率衍生品市场，研究推出人民币利率期权。”

②重新定价风险：对于固定利率而言，是由于银行资产和负债的到期日存在差异时引起的风险；对于浮动利率而言，是由于资产和负债的重新定价日存在差异时引起的风险。

③需要指出的是，银行在面临不同的对冲策略选择时，需要考虑使用对冲策略所衍生的成本问题。当然，当期望企业破产成本大于对冲成本时，银行仍然可以从对冲策略中获益。

④受限于篇幅，未呈现KMV模型的具体计算过程，备索。

⑤该指标选取了中国内地十份代表性报纸：北京青年报、广州日报、解放日报、人民日报（海外版）、新闻晨报、南方都市报、新京报、今晚报、文汇报和羊城晚报，采用文本挖掘方法，编制中国经济政策不确定性指数。