金融科技对绿色信贷的影响及作用机制

黄磊 黄思刚 杨承佳

摘   要：数字经济时代，金融科技能否赋能绿色信贷发展，从而推动商业银行实现数字化绿色转型？本文创新性地从商业银行内部视角出发，基于2012—2021年22家中国上市商业银行数据，利用文本挖掘法构建金融科技发展指数，探究金融科技对绿色信贷的影响。研究发现，金融科技通過缓解信息不对称、调整信贷配置和降低信贷风险显著促进了绿色信贷的投放。异质性分析表明，金融科技对绿色信贷投放的促进作用在规模小、资本充足率高的商业银行以及城市商业银行中表现得更加明显。因此，商业银行应持续推进金融科技发展，以助力我国绿色金融的发展以及“双碳”目标的实现。

关键词：金融科技；绿色信贷；商业银行；文本挖掘；信息不对称

中图分类号：F832  文献标识码：A  文章编号：1674-2265（2023）07-0073-10

DOI：10.19647/j.cnki.37-1462/f.2023.07.009

一、引言

生态环境问题是“十四五”规划中着力要解决的重点问题。作为遏制高耗能、高污染产业扩张进而推动企业绿色转型的一项信贷政策（田超和肖黎明，2021）[1]，绿色信贷政策逐渐成为国内生态环境治理的重要抓手。但与此同时，投放力度不足、实施效果不佳等问题的存在使绿色信贷仍具有较大发展空间（张小可和葛晶，2021）[2]。究其原因，主要在于信贷投放方即商业银行的风险规避。由于信息不对称，“标绿”企业和“染绿”项目的骗贷案例层出不穷（张可等，2022）[3]，为避免损失，商业银行收紧绿色信贷投放，绿色信贷陷入发展停滞期。

近年来，互联网、人工智能、大数据、云计算、区块链等新兴信息技术在金融领域的融合应用为商业银行提供了新发展机遇。中国人民银行在《金融科技发展规划（2019—2021年）》中指出，金融科技能推动金融机构在盈利模式、业务形态、资产负债、信贷关系、渠道拓展等方面持续优化，不断增强核心竞争力，为金融业转型升级持续赋能。具体来看，金融科技主要是通过创造新的技术应用、产品服务与业务模式来提高金融服务的效率（赵鹞，2016；易宪容，2017；何涌和谢磊，2022）[4-6] ，并通过“技术溢出效应”与“竞争效应”两种渠道来缓解银企间的信息不对称，改进商业银行贷款技术和优化商业银行信贷配置（孟娜娜等，2020；Fuster等，2019）[7，8]，很可能有助于解决商业银行绿色信贷的现存问题（盛天翔和范从来，2020）[9]。实际数据显示，2021年，中国工商银行和中国建设银行金融科技投入分别为259.87亿元和235.76亿元，较上年增长9.1%和6.6%。同期，两家商业银行的绿色信贷余额分别增加6349.02亿元和6204.22亿元，同比增长34.4%和46.21%。金融科技投入和绿色信贷余额的双双提升引发了我们的思考：商业银行发展金融科技是否会促进绿色信贷的投放？金融科技影响绿色信贷的作用机制又是什么？既有研究主要考察商业银行发展金融科技对其经营绩效（王道平等，2022；赵清波和卜林，2022）[10，11]、盈利能力（于凤芹和于千惠，2021）[12]、风险承担（邱晗等，2018；郭品和沈悦，2019）[13，14]、信贷配置（徐晓萍等，2021；亓鹏和韩庆潇，2022）[15，16]乃至市场结构（孟娜娜等，2020）[7]的影响，鲜有学者从商业银行自身角度出发，探究金融科技对绿色信贷投放的影响。在中国经济转型的攻关期，厘清二者之间的关系对于推动商业银行数字化转型和绿色发展，深化银行业供给侧结构性改革，从而助力我国高质量发展以及“双碳”目标的实现具有重要的理论价值和现实意义。

基于上述背景，本文使用文本挖掘法构建了商业银行金融科技发展指数，结合2012—2021年22家中国上市商业银行数据，考察商业银行金融科技发展水平对其绿色信贷投放的影响及作用机制。与以往文献相比，本文可能的创新和贡献在于：第一，基于文本挖掘法，创建金融科技关键词词库，采用机器学习的方法爬取各商业银行年报，对金融科技关键词词频数进行统计，创新性地构建了商业银行金融科技发展指数，为相关研究提供有益借鉴。第二，目前与金融科技相关的研究主要集中在其对企业、商业银行和区域经济的影响方面，而在商业银行层面的研究中，鲜有文献将金融科技与绿色信贷直接联系起来，本文从商业银行视角出发，探究金融科技对绿色信贷的影响，为金融科技赋能绿色信贷进而助力高质量发展提供微观经验证据。第三，基于缓解信息不对称、调整信贷配置和降低信贷风险三条路径，深入剖析了金融科技对绿色信贷的影响机制，不仅丰富了现有的理论研究，还为商业银行如何利用金融科技推动绿色信贷发展和自身数字化转型提供有益的政策思考。

二、文献回顾、理论分析与研究假说

（一）文献回顾

根据使用主体的不同，金融科技可分为外部金融科技和商业银行内部金融科技（Cheng和Qu，2020）[17]，分别对应互联网金融企业和商业银行，二者本质上都涵盖了各类利用数字化、电子化技术进行交易的产品和服务（李建军和姜世超，2021）[18]，并对商业银行的行业结构和传统经营模式产生了深刻影响。从整个行业来看，外部金融科技的发展赋予互联网金融企业信息技术优势，使其在获取客户方面抢占先机，挤压了商业银行的盈利空间，迫使商业银行进行改革创新，发展商业银行内部金融科技，从而影响整体银行业结构（孟娜娜等，2020）[7]。从商业银行的单一视角来看，商业银行内部金融科技颠覆了传统的银行行为，具体体现在信息获取能力、贷款审批与风险管理方式的变化。一方面，金融科技赋能下，商业银行通过大数据、物联网等信息技术手段获取借款企业的经营状况、信用资质等“软”信息，以此判定企业是否符合放贷标准，这就打破了以往需要借款企业足值抵押物等“硬”资质的传统贷款方式（盛天翔和范从来，2020）[9]。另一方面，金融科技以区块链、人工智能等新兴技术帮助商业银行建立企业信用评估模型，降低商业银行风险评估成本。此外，金融科技还有助于扩大信贷市场的信息共享范围，使得商业银行可在丰富的贷款信息集中选择信用资质良好的客户进行交易，降低筛选和监控成本，同时以信息共享来约束借款人行为，降低信贷风险（Sutherland，2018）[19]。由此可见，金融科技确实对商业银行信贷业务产生了深远的影响。

商业银行绿色信贷的投放力度和实施效果受到多方面因素的影响。借款企业层面，企业信息披露水平和环境责任表现对商业银行绿色信贷决策有着显著影响（李哲和王文翰，2021）[20]。放款银行层面，有学者发现了绿色信贷和商业银行财务绩效的动态交互关系（张琳等，2019）[21]。政府层面，地方政府环境规制和地方官员特征也是影响绿色信贷发展的重要因素（林柏强和潘婷，2022；韦朕韬等，2023）[22，23]。上述关于绿色信贷影响因素的分析多集中于企业和政府层面，对商业银行内部因素与绿色信贷关系的研究甚少，而绿色信贷主要是通过商业银行进行投放，商业银行内部因素对绿色信贷的影响不可忽视。尤其是在现代信息化与科技化的大背景下，商业银行内部发展金融科技势必会对绿色信贷业务的发展造成冲击。

（二）金融科技与绿色信贷

基于微观经济学不完全信息理论，商业银行与企业之间的信息不对称是造成道德风险和逆向选择的主要原因，这些问题都将导致信贷资源错配（宋敏等，2021）[24]，类似的问题在绿色信贷这类政策性贷款的实施过程中表现得更加严重。目前各商业银行主要根据信贷申请企业的经营范围和行业类型来判断其是否属于绿色企业或绿色项目，一方面，按照传统的贷款方式，一些申请绿色信贷的企业在满足正常申请条件的同时，需要依靠足值抵押物等“硬”资质来通过商业银行的信贷审核，这就使得部分符合绿色信贷申请条件但缺少硬性资产的中小企业被排斥在商业银行绿色信贷投放范围之外；另一方面，由于商业银行与借款企业之间的信息不对称，部分企业通过“漂绿”“染绿”等方式骗取绿色信贷，并将绿色信贷挪作他用，部分信用不良和还贷能力差的企业在得到绿色信贷后出现违约行为，导致商业银行利润和资产流动性下降，金融风险水平攀升。经过借款企业的上述一系列负向操作，商业银行对绿色信贷的投放越发谨慎，秉持“宁可不投，也不错投”的保守态度。由此，商业银行陷入不愿投放但碍于政策因素又必须适量投放绿色信贷的困境。金融科技赋予商业银行全新的应用技术、产品形态与业务模式，商业银行在大数据、物联网、人工智能等技术的帮助下，信息获取、信贷配置和风险控制三个方面的能力得到提高（李春涛等，2020）[25]，绿色信贷的投放很可能也会受到影响。

在信息获取方面，一方面，大数据、智能识别、数据挖掘等技术手段增强了商业银行的信息获取能力（盛天翔和范从来，2020）[9]，获取海量客户信息和历史数据的同时，可将绿色信贷申请企业的“软”信息“量”化，通过“软”“硬”信息的结合商业银行能够多维度、深层次地对企业进行绿色评价，并以信息技术手段综合判断是需要足值抵押物等“硬”资产来发放担保贷款，还是可以凭借企业良好的绿色声誉和绿色信用以及项目的低风险等“软”资质发放信用贷款，有助于商业银行为更多符合绿色信贷申请资质的中小企业提供绿色信贷，一定程度上提高了绿色信贷服务的包容性（谭常春等，2023）[26]，增加了商业银行绿色信贷投放。另一方面，商业银行可以利用金融科技有效辨别绿色企业与绿色项目的真伪，缓解银企之间的信息不对称，随着信息掌握程度的提高，商业银行对于绿色信贷投放的保守态度逐渐转向积极，进而放宽绿色信贷申请及发放条件，刺激绿色信贷的投放。基于此，本文提出假设1和假设2：

假设1：商业银行发展金融科技能够显著增加绿色信贷的投放量。

假设2：金融科技通过缓解银企间的信息不对称，促进商业银行绿色信贷的投放。

在信贷配置方面，由于市场信息的缺乏，商业银行存在惜贷等情况，存贷比和利息收入低于市场均衡水平。在金融科技有效缓解银企间信息不对称的基础上，商业银行风险承担意愿增强，信贷配置有所调整，存贷款比例会显著上升。特别是在绿色信贷业务上，风险承担意愿的增强赋予银行在信贷业务方面更多的操作空间，虽然绿色信贷相较其他信贷来说利息较低、周期较长，但为赢得绿色声誉以及碍于政策指标，商业银行会倾斜增加绿色信贷的投放。据此，本文提出假设3：

假设3：金融科技通过调整商业银行信贷配置，促进商业银行绿色信贷的投放。

在风险控制方面，一方面，商業银行能够利用金融科技建立绿色信用评估模型（Livshits等，2016）[27]，过滤违约风险高的绿色信贷申请企业，排除非绿企业和非绿项目，防止企业“标绿”“染绿”以骗取绿色信贷，提高的风险处理能力；另一方面，商业银行能够运用大数据、区块链等技术实时监测绿色信贷资金流向，当绿色信贷申请企业将绿色资金挪作他用时，商业银行能够及时冻结并收回已发放的绿色信贷资金，这将有助于提高商业银行的风险控制能力，降低商业银行的信贷风险（张妤舟，2021）[28]。风险控制能力的提高和信贷风险的下降又会增强商业银行投资信心，使其向市场发放更多的绿色信贷以谋求更多的收益。基于以上分析，本文提出假设4：

假设4：金融科技通过降低商业银行信贷风险，促进商业银行绿色信贷的投放。

三、研究设计

（一）研究样本和数据处理

本文以2012—2021年22家中国上市商业银行为研究对象，商业银行金融科技发展指数来自对各商业银行年报进行爬虫得到的数据，商业银行经营数据及财务数据来自国泰安数据库、Choice金融数据库和各商业银行年报，绿色信贷余额来自马克数据网、各商业银行社会责任报告和可持续发展报告。部分缺失数据通过各商业银行年报、社会责任报告和可持续发展报告手工收集，剩余少量缺失数据通过线性插值法补齐。此外，为消除极端数据值对实证结果造成的影响，对所有连续型变量进行双侧1%的缩尾处理，最终得到2012—2021年22家商业银行的220个观测值。

（二）模型构建

基于前文理论分析，为探究金融科技与绿色信贷之间的关系，本文构建以下模型：

[GRi，t=α+βFintechi，t+γControls+δi+μi+εi，t] （1）

其中，被解释变量[GRi，t]代表商业银行[i]在[t]年份的绿色信贷投放量，使用商业银行的绿色信贷余额来度量；核心解释变量[Fintechi，t]代表商业银行[i]在[t]年份的金融科技发展水平，使用爬取到的各商业银行年报中金融科技关键词词频的对数来度量；[Controls]是商业银行微观层面和国内宏观经济层面的控制变量；[δi]表示银行个体固定效应，由于省份固定效应会被商业银行个体固定效应吸收，因此，实质上本文也控制了省份固定效应；[μi]表示时间固定效应；[εi，t]代表随机误差项。

（三）变量定义

1. 绿色信贷投放量（GR）。参照以往文献，使用商业银行社会责任报告中的绿色信贷余额来衡量。

2. 金融科技发展水平（Fintech）。现有研究对于金融科技发展水平的测度主要有三类方法：一是采用北京大学数字金融研究中心编制的中国数字普惠金融指数（郭峰等，2020）[29]，该指数根据蚂蚁金服的底层交易数据编制，从覆盖广度、使用深度和数字化程度三个维度来反映金融科技发展水平。二是采用地区金融科技公司的数量来衡量地区金融科技发展程度（宋敏等，2021）[24]。三是采用文本挖掘法，以金融科技关键词检索结果来衡量金融科技发展水平（郭品和沈悦，2019）[14]。前两种测度方法多用于全国与省市级层面的宏观研究，而基于文本挖掘法所构建的商业银行金融科技指数更适合对商业银行进行微观分析。因此，本文借鉴李春涛等（2020）[25]和翟胜宝等（2023）[30]的方法，通过机器学习的方法，从各商业银行年报中提取涵盖人工智能、区块链、云计算、大数据、线上化与移动化等六个维度的124个金融科技关键词词频数（见表1），对所得结果做对数化处理，得到各年度各商业银行的金融科技发展水平。

3. 控制变量。按照以往研究，商业银行层面微观特征、国内宏观经济发展水平与货币政策等均会影响商业银行的绿色信贷水平。因此，本文选取的控制变量在微观上主要包括能够反映商业银行盈利能力的总资产收益率（ROA）、反映信贷坏账情况的不良贷款率（NPL）、反映经营效率的成本收入比（CI）、反映流动性水平的流动性比例（LDR）、反映资本充足水平的资本充足率（CAR）以及反映环境责任意识的环境信息披露指数（EIDQ）；在宏观上主要包括反映各地区绿色政策力度的环境规制强度（ER）、反映国内经济发展水平的国内生产总值（GDP）和反映货币政策环境的货币供应量（M2）。具体变量定义及描述性统计见表2。

四、实证结果分析

（一）基准回归

本文采用的样本数据属于大N小T的短面板数据，常用的估计方法有混合回归、固定效应和随机效应模型，需要使用Hausman检验确定合适的基准回归模型。检验结果显示P值为0.0000，在1%的水平上显著拒绝随机效应。因此，本文采用固定效应模型（控制个体和时间效应）进行基准回归，结果如表3所示。

由表3第（1）列可知，没有加入任何控制变量时，金融科技发展水平的系数为0.6184，在1%的水平上显著为正，这表明商业银行金融科技发展水平对绿色信贷投放具有显著的促进作用。在考虑商业银行自身特征及宏观经济政策等控制变量后，金融科技发展水平的系数降至0.4737，仍在1%的水平上显著为正，进一步验证了商业银行金融科技发展水平对绿色信贷投放的正向影响。考虑到商业银行信贷供给受其他因素影响后变动往往具有一定的时滞性，将核心解释变量与控制变量均滞后一期再使用固定效应模型进行回归，结果如表3第（3）列所示，金融科技发展水平的系数符号和显著性均未改变，由此，假设1初步成立。

控制变量中，总资产收益率的回归系数显著为负，说明总资产收益率和绿色信贷投放量负相关，与直觉相悖，通常来讲，商业银行总资产收益率越高，商业银行资本积累就越多，越有能力进行绿色信贷投放。一种可能的解释是，总资产收益率越高，商业银行就越有动机保持高收益率，因此，会减少发展绿色信贷这类非盈利性或低盈利性的政策性贷款。不良贷款率的回归系数显著为负，说明不良贷款率越高，商业银行越谨慎，会缩减绿色信贷的投放。资本充足率的回归系数同样显著为负，这可能與商业银行绿色信贷业务开展不足相关。其余控制变量的显著性和符号与预期相符，不再赘述。

（二）内生性问题

为缓解遗漏变量、金融科技发展水平测量误差或反向因果导致的内生性问题，本文采用以下方法处理后再检验。

1. 工具变量法。Hausman检验结果在1%水平上显著拒绝原假设，表明解释变量存在内生性，使用工具变量法一定程度上能够消除解释变量的内生性。参照张杰等（2017）[31]和宋敏等（2021）[24]的方法，本文使用与商业银行总部所在地级市接壤的其他三个地级市的北京大学数字普惠金融总指数的平均值，作为金融科技发展水平的工具变量（AV_Fin）。一方面，与商业银行总部所在地级市接壤的其他三个地级市的数字普惠金融发展水平与银行的金融科技发展水平正相关，满足工具变量的相关性要求；另一方面，接壤地级市的数字普惠金融指数均值并不直接影响该商业银行的绿色信贷投放量，满足工具变量的外生性要求。因此，工具变量的基本要求得到满足。

本文先使用两阶段最小二乘法（2SLS）进行工具变量法回归，回归结果如表4所示。其中，Anderson LM统计量P值为0.000，显著拒绝工具变量识别不足的原假设，第一阶段F统计量为321.267，大于Stock-Yogo在10%水平上的临界值16.38，表示不存在工具变量识别不足和弱工具变量问题，因此，本文选用的工具变量有效。表4第（1）列为2SLS第一阶段回归结果，工具变量的回归系数在1%的水平上显著为正，表明商业银行总部所在地级市临近的三个地级市的平均金融科技发展水平越高，该商业银行金融科技发展水平就越高，工具变量有效的前提得到满足。表4第（2）列为2SLS第二阶段回归结果，在缓解内生性后，金融科技发展水平对绿色信贷投放量仍具有显著的正向影响，本文结论仍然成立。

考虑到2SLS工具变量法在消除内生性过程中的局限性，本文还使用拓展回归模型（ERM）中的拓展线性回归模型（Eregress）子模块来进行工具变量法回归。回归结果如表4第（3）列所示，残差相关性系数在1%的水平上显著，说明模型存在内生性问题，在缓解内生性核心解释各变量的符号和显著性均未改变，表明本文结论依旧稳健。

2. GMM动态面板分析。绿色信贷政策往往在时间上具有一定的持续性，当期绿色信贷投放很可能受到上一期绿色信贷投放政策的影响。为消除这种影响带来的内生性问题，本文在式（1）的基础上引入被解释变量的一阶滞后项作为解释变量，使用差分GMM和系统GMM回归来检验前文结论的稳健性。表5列（1）与列（2）结果均通过二阶序列相关检验和Hansen过度识别检验，且金融科技发展水平的回归系数均在1%的水平上显著为正，表明在考虑绿色信贷政策的时间序列相关性后，金融科技对绿色信贷投放量的促进作用仍然显著存在。

（三）稳健性检验

1. 替换被解释变量。参照已有文献，本文使用当期绿色信贷余额占期末贷款总额的比重（GRR）作为绿色信贷投放水平的替代指标，回归结果如表6第（1）列所示，金融科技发展水平的回归系数在1%水平上显著为正，商业银行金融科技的发展能够显著促进绿色信贷的投放，与前文结论一致。

2. 替换核心解释变量。本文使用商业银行总部所在地级市的北京大学数字普惠金融总指数（Digit Fintech）作为文本挖掘法所构建的金融科技发展水平的替代指标，并对其进行回归，结果如表6第（2）列所示，替代指标的回归系数在1%水平上仍显著为正，证明金融科技与绿色信贷投放量的正相关性，前文结论可靠稳健。

3. 剔除直辖市。考虑到直辖市金融科技发展水平较高，当地商业银行一般较早开始落实绿色信贷政策，绿色信贷投放水平往往也较高，反向因果问题可能较为严重。因此，在剔除直辖市后对剩余样本进行回归，结果见表6第（3）列，金融科技发展水平的回归系数依然显著为正，再次验证了前文结论的可靠性。

五、机制分析

前文的研究结论表明，商业银行发展金融科技能够显著增加绿色信贷的投放量，本节从缓解信息不对称、调整信贷配置和降低信贷风险三个维度出发，使用结构方程模型（SEM）检验中介效应，深入剖析金融科技对绿色信贷的影响机制。

（一）基于缓解信息不对称

银企之间的信息不对称是导致商业银行绿色信贷配置效率低下的主要原因。金融科技利用大数据、区块链等技术充分挖掘、收集并精准识别绿色信贷客户信息，结合“软”“硬”信息，在有效缓解银企间信息不对称的同时为商业银行吸纳更多符合资质的绿色客户，从而推动商业银行投放更多的绿色信贷。银企的信息不对称程度会严重影响其资产的流动性，交易者为避免信息劣势给自己带来损失，往往会选择信息透明度更高的公司买进股票，因此，商业银行股票的流动性越差，则代表银企间信息不对称程度越高。本文参照于蔚等（2012）[32]的做法，基于微观金融市场的交易数据，通过提取流动性比率、非流动性比率以及反转指标综合合成商业银行信息不对称（ASI）的代理指标，并代入回归方程，借鉴江艇（2022）[33]关于中介效应的判定方法，以中介效应模型检验金融科技能否通过缓解银企间信息不对称的方式来增加商业银行绿色信贷的投放量。

回归结果如表7所示，在第（2）列中，金融科技发展水平的回归系数显著为负，表明商业银行发展金融科技能够有效缓解银企间的信息不对称。同时，第（3）列信息不对称的回归系数显著为负，说明信息不对称对绿色信贷的投放具有抑制作用。结合前三列的回归结果可得到，商业银行发展金融科技确实能够通过缓解信息不对称进而促进绿色信贷的投放。Sobel检验和蒙特卡罗检验均在1%的显著性水平上拒绝不存在中介效应的原假设，且蒙特卡罗检验的置信区间不包含0，验证了缓解信息不对称中介效应的存在性。由此，前文假设2得到验证。

（二）基于调整信贷配置

商业银行自身对于信贷配置的调整也是影响其绿色信贷投放量的关键因素。金融科技可以提高商业银行对于绿色信贷申请企业的信息获取能力、改进绿色信贷从申请及发放的审批流程与技术、完善绿色信用评估机制，在信息真实透明的绿色信贷市场条件下，商业银行能够及时调整信贷配置，提高信贷配置效率，即商业银行风险承担意愿增强，为获得绿色声誉、完成绿色信贷政策指标以及获取更多的隐性收益，商业银行会发放比原来更多的绿色信贷。参考刘方等（2022）[34]的做法，本文使用商业银行的存贷比（LD）来衡量其信贷配置状况，存贷比越高则代表商业银行信贷配置效率越高，以同上的中介效应模型检验金融科技是否通过提高商业银行信贷配置效率进而促进绿色信贷的投放。表8的估计结果表明，金融科技调整了商业银行的信贷配置，通过提高其信贷配置效率来促进绿色信贷的投放。Sobel检验和蒙特卡罗检验验证了信贷配置效率中介效应的存在性。信贷配置效率的提高赋予商业银行更多的资本利用机会和试错空间，往往使得商业银行对投放绿色信贷这类政策性贷款保持积极、宽松的态度。而商业银行金融科技的发展调整了银行信贷配置，提高了信贷配置效率，进而使得绿色信贷投放量增多，由此，验证了前文假设3。

（三）基于降低信贷风险

信贷风险水平是商业银行调整业务和政策的实时依据，绿色信贷的投放数量及发放政策同样会受到信贷风险水平的影响。高信贷风险水平会使商业银行收紧信贷政策，进而阻碍绿色信贷的申请和投放（王遥和王文蔚，2021；许罡，2022）[35，36]。金融科技能夠帮助商业银行建立风险评估与预测模型，实现对包括绿色信贷在内的众多信贷资金流向的实时监测，从而降低商业银行信贷风险水平，刺激商业银行发放绿色信贷。参照以往研究，本文以风险加权资产占总贷款的比例，即风险加权资产占比（RISK）来衡量商业银行信贷风险水平，并使用同上的中介效应模型检验其在金融科技与绿色信贷之间的中介效应是否成立。回归结果如表9所示，结果表明金融科技可通过降低商业银行信贷风险进而增加商业银行的绿色信贷投放量。Sobel检验和蒙特卡罗检验均证明了信贷风险中介效应的存在。左振秀等（2017）[37]认为，从商业银行角度来看，阻碍绿色信贷发放的最大因素是绿色信贷业务自身的高风险。如果绿色信贷业务的风险下降，商业银行自然会增加绿色信贷的投放量。金融科技通过智能化与信息化交互的技术手段赋能商业银行，有效降低绿色信贷风险，进而促进绿色信贷的投放，前文假设4得证。

六、异质性分析

（一）基于商业银行规模和所有权性质

不同规模的商业银行在人力物力、客户群体等方面存在差异，商业银行金融科技的发展方式和融入程度亦有所不同，因而金融科技在各商业银行的实际应用存在较大差异。为探究不同规模商业银行发展金融科技对绿色信贷投放量的异质性影响，本文选取样本中所有商业银行年度总资产的中位数作为临界值，将全样本划分为大规模商业银行组和小规模商业银行组。分组回归结果如表10的第（1）、（2）列所示，金融科技发展水平的回归系数均在1%的水平上显著为正，但小规模商业银行的回归系数远高于大规模商业银行，说明小规模商业银行发展金融科技对绿色信贷投放的促进作用更加明显。可能的原因在于，一方面，大规模商业银行通常对新政策的反应更加迅速，对于绿色信贷这类政策性贷款的投放力度一开始就远远高于小规模商业银行，业务发展空间有限。相反，小规模商业银行对新政策反应慢、落实力度小与响应周期长，绿色信贷业务尚有较大发展空间。另一方面，不同于大规模商业银行，小规模商业银行本身就缺乏与业务相关的科技产品和先进设备，并且小规模商业银行体量小、决策半径短、自主性强，能更快适应金融科技带来的改变。由此看来，金融科技给小规模商业银行带来的机遇更大。

商业银行所有权性质不同也会造成其金融科技发展水平与绿色信贷这类政策性贷款实施效果的差异，本文将全样本划分为国有商业银行、股份制商业银行和城市商业银行三个子样本，考察金融科技对不同所有权性质的商业银行绿色信贷投放量影响的差异性。表10后三列显示了分组回归的结果，表明金融科技在国有商业银行、股份制商业银行和城市商业银行中对绿色信贷投放均有着显著的促进作用，其中，对城市商业银行的影响程度最大。可能的解释是，由于各个城市接连出台对金融科技发展的支持政策并大力吸纳金融科技有关人才，城市商业银行也容易受到金融发展的辐射作用。而相比之下，金融科技促进绿色信贷投放的作用在股份制商业银行中最小，这与股份制商业银行绿色信贷审批程序复杂，以及通常需要召开股东大会讨论并做出相关政策决策有关。

（二）基于商业银行资本充足率

商业银行资本充足率表示银行以自有资本补偿损失的能力，商业银行资本充足率与商业银行风险呈负相关关系，当资本充足率过低甚至接近最低资本监管要求时，商业银行会被限制信贷供给。因此，高资本充足率的商业银行往往能够实行更宽松的信贷政策，金融科技促进绿色信贷投放增加的作用可能更强。

为验证商业银行资本充足率的异质性影响，本文选取样本中所有商业银行年度资本充足率的中位数作为临界值，将全样本划分为高资本充足率组和低资本充足率组。表11的分组回归结果显示，金融科技发展水平的回归系数均在1%的水平上显著为正，并且在高资本充足率组中，金融科技发展水平的回归系数远高于低资本充足率组。这表明，金融科技在高资本充足率的商业银行中对绿色信贷投放量的正向影响更大。究其原因，高资本充足率意味著资本运营效率低和收益不足，商业银行会尝试通过增加业务量、拓展业务面等方式以提高资本运营效率和收益。金融科技赋予商业银行集透明性、稳定性、科学性为一体的全新贷款技术、信用评估机制和风险预测与评估模型等，使商业银行在能够保障绿色信贷质量的前提下，降低资本充足率、增加绿色信贷投放量和扩大绿色信贷规模，实现自身资本运营效率和收益的提高。

七、结论与启示

（一）研究结论

现代新兴信息技术正逐步与金融业融合，“金融+科技”成为深化银行业供给侧结构性改革的重要抓手。在此背景下，探究商业银行发展金融科技对绿色信贷的影响及作用机制，对我国绿色发展和高质量发展以及“双碳”目标的实现具有重大现实意义。本文基于文本挖掘法，爬取各商业银行年报统计金融科技关键词词频数，构建了商业银行金融科技发展指数，结合2012—2021年22家中国上市商业银行数据，考察商业银行金融科技发展水平对其绿色信贷投放的影响及作用机制。结果表明：商业银行发展金融科技能够显著增加绿色信贷投放量。机制分析表明，金融科技通过缓解银企之间的信息不对称、调整商业银行信贷配置和降低商业银行信贷风险来促进绿色信贷的投放。进一步研究发现，金融科技对绿色信贷发展的促进作用在规模小、资本充足率高的银行以及城市商业银行中表现得更加明显。

（二）政策启示

1.商业银行应大力发展金融科技，加速与金融科技的全方位融合，深化金融供给侧结构性改革。商业银行应加大对金融科技的投入力度和应用程度，以“金融+科技”颠覆传统商业银行经营理论和信贷业务开展模式，打造集数字化、信息化和智能化为一体的全新业态，并通过自身绿色转型、数字化转型来深化金融供给侧结构性改革，促进银行业的绿色发展和高质量发展。此外，商业银行应因地制宜，采取符合自身特点的差异化的金融科技发展方式。

2.政府部门应加强顶层设计和政策指引，出台有效支持金融科技发展的配套政策，同时完善相关监管机制，加强宏观审慎管理，防范金融科技发展与应用过程中可能引发的重大金融风险。金融科技在为商业银行赋能的同时，也可能因应用不当而带来重大金融风险。为用好金融科技这把“双刃剑”，一方面，在商业银行金融科技发展过程中，政府需给予政策支持和资金帮扶，吸纳金融科技人才，鼓励银行进行金融科技产品的创新和开发；另一方面，政府需加强对金融科技的监管力度，提高金融科技产品的准入门槛，防止不合格的金融科技产品投向市场进而引发系统性金融风险。值得注意的是，政府还需将宏观审慎与银行的微观治理相结合，引导商业银行金融科技的合理化、规范化发展。

参考文献：

[1]田超，肖黎明.绿色信贷会促进重污染企业技术创新吗？——基于《绿色信贷指引》的准自然实验 [J].中国环境管理，2021，13（06）.

[2]张小可，葛晶.绿色金融政策的双重资源配置优化效应研究 [J].产业经济研究，2021，（06）.

[3]张可，李语晨，赵锦楸.绿色信贷促进了节能减排吗 [J].财经科学，2022，（01）.

[4]赵鹞.Fintech的特征、兴起、功能及风险研究 [J].金融监管研究，2016，（09）.

[5]易宪容.金融科技的内涵、实质及未来发展——基于金融理论的一般性分析 [J].江海学刊，2017，（02）.

[6]何涌，谢磊.金融科技的内涵、风险与监管的中国方案：一个基于文献可视化的研究综述 [J].金融发展研究，2022，（04）.

[7]孟娜娜，粟勤，雷海波.金融科技如何影响银行业竞争 [J].财贸经济，2020，41（03）.

[8]Fuster A，Plosser M，Schnabl P，Vickery J. 2019. The Role of Technology in Mortgage Lending [J].The Review of Financial Studies，32（5）.

[9]盛天翔，范从来.金融科技、最优银行业市场结构与小微企业信贷供给 [J].金融研究，2020，（06）.

[10]王道平，刘杨婧卓，徐宇轩，刘琳琳.金融科技、宏观审慎监管与我国银行系统性风险 [J].财贸经济，2022，43（04）.

[11]赵清波，卜林.银行发展金融科技能否提高经营绩效？——来自我国92家银行的经验证据 [J].财经理论与实践，2022，43（05）.

[12]于凤芹，于千惠.金融科技影响商业银行盈利能力的机制分析 [J].金融与经济，2021，（02）.

[13]邱晗，黄益平，纪洋.金融科技对传统银行行为的影响——基于互联网理财的视角 [J].金融研究，2018，（11）.

[14]郭品，沈悦.互联网金融、存款竞争与银行风险承担 [J].金融研究，2019，（08）.

[15]徐晓萍，李弘基，戈盈凡.金融科技应用能够促进银行信贷结构调整吗？——基于银行对外合作的准自然实验研究 [J].财经研究，2021，47（06）.

[16]亓鹏，韩庆潇.金融科技发展有助于农商行业务回归本源吗？——来自县域农商行的微观证据 [J].金融发展研究，2022，（07）.

[17]Cheng M，Qu Y. 2020. Does Bank FinTech Reduce Credit Risk？ Evidence from China [J].Pacific-Basin Finance Journal，63.

[18]李建军，姜世超.银行金融科技与普惠金融的商业可持续性——财务增进效应的微观证据 [J].经济学（季刊），2021，21（03）.

[19]Sutherland A. 2018. Does Credit Reporting Lead to a Decline in Relationship Lending？ Evidence from Information Sharing Technology [J].Journal of Accounting and Economics，66（1）.

[20]李哲，王文翰.“多言寡行”的環境责任表现能否影响银行信贷获取——基于“言”和“行”双维度的文本分析 [J].金融研究，2021，（12）.

[21]张琳，廉永辉，赵海涛.绿色信贷和银行财务绩效的动态交互影响关系——基于中国29家商业银行的实证研究 [J].上海金融，2019，（04）.

[22]林伯强，潘婷.环境管制如何影响绿色信贷发展？[J].中国人口·资源与环境，2022，32（08）.

[23]韦朕韬，张腾，陶善信.绿色信贷、地方官员特征与我国工业产能过剩 [J].财经论丛，2023，（02）.

[24]宋敏，周鹏，司海涛.金融科技与企业全要素生产率——“赋能”和信贷配给的视角 [J].中国工业经济，2021，（04）.

[25]李春涛，闫续文，宋敏，杨威.金融科技与企业创新——新三板上市公司的证据 [J].中国工业经济，2020，（01）.

[26]谭常春，王卓，周鹏.金融科技“赋能”与企业绿色创新——基于信贷配置与监督的视角 [J].财经研究，2023，49（01）.

[27]Livshits I，Mac Gee J C，Tertilt M. 2016. The Democratization of Creditand the Rise in Consumer Bankruptcies [J].The Review of Economic Studies，83（4）.

[28]张妤舟.金融科技助力商业银行履行企业社会责任 [J].金融科技时代，2021，29（12）.

[29]郭峰，王靖一，王芳，孔涛，张勋，程志云.测度中国数字普惠金融发展：指数编制与空间特征 [J].经济学（季刊），2020，19（04）.

[30]翟胜宝，程妍婷，谢露.商业银行数字化转型与风险承担水平 [J].北京工商大学学报（社会科学版），2023，38（02）.

[31]张杰，郑文平，新夫.中国的银行管制放松、结构性竞争和企业创新 [J].中国工业经济，2017，（10）.

[32]于蔚，汪淼军，金祥荣.政治关联和融资约束：信息效应与资源效应 [J].经济研究，2012，47（09）.

[33]江艇.因果推断经验研究中的中介效应与调节效应 [J].中国工业经济，2022，410（05）.

[34]刘方，祁迹，胡列曲.金融科技与银行信贷配置效率——我国143家商业银行的经验证据 [J].哈尔滨商业大学学报（社会科学版），2022，185（04）.

[35]王遥，王文蔚.环境灾害冲击对银行违约率的影响效应研究：理论与实证分析 [J].金融研究，2021，498（12）.

[36]许罡.新环保法实施对重污染企业融资影响及后果研究 [J].现代财经（天津财经大学学报），2022，42（02）.

[37]左振秀，崔丽，朱庆华.中国实施绿色信贷的障碍因素 [J].金融论坛，2017，22（09）.