绿色信贷政策、政府环境治理与股价崩盘风险——基于《绿色信贷指引》的准自然实验

刘 程，琚兆坤

（1.东莞市行政学院经济学教研部，广东东莞 523000；2.华南理工大学中国金融市场研究中心，广东广州 510006；3.东莞市行政学院信息网络中心，广东东莞 523000）

一、引言

做好碳达峰、碳中和工作必然离不开绿色金融体系的构建。我国最早的绿色金融产品是绿色贷款，可追溯到2012年；绿色债券市场则从2016年开始蓬勃发展，目前我国已经成为全球最大的绿色金融市场之一。截至2020年末，我国绿色贷款余额近12 万亿元，绿色债券存量8132 亿元，分别位居世界第一位和第二位①https://baijiahao.baidu.com/s?id=1695535370290567300。；绿色贷款余额占各项贷款的比重在10%以上，金融机构和企业在境内外资本市场累计发行的绿色债券超过1.4 万亿元②https://baijiahao.baidu.com/s?id=1694446141242891475。。

尽管我国正在加快步伐积极发展绿色金融，但是距离碳达峰、碳中和目标的融资缺口仍然巨大。我国污染物排放和生态破坏的严峻形势仍没有发生根本性改变，尤其是距离碳达峰已不足10年，从碳达峰到碳中和也仅有30年，实现碳达峰、碳中和远景目标的时间紧、任务重。如何充分发挥绿色金融，特别是绿色信贷的经济调控作用，助力碳达峰、碳中和目标的实现，已成为学界和业界共同关注的话题。

2012年2月，中国银监会印发《绿色信贷指引》（银监发〔2012〕4 号），这是国内首份专门针对绿色信贷的规范性文件，对金融机构的绿色信贷业务和监管部门的监管工作做出了明确、具体的安排，以确保信贷资金投向低碳、循环、生态领域（丁杰，2019）。与环境规制的行政化手段不同，绿色信贷作为环境规制的市场化手段，通过对污染企业进行融资约束，促使其转向绿色生产、降低污染排放。绿色信贷政策的效果不仅取决于政策执行情况，还取决于企业对政策的反应。这一政策可能导致重污染企业采取如下两种策略：第一，重污染企业迫于绿色信贷政策的约束主动改善环境质量、向绿色生产转变以获取信贷资金；第二，由于投资生产活动短期内难以获得回报或出于私利动机，重污染企业管理层可能会通过掩饰真实环境情况或隐藏坏消息等策略性信息披露方式，达到获取金融贷款或降低融资难度的目的。在我国资本市场信息披露制度、公司治理机制尚不完善，以及政府环境治理力度有待增强的背景下，重污染企业采取第二种策略的可能性较大，在绿色信贷政策实施对重污染企业投融资等经营活动可能产生不利影响的情况下，企业管理层基于自身的薪酬和职业生涯考虑，隐藏环保业绩不达标等负面消息的动机强烈，从而加剧股价崩盘风险。

作为环境规制的经济调控手段，绿色信贷政策是否显著加剧了重污染企业的股价崩盘风险？如果存在上述恶化效应，绿色信贷政策又是通过何种渠道对重污染企业股价崩盘风险产生影响？此外，绿色信贷政策对重污染企业股价崩盘风险的影响在不同企业特征和公司治理机制下是否存在显著差异？回答以上问题，不仅有助于进一步从宏观经济政策层面挖掘影响我国资本市场股价崩盘风险的重要因素，更有助于深入理解宏观经济政策影响金融市场稳定的理论逻辑，还可为完善我国绿色信贷政策，全面、科学评价其实施效果提供政策参考。

本文以《绿色信贷指引》的实施为准自然实验，构建双重差分模型，实证分析绿色信贷政策对重污染企业股价崩盘风险的影响。基准实证结果发现，绿色信贷政策实施之后，重污染企业股价崩盘风险显著上升，且这一关系在政府环境治理力度小的地区更显著。作用机制检验发现，绿色信贷政策实施之后，重污染企业通过降低环境信息披露质量，导致股价崩盘风险上升；绿色信贷政策的实施加剧了重污染企业市值管理动机，从而恶化了股价崩盘风险。异质性分析发现，绿色信贷政策对国有和大规模重污染企业股价崩盘风险的影响更显著；良好的公司治理能够有效抑制绿色信贷政策对重污染企业股价崩盘风险的恶化效应。进一步研究发现，绿色信贷政策的实施直接加剧了重污染企业与外界的信息不对称，主要表现为绿色信贷政策的实施促使重污染企业在会计处理上对坏消息披露及时性的下降，而对好消息披露得更加及时。

本文的主要研究贡献如下：

一是丰富了绿色信贷政策经济后果的相关研究。大量文献从不同角度评估了我国绿色信贷政策的实施效果，如银行绩效（丁宁等，2020）、企业投融资（苏冬蔚和连莉莉，2018；Liu 等，2019）、技术创新（曹廷求等，2021；陆菁等，2021）、全要素生产率（丁杰，2019；Wen 等，2021）、污染排放（蔡海静等，2019）、环境治理（陈幸幸等，2019）、盈余管理（郁智和曹雅丽，2021）等。但上述研究均未考察绿色信贷政策对股价崩盘风险的影响。本文从绿色信贷视角，实证研究绿色信贷政策对股价崩盘风险的影响，是对绿色信贷政策实施效果研究的拓展。

二是丰富了股价崩盘风险的影响因素研究。一方面，已有文献从信息披露质量视角分析股价崩盘风险的原因，如信息透明度（Kim 和Zhang，2014a）、避税行为（Kim 等，2011a）、会计稳健性（Kim 和Zhang，2014b）、股东股权质押（谢德仁等，2016）等；另一方面则从委托代理问题视角探究成因，如高管超额薪酬（Xu 等，2014）、公司避税（Kim 等，2011b）、外部监督（杨棉之和刘洋，2016）、投资者保护（王化成等，2014）等。也有学者探究环境规制政策对股价崩盘风险的影响（Zhang 等，2021），但未对绿色信贷政策如何影响股价崩盘风险展开实证分析。

三是扩展了企业隐藏坏消息的动机研究。已有学者从高管任期（许言等，2017）、职业生涯（Hermalin 和Weisbach，2012）、官员晋升（Piotroski 等，2015）等视角研究企业隐藏坏消息的动机，但均未从绿色信贷政策视角考察企业隐藏坏消息的动机，故本文研究有助于进一步理解企业隐藏坏消息的动机。

余文结构安排如下：第二部分为理论分析与研究假设；第三部分为研究设计，主要包括模型设定、变量定义以及样本选择等；第四部分为实证结果与分析，主要包括基准回归结果、作用机制检验、稳健性检验和异质性分析；第五部分为进一步讨论，主要是实证分析绿色信贷政策对重污染企业信息不对称的影响；最后是结论与启示。

二、理论分析与研究假设

从融资约束角度来看，信息披露能够有效降低信息不对称程度，进而降低企业融资成本。在绿色信贷政策实施会使重污染企业面临更高的资金成本、进而减少投资的情况下（苏冬蔚和连莉莉，2018），鉴于高质量财务信息披露给企业带来的积极作用，重污染企业有动机提高信息披露质量，以达到缓解绿色信贷政策负面冲击的目的。高质量信息披露策略有助于降低股价崩盘风险。从投资者情绪角度来看，绿色信贷一定程度上恶化了重污染企业基本面，投资者对重污染企业的非理性估值下跌，从而有助于降低股价崩盘风险。一方面，绿色信贷会使重污染企业面临更严格的融资约束，进而减少资本投资（苏冬蔚和连莉莉，2018；丁杰，2019）；另一方面，信贷供给的负面冲击也将降低企业资金配置效率，从而导致全要素生产率下降（Gilchrist 等，2014）。可见，上述消极因素使得重污染企业投资收益下降，市场投资者对企业未来经营前景产生更加悲观的情绪。与乐观情绪相比，悲观情绪的增加会减少投资者对重污染企业股价的非理性泡沫，从而降低股价崩盘风险。

但上述分析忽略了管理层委托代理问题的存在，绿色信贷政策实施对重污染企业股价崩盘风险的积极作用有赖于对管理层委托代理问题的有效监管和企业信息披露的真实程度。

从现有的股价崩盘风险研究文献来看，导致股价崩盘的原因主要是管理层掩盖坏消息现象，即管理层出于不同动机掩盖坏消息。已有实证研究发现，环境保护政策法规的实施通过加大对企业私利行为的监管力度，能够有效抑制企业管理层隐藏负面消息的私利动机，从而降低股价崩盘风险（Zhang 等，2021）。与环境规制的行政化手段不同，《绿色信贷指引》作为环境规制的市场化手段，要求银行业充分发挥杠杆作用来促进节能减排和环境保护，但来自债权人银行的压力可能只对企业是否披露环境信息具有显著影响，而对环境信息的披露水平没有影响（王霞等，2013）。

绿色信贷政策的实施加剧了重污染企业未来经营的不确定性，增加了对管理层行为预测和监督的难度，恶化了潜在的代理问题。基于对自身职业生涯和业绩薪酬的考虑，企业管理层有动机抑制公司坏消息的披露，并期望这些信息随着时间的推移而被“掩埋”（Hermalin 和Weisbach，2012；许言等，2017）。自利的管理层有足够动机将环保业绩未达要求或污染排放超标情况等坏消息加以掩盖，直至坏消息积累至公司所能容纳的上限而集中在市场中释放，并引发崩盘风险。

基于上述分析，本文提出如下假设：

假设1：绿色信贷会加剧重污染企业的股价崩盘风险。

已有研究发现，环境表现越差的企业更多披露定性环境信息，而非定量环境信息，从而降低了环境信息披露质量（朱炜等，2019）。具体而言，绿色信贷政策实施之后，公司管理层基于维持职位薪酬（Khan 和Watts，2009）、提高短期内期权价值（Kim 等，2011b）等私利目的，倾向于隐藏负面消息或采取“策略式”信息披露等方式。尤其是重污染企业高管更倾向于披露正面的环境信息，或减少披露污染排放、诉讼风险、弃置费用等负面信息，通过披露内容相对主观、模糊和难以验证的信息实现“自我包装”，这些具有人为操纵色彩的信息与企业实际环境行为不相符合，进而干扰了市场交易者和监管者的判断，降低了信息传递效率和资产定价效率（Campbell，2004；沈洪涛和李余晓璐，2010；王霞等，2013；李哲，2018）。而国内环境信息披露制度的不完善为重污染企业管理层隐藏坏消息提供了便利。

绿色信贷政策实施之后，国内商业银行的贷款审批对企业污染排放和绿色生产提出了更严格的要求，企业管理层一方面为了获取贷款资金，另一方面为了掩饰自身环保业绩未达要求的情况，具有强烈动机通过降低环境信息披露质量来隐藏环保方面的负面消息，从而导致企业股价崩盘风险上升。

基于上述分析，本文提出如下假设：

假设2：绿色信贷政策实施之后，重污染企业管理层通过降低环境信息披露质量来隐藏坏消息，从而加剧股价崩盘风险。

与欧美发达国家较为成熟的股票市场不同，我国股票市场投资者中散户占据较大比例。在这样的投资者结构下，我国股票市场的投机氛围相对浓厚（李梦雨和李志辉，2019），企业或企业管理层基于资源获取、市值管理或操纵等目的，可能会通过控制信息披露节奏，如在建仓期延迟信息披露，在拉升期集中披露利好消息；选择性披露利好消息，对风险揭示语焉不详或不予披露；炒作次新股，做“迎合式”信息披露等，诱导非知情交易者推高股价，实现高管减持或 “高转增”目的（李心丹等，2014；李梦雨和李志辉，2019），造成投资者非理性情绪波动，助长股价泡沫产生，造成股价崩盘风险加剧（孙淑伟等，2017）。

绿色信贷政策的实施给重污染企业带来较大的经营不确定性和风险，企业管理层基于维持职位薪酬（Khan 和Watts，2009）、提高短期内期权价值（Kim 等，2011b）等私利目的，会倾向于隐藏负面消息；而在公司金融理论框架下，管理层隐藏负面消息的信息操纵行为是诱发股价崩盘的主要原因（赵璨等，2020）。因此，绿色信贷政策会增强重污染企业管理者的市值管理动机，从而对股价崩盘风险产生影响。

基于上述分析，本文提出如下假设：

假设3：绿色信贷政策会增强重污染企业市值管理或操纵动机，从而加剧股价崩盘风险。

研究发现，国有企业承担了较多的政策性负担，绿色信贷政策实施对我国国有重污染企业投融资的负面影响更大（苏冬蔚和连莉莉，2018；陆菁等，2021）。同时，受“所有者缺失”和内部人控制等问题的影响，我国国有上市公司的信息披露质量相对较差（高芳，2016），委托代理问题较为严重（钱颖一，1995），国有上市公司股价发生崩盘的风险相对较高。此外，在缺乏有效监督和激励的制度背景下，国有上市公司管理层普遍存在较为严重的道德风险问题，进而可能会产生较多不利于公司的负面信息（马新啸等，2021）。因此，绿色信贷政策实施之后，国有重污染企业管理层具有更强的私利动机进行不真实披露，可能直接隐瞒环保经营业绩较差、污染治理失当等有损自身薪酬利益和职业生涯的负面信息（Verrecchia，2001），从而造成国有重污染企业信息披露质量较低（梁杰等，2004；黄志忠等，2010），加剧国有重污染企业股价崩盘风险。

基于上述分析，本文提出如下假设：

假设4：绿色信贷政策对国有重污染企业股价崩盘风险的恶化效应更加强烈。

陆菁等（2021）研究发现，我国绿色信贷政策的实施存在“抓大放小”的执行导向。绿色信贷政策颁布之前，大规模重污染企业凭借其较强的还款能力和较低的融资约束获取了大量信贷资金。因此，绿色信贷政策实施后，金融机构针对重污染企业投融资的抑制主要作用于大规模企业（苏冬蔚和连莉莉，2018）。据此推断，绿色信贷政策对大规模重污染企业股价崩盘风险的影响更大。

基于上述分析，本文提出如下假设：

假设5：绿色信贷政策对大型重污染企业股价崩盘风险的恶化效应更加强烈。

公司治理，尤其是内部治理的效率是企业经理人信息披露决策的影响因素（王霞等，2013），而信息披露质量是股价崩盘风险的重要制约因素。良好的公司治理水平能够抑制公司管理层的委托代理问题，有效监管公司管理层隐藏坏消息、利用信息优势进行股价操纵等私利行为，从而提高公司信息披露质量，有效降低公司股价崩盘风险。

基于上述分析，本文提出如下假设：

假设6：良好的公司治理能够抑制绿色信贷政策对重污染企业股价崩盘风险的恶化效应。

三、研究设计

（一）模型设定

本文以中国银监会2012年颁布《绿色信贷指引》这一代表性的绿色信贷政策为准自然实验。绿色信贷政策效应在企业层面存在显著差异，对重污染企业的影响更大，因此，本文借鉴苏冬蔚和连莉莉（2018）、丁杰（2019）、Liu 等（2019）的做法，构建如下双重差分模型进行检验：

其中，Crashrisk为企业股价崩盘风险的代理变量，i表示企业，t表示年度；Treat是样本企业是否属于重污染行业的虚拟变量，重污染企业取值为1，否则为0；Post为《绿色信贷指引》这一绿色信贷政策实施前后的时间虚拟变量，本文将绿色信贷政策实施之前的年份（2012年前）定义为0，之后的年份（2012年及之后）定义为1；Controls为一组控制变量，ε为随机扰动项。本文关注的重点是交互项Treat×Post的系数α1，α1衡量了《绿色信贷指引》的实施对重污染企业股价崩盘风险的影响。

（二）变量定义

1.被解释变量

本文的被解释变量是Crashrisk，由基于周收益数据计算的负收益偏态系数NCSKEW、收益上下波动比率DUVOL两个指标来衡量。

首先，参照Kim 等（2011a）、王化成等（2014）的方法，使用股票i每年的周收益数据估计如下模型，计算股票特有收益率：

其中，Ri,j为股票i在第j周的收益率，Rm,j为第j周流通市值加权平均市场收益率，εi,j为残差项，Wi,j为股票i在第j周的特有收益率。

其次，基于上述模型计算的股票特有收益Wi,j，计算负收益偏态系数NCSKEW和收益上下波动比率DUVOL：

其中，n为股票i当年交易的周数，nu、nd分别表示一年中股票周特有收益率大于、小于年平均市场收益率的周数。

2.解释变量

本文的解释变量Treat为反映企业是否为重污染企业的虚拟变量。如果样本企业属于重污染行业，Treat取值为1，否则为0。本文借鉴苏冬蔚和连莉莉（2018）、丁杰（2019）的做法，参照环境保护部《上市公司环保核查行业分类管理名录》（环发〔2008〕56 号）和《上市公司环境信息披露指南》（环发〔2010〕78 号）中涉及重污染行业的共同范围，将样本企业分为重污染企业和非重污染企业。

在稳健性检验中，本文借鉴苏冬蔚和连莉莉（2018）对重污染行业的界定方法，根据工业二氧化硫排放量、工业烟（粉）尘排放量、工业废水排放量和工业固体废物量这四类污染排放量进行标准化加总，将高于中位数的行业定义为重污染行业。各类污染物排放数据来自历年《中国环境统计年鉴》。

此外，本文设置绿色信贷政策实施时间虚拟变量Post，将《绿色信贷指引》实施前的年份（2012年前）定义为0，实施后的年份（2012年及之后）定义为1。

3.控制变量

参照现有研究，本文在模型中加入如下控制变量：股票波动率（Sigma）、股票回报率（Ret）、企业产权属性（SOE）、企业年龄（Age）、股票换手率的变化（Dturn）、企业规模（Size）、资产负债率（LEV）、资产回报率（ROA）、市值账面比（MB）、盈余质量（Abacc）和审计师治理（Big4）。此外，模型中还控制了年度虚拟变量（Year）和企业个体固定效应（Firm）。

变量的具体定义见表1。

表1 主要变量定义

（三）样本选取与数据来源

本文以2000－2020年我国A 股上市公司为研究样本，并参考已有研究（苏冬蔚和连莉莉，2018；丁杰，2019），对如下样本进行了剔除：（1）金融类上市公司；（2）ST、PT 上市公司；（3）数据缺失公司；（4）2012年及之后上市的公司。上市公司财务数据来自国泰安数据库。为减少样本中极端异常值给估计结果带来的影响，本文对所有连续型变量进行上下1%分位的缩尾处理。

表2列示了本文主要变量的描述性统计结果。结果显示：NCSKEW的均值为-0.229，中位数为-0.200，标准差为0.723；DUVOL的均值为-0.155，中位数为-0.159，标准差则为0.490；其他变量的取值范围均处在合理区间内，本文不再赘述。

表2 主要变量描述性统计

四、实证结果与分析

（一）时间趋势分析

本文将样本分为处理组（treat=1，重污染企业）和控制组（treat=0，其他企业），对政策实施前后两组企业的股价崩盘风险（NCSKEW、DUVOL）的变化趋势进行对比分析。图1和图2分别描绘了NCSKEW、DUVOL的平均变化趋势，虚线为重污染企业指标的变化趋势，实线为其他企业指标的变化趋势。

图1和图2显示，2012年绿色信贷政策出台前，两组企业股价崩盘风险指标的数值和变化趋势基本一致，表明构建DID 模型所需的平行趋势假设成立，本文采用DID方法具有合理性；2012年绿色信贷政策出台后，重污染企业股价崩盘风险明显高于其他企业，初步验证了本文假设1。

图1 绿色信贷政策与股价崩盘风险（NCSKEW）的关系

图2 绿色信贷政策与股价崩盘风险（DUVOL）的关系

（二）基准回归结果

表3列示了绿色信贷政策与重污染企业信息披露质量的回归结果。其中，列（1）和列（4）未加入控制变量，列（2）和列（5）加入控制变量，列（3）和列（6）控制了年度和企业固定效应。交互项Treat×Post的回归系数分别为0.043 和0.027、0.045 和0.024、0.073和0.048，且至少通过了5%水平的显著性检验。本文假设1 得到验证，即绿色信贷政策实施之后，重污染企业股价崩盘风险显著上升。

表3 绿色信贷政策与重污染企业股价崩盘风险

绿色信贷政策实施后，重污染企业股价崩盘风险显著上升，可能的原因在于目前国内绿色信贷标准执行缺乏刚性约束，商业银行在执行中呈现自愿性特征，政府部门对银行机构的监督力度不够，缺乏明确的追责标准和要求，对银行机构的约束力度有限。

张琦等（2019）研究发现，《环境空气质量标准（2012）》（GB3095-2012）实施之后，74 个试点城市加大了环境治理力度。本文进一步选择74 个试点城市中的重污染行业上市公司作为样本，研究在不同环境治理力度下，绿色贷款政策与重污染企业股价崩盘风险之间的关系。表4的回归结果显示，绿色贷款政策与重污染企业股价崩盘风险之间的正向关系在政府环境治理力度小的样本中更显著，这表明在政府环境治理较强的地区，重污染企业受绿色贷款政策驱使的隐藏负面信息行为得到了抑制。

表4 绿色信贷政策、政府环境治理与重污染企业股价崩盘风险

（三）作用机制检验

1.环境信息披露质量

本文采用中介效应模型检验假设2。环境治理信息披露质量指标IDQ1_env的计算方法为环境业绩与治理披露情况六个维度指标（上市公司废气减排治理情况，废水减排治理情况，粉尘、烟尘治理情况，固废利用与处置情况，噪声、光污染、辐射等治理，清洁生产实施情况）的加总，其中指标0、1、2 分别表示无描述、定性描述、定量描述；环境污染信息披露质量指标IDQ2_env的计算方法为环境负债披露情况六个维度指标（上市公司废水排放量，COD 排放量，SO2排放量，CO2排放量，烟尘和粉尘排放量，工业固废物产生量）的加总，其中指标0、1、2 分别表示无描述、定性描述、定量描述。具体数据来自国泰安环境研究专题数据库，两个指标越高说明环境信息披露质量越好。

表5列示了绿色信贷政策、环境信息披露质量与重污染企业股价崩盘风险的回归结果。考虑到被解释变量IDQ1_env和IDQ2_env含有大量零值又为非负整数，本文采用零膨胀泊松回归。列（1）、列（2）和列（3）、列（4）的被解释变量分别为上市公司环境治理信息披露质量IDQ1_env和环境污染信息披露质量IDQ2_env，列（5）、列（6）的被解释变量分别为NCSKEWt+1、DUVOLt+1。在列（1）至列（4）中，交互项Treat×Post的回归系数大多显著为负，表明绿色信贷政策实施之后，重污染企业环境信息披露质量下降。列（5）和列（6）的回归结果显示，IDQ1_env和IDQ2_env的回归系数均显著为负，且与基准模型的回归结果相比，交互项Treat×Post的回归系数数值更小，显著性更低，说明绿色信贷政策通过降低重污染企业环境信息披露质量，进而导致股价崩盘风险上升，本文假设2 得到验证。

表5 绿色信贷政策、环境信息披露质量与重污染企业股价崩盘风险

2.市值管理

在股权质押期间，控股股东面临因股价暴跌所持股份被强行平仓的风险，为了规避可能的控制权转移风险，上市公司管理层或控股股东在股权质押期间具有强烈的动机采取策略性信息披露方式，通过隐藏坏消息、释放好消息，或降低信息披露质量进行市值管理。因此，本文采用控股股东是否存在股权质押行为衡量市值管理动机，若控股股东存在股权质押行为，市值管理动机更强，否则动机较弱。

表6列示了绿色信贷政策、市值管理与重污染企业股价崩盘风险的回归结果。结果显示：在列（2）和列（4）中，交互项Treat×Post的回归系数分别为0.099 和0.067，且均在1%的水平上显著，表明绿色信贷政策实施之后，控股股东存在股权质押行为的重污染企业股价崩盘风险显著上升；而在列（1）和列（3）中，交互项Treat×Post的回归系数均较小，表明绿色信贷政策实施对控股股东不存在股权质押行为的重污染企业股价崩盘风险影响较弱。上述结果表明，绿色信贷政策所导致的重污染企业股价崩盘风险会受到市值管理动机的影响，从而间接验证了市值管理机制，本文假设3 得到验证。

表6 绿色信贷政策、市值管理与重污染企业股价崩盘风险

（四）稳健性检验

本文从安慰剂检验、平行趋势检验、时间窗口检验、PSM-DID 模型检验、更换处理组和工业企业样本五个方面进行稳健性检验，回归结果①限于篇幅，本文未列示稳健性检验结果，资料备索。与基准回归结果保持一致。

1.安慰剂检验

本文分别假定2009年和2007年为绿色信贷政策实施年份，比较两个年份前后重污染企业股价崩盘风险是否存在显著差异。回归结果显示，重污染企业和非重污染企业股价崩盘风险在2009年前后和2007 前后均未呈现显著差异，这为前文研究结论提供了稳健的经验证据。

2.平行趋势检验

为检验以《绿色信贷指引》实施构建准自然实验（双重差分模型）的适用性，即重污染企业和非重污染企业在政策实施前是否满足平行趋势假说，本文借鉴Beck 等（2010）的方法，在基准模型中分别加入是否重污染企业虚拟变量（Treat）与2008年、2009年、2010年和2011年的年份虚拟变量的交互项，重新进行回归。平行趋势的回归结果显示，Treat×Year2008、Treat×Year2009、Treat×Year2010和Treat×Year2011的回归系数均不具备显著性，且数值也相对较小，说明在绿色信贷政策实施前，重污染企业与非重污染企业在股价崩盘风险方面满足平行趋势；交互项Treat×Post的回归系数显著为正，说明绿色信贷政策确实加剧了重污染企业股价崩盘风险。

3.时间窗口检验

为避免其他政策的影响和时间过长可能带来的序列相关问题（Bertrand 等，2014），本文仅考虑绿色信贷政策实施前后三年和前后两年的企业样本，即将样本数据控制在2009－2015年和2010－2014年的时间窗口区间。回归结果显示，交互项的系数均显著为正，与前文结论一致，说明上文结论未受《绿色信贷指引》政策实施前后其他政策的影响。

4.PSM-DID 模型检验

考虑到政策可能存在的内生性问题，本文借鉴Heyman 等（2007）的逐年PSM 方法，对控制组样本采用一对一无放回最近邻匹配的倾向得分匹配法进行样本筛选，同时参考Fang 等（2014）的做法，匹配估计的控制变量与基准模型保持一致，并基于匹配后的样本进行回归。PSM-DID 模型的回归结果显示，交互项Treat×Post的回归系数均为正，控制年份和企业固定效应后，交互项Treat×Post的回归系数均显著，这说明基准回归结果是稳健的。

5.更换处理组和工业企业样本

本文借鉴苏冬蔚和连莉莉（2018）关于重污染行业的界定方法，根据工业二氧化硫排放量、工业烟（粉）尘排放量、工业废水排放量和工业固体废物量这四类污染排放量进行标准化加总，将高于中位数的行业定义为重污染行业，然后按中国证监会细分的行业分类进行整理，将归属于重污染行业的企业定义为重污染企业（Treat=1），并重新进行检验。回归结果显示，交互项Treat1×Post的回归系数均显著为正，回归结果与基准回归结果保持一致，本文结论稳健。

（五）异质性分析

1.企业产权属性

表7列示了国有企业和非国有企业的分组回归结果。结果显示：在列（1）和列（3）中，交互项Treat×Post的回归系数分别为0.103 和0.073，且均在1%的水平上显著，表明绿色信贷政策出台后国有重污染企业股价崩盘风险显著上升；在列（2）和列（4）中，交互项Treat×Post的回归系数较小、显著性较弱，表明绿色信贷政策的实施对非国有重污染企业股价崩盘风险的影响较小。本文假设4 得到验证。

表7 企业产权属性的影响

2.企业规模

表8列示了大规模企业和中小规模企业的分组回归结果。结果显示：在列（1）和列（3）中，交互项Treat×Post的回归系数分别为0.117 和0.073，且均在1%的水平上显著，表明绿色信贷政策出台后大规模重污染企业股价崩盘风险显著上升；而在列（2）和列（4）中，交互项Treat×Post的回归系数较小，统计也不显著，表明绿色信贷政策的实施对中小规模重污染企业股价崩盘风险的影响较小。本文假设5 得到验证。

表8 企业规模的影响

3.公司治理的作用

为衡量公司治理对绿色信贷政策与重污染企业股价崩盘风险关系的影响，本文借鉴顾乃康和周艳利（2017）的做法，运用主成分分析法，从监督、激励、决策等方面（主要包括高管薪酬、高管持股比例、独立董事比例、董事会规模、机构投资者持股比例、第二至第五大股东持股比例之和与控股股东持股比例之比、董事长与总经理是否两职合一等）构造公司治理综合指标来度量公司治理水平，并以中位数为划分标准将样本分为公司治理水平较高和公司治理水平较低两组，表9列示了回归结果。

表9 公司治理的作用

表9的结果显示：在列（2）和列（4）中，交互项Treat×Post的回归系数分别为0.096和0.057，且均在1%的水平上显著，表明绿色信贷政策出台后，公司治理水平较低的重污染企业股价崩盘风险显著上升；而在列（1）和列（3）中，交互项Treat×Post的回归系数均较小，统计上也不显著，表明绿色信贷政策出台对公司治理水平较高的重污染企业股价崩盘风险影响较小，本文假设6 得到验证。

五、进一步讨论

为了给本文的主要发现提供更直接的依据，本文借鉴彭俞超等（2018）的做法，对绿色信贷政策如何直接影响企业与外界的信息不对称程度进行检验，分别采用会计稳健性指标（Cscore、Gscore）和KV指数作为被解释变量。Cscore、Gscore分别反映企业会计盈余对坏消息、好消息的灵敏度，Cscore越高说明企业会计盈余对坏消息的灵敏度越高，Gscore越高说明企业会计盈余对好消息的灵敏度越高；KV指数越高，表明企业信息披露质量越低。

Cscore和Gscore数据来自国泰安数据库，本文参照Khan 和Watts（2009）的方法进行计算。参考Kim 和Verrecchia（2001）、Ascioglu 等（2005）、周开国等（2011）、徐寿福和徐龙炳（2015）的做法，本文构造如下KV指数模型：

其中，Pt、Volt分别表示第t日的股票收盘价、交易量（股数），Vol0表示研究期间所有交易日的平均日交易量。本文采用普通最小二乘法针对当年每家上市公司回归得到的λ值构建KV指数（不考虑λ为负的情况），λ越小说明信息披露越充分。

表10 列（1）、列（2）的回归结果显示，交互项Treat×Post的回归系数分别为-90.501 和90.432，且均在1%的水平上显著，说明绿色信贷政策实施后，重污染企业Cscore指标显著下降，Gscore指标显著上升。结果表明，绿色信贷政策的实施促使重污染企业在会计处理上对坏消息披露的及时性下降，而对好消息的披露更加及时，即绿色信贷政策的实施增强了重污染企业隐藏坏消息的动机。

表10 列（3）的回归结果显示，交互项Treat× Post的回归系数为0.014，且在1%的水平上显著，表明绿色信贷政策实施后，重污染企业内部人的确会隐藏企业经营中的坏消息，降低信息披露质量，加剧企业与外界的信息不对称，从而导致股价崩盘风险上升。

表10 绿色信贷政策与重污染企业信息不对称

六、结论与启示

本文以《绿色信贷指引》实施为准自然实验，构建双重差分模型，实证分析绿色信贷政策的实施对重污染企业股价崩盘风险的影响。基准实证结果发现，绿色信贷政策实施后，重污染企业股价崩盘风险显著上升。作用机制检验得出如下结论：

第一，绿色信贷政策实施后，重污染企业通过降低环境信息披露质量，导致股价崩盘风险上升，而这一关系在政府环境治理力度小的地区更显著。

第二，绿色信贷政策的实施增强了重污染企业市值管理动机，从而加剧了重污染企业股价崩盘风险。异质性分析发现，绿色信贷政策对国有和大规模重污染企业股价崩盘风险的影响更显著；良好的公司治理能够有效抑制绿色信贷政策对重污染企业股价崩盘风险的恶化效应。

第三，绿色信贷政策的实施直接加剧了重污染企业与外界的信息不对称，主要表现为绿色信贷政策的实施促使重污染企业在会计处理上对坏消息披露的及时性下降，而对好消息披露得更加及时。

本文研究不仅有助于进一步从宏观政策层面挖掘影响企业股价崩盘风险的重要因素，还为完善我国绿色信贷政策，全面、科学评价其实施效果提供了政策参考。

第一，必须以加大政府环境治理力度为前提，才能更好地发挥绿色信贷政策的积极效应。

第二，在我国资本市场相对不成熟、公司治理机制不够完善、环境信息披露制度相对不健全的背景下，绿色信贷政策的实施需要与环保信息披露监管政策、公司内部治理机制相配合。必须重视绿色信贷政策与相关政策的协调，加强证券监管部门和绿色贷款部门的协调联动，否则可能会带来股票市场暴涨暴跌等负面效应。

第三，证券监管部门应严格监管重污染上市公司通过降低环境信息披露质量来隐藏负面信息。一方面加强对重污染上市公司内部治理机制有效性的审查；另一方面完善资本市场外部治理机制，以防范绿色信贷政策导致重污染上市公司股价崩盘风险恶化现象。

第四，为充分发挥绿色信贷助力实现碳达峰、碳中和目标的积极作用，绿色信贷部门应加强对贷款企业环保信息披露质量的监管，抑制企业管理层掩饰和隐瞒环保信息的行为，提高绿色信贷配置效率。