绿色信贷对商业银行风险承担的影响研究

秦子婷 宋瑞敏

(桂林电子科技大学 广西桂林 541004)

当前，绿色经济已被国家纳入发展战略，是人类社会从工业文明跨向生态文明的重要推动力。党的二十大报告提出，推动经济社会发展绿色化、低碳化是实现高质量发展的关键。2020年9月22日，在联合国第75届会议上，中国正式宣布了2030年碳达峰和2060年碳中和的目标。目前，各商业银行都开始向“3060目标”调整，相关绿色金融政策应运而生，绿色信贷必将成为金融可持续发展的重要驱动力。

回顾现有研究，关于绿色信贷与商业银行风险之间的相互关系及金融科技赋能绿色金融展开的探讨，仍未形成一致的结论。

随着绿色发展与生态环保受到国际的重视，国内外学者开始聚焦绿色信贷对商业银行风险的影响，并取得了一些研究成果。一方面，有学者认为绿色信贷政策是降低环境风险的金融工具(Labatt and White,2002[1])，能缓解“两高一剩”企业因环境成本导致的直接风险和间接风险，规避违背企业社会责任原则导致的声誉毁损风险(李苏等，2017[2])。绿色信贷通过资源配置抑制商业银行的不良贷款率，对其信贷风险有显著的负向影响(孙光林等,2017[3])；另一方面，部分学者认为短期内低碳经济与商业银行防范金融风险之间存在矛盾，商业银行开展绿色信贷业务会增加其短期破产风险(邵传林和闫永生，2020[4])。

从绿色信贷与金融科技之间的关系来看，金融科技是金融与科技的融合，在发展金融创新、开拓金融业态等方面都具有重要意义(王浩斌和陈钰，2023[5])，带给银行业的颠覆性变革是毋庸置疑的，学者基于不同的视角对绿色金融科技进行研究；从银行业务方面来看，有学者认为金融科技会加剧银行与非银行金融机构之间的竞争，挤占商业银行市场份额，增加银行风险承担(李向前和贺卓异，2021[6])，削弱垄断地位和竞争优势，对经营绩效带来负面影响(李朋林和张咚咚，2017[7])；从经营效率视角来看，金融科技能够有效防范“漂绿”风险(张伟和谷勤，2022[8])，降低信息不对称，提高经营效率；风险方面，金融机构利用金融科技进行风险监测、分析，提升金融机构的风险管理水平(刘志洋和解瑶姝，2022[9])。

通过整合相关文献，金融科技和绿色金融研究近年来成为热点，我国政府贯彻落实碳达峰、碳中和重大决策部署，大力发展金融科技的应用，对商业银行风险承担都起到不容忽视的影响。目前，大多数研究以线性模型分析绿色信贷对商业银行风险的影响机制，基于此，本文利用我国2012—2021年16家商业银行的数据，以非线性模型研究检验金融科技在绿色信贷与银行风险承担中的调节作用。

1 理论分析和假设提出

1.1 商业银行发展绿色信贷业务对风险承担的非线性影响

1.1.1 绿色信贷实施初期会提升商业银行风险承担水平

第一，发展绿色信贷初期会增加商业银行信用风险。实施绿色信贷初期，大部分信贷资金集中在“两高一剩”企业身上，如果停止放贷，就会造成该类企业资金链断裂，商业银行将面临不小的信用风险；第二，银行实施绿色信贷初期会对其收益形成一定的制约效应。绿色项目尚未形成标准化评价体系，需要投入较多的经营成本，直接制约银行当期的贷款收益。比如，银行在前期获取优质绿色项目的信息甄别，后期监督贷款资金流向、环保指标的实现情况等，导致银行短期内丧失部分利润来源；第三，实施绿色信贷初期面临较大的道德风险和逆向选择问题。由于我国缺乏一套系统完整的绿色信贷审核机制和规范标准，银企之间信息不对称严重，有些金融机构在利益驱动下为存在环境风险潜势的项目继续融资，伪绿、洗绿等业务与真正的绿色环保项目抢占制度红利和资金资源，社会资源扭曲，商业银行开展绿色信贷面临更大的阻力。

1.1.2 长期来看，绿色信贷会降低商业银行风险承担水平

第一，“两高一剩”企业的产业结构不符合经济发展趋势，发展绿色信贷能够优化调整商业银行的信贷结构。作为资金融通的重要枢纽，商业银行多维度引导资金流向绿色产业，优化信贷结构。调整信贷结构是一场持久战，商业银行积极实施该项政策能够吸引优质的绿色客户，使“两高一剩”企业淘汰或被迫转型，形成良性信贷资金绿色循环体系；第二，我国商业银行开展的绿色信贷活动实质上是对其社会责任的践行，能够提高自身绿色声誉。绿色信贷能够通过提高银行社会责任履行度及绿色声誉渠道来降低银行风险(顾海峰和史欠欠，2023[10])。有良好绿色声誉的银行能够吸引更优秀的客户和资源，获得更多政策福利，提高抵御风险的能力；第三，随着绿色信贷进入成熟期，加上国家信息披露政策逐渐规范，商业银行实施绿色信贷的风险溢出效应得到缓解。2012年《绿色信贷指引》实施后，政策实施产生的外部监督作用提高了逃避环境责任的成本，督促企业披露高质量环境信息(刘亦文等，2022[11])，环境信息遮掩成本大幅提高，“漂绿”现象削减。

因此，本文认为绿色信贷的增殖是一个缓慢的过程，短期内对商业银行风险承担的积极影响难以覆盖消极影响，但从长期来看，绿色信贷会激发商业银行的内生动力，调整信贷结构，降低声誉风险和制约信息不对称成本，降低商业银行的风险承担水平。基于此，本文提出以下假设：

假设1：商业银行开展绿色信贷业务的规模与商业银行风险承担呈“U”型关系。

1.2 金融科技的调节机制

近年来，金融科技新兴力量悄然崛起，以人工智能、区块链、大数据等新兴信息技术为标志，给金融产业链、价值链带来了翻天覆地的影响，全面向金融业务流程和服务模式、金融业组织框架渗透。

一方面，金融科技在深刻改变金融业态的同时，全面赋能绿色金融的发展。第一，金融科技能够缓解金融机构与企业之间的信息不对称。金融科技在“量”上缓解企业融资约束，在“质”上提高信贷资源配置效率(宋敏等，2021[12])。金融科技与绿色信贷融合，通过现代科技拓宽企业信息获取渠道，完善金融机构的绿色风险管理体系；第二，金融科技有助于银行业务模式与流程的创新。例如，大数据、云计算等技术可以对数据深度分析、挖掘客户不同的绿色金融需求提供算力支持，从而为金融产品的开发提供技术基础；第三，金融科技的运用能够整合金融流程，提高业务效率。将金融机构系统与绿色信息平台对接，简化金融机构在绿色信贷工作过程中烦琐的审批程序，提高工作效率。

另一方面，随着金融科技与绿色信贷的协调推进，绿色金融产品类别与流程模式的创新使得银行风险更加变幻莫测。同时，金融科技公司通过“竞争效应”影响传统金融机构，增加了银行业的脆弱性。第一，在金融科技时代，商业银行接纳新兴信息科技进行绿色金融创新，使得风险来源更加复杂多样，加剧银行自身风险累积，可能产生多层嵌套和高杠杆的风险暴露；第二，金融科技企业能够利用信息技术鉴别高质量客户，与商业银行成为业务竞争关系，使得银行业务体量下降，削弱绿色信贷对银行风险的正向作用。同时，贷款利率受市场影响而受到限制，挤压商业银行资产端和负债端；第三，监管往往具有滞后性，金融科技给绿色信贷业务带来的风险变化难以在早期被甄别并及时规避，降低了商业银行的经营稳定性。

因此，本文认为金融科技能够缓解绿色信贷实施初期对银行风险的负面影响，但金融科技与绿色信贷发展后期的交互作用对于银行风险承担具有负向作用，使得银行风险缓解区段斜率变小。基于此，本文提出以下假设：

假设2：金融科技将会弱化绿色信贷与商业银行风险承担之间的“U”型关系。

2. 样本选取与模型设计

2.1 研究样本与数据来源

本文以中国银行业2012—2021年16家商业银行构成的平衡面板数据为样本，使用的绿色信贷相关数据来自各银行的历年年报、《环境信息披露报告》等，银行层面财务数据来源于Wind数据库，宏观经济层面数据来源于国家统计局。

2.2 变量选取

2.2.1 被解释变量

银行风险承担(Z_score)。当前，国内外学者广泛采用Z值作为银行风险的代理变量，它的值越大，银行在经营时的风险越低，越稳定。为了缓解数据的极端值影响和减少异方差，本文对Z_score值进行了对数化处理，其计算方法如下：

式(1)中：CAR是资本充足率；ROA是资产回报率；δ(ROA)是资产回报率的标准差。

2.2.2 核心解释变量

绿色信贷(lnGL)。由于目前银行业开展绿色信贷占比的中长期变动趋势不明显，本文选取绿色信贷余额作为核心解释变量。为了降低数据的离群和异方差对分析造成的影响，本文对绿色信贷余额进行了对数化处理。

2.2.3 控制变量

参考已有研究，本文选取的银行层面控制变量包括银行规模(lnAsset)、资本充足率(CAR)、拨备覆盖率(PCR)、财务杠杆(LEV)、运营效率(CIR)。在宏观方面，本文选取了银行业景气指数(BBI)、经济增长率(GDPR)、货币供应量(M2)反映宏观经济对银行风险产生的影响，如表1所示。

表1 变量定义

2.3 模型构建

为了更深入地考察绿色信贷与商业银行风险的关系，本文设定如下基准回归模型：

式(2)、(3)中：i为商业银行；t为年份；lnGL表示绿色信贷余额；digi表示金融科技指数；Controls表示控制变量；ε 表示残差项。

3 实证检验及结果分析

3.1 描述性统计

变量描述性统计如表2所示。被解释变量银行风险承担(Z_score)的标准差为0.28，说明不同银行的风险承担水平差距悬殊。绿色信贷余额(lnGL)极差为8.44，标准差为1.82，说明绿色信贷业务开展程度在各银行存在显著差异，从均值6.87来看，当前中国商业银行贯彻绿色信贷政策的力度不高。

表2 变量描述性统计

银行资产总额的对数(lnAsset)介于8.14212.77，规模差距较大。从资本充足率(CAR)来看，样本银行资本充足率最小值为9.88，最大值为18.02，平均值13.41，可能与各银行需要满足《巴塞尔协议III》规定的资本充足率有关。在宏观经济形势方面，银行业景气指数均值为69.72，说明我国商业银行发展态势良好。其他变量的描述性统计结果基本都在合理范围之内。

3.2 基准回归结果

本文在基准回归之前进行了Hausman检验，并使用修正后的h估计量，选取固定效应模型进行回归并进行聚类标准误调整。表3是自变量、控制变量对因变量的层级回归结果，其中模型(1)是控制变量对银行风险承担的回归模型；模型(2)是控制变量、绿色信贷对银行风险承担的主效应回归模型；模型(3)是加入绿色信贷平方项后对银行风险承担的主效应回归模型；模型(4)是加入金融科技交互项后的回归模型。

表3 层级回归结果

根据表3的第(3)列，绿色信贷规模的一次项系数为-0.2110，二次项系数为0.0153，一次项系数和二次项系数均在1%水平上显著，说明绿色信贷和银行风险承担水平的“U”型非线性关系得到验证，与假设1相符。

根据表3的第(4)列，在第(3)列的基础上，增加了交互项。从回归结果可以得到绿色信贷余额和金融科技的交乘项系数在1%的水平上显著为正。绿色信贷余额二次项和金融科技的交乘项系数在5%的水平上显著为负，说明绿色信贷与银行风险的“U”型关系被弱化，转折点在调节变量的作用下向右移动，金融科技指数的调节效应存在，验证了假设2。

3.3 稳健性检验

3.3.1 方程中加入三次项

在方程中加入解释变量三次项可以检验这种关系是否可能是“S”型而不是“U”型。根据表4第(1)列发现三次项并未改善模型的拟合，一次项系数依然显著为负，二次项系数显著为正，三次项系数不显著，从而为二次关系提供了更有力的支持。

3.3.2 滞后一期检验

绿色信贷项目具有建设周期长、资金大的特点，对商业银行风险的影响存在时滞性。本文对绿色信贷规模进行滞后一期处理，缓解内生性问题。通过表4第(2)列得到，滞后一期的绿色信贷规模和滞后一期的绿色信贷规模二次项系数均在1%水平上显著。说明滞后一期的绿色信贷对商业银行风险之间也呈“U”型关系。

4 结语

本文通过对2012—2021年16家商业银行面板数据的理论分析和实证检验得出以下结论：(1)绿色信贷对商业银行风险承担具有非线性关系的“U”型关系；(2)金融科技对绿色信贷与商业银行风险承担之间的关系具有调节效应，使它们之间的“U”型关系趋于平缓并削弱拐点到来。针对研究结果，本文提出以下建议：

4.1 深掘客户需求，大力发展绿色信贷业务

长期来看，发展绿色信贷有助于降低商业银行风险，实现绿色发展的社会目标。首先，商业银行应有效利用预算内投资和财政补贴加速更新绿色金融产品和服务模式。借助数字化发展多维度地挖掘客户需求，采取个性化的授信策略，丰富绿色筹资渠道；其次，制定与绿色信贷业务特点相匹配的业务授信流程与评价标准，提高绿色信贷业务与银行风险的良性互动，增强企业绿色发展的内生动力。

4.2 积极面对数字化浪潮，正确看待并利用金融科技力量

商业银行在利用金融科技实施绿色信贷业务的同时，也要加强风险管控。首先，应探索建立权责分明、制度健全的金融科技风控制度，重视风控管理体系的研发投入，开发监测软件；其次，设立相关金融科技风险防范部门，有效监管存在潜在风险的各个环节；最后，针对自身情况制定数字化转型战略，利用先进技术全方位创新，加强与企业、政府之间的联系，破解绿色信贷政策实施的瓶颈与难点。

4.3 完善绿色信贷的配套机制，加强政策引导

相较国外而言，国内推行绿色信贷政策时间较晚。目前，我国已经发布了《绿色信贷指引》和《关于建立绿色信贷专项统计制度的通知》等政策性文件，但对绿色金融科技发展方面还没有具体的文件。针对绿色金融科技的机制、配套政策等，政府还需不断探索与实践，进行统筹规划和全面引导，积极鼓励相关金融机构开展绿色金融业务。

4.4 强化绿色金融科技人才培养

绿色信贷属于新型交叉型行业，目前我国的绿色金融和金融科技都处于发展阶段，各商业银行普遍存在专业人才储备不足的现象。从银行层面来说，与高校合作参与绿色信贷人才的培养，可以吸收优秀的专业技术人才；从国家层面来说，要出台相应政策，帮助金融机构引进绿色金融科学技术人员，助力破解绿色信贷发展难题，推进绿色信贷国际合作，引进先进经验，从根本上降低商业银行信贷风险。