绿色金融对企业绩效的影响及机制分析

陈志刚 弓怡菲

(武汉大学经济与管理学院，湖北 武汉 430072)

一、引言

作为工业大国(胡艺，2019)[1]，我国工业增加值占GDP超过30%，其中重工业占据主导地位，但重工业高单位产出耗能的特点也给我国带来了严重的环境污染问题(马骏，2016)[2]，不仅威胁人们健康，也制约我国经济持续发展。2019年国家环保局发布报告称，全国337个地级市中有超过一半的城市空气质量不达标，虽然该比例在2020年减少到40.1%，但污染问题依旧严峻。如何减轻经济发展过程中的负外部性成为我国当前面临的难题。

我国环境保护主要采取罚款、收费、停产整顿等强制性命令控制措施，但由于环境问题的外部性以及传统发展模式路径依赖等原因使得企业缺乏保护环境的自觉性，导致环保政策效率低下(陈幸幸，2019)[3]。为此，我国尝试将市场手段和价值手段引入环境保护当中。绿色金融作为市场手段之一，通过影响企业的融资能力和融资成本迫使企业行为发生改变，最终实现传统产业和重污染企业绿色化转型升级。具体来讲，绿色金融将更多的社会资金引入环保领域，为环保企业和项目提供了低成本资金支持，同时减少了对重污染企业的资金供给。但由于我国资本市场起步晚、发展不充分，导致企业获取外源融资的主要渠道仍是银行贷款，这一特点也决定了绿色金融在我国长期以来以绿色信贷为主(王馨，2021)[4]。

现有文献对绿色信贷的实施效果主要从微观角度出发，研究绿色信贷对重污染企业投融资行为以及绿色创新的影响。前者集中于对企业融资成本、融资规模、融资期限、投资规模和投资效率的研究(连莉莉，2015[5]；苏冬蔚，2018[6]；王艳丽，2021[7]；宁金辉，2021[8])；后者则主要从绿色创新数量、绿色创新质量以及绿色创新效率角度进行研究，一部分学者认为绿色信贷弥补了传统金融对绿色技术投资的功能缺位问题，提高了绿色创新数量和创新效率(严金强，2018[9]；韩科振，2020[10]；刘强，2020[11])，另一部分学者认为绿色信贷政策降低了企业债务融资能力，导致企业可用资金减少，抑制了企业绿色创新产出(曹廷求，2021)[12]。通过分析发现，鲜有文献从企业绩效角度考察绿色信贷政策的实施效果，而任何形式的改革和创新都必须考虑其商业价值和经济价值，企业作为市场经济主体，获取利润是其生存和可持续发展的前提，只有同时发挥政府、银行以及企业的主体作用，才能更好地贯彻落实绿色金融政策，实现绿色发展目标。因此，本文以2012年颁布的《绿色信贷指引》(下文简称《指引》)为切入点，对绿色金融如何影响企业绩效展开深入研究。本文主要有两方面的创新：第一，现有文献大多以2008年环境保护部印发的《上市公司环保核查行业分类管理名录》或污染物排放量等方法来定义上市公司是否为绿色信贷限制企业，具有较强的主观性，本文依据2014年银监会公布的《绿色信贷实施情况关键评价指标》中对客户的分类来定义，避免由于分组不当带来的估计偏差。第二，本文在同时考虑宏观经济和环境因素的情况下，对绿色信贷政策影响企业经营绩效的机理、机制进行分析，揭示绿色信贷政策对企业绩效影响的内在逻辑和传导机制，为企业经营决策、战略选择以及政府制定绿色金融政策提供参考。

二、理论分析

(一)绿色信贷与企业绩效

由外部性理论可知，污染企业的私人边际成本小于环保企业，环境污染的负外部性导致环保企业的产品很难通过收取高价而被市场接受，最终因为亏损而退出市场。绿色信贷则通过资金配置将环境污染外部性内生化，降低重污染企业利润率的同时提高环保企业的利润率，迫使企业行为发生改变，进而实现企业绿色化转型。具体来看，企业的环境风险将作为银行业金融机构(1)《指引》规定，银行业金融机构包括在中华人民共和国境内依法设立的政策性银行、商业银行、农村合作银行、农村信用社。进行贷款审批的条件之一，对于绿色、低碳的企业或项目，银行等金融机构将给予成本低、期限长、额度大的贷款支持，提高企业融资便利性的同时降低企业融资成本；相反，对于那些可能存在环境风险的企业，在贷前、贷中、贷后都将面临更加严格的限制。银行等金融机构在全周期动态监管的过程中还会根据企业实际情况随时做出缓贷、停贷甚至收回贷款的决定。一方面，这使得处于这些行业的企业在经营过程中随时面临巨额处罚、停产关闭、环境诉讼等风险，较大的不确定性加大了企业的经营风险；另一方面，在内部融资不足、外部融资成本过高的情况下，企业为避免陷入财务危机不得不减少对外经济活动、放弃预期可能带来收益的投资项目，从而给企业绩效带来负面影响。通过上述分析得出，绿色信贷政策通过引导资金从污染投资流向环保投资，加大了重污染企业的经营风险和融资约束，对企业绩效产生了一定的负面影响。基于此，提出本文假设H1。

H1：《指引》实施后，重污染企业的绩效下滑更显著。

(二)绿色信贷对企业绩效的作用机理分析

1.绿色创新中介效用

在面临的外部环境和需求发生变化，或是不满足于当下经济利益时，企业会希望通过创新寻求适应新环境的方案(Witt，1996)[13]。当前经济增长乏力、环境与资源约束不断加强，国家提出要贯彻落实绿色发展理念，实施创新驱动战略，这就要求企业积极地承担起环境保护责任，而绿色创新是企业适应市场发展变化、提升竞争优势以及实现可持续发展的必然选择。Porter(1991)[14]认为企业通过创新产生绿色技术不仅能降低能耗、提高生产效率，还能够产生“创新补偿效应”和“先动优势”，实现保护环境和企业发展双赢。而Berrone(2013)[15]等人认为，绿色创新风险大、周期长，若研发失败，企业将遭受巨大损失；即使成功，企业为创新投入的成本与取得的超额利润也难以对等，导致绿色创新对于企业经营绩效尤其是短期内的经营绩效产生显著的抑制作用。有学者对我国上市公司绿色创新绩效进行研究，发现虽然近几年企业绿色创新数量不断增加，但创新质量较低，且大多以含金量较低的非发明专利为主，难以从中获得竞争优势和超额收益。甚至可能存在为了追求融资“合法性”身份，进行低效率的“漂绿”现象，导致企业运营成本增加、绩效下滑。基于此，提出本文假设H2a和H2b。

H2a：《指引》通过促进重污染企业绿色创新进而提升企业绩效。

H2b：《指引》通过促进重污染企业绿色创新进而抑制企业绩效。

2.投资效率中介效用

Miller(1966)[16]等人认为资本市场是完美的，但在现实生活中，由于信息不对称和代理成本的存在，导致企业实际新增投资规模与预期新增投资规模并不符合，从而导致投资的非效率性。Myers(1984)[17]认为当企业在市场上面临较强的信息不对称时，更倾向于进行内部融资，通过持有更多现金来保证企业日常运营，否则会影响公司正常投资，造成投资不足。Jansen(1976)[18]认为企业管理者与股东之间存在目标不一致问题，管理者更倾向于通过留存大量收益来提高自身福利以及进行过度投资。在我国，部分上市企业是由国有企业改制而来，改制后的企业大多仍是国有控股，地方政府为拉动当地经济发展、促进就业，会鼓励国有控股企业扩大经营规模，造成许多无效率投资；同时，我国以往粗放式经济发展模式，以及为应对2008年金融危机实施的“四万亿”计划，促使我国工业企业进行大规模、高污染、低效率投资，以至于形成产能过剩局面。而《指引》是提高企业投资效率的有效手段，一方面，《指引》加强了重污染企业融资约束，降低了资金持有量水平，在此背景下管理者会尽可能减少过度投资，通过充分利用现有资源来提高企业投资效率；另一方面，《指引》要求银行在向重污染企业放贷时进行贷前、贷中、贷后审查，严格的审查过程不仅缓解了银企之间信息不对称的情况，同时也避免了企业进行一些高污染、高风险的项目投资活动。基于此，提出本文假设H3。

H3：《指引》通过提高投资效率进而影响重污染企业经营绩效。

(三)绿色信贷对企业绩效的调节机制分析

1.企业所有权调节作用

绿色信贷政策对于不同性质的企业可能产生不同的影响。一般情况下，国有企业规模大、成立时间长，可用于抵押担保的资产较多，银行考虑到信贷资金的安全性，更倾向于借钱给这类企业。国有企业的特殊性还体现在两个方面：一方面，国企主要存在于高利润的垄断行业，表现出较好的业绩和经济实力；另一方面，国企通常承担了传导国家政策的职能，在这过程中暗含了政府对企业的信用担保，从而导致银行争相借钱给国有企业，加大信贷资金配置扭曲程度。而且，我国计划时期形成的国有银行和国有企业的密切关系在当下仍有所保留，在我国金融市场发育尚不成熟、行业集中度高、几家国有控股银行占据绝大多数市场份额的背景下，信贷资金在配置过程中往往受到很多非市场因素的影响，造成信贷资金配置严重向国有企业倾斜，而非国有企业难以获得充足的信贷资金。基于此，提出本文假设H4。

H4：《指引》实施后，非国有重污染企业绩效下滑更显著。

2.企业规模调节作用

不同的企业规模所面临的融资约束往往不同。相比于小型企业，大型企业信息透明度高、抵押品充足，银行在提供资金过程中承担较小的逆向选择和道德风险，因此更愿意借钱给大型企业。同时，大型企业对拉动地方经济、促进就业发挥着重要的作用，地方政府出于经济发展和政绩考虑会出台一系列针对性信贷优惠政策，以达到吸引更多大型企业入驻本地投资建厂的目的。所以，大型企业受到的融资约束要小于小型企业，因此绩效受到的影响也更小。基于此，提出本文假设H5。

H5：《指引》实施后，小型重污染企业绩效下滑更显著。

3.地区市场化水平调节作用

我国地区之间市场化程度存在较大差异，而企业在进行融资决策时，不可避免地受到所在地区市场化水平的影响。较高的市场化程度为企业营造了良好的金融生态环境，完善的法律制度和交易规则保障了企业相关利益者的合法权益，也倒逼企业提高信息透明度，缓解了信息不对称。一方面，高信息透明度降低了银行业金融机构在授信过程中审批、监督成本，而且发达的金融市场为企业提供了丰富的金融工具进行授信风险缓释，增加了企业获取更多银行信贷的可能；另一方面，企业更容易通过商业信用、非正规信贷等非正规金融渠道获取融资(徐丽鹤, 2020)[19]，缓解绿色信贷政策带来的融资约束。基于此，提出本文假设H6。

H6：市场化程度越低，《指引》对重污染企业绩效的抑制作用更明显。

4.企业社会责任评分调节作用

新古典经济学认为企业管理者不应该将资金用于履行企业社会责任，因为这将是无利可图且损害股东利益的。而Jensen则颠覆了新古典经济学股东利益至上的思想，认为企业的最终目标是最大化企业的长期市场价值，而在此过程中需要综合考虑多方利益，从而实现企业和社会和谐发展。Ruf等人(2001)[20]从员工、环境、社区、产品等八个方面衡量企业社会责任，发现社会责任越高、企业绩效越好，并且这种正向促进机制在短期和长期均有效。Freeman(2006)[21]认为企业在积极承担社会责任的同时满足了各方需求，因此有利于提升企业绩效。具体来看，企业履行社会责任可以提高企业声誉、品牌形象，建立良好的顾客关系，提高员工幸福度和工作效率等，而这些因素都有助于增强企业的竞争优势。基于此，提出本文假设H7。

H7：企业社会责任水平越低，《指引》对重污染企业绩效的抑制作用更明显。

三、研究设计

(一)数据来源

本文基于2008-2019年沪深A股上市公司的数据，对绿色金融如何影响企业绩效进行了深入分析。其中，企业社会责任评分来自和讯网公布的《上市公司社会责任报告》；污染源信息公开指数(PITI)来自公众环境研究中心；PM2.5数据来自CNRDS数据库和中国空气质量在线监测分析平台；其余数据来自CNRDS、CSMAR数据库和国家统计局。在此基础上，对原始数据做如下处理：剔除金融类和ST公司、剔除异常或严重缺失的数据，并对连续变量进行1%和99%缩尾处理，最终得到11964个有效样本。

(二)模型构建

本文通过构建DID模型来检验绿色金融对重污染企业绩效的影响：

Qyjxit=α0+β1Aftert·Treati+β2Xi,t-1+μi+γt+εi,t

(1)

其中，被解释变量为企业绩效(Qyjxit)，参考苏东蔚(2018)[6]等人研究，本文采用托宾Q值来衡量。Aftert为政策虚拟变量，《指引》实施后，即时间t≥2012年时该值为1，否则为0。Treati表示企业是否为重污染企业虚拟变量，在2014年银监会公布的《绿色信贷实施情况关键评价指标》中根据客户的环境和社会风险不同划分为A类、B类、C类(2)A类：其建设、生产、经营活动有可能严重改变环境原状且产生的不良环境和社会后果不易消除的客户；B类：其建设、生产、经营活动将产生不良环境和社会后果但较易通过缓释措施加以消除的客户；C类：其建设、生产、经营活动不会产生明显不良环境和社会后果的客户。三个等级，本文将属于A类和B类行业的企业作为重污染企业(处理组)，Treati=1，其余作为非重污染企业(对照组)，Treati=0。Xi,t-1为控制变量，选取流动比率(Fratio)、资产负债率(Aslbrt)、企业规模(Size)、成立年限(Age)、前三大股东持股比例(Stock)、固定资产比率(Far)、金融活动利润占比(Finpro)；考虑到宏观经济波动对企业绩效的影响，加入GDP增长指数(GDP)和M2增长率(M2)。同时，“雾霾天气”频发、十八大将“生态文明建设”提高到国家战略高度也发生在2012年，为避免相关政策和环保措施给企业绩效造成的影响，参考王馨(2021)[4]做法，将上市企业所在地级市的PM2.5浓度(Pm)以及PITI指数(Piti)取自然对数后纳入回归，以消除上述因素带来的影响。为避免内生性问题，将所有Xi滞后一期后纳入模型。μi和γt分别表示个体固定效应和时间固定效应。

(三)描述性统计

表1汇报了主要变量的统计分析结果。其中，Treat的均值为0.322，说明本文数据中有32.2%的企业为重污染企业。

表1

四、实证结果及分析

(一)平行趋势检验

在进行双重差分估计之前，需要检验重污染企业和非重污染企业的绩效在《指引》实施之前是否拥有相同走势。如图1所示，交乘项Yeart·Treati的系数在2012年之前均不显著，说明这两类企业的绩效表现在《指引》实施之前并不存在明显差异，可以进行双重差分检验。

图1 平行趋势检验

(二)基本回归分析

表2汇报了《指引》实施对企业绩效的检验结果。列(1)-(3)分别是不考虑控制变量、纳入宏观经济层面控制变量以及进一步考虑其他可能影响企业绩效的环保因素后的回归结果，交乘项After·Treat系数均为负且显著，说明《指引》出台对重污染企业绩效产生了显著的抑制作用，假设H1得证。

表2 《指引》对企业绩效的影响结果

(三)稳健性检验

1.动态分析

为了更好地反映《指引》对企业绩效的影响，本文通过建立如下动态效应模型来观察《指引》实施后企业绩效的变化情况：

(2)

表3中，Treat·Year_2012表示《指引》实施当年给企业绩效带来的影响，列(1)(2)的系数均显著为正，说明《指引》实施当年不仅没有给重污染企业绩效带来消极影响，反而有一定的促进作用，但该促进作用在第二年不显著。并且，从2014年开始，交乘项系数显著为负，且绝对值呈上升趋势，说明随着《指引》深入落实，其对重污染企业绩效的抑制作用不断加大，并在2015年达到峰值，2016年开始抑制作用有所减弱。分析原因，政策的实施具有时滞性，并且企业可能在政策执行前加快贷款审批进程或加大信贷融资规模，以减弱绿色信贷政策带来的融资约束影响，但其缓冲作用仅能维持较短时间，长期来看，随着绿色信贷政策执行力度的提高，重污染企业受到的融资约束也不断增强，导致抑制作用愈发明显，企业不得不调整生产方式和经营模式来获得融资“合法性”身份，使得抑制作用从2016年开始有所减弱。

表3 绿色信贷政策的动态效应检验

2.安慰剂检验

考虑到2012年党的十八大将“生态文明建设”上升到国家战略高度，以及2013年银监会出台了一系列关于绿色信贷方面的政策文件，为了确保重污染企业和非重污染企业绩效差异变化是由《指引》导致的，而非来自其他因素，需要进行“反事实”检验。通过设置一个虚拟政策实施时间，重新构造交乘项进行回归，若系数不显著，则说明企业绩效的变化确实是由《指引》造成的。参考已有文献，本文将政策实施时间提前到2010年，重新构造交乘项进行回归，结果见表4列(1)。回归系数为-0.039，且不显著，说明《指引》确实是引起对照组和处理组绩效差异变大的原因。

3.替换被解释变量

为保证绿色信贷政策对企业绩效抑制作用的可信度，本文采用营业收入增长率来度量企业绩效。如表4列(2)所示，After·Treat的系数为-0.083且显著，与本文结论一致。

4.PSM-DID

由于重污染企业和非重污染企业在绿色信贷政策实施之前本身就可能存在系统差异，导致DID模型的估计结果出现偏误。为避免此问题，本文使用PSM方法对处理组和对照组进行1∶1放回近邻匹配和1∶1无放回近邻匹配，并对匹配后的样本重新进行DID回归。表4列(3)(4)分别列示了有放回匹配和不放回匹配的回归结果。可以看出，After·Treat的系数分别为-0.144、-0.148且显著，与基准回归结果保持一致，假设H1得到进一步证实。

表4 稳健性检验回归结果

续表4

五、进一步分析

(一)绿色金融对企业绩效的作用机理分析

参考温忠麟等(2014)[22]研究，本文构建了如下模型来检验绿色创新和投资效率的中介效应：

Lscxit=α0+δ1Aftert·Treati+δ2Xi,t-1+μi+γt+εi,t

(3)

Qyjxit=α0+θ1Aftert·Treati+θ2Lscxit+θ3Xi,t-1+μi+γt+εi,t

(4)

invit=α0+ρ1Aftert·Treati+ρ2Xi,t-1+μi+γt+εi,t

(5)

Qyjxit=α0+φ1Aftert·Treati+φ2invit+φ3Xi,t-1+μi+γt+εi,t

(6)

Lscxit表示绿色创新，本文用上市公司当年获得的绿色实用性专利和绿色发明专利之和来衡量。由于样本中很大一部分企业的绿色专利数为0或较少，导致其呈右偏分布，因此对专利数加1并取对数。invit表示企业投资效率。参考王善平(2011)[23]和韩元亮(2021)[24]等人做法，本文使用Richardson模型来计算：

investit=ω0+ω1groit-1+ω2cashit-1+ω3ageit-1+ω4rit-1+ω5sizeit-1
+ω6Aslbrtit-1+ω7investit-1+∑Year+∑industry+εit

(7)

公式(7)中，investit为企业预期新增投资额；gro为营业收入增长率；cash定义为货币资金与短期投资净额之和，再用期初资产总计进行标准化处理；r为企业当年股票回报率，Aslbrt为资产负债率，age和size定义与前文相同。若企业的实际投资金额与式(7)估计出的预期投资金额之差εit的绝对值越大，表明企业的投资效率越低。

表5所示，列(1)为基准回归，表示《指引》实施对重污染企业的绩效产生抑制作用；列(2)中交乘项After·Treat系数为0.022且显著，说明《指引》实施有助于增加重污染企业绿色创新专利数量；列(3)After·Treat系数显著为负(-0.143)，且其绝对值小于列(1)中交乘项系数(-0.158)，Lscx的系数为-0.033且显著，说明《指引》通过增加绿色创新数量抑制了重污染企业绩效，假设H2b得证。分析原因，《指引》出台使得重污染企业可获取的信贷资金规模减小，而企业为获得融资“合法性”身份、维持企业生存和发展，会主动进行绿色创新研发活动，进而增加绿色专利数量产出。但由于企业所增加的绿色专利可能以含金量较低的绿色实用新型专利为主，难以带来超额收益，因此，绿色信贷政策对企业来说，一方面研发支出的增加占用了原有用于其他投资的资金，产生机会成本；另一方面，研发成果未能给企业带来经济利益，或者带来的利润不足以弥补研发成本，导致企业绩效下滑。

表5中列(4)(5)是对投资效率中介机制的检验结果。其中，列(4)After·Treat的系数为-0.004且显著，因为本文的全样本投资效率均值大于0，After·Treat系数为负说明《指引》可以减少企业无效投资，提高投资效率。列(5)After·Treat的系数为-0.142，且绝对值小于列(1)回归系数，inv回归系数为1.308且显著，说明投资效率的中介效应存在，假设H3得证。具体分析，《指引》要求银行在企业融资时进行严格审查，导致其无法通过银行为一些可以获取利润但可能对环境造成污染的项目进行融资。短期来看，《指引》导致重污染企业失去了一部分投资机会，对绩效产生不利影响，但长远来看，避免了项目在运营后由于违反相关环境规定被整顿、停产，造成更大损失的风险。

表5 《指引》对企业绩效的中介效用检验

(二)绿色金融对企业绩效的调节机制分析

1.企业所有权的调节机制分析

为检验企业所有权是否会影响《指引》对企业绩效的作用，将样本划分为国有和非国有企业，并用虚拟变量Qyxz表示。当企业为国有性质时，Qyxzi=1，否则为0。同时，将Qyxzi与After·Treat相乘得到的新变量纳入回归，结果见表6列(1)。交乘项After·Treat系数为-0.196且显著，表明《指引》实施会给企业绩效带来负面影响，交乘项Qyxz·After·Treat的系数为0.042且显著，说明国有企业比非国有企业受到《指引》的负面冲击更小，假设H4得证。

2.企业规模的调节机制分析

企业规模差异也可能造成《指引》实施的效果不同。本文以上市企业资产总计的中位数为界限，将企业划分为大型企业和小型企业，当企业资产总计大于中位数时，Qygmi=1，否则为0。列(2)的回归结果显示，After·Treat系数为负且显著，与前文保持一致，而Qygm·After·Treat的系数为正且显著，说明大型企业受到《指引》带来的负面冲击更小，假设H5得证。

3.地区市场化水平的调节机制分析

由于王小鲁等(2018)[25]编写的数据截止到2016年，对于2016年以后的数据，本文对各个省份分别求出2008-2016年市场化进程总得分的平均增长率，通过外推得到2017-2019年的市场化进程总得分。将市场化总得分指标与After·Treat进行交乘得到新变量，并将其作为解释变量纳入回归。表6列(3)After·Treat的系数为0.019，表明市场化程度越高，绿色信贷政策对重污染企业绩效的抑制作用越弱，假设H6得证。

表6 《指引》对企业绩效的调节机制检验

4.企业社会责任的调节机制分析

和讯网从2010年开始公布该评分，对于之前的数据，本文通过计算2010-2019年总得分平均增长率，进而得到2008年和2009年的社会责任评分，并将社会责任评分与After·Treat相乘后的新变量纳入回归。列(4)的回归系数为0.044，在5%的水平下显著，表明上市企业社会责任评分越高，绿色信贷对重污染企业绩效的抑制作用越小，假设H7得证。

续表6

六、结论及政策建议

本文以2008-2019年为研究区间，通过使用DID模型检验了绿色金融对我国上市企业绩效的影响。研究发现，《指引》颁布后，重污染企业的绩效相比于非重污染企业出现更大程度下滑，非国有和小型重污染企业受的影响更大。动态效应发现，政策对绩效的抑制效应具有一定的时滞性，抑制作用从第三年开始更加显著，并逐年增大，从政策实施后的第五年开始抑制作用有所减弱。机制检验表明，《指引》实施后企业获得的绿色创新专利数有所增加，但并未带来企业绩效的提升，可能是企业为应对政策、缓解融资约束进行的绿色创新含金量较低，并从实质上提升企业核心竞争力；同时，企业在政策出台后出于环境保护的考虑，会放弃一些虽能带来利润但污染环境的项目，给企业绩效带来负面影响。进一步研究发现，市场化水平的提高和企业社会责任的增强可以缓解政策对企业绩效的抑制作用。

基于以上结论，本文提出以下几点政策建议：

第一，从政府角度来看，应当加大企业环境污染处罚力度，建立健全企业环境信息披露机制、提高信息披露水平，通过建立信息服务平台向社会公众及时、准确地公开企业环保情况和污染处罚情况，发挥舆论监督功能，并与银行共享企业环保数据，为银行绿色信贷审核过程提供参考。首先，考虑到我国地区间经济发展、市场化水平等方面差异性较大，政府应当因地制宜制定绿色金融政策效果评价指标，避免银行为满足绿色信贷总量目标浪费信贷资源；其次，绿色信贷政策对部分重污染企业绩效产生一定负面作用，政府应当出台相应的激励措施，在抑制重污染企业进行污染项目投资的同时给予相应的绿色转型资金支持，调动起重污染企业绿色化积极性；最后，完善绿色信贷制度，加强绿色信贷风险管理指标和体系的构建，保证绿色信贷政策的平稳性和持续性。

第二，从银行角度来看，应当建立和完善绿色信贷管理制度，制定差异化绿色信贷授信政策，打破传统金融歧视束缚，平衡好国有和非国有、大型和小型重污染上市企业的融资地位，给予环保企业应有的绿色信贷支持，避免寻租活动导致绿色信贷资源浪费，提高绿色信贷资金配置效率的同时扩大绿色信贷覆盖面。严格把控重污染企业或项目审查的过程、提高绿色信贷融资门槛，实时监测绿色信贷资金使用情况，加强风险管理，避免项目在执行过程中出现环境污染问题，威胁银行信贷资金安全。银行应加大绿色金融工具创新力度，提高绿色业务服务能力和专业能力，通过建立信息化平台降低银企之间信息不对称问题。

第三，从企业角度看，应当加强公司绿色治理，树立绿色创新长期发展理念，积极开展绿色创新研发活动，将更多的研发资金用于含金量高的绿色发明专利而非绿色实用新型专利，提高绿色创新专利的质量而非数量，带来“创新补偿效益”，进而提高企业核心竞争力。调动企业绿色环保积极性和主动性，加强利益相关者对企业环境情况的监督力度，避免管理者进行对环境可能造成污染的项目投资，提高企业投资效率，降低企业经营风险。企业作为市场主体，应当积极承担起社会责任，提高企业环境信息披露水平，降低与银行、投资者等市场主体间信息不对称问题并与之建立良好关系，最终实现企业绩效和社会效益“双赢”。