一、引言 近年来，各国在经济发展和政策调控过程中面临的不确定性因素正不断增多。尽管中国成功应对了多次风险挑战，但错综复杂的外部环境依然持续挤压着中国经济政策的发力空间，经济政策不确定性表现得逐渐突出(刘贯春等，2019)。外部环境的动态变化，特别是经济政策不确定性会对企业经营绩效产生负面影响。对商业银行而言，存款人对现金需求的增加会影响存款期限结构，从而对商业银行资金来源的稳定性造成严重冲击，进而加剧商业银行的期限错配程度，降低其经营绩效。这不仅会导致银行业系统性风险增加(Pástor和Veronesi，2013)，还可能进一步影响跨境资本流动，甚至引发宏观经济动荡(Julio和Yook，2016；杨子晖等，2020)，最终对宏观经济增长和就业产生严重的冲击(许志伟和王文甫，2019)。 商业银行作为现代金融体系的核心组成部分，在经济政策传导的过程中发挥着关键作用。从信息传递的角度看，经济政策不确定性会显著削弱银行获取和处理企业信用信息的能力(Baum等，2006)，从而加剧银企信息不对称程度。为此，银行管理层往往采取收缩信贷供给规模等较为审慎的经营策略(Baker等，2016)，但这也容易引发金融机构间的从众行为(Baum等，2009；邱兆祥和刘远亮，2010)，导致信贷定价机制扭曲、流动性创造功能弱化、风险承担上升、资本结构调整周期延长等问题(纪洋等，2018；Alessandri和Bottero，2020；田国强和李双建，2020；陈肖雄等，2024)。经济政策不确定性还通过加剧金融市场摩擦，进一步放大经济波动(屈文洲和崔峻培，2018)。特别是在市场信息效率较低的环境中，这种放大效应更为明显。因此，如何降低政策不确定性对商业银行绩效的负面影响成为重要话题。 当前，金融科技的快速发展正在重塑银行业态，成为银行未来发展的“新引擎”(郭娜等，2023)。中国银行业协会数据显示，2022年银行业金融科技投入达2690亿元，数字化转型加速推进。现有文献主要从经营绩效的角度研究金融科技对银行的影响。研究发现，银行金融科技优化了银行信贷结构(徐晓萍等，2021；何小钢等，2023)，提高了贷款处理速度和银行流动性创造效率(Fuster等，2019；李学峰和杨盼盼，2021)，推动了银行实现规模扩张，使银行全要素生产率得到显著提升，经营绩效得到明显改善(李建军和姜世超，2021)，并有效降低了银行脆弱性(林曦和王仁曾，2024)。从研究方法来看，多数研究采用线性分析框架探讨政策不确定性与商业银行绩效的关系，但金融科技对商业银行经营绩效的影响可能呈现先抑制后促进的非线性特征(杨望等，2020)。也有部分学者采用动态随机一般均衡(DSGE)模型，但该模型存在两大局限：一是未能充分考虑微观主体(如家庭、企业、金融机构、政府等)的异质性行为及其引发的分布效应(李戎等，2022)；二是对各类经济主体间的预期互动机制刻画不足，无法定量估算金融科技发展缓解经济政策不确定性对我国商业银行绩效影响的不利程度。鉴于此，基于代理人的新凯恩斯模型(ABNK模型)逐渐成为宏观经济学研究的热点(Gobbi和Grazzini，2019；Zhao等，2019)。ABNK模型在基于代理人的模型(ABM模型)的基础上，将微观个体有限理性、异质性预期、适应性学习等行为特征纳入DSGE模型中，既能有效克服ABM模型在政策指导性和数理严谨性方面的局限性，又能弥补DSGE模型同质性预期、代表性个体和理性预期均衡的不足。 为了明晰政策不确定性影响商业银行绩效的机制及金融科技的调节作用，本文构建了一个包含金融科技的ABNK模型。相较于已有研究，本文的创新价值主要体现在以下三个方面。第一，首次在ABNK模型中探讨金融科技与商业银行绩效的关系。本文创新性地将金融科技、金融科技—政策不确定性和金融科技—企业违约风险混合冲击、存款人异质性预期和适应性学习行为等因素引入ABNK模型中，并利用该模型探讨了金融科技如何影响经济政策不确定性对商业银行绩效的抑制作用。第二，首次在ABNK模型中引入混合冲击。计量经济学分析方法用调节变量来研究第三个变量对其他两个变量关系的影响，无法考量外生因素的影响。虽然DSGE模型可以同时引入多种外生冲击，但是在做脉冲响应分析时，常关注单一外生冲击对经济变量的影响。为弥补现有研究的不足，本文将金融科技冲击与经济政策不确定性冲击、企业违约风险冲击进行交叉组合，研究了在金融科技—企业违约风险混合冲击共同作用下商业银行绩效的表现。第三，从商业银行绩效维度探究金融科技发展的经济后果。既有金融科技领域的研究多以互联网平台为视角展开探讨，而关于商业银行绩效的分析主要从负债端切入，针对金融科技对商业银行资产端主动行为影响的研究相对匮乏。事实上，商业银行借助金融科技能够革新资产端的放贷模式。基于此，本文从商业银行资产端主动行为的视角切入，剖析金融科技发展影响商业银行绩效的作用机制。这一研究视角丰富了现有文献。 二、理论模型 本文在Zhao等(2019)构建的经典ABNK模型的基础上引入经济政策不确定性、金融科技，构建了一个包含金融加速器机制的多部门ABNK模型，重点考察金融科技发展能否对冲经济政策不确定性对银行绩效的负面效应，并分析其传导机制。限于篇幅，推导过程有省略，留存备索。 (一)家庭 本文设定经济系统中存在具有永久存续特性的异质性家庭i[,h]，其行为遵循终身效用最大化原则：
其中，x=｛R，S，V，M｝，E[.R][,0]、E[.S][,0]、E[.V][,0]和E[.M][,0]分别代表理性预期算子、静态预期算子、向量自回归(VAR)预期算子和机器学习预期算子，并对应不同的预期形成机制(赵玮和赵敏娟，2018；赵玮等，2022)；t代表时间，s代表状态；β为跨期贴现因子，0＜β＜1；
表示消费；
代表劳动供给；
代表银行存款组合；
为劳动效用弹性参数；η代表劳动供给弹性，η＞0。
