商业银行实施绿色信贷对盈利能力有影响吗？——基于12家商业银行面板数据的分析

■王晓宁，朱广印

商业银行实施绿色信贷对盈利能力有影响吗？
——基于12家商业银行面板数据的分析

■王晓宁，朱广印

本文首先通过建立一个动态博弈模型分析商业银行和污染企业的行为，得出结论：商业银行并不是一定会贷款给节能环保产业，是否贷款取决于额外收益和额外损失的相对大小。然后运用2009~2015年12家商业银行的面板数据，从“两高一剩”贷款清退比和绿色信贷比两个维度实证检验了商业银行实施绿色信贷对盈利能力的影响。研究表明：绿色信贷比的估计系数为正，但是该变量没有通过显著性检验；商业银行对“两高一剩”贷款进行清退会降低盈利能力，但是实施时间越长，负向作用越小。主要因为我国绿色信贷规模不大，而“两高一剩”行业贷款现仍是银行贷款的主流，但是从长期预测来看商业银行实施绿色信贷会提高盈利能力。

绿色信贷；商业银行；博弈论；盈利能力

王晓宁（1993-），山东青岛人，青岛理工大学经贸学院，硕士研究生，研究方向为金融市场与货币银行学；朱广印（1975-），山东临沂人，青岛理工大学经贸学院，副教授，博士，研究方向为金融市场与公司金融。（山东青岛266520）

一、引言

改革开放以来，中国经济呈现高速增长，但大气污染、雾霾严重等一系列环境保护问题和经济增长之间的矛盾也日益加剧，环境污染已引起相关部门的高度重视。2016年3月李克强在政府报告中提出，将节能环保产业培育成我国发展的第一大产业。商业银行作为现代经济的核心，则起着不可替代的载体作用，它通过差异化定价引导资金导向有利于环保的产业、企业，可有效地促进可持续发展。早在2007年7月，环保总局、中国人民银行和银监会为了倡导保护环境、节能减排，共同推出了《关于落实环境保护政策法规防范信贷风险的意见》的政策，标志着绿色信贷政策正式出台。绿色信贷是指银行等金融机构根据国家环境保护政策以及产业政策，须对贷款企业进行环境评估：对从事生态保护建设等领域的环境友好型、资源节约型企业提供贷款扶持或优惠性的低利率等方面的信贷支持；对破坏生态、污染环境的企业贷款实行贷款额度限制和惩罚性高利率等信贷约束的政策。该政策旨在实现资金在项目间的绿色配置，减少资金在污染环境的企业和项目上的配置。

国际形势也促使商业银行实施绿色信贷履行社会责任，2003年6月10家国际银行宣布正式实施保护环境的赤道原则。截至2016年1月，加入赤道原则的银行就有80余家，该原则要求银行对项目贷款时必须进行综合环境评估，利用金融杠杆促使该项目在生态保护方面发挥作用。

在此国内及国际背景下，今后我国的产业和企业的重点发展方向将会是环境友好型、资源节约型的集约式经济发展方式，而高污染、高能耗以及产能过剩的产业会逐步被淘汰。由此可以引发一系列思考：商业银行能否通过实施绿色信贷引导资金流向符合国家环境政策和产业政策的企业与项目中？商业银行实施绿色信贷对其盈利能力有怎样的影响？实施绿色信贷对商业银行的这种影响随着实施的时间变化如何？这些问题的解答对于商业银行正确把握绿色信贷为其自身带来的机遇和挑战具有十分重要的意义。

二、文献综述

一般认为绿色信贷对“两高一剩”行业产出有抑制作用（宋鑫，2016；蔡海静，2013），但是很少有学者对于商业银行是否有动力实施绿色信贷履行社会责任进行研究。首先，从现有研究来看，大多数文献还主要集中在对绿色信贷的定性分析上，鲜有文献对绿色信贷推行过程中银行与企业之间的博弈以及实施绿色信贷对商业银行财务状况的影响进行定量分析。不少学者分析了信息不对称情况下银行与企业之间的博弈。但这些分析都没有考虑在所贷款的污染型企业实施节能减排生产时银行贷款的机会成本，因此，本文中将考虑这一情形，分析银行为什么在现实生活中并没有大规模实施绿色信贷的原因，以及什么情况下会发放绿色信贷。

其次，不少文献也研究了绿色信贷对商业银行盈利能力的影响，绝大多数学者均持有积极的态度，认为实施绿色信贷能增强商业银行的盈利能力。胡震云等认为绿色信贷规模与其自身的运营成本呈负相关，降低运营成本可以使银行更有动力实施绿色信贷，而绿色信贷规模的扩大，也可降低运营成本。何德旭和张雪兰认为，实施绿色信贷可以帮助商业银行控制贷款风险，有利于银行摆脱坏账影响。Ruf等研究证明了银行的财务绩效与其承担社会责任之间呈现正相关关系。同时，也有一些学者认为实施绿色信贷的银行或是加入赤道原则的银行在短期内会对其经营效率产生不利的影响，增加自身成本，但是中长期内可以产生品牌效应，提高企业竞争优势，得到更快的发展。然而还有一部分研究认为，企业承担社会责任对绩效没有影响，Seiferth和Brammerd等研究发现企业承担社会责任和财务绩效之间没有关系。

上述研究对于我们构建指标体系具有很好的借鉴作用，但是文献中大多采用定性分析来研究实施绿色信贷对商业银行的影响，部分从实证层面定量分析的研究中也一般以企业作为研究主体，少有文献将银行作为研究的主体，且绿色信贷指标的代理变量也较单一。考虑到各商业银行绿色信贷数据公布情况不同，存在部分个体或事件观测值缺失，因此本文拟采用非平衡动态面板数据进行实证分析。

三、基于动态博弈模型的理论研究

现有的有关博弈论研究中，很多学者认为银行贷款给实施节能减排生产方式的企业时一定会获得收益，因此银行会选择贷款。然而这一结论却与现实并不相符，各个商业银行虽然开始实施绿色信贷，对“两高一剩”行业贷款进行权限审批，但是“两高一剩”项目的贷款规模依旧不减。因此本文考虑了商业银行的机会成本，运用不完全信息动态博弈模型来探究，在以利益最大化为前提下，商业银行会在什么情况下对企业发放贷款。

假设存在一家银行和一家污染企业。企业有两种类型集，即进行节能减排生产和传统“两高”生产。银行也面临两种类型集，即贷款和不贷款。企业知悉银行的放贷条件，银行知悉企业的生产类型，但是不能判断具体属于哪一种类型。R1是污染企业获得银行贷款的生产收益，R2是污染企业通过其他融资渠道获得融资的生产收益，C是污染企业实施节能减排生产治污的成本，A是污染企业选择治污得到的政府补贴，F是污染企业不治污被查处的损失,BR1是银行对污染企业发放贷款获得的利息收益，BC1是污染企业被查处后银行所受到的额外损失，BC2是污染企业转向其他融资渠道使商业银行蒙受的额外损失，BR′是银行将贷款贷给其他企业的机会成本，R是银行实施绿色信贷带来的额外收益。另外，ρ代表银行对企业实施节能减排生产行为的先验经验。

一般来说，银行会先于企业进行行动，银行对企业的判断主要依据先验经验，而企业会在贷款成功之后选择自己的生产类型。因此企业会有四个策略：

策略一：无论银行是否贷款，企业都选择节能减排生产。

策略二：若银行贷款，企业选择节能减排生产；若银行不贷款，企业选择传统“两高”生产。

策略三：若银行贷款，企业选择传统“两高”生产；若银行不贷款，企业选择“节能减排”生产。

策略四：无论银行是否贷款，企业都选择传统“两高”生产。

因此双方博弈的效益矩阵如表1。

表1 银行先于企业的动态博弈效益矩阵

结合表1，要使企业选择节能减排生产,那么企业选择不治污时的损失成本要高于选择节能减排时的治污成本，即R1-C+A>R1-F;R2-C+A>R2-F,即F>C-A，那么存在两个纳什均衡（贷款，{节能减排生产，节能减排生产}）、（贷款，{节能减排生产，节能减排生产}）及（不贷款，{传统“两高”生产，节能减排生产}），均衡结果为（贷款，节能减排生产）。而现实中污染企业不主动治理污染，主要是因为惩罚力度不够。

那么在均衡模型中银行发放贷款获得的期望收益为R1=ρ（BR1-BR′+R）+（1-ρ）（BR1-BC1-BR′）；银行不发放贷款获得的期望收益为R2=ρ（BR′-BC2）+（1-ρ）（BC′-BC2），要使银行发放贷款，那R1> R2，即ρ（BR1-BR′+R）+（1-ρ）（BR1-BC1-BR′）>ρ（BR′-BC2）+（1-ρ）（BR′-BC2），则ρ>,因此可以看出，商业银行是否实施绿色信贷主要取决于获得额外收益和得到的额外损失的相对大小。

四、模型设定与变量选取

（一）模型设定

本文从绿色信贷政策中发放绿色信贷额度和对“两高一剩”行业实行贷款额度限制这一市场化政策入手，通过实证分析，探究商业银行实施绿色信贷是否会对其盈利能力产生影响。设定的计量模型为：

其中，X1是“两高一剩”贷款清退比，X2是绿色信贷比。i=1，2……N表示银行数目，t=2009,2010……T表示时间，扰动项由（μi+εit）两部分构成，μi是代表个体异质性的截距项，ε为随机扰动项。

（二）变量选取

1.被解释变量：平均净资产收益率（ROE）

商业银行的加权平均净资产收益率ROE是净利润与平均股东权益的比率，也就是税后利润除以净资产得到的百分比，该指标是一个综合性很强的指标，可以很好的衡量上市公司盈利能力，指标值越高说明投资带来的收益越高。

2.核心解释变量：绿色信贷比、“两高一剩”贷款清退比

绿色信贷比是节能减排项目贷款额度与贷款总额的百分比；“两高一剩”贷款清退比是“两高一剩”项目贷款减少额与贷款总额的百分比，“两高一剩”行业包括水泥、煤化工、钢铁、多晶硅、平板玻璃、风电设备以及造船等7个行业。现有文献在指标选取时没有同时考虑绿色信贷比和“两高一剩”清退比这两个变量指标，本文把两个指标同时考虑在内，分析实施绿色信贷对商业银行净资产收益率的影响。

3.控制变量：资本充足率（CAR）、流动资产比率(RCA)、资产负债率（ALR）

资本充足率（CAR）是指总资产与加权风险资产的比率。该指标反映银行能以自有资本承担风险损失的程度；流动资产比率(RCA)表示银行流动资产与所有者权益的百分比；资产负债率（ALR）等于负债除以资产，该指标反映银行在清算时保护债权人利益的程度。

五、样本选取与描述性统计

（一）样本选取

本文选取了12家商业银行年度数据，包括5家国有银行分别是：中国工商银行、中国建设银行、中国银行、中国农业银行、中国交通银行；7家股份制商业银行分别是：上海浦东发展银行、兴业银行、招商银行、中信银行、民生银行、华夏银行、光大银行。数据来源于《中国金融年鉴》、上海证券交易所官网。个别缺失数据通过查找商业银行年度报告获得，其中绿色信贷比和“两高一剩”贷款清退比数据从银行社会责任报告整理获得。样本区间定为2009~2015年，主要是考虑我国从2007年开始出台《意见》，而银行从2008年开始实施绿色信贷，其中的“两高一剩”贷款清退比则需要前一年的数据，因此样本区间需要舍弃2008年。

（二）变量描述性统计

表2 变量描述性统计

从表2显示结果来看，“两高一剩”贷款审批限制结果并不理想，清退比均值仅为0.0102，因此可以看出，现阶段商业银行对于“两高一剩”项目贷款清退的积极性并不高；绿色信贷发放比例也很低，均值仅为0.0418。总体看来，商业银行实施绿色信贷的实施力度不够，贷款结构仍需调整。

表3 变量相关系数矩阵

从表3结果显示初步来看，各变量的相关系数都小于0.5，因此不存在严重的多重共线性。在没有控制其他因素影响的情形下，绿色信贷比与净资产收益率成正相关，但统计上不显著；“两高一剩”贷款清退比与净资产收益率呈负相关，在统计上也不显著；流动资产比率和资产负债率的提高，使净资产收益率显著提高，而与之不同的是资本充足率与净资产收益率呈负相关。

六、实证结果与分析

（一）实施绿色信贷对商业银行盈利能力的影响

本文首先采用静态面板的混合效应、固定效应与随机效应估计方程，其次引入被解释变量的滞后期项作为解释变量，以及考虑商业银行资本充足率、资产流动比率、资产负债率之间存在互为因果的联立关系，即内生性问题和避免出现弱工具变量问题，所以采用系统广义矩估计对方程（1）进行估计。另外由于每一个银行的不同时期之间的扰动项一般存在自相关，为了保证模型的稳健性，选用稳健标准误。从表4可以看出，检验的P值为0.000，拒绝混合效应的估计；检验的Hausman值为0.0407，故在5%的显著性水平下拒绝随机效应估计，所以本文初步选择固定效应模型。然而商业银行的净资产收益率具有持续性，所以本文认为解释变量需要包含商业银行净资产收率的滞后项，所以运用动态面板模型，同时解决银行资产负债表变量之间具有的内生性问题。动态面板的差分广义矩估计和系统广义矩估计的AR（2）检验说明扰动项不存在二阶自相关。

表4 计量模型估计结果

根据系统GMM的估计结果，得到以下结论。

1.“两高一剩”贷款清退比的估计系数为-0.4355，在1%的显著性水平下显著，说明随着清退“两高一剩”贷款额度，商业银行的净资产收益率下降，对银行盈利能力造成一定程度的不利影响，这是因为“两高一剩”行业往往是满足商业银行的利润导向的行业，是银行贷款的主流，商业银行从这些行业中清退或限制贷款造成银行的利润在短期内大幅度下降。不过我国绿色信贷政策起步较晚，本文研究的时间跨度也只有7年，在长期中是否会改变这一局面还有待进一步探究。

2.绿色信贷比的估计系数为正，但是这一变量在系统GMM估计中没有通过显著性检验，对银行的净资产收益率的影响不显著，主要是因为我国绿色信贷的规模还太小，虽然各商业银行绿色信贷余额在平均逐年增加，但从表2可以看出绿色信贷比平均为4.48%，这一贷款比率远远低于“两高一剩”行业的贷款比。这也说明我国的产业结构还是没有实现很好的调整，资金没有实现绿色配置。

3.流动资产比例的估计系数为正，在1%的显著性水平下显著，表明提高流动资产比率能够使银行资产的变现流动能力提高，从而有效提高银行的盈利能力。

4.资本充足率的估计系数为负，较高的资本充足率会削弱银行的盈利能力，相应的净资产收益率就下降；同时适当的资本充足率既是满足监管部门和国际协定的要求，也有助于减少金融风险，避免金融危机。

5.资产负债率的估计系数为负，负债会降低银行净资产收益率。而商业银行资本结构的影响与一般企业不同，是作为一类特殊的金融企业。

（二）实施绿色信贷对商业银行盈利能力影响的动态演化

表5 样本估计模型

为了更好地研究实施绿色信贷对商业银行盈利能力影响的动态演化，本文将样本划分为三个子样本进行回归。其中，选用2009~2015年的数据作为子样本一；选用2009~2014年数据作为子样本二，选用2009~2013年的数据为子样本三。将这三个样本的变量估计系数进行对比，在子样本一、子样本二和子样本三中，X1的估计系数分别为-0.4355、-0.6138、-0.6224。结果表明虽然对“两高一剩”项目的贷款仍是商业银行贷款的主流，对这些项目进行清退对银行的盈利能力有负向作用，但是实施时间越长，其负向作用越弱。同时，考虑到实施绿色信贷有助于增强商业银行的社会知名度和美誉度。因此可以推测，从长期来看实施绿色信贷对商业银行盈利能力有一定的提高作用。

七、结论与建议

商业银行通过实施绿色信贷，利用金融杠杆的作用实现绿色配置。本文通过实证分析发现：商业银行实施绿色信贷对其盈利能力有促进作用，绿色信贷比的估计系数为正，但是该变量没有通过显著性检验；另外，商业银行对“两高一剩”行业贷款清退会降低净资产收益率，但是随着实施时间长度的增加，其对盈利能力的负向作用不断减小。其原因主要是：首先，我国商业银行实施绿色信贷的规模还太小，产业结构没有实现很好的调整，资金没有实现绿色配置，但是为节能减排项目发放贷款会增加银行的无形收益。其次，银行会考虑政府出台的新的环境法规可能使节能环保型企业无法适应新的规章制度而造成损失从而给商业银行带来风险，影响商业银行的盈利能力，因此绿色信贷发放比例很低。第三，“两高一剩”行业往往是满足商业银行利润导向的行业，是银行贷款的主流，商业银行从这些行业中清退或限制贷款造成银行的利润在短期内大幅度下降。最后，银行在对“两高一剩”项目发放贷款不需要优惠性低利率，从而不会增加银行的机会成本，可以获取利息收益。因此，本文从长期预测来看，随着绿色信贷规模的扩大，以及资金配置的不断优化，实施绿色信贷会提高商业银行的盈利能力。据此，为了促进我国商业银行绿色信贷的实施，本文提出以下建议：

第一，政府有关部门应积极推进公众参与，一是可以监督银行绿色信贷执行情况，控制经营风险；另一方面监督企业的环保情况，发现问题及时举报，降低银行的审查监督成本。

第二，环保部门要及时向人银监会和中央银行通报环保型企业和污染型企业的名单，并定期披露企业的环保评估信息，降低银行的评估及监督成本。

第三，增大银行的奖励系数可以有效扩大银行绿色信贷规模，政府有关部门应该保护较早实施绿色信贷的商业银行的利益，设置一定的激励机制，如绿色信贷对环保型项目采取的低利率优惠政策会造成银行的利息损失，政府应对这些利息差额给予补贴，保证银行的正常盈利水平，对贷款对象为环保创新技术企业造成的银行风险损失给予一定比例的补偿等。

[1]宋鑫.我国绿色信贷传导路径的一般均衡实证研究[J].金融监管研究，2016，(5)：87~97.

[2]蔡海静.我国绿色信贷政策实施现状及其效果检验——基于造纸、采掘与电力行业的经验证据[J.]财经论丛，2013，(1)：69~75.

[3]曹洪军，陈好孟.不确定环境下我国绿色信贷交易行为的博弈分析[J].金融改革，2010，(2)：17~22.

[4]罗四维.绿色信贷交易机制失效的博弈分析[J].财政与金融，2012，(3)：65~69.

[5]张伟建.信息不对称条件下我国绿色信贷交易行为的演化博弈分析[J].商业经济，2011，(11)：36~38.

[6]胡震云，陈晨，张玮.基于微分博弈的绿色信贷与水污染控制反馈策略研究[J].审计与经济研究，2013，(6)：100~109.

[7]何德旭，张雪兰.对我国商业银行推行绿色信贷若干问题的思考[J].上海金融，2007，(12)：4~9.

[8]马彧菲，杜朝运.赤道原则对我国商业银行的经营效率有益吗——以兴业银行为例[J].当代财经，2015，(7)：57~65.

[9]马萍，姜海峰.绿色信贷与社会责任——基于银行层面的分析[J].当代经济管理，2009，(6)：70~ 73.

[10]刘婧宇，夏炎，林师模，吴洁，范英.基于金融CGE模型的中国绿色信贷政策短中长期影响分析[J].中国管理科学，2015，(4)：46~52.

[11]Ruf,B,K.Muralidhar,R,Brown,J Janney, and K.Paul,An Empirical Investigation of the Relationship Between Change in Corporate Social PerformanceandFinancialPerformance:A Stakeholder Theory Perspective,Journal of Business Ethics,2001,32（2）,143~156.

[12]Seifert B,S.Morris,and B.Bartkus,Having, Giving,andGetting:slackResource,Corporate philanthropy,andFirmFinancialPerformance, Buisness&Socirty,2004,43（2），135~161.

[13]Brammer,S,C.Brooks,and S.Pavelin, Corporate Social Performance and Stock Returns:UK Evidence from Disaggregate Measures,Social Science Electronic publishing,2005,35（3），97~116.

F830.33

A

1006-169X（2017）06-0041-06

本文受到山东省社会科学规划研究项目（14CJJJ01）、2015年度青岛市哲学社会科学规划项目（QDSKL150505）、山东省软科学研究计划项目（2015RKB01242）的资助。