绿色信贷政策能否缓解企业投融资期限错配?※

内容提要:以2012年《绿色信贷指引》的实施为准自然实验,选取2007-2021年沪深A股上市企业为研究对象,通过构建双重差分模型,考察了绿色信贷政策对企业投融资期限错配的影响效应及其作用机理。研究发现,绿色信贷政策的实施能够显著缓解企业投融资期限错配。机制分析发现,绿色信贷政策的实施一方面提高了企业的融资约束程度,另一方面增加了企业的外部监督压力,进而有效缓解企业投融资期限错配。异质性分析结果显示,绿色信贷政策对于企业投融资期限错配的缓解作用在非国有企业、小型企业、资产负债率较高的企业和公司治理水平较高的企业中表现得更加明显。研究从理论上补充了企业投融资视角下绿色信贷政策效果评估领域的文献,实践上为强化政府、银行和企业三部门协同落实绿色信贷政策,促进产业转型升级和实现经济高质量发展提供了现实指导和启示。

一、引 言

中共二十大报告强调,以中国式现代化全面推进中华民族伟大复兴。中国式现代化是一条生态优先、绿色低碳的发展道路。中共十八大以来,“绿水青山就是金山银山”的生态文明建设理念深入人心,随着人民生活水平的不断提升,优美的生态环境成为最普惠、最直接的民生福祉。然而,中国长期以来的粗放型发展模式在实现经济快速增长的同时,也导致资源环境约束日趋紧张。2012年1月29日,原银监会印发《绿色信贷指引》,其颁布实施的初衷是推动银行业金融机构以绿色信贷为抓手,积极调整信贷结构,有效防范环境与社会风险,更好地服务实体经济(1)中国政府网:《银监会关于印发绿色信贷指引的通知》,http:∥www.gov.cn/govweb/gongbao/content/2012/content_2163593.htm,访问日期:2023-5-30。。许多学者从不同方面论证了绿色信贷政策的实施效果,例如:政策的实施能够显著提高重污染企业的债务成本(苏冬蔚和连莉莉,2018)和创新效率(刘强等,2020),并通过提高企业绩效、激励企业创新和促进产业结构升级等机制降低污染排放水平(Zhang等,2021)。但是,由于政策的实施主体是银行业金融机构而非一般企业或政府,出于收益最大化的经营目标,商业银行在绿色信贷政策的执行过程中很难不考虑自身的经济效益,加之“锦标赛竞争”压力下地方政府行政干预造成商业银行的大量非金融行为(纪志宏等,2014),从而可能对政策的实施效果产生削弱作用。

投资作为拉动中国经济增长的“三驾马车”之一,对于稳定经济运行、激发内生动力和促进转型升级等方面发挥着重要作用。特别地,企业投融资期限的合理匹配是缓解经营流动性风险的重要措施(Morris,1976)。近年来,中国企业却普遍存在投融资期限错配现象(白云霞等,2016),即使用短期信贷资金来支持长期投资活动,简称“短贷长投”。究其原因,学界主要存在两种观点,一种观点认为伴随着持续加大的经济下行压力,商业银行等金融机构出于风险规避的经营理念,贷款期限结构倾向于短期化,企业为实现长期投资目标不得不持续进行短期借贷。另一种观点则认为短期贷款的成本相对较低,企业出于成本最小化动机,更加愿意主动续借短期贷款以支持长期投资行为。“短贷长投”作为企业的一种激进型投融资策略,通过不断借新贷还旧债的方式获得充足流动性来维持日常生产经营活动,在一定程度上能够缓解企业所面临的潜在融资约束(Campello等,2010),然而此举也将产生巨大的债务偿付压力,一旦发生资金链断裂,不仅会导致个体企业陷入破产困局,更易引发区域性、系统性金融风险。因此,在中国经济由粗放式高速增长转向集约式高质量发展的背景下,绿色信贷政策能否缓解企业的投融资期限错配对于生态环境保护和防范化解系统性金融风险具有重要意义。

基于此,本文在已有研究的基础上,选取2007-2021年沪深A股上市企业作为研究样本并以《绿色信贷指引》的出台实施作为准自然实验,探究绿色信贷政策对企业投融资期限错配的影响效应及其机理。实证结果显示,绿色信贷政策的实施能够显著缓解企业投融资期限错配。机制检验证明,绿色信贷政策的实施一方面提高了企业的融资约束程度,另一方面增加了企业的外部监督压力,进而有效缓解企业投融资期限错配。异质性分析结果表明,绿色信贷政策的实施对于企业投融资期限错配的缓解作用在非国有企业、小型企业、资产负债率较高的企业和公司治理水平较高的企业中表现得更加明显。

本文可能的边际贡献主要体现在:第一,研究方法和视角上,现有探究绿色信贷政策对微观企业影响的文献更多侧重于创新和效率方面(陆菁等,2021;王馨和王营,2021;丁宁等,2020),鲜有学者基于投融资期限错配视角进行研究。本文在已有关于绿色信贷政策研究的基础上,运用准自然实验的方法考察《绿色信贷指引》的出台实施对企业投融资期限错配的影响,较好地克服了内生性问题的干扰,在丰富和拓展绿色信贷政策效果评估相关研究的同时,补充了企业投融资视角的增量研究。第二,研究内容上,本文首先系统分析了绿色信贷政策的实施对企业投融资期限错配的总体影响,并使用事件研究法分析了政策效果及其持续性。其次,使用改进的“三步法”检验程序识别了绿色信贷政策对企业投融资期限错配的影响机制,为金融政策通过市场机制有效作用于微观企业的经济行为提供了经验证据,具有现实意义。第三,研究对象上,本文不仅探讨了绿色信贷政策的实施对全样本企业投融资期限错配的影响,并且深入考察了政策实施对不同产权性质、规模、资产负债率以及公司治理水平等企业禀赋特征的样本企业的非对称影响,研究结论更具代表性,同时也为政府制定差异化政策提供了参考。

本文剩余部分结构安排如下:第二部分为制度背景、文献综述与理论分析,第三部分为研究设计,第四部分为实证结果与分析,第五部分为进一步分析,第六部分为研究结论与政策建议。

二、制度背景、文献综述与理论分析

1. 绿色信贷政策实施的制度背景

作为绿色金融的重要组成部分,绿色信贷政策在中国一直处于不断发展过程中,最早源于中国人民银行在1995年颁布实施的《关于贯彻信贷政策与加强环境保护工作有关问题的通知》,通知中明确要求各级金融部门在向企业提供流动资金贷款时,要认真按照国家环境保护法规和国家产业政策的要求,根据实际情况,实行区别对待的信贷政策。2004年4月,国家发改委、中国人民银行和银监会三部门联合下发了《关于进一步加强产业政策和信贷政策协调配合控制信贷风险有关问题的通知》,旨在通过改进信贷投向(限制资金投向不利于节约资源和保护生态环境的项目)来推进产业结构优化升级。2007年7月,原国家环保总局、中国人民银行和银监会三部门联合下发了《关于落实环保政策法规防范信贷风险的意见》,强调通过信贷手段来促进污染减排,实现环境保护目标。2009年3月,中国人民银行和银监会联合下发《关于进一步加强信贷结构调整促进国民经济平稳较快发展的指导意见》,严格限制对达不到国家环评和排放要求项目的一切形式的新增授信支持。

梳理绿色信贷政策的发展历程不难看出,生态环境保护治理逻辑已经由传统单纯地依靠行政监管的方式转向基于市场机制的金融措施与行政手段相结合的方式,并且进一步细化了一段时期内银行业金融机构的信贷投向,为绿色信贷政策的完善发展奠定了基础。然而,由于绿色信贷政策在中国仍处于初探阶段,市场主体对于环保信息的披露不充分,加之各部门之间在统筹协调过程中存在的局限性造成政策执行力度不足等多种原因导致绿色信贷政策未能取得显著成效。在此背景下,银监会于2012年印发实施《绿色信贷指引》,围绕组织管理、政策制度及能力建设、流程管理、内控管理与信息披露、监督检查等多个方面对银行业金融机构提出三十条具体工作要求,从战略高度上推进绿色信贷政策的实施,促进节能减排及环境保护、风险防范能力提升和经济结构调整。根据中国人民银行发布的数据(2)中国人民银行:《2022年四季度金融机构贷款投向统计报告》,http:∥www.pbc.gov.cn/goutongjiaoliu/113456/113469/4784452/index.html,访问日期:2023-5-30。,2022年末中国本外币绿色贷款余额达到22.03万亿元,同比增长38.5%,高于各项贷款增速28.1个百分点,其中,投向具有碳减排效益项目的贷款合计14.7万亿元,占绿色贷款的66.7%。由此可见,《绿色信贷指引》的实施推动了绿色贷款规模的快速增长,并且主要投向“双碳”领域,实现了金融支持生态环境改善的微观作用机制。

2. 文献综述

现有关于绿色信贷政策的相关研究大致聚焦于宏观和微观层面的两支文献。宏观层面上开展的研究主要围绕绿色信贷政策对于行业经济行为和产业结构调整进行论述。例如:刘婧宇等(2015)建立含金融部门的单国静态CGE模型发现,绿色信贷政策能够有效抑制目标行业的投资行为。吴晟等(2021)使用双重差分方法研究发现,绿色信贷政策会显著抑制纺织业等十个制造业细分行业的外部融资增速。Cheng等(2022)基于省级行政区面板数据研究发现,绿色信贷政策显著促进了中国产业结构升级。微观层面上进行的研究主要通过企业和商业银行视角切入。例如:陆菁等(2021)基于异质性企业模型研究发现,绿色信贷政策抑制了工业企业创新并加剧了高污染企业的退出风险。王馨和王营(2021)运用双重差分模型进一步研究发现,绿色信贷政策对企业绿色创新的促进作用会随着环保执法力度的提高而增强。丁宁等(2020)运用SFA模型和PSM-DID方法发现,绿色信贷政策在长期有利于商业银行成本效率的提升。汪炜等(2021)借助准自然实验方法研究发现,绿色信贷政策能够通过降低风险水平进而提升区域性商业银行的综合竞争力。

根据前文分析,投融资期限错配极易导致企业财务困难,进而引发系统性金融风险,近年来受到学者们的广泛关注。例如:李逸飞等(2022)利用中国商业银行部门的金融科技专利数据并结合企业贷款数据研究发现,银行金融科技水平的提高能够控制信用风险、优化信贷结构进而缓解企业投融资期限错配。刘贯春等(2022)基于“固定资产投资-流动负债”的敏感性框架,验证了地方政府债务治理能够改善企业投融资期限错配,并且有助于防范化解系统性金融风险。汪伟和张少辉(2022)从劳动保护视角切入,发现《中华人民共和国社会保险法》的实施通过提高企业现金持有水平和降低委托代理成本,显著缓解了企业投融资期限错配。熊家财和杨来峰(2022)以城市商业银行的设立作为准自然实验研究发现,地方金融的发展不仅能够缓解企业投融资期限错配,而且有助于降低经营风险,提升企业业绩。当前,世界正面临百年未有之大变局,与此同时,新冠肺炎疫情的冲击带来经济政策不确定性的上升,以及各国政府为应对这种不确定性而出台的一系列经济刺激政策导致预期通货膨胀的提高,均加剧了企业投融资期限错配(李增福等,2022;李四海和江新峰,2021)。

金融作为实体经济的血液,直接作用于市场中的微观主体。因此对于企业的环境治理问题,探究绿色信贷政策能否实现生态环境外部成本内部化的微观作用机制具有十分重要的意义。梳理现有相关文献可以发现,对于绿色信贷政策作用于宏观和微观两个层面的研究相当丰富,但是,探究绿色信贷政策对于企业投融资期限错配影响的文献寥寥。因此,本文将基于《绿色信贷指引》的实施这一准自然实验,深入探讨绿色信贷政策对于企业投融资期限错配的影响效应及其微观作用机制,并重点考察这种效应在产权性质、规模、资产负债率以及公司治理水平等不同企业禀赋特征下的异质性影响。

3. 理论分析

(1) 绿色信贷政策、融资约束与企业投融资期限错配。中国以间接融资为主的金融市场结构长期以来存在着市场交易主体之间信息不对称的问题,并且近些年来金融科技的迅猛发展倒逼商业银行业务转型,也在一定程度上压缩了商业银行的盈利空间,这些因素共同作用导致金融体系存在脆弱性,因此商业银行更倾向于发放短期贷款以规避经营风险,导致企业不得不频繁寻求短期贷款来满足自身长期投资需求;另外,企业出于成本最小化经营原则,可能会主动申请短期贷款并进行长期投资,采取激进型过度投资策略来扩大利润空间。这两种原因都会致使企业进行“短贷长投”,产生投融资期限错配问题。

绿色信贷政策作为一种基于市场激励机制而实行的环境规制政策,克服了传统环境规制政策对实体经济带来的或有冲击,通过提高银行类金融机构对于目标客户群体信贷需求的甄别能力来控制信贷总量。与此同时,提升金融部门对绿色投资项目的偏好,减少对高污染、高排放、高能耗项目的投资,充分发挥金融手段遏制重污染企业信贷扩张的利剑作用,显著提升重污染企业的融资成本(苏冬蔚和连莉莉,2018),引导社会资金流向绿色环保领域。因此,重污染企业作为绿色信贷政策的限制对象,在政策实施后将面临更为严峻的融资约束。具体来讲,《绿色信贷指引》中明确指出:银行业金融机构应当制定针对客户的环境和社会风险评估标准,对客户的环境和社会风险进行动态评估与分类,相关结果应当作为其评级、信贷准入、管理和退出的重要依据,对环境和社会表现不合规的客户,应当不予授信。重污染企业由于自身具有的高污染属性,其面临的社会和环境责任远高于一般企业,因此,绿色信贷政策的实施将提高重污染企业面临的融资约束程度,意味着重污染企业资金的获取成本提高,以此约束企业激进型的过度投资策略(王彦超,2009),转而采取与其融资期限相匹配的投资方案,进而缓解企业投融资期限错配。

(2) 绿色信贷政策、外部监督压力与企业投融资期限错配。近年来,中央政府持续加大生态环境保护治理力度,中国人民银行等宏观调控部门积极探索推进金融支持环境保护工作。绿色信贷政策作为现阶段绿色金融体系的主力军(3)财政部北京监管局:《绿色金融发展阶段性成效显著》,http:∥bj.mof.gov.cn/caizhengjiancha/202204/t20220406_3800938.htm,访问日期:2023-5-30。,对于提升企业和项目的环境社会表现,推动经济实现绿色高质量发展发挥着重要作用,越来越多的媒体也将关注点聚焦于绿色信贷政策对于企业转型升级和社会经济结构调整的效果上。

媒体对于环保问题的强烈关注能够强化企业对于外部监督的感知,倒逼企业进行绿色转型,更重要的是,媒体报道能够借助舆论手段影响投资者行为并作用于股价,进而干预企业管理者的行为(Fang和Peress,2009),由此带来的外部监督压力将倒逼管理者加强企业合规经营,实行稳健的投融资策略,进而缓解企业投融资期限错配。

此外,投资者对于企业绿色发展和社会责任履行情况的日益关注使得企业环境信息披露受到广泛监督。一方面,环境信息披露会增加企业的环境支出。同时,中国自改革开放以来不断完善环保信息披露法律制度,规定重点排污单位应当如实将其污染物所有信息以及防治污染设施情况向社会公开,并接受社会监督。为此,出于经营成本考虑,企业选择“敷衍了事”,更倾向于选择性披露,减少重要信息披露(4)新华网:《环境信息披露缺“干货”得分低 存报喜不报忧现象》,http:∥www.xinhuanet.com/politics/2017-02/11/c_1120447125.htm,访问日期:2023-5-30。。另一方面,来自银行债权人的监督只能在一定程度上影响企业是否选择披露的概率,并不能提高企业环境信息披露水平(王霞等,2013)。因此,当市场主体之间存在信息壁垒时,商业银行将难以准确甄别企业的环境和社会风险,从而过度谨慎授信,导致重点行业企业的融资门槛大幅提升。特别是,媒体的曝光和监督能够将企业的违规行为公之于众,对此,基于《绿色信贷指引》要求,商业银行必然下调对重污染企业的环境和社会责任评级,重污染企业将面临更为严峻的融资约束,从而不得不改变现有的激进型过度投资策略,转而采取与其融资期限相匹配的稳健型投资方案,进而缓解企业投融资期限错配。

据此,本文提出如下研究假设:

假设:《绿色信贷指引》的实施能够缓解企业投融资期限错配。

三、研究设计

1. 样本选择与数据来源

考虑到《绿色信贷指引》于2012年印发实施,为更加系统完整地研究这项政策对于上市企业的冲击影响并基于样本数据可得性,本文选择2007-2021年沪深A股上市企业作为研究样本,并对原始微观企业数据进行了如下处理:第一,剔除金融类及房地产类相关企业;第二,剔除ST、*ST 类等财务状况存在异常以及数据缺失较大的企业;第三,对所有连续型变量进行上下1%的缩尾处理,以消除异常值的影响。经过上述处理,本文得到26324个“企业-年度”样本。本文的研究数据整理自CSMAR和CNRDS数据库。

2. 变量定义

(1) 被解释变量。本文的被解释变量为企业投融资期限错配(SFLI)。投融资期限错配主要表现为企业通过使用短期资金进行长期投资经营等经济活动,即“短贷长投”。借鉴钟凯等(2016)的研究,具体计算方法如下:

SFLIi,t=

(1)

其中,INVi,t表示构建固定资产等投资活动现金支出;LDEBTi,t表示长期借款本期增加额,利用本期长期借款+一年内到期非流动负债-前期长期借款计算得到;EQUi,t表示本期权益增加额;NCFOi,t表示经营活动现金净流量;CSFAi,t表示出售固定资产现金流入;TAi,t-1表示上一年度总资产,用于指标的标准化处理。

(2) 解释变量。绿色信贷政策(Treated×Post)。使用行业组别虚拟变量Treated和政策实施时间虚拟变量Post的交乘项表示。《绿色信贷指引》作为中国首次以“绿色信贷”为主题的政策文件,它的实施将对所有企业产生政策影响,不存在实际上的处理组和控制组。但该政策旨在通过调整商业银行信贷投向防范环境与社会风险,促进经济绿色高质量发展,因此重度污染企业受到政策影响的可能性更大。

本文借鉴李玲和陶锋(2012)的研究,对不同类别污染物的排放数据进行线性标准化和等权加和平均处理,计算各个行业的污染排放强度,将排放强度大于0.2042的行业(5)共包含造纸制品、石油加工、非金制造、化学工业、化学纤维、黑金加工、饮料制造、纺织业、有金加工等9个类别。中的企业定义为重度污染企业(Treated=1),否则为非重度污染企业(Treated=0);此外,《指引》印发实施之后(2012年及之后)Post取值为1,否则Post取值为0。

(3) 控制变量。参考汪伟和张少辉(2022)及熊家财和杨来峰(2022)的研究,本文选取以下控制变量:企业规模(SIZE),以企业总资产取自然对数来表示;资产报酬率(ROA),采用企业净利润与总资产的比值来衡量;权益盈利能力(ROE),采用企业净利润与股东权益的比值来衡量;现金流量比率(CFLOW),采用企业经营活动产生的现金流与总资产的比值来衡量;固定资产占比(ROFA),采用固定资产与总资产的比值来衡量;营业收入增长率(GROWTH),采用本年度营业收入与上一年度营业收入的比值减1来衡量;企业成长性(TQ),以托宾Q值来表示,使用年末流通股市值、非流通股市值以及负债账面价值的总和与总资产的比值来计算;企业成熟度(LAGE),以企业上市时间的自然对数来表示;管理费用率(MER),采用企业管理费用与营业收入的比值来衡量。此外,本文进一步控制了企业和时间层面的固定效应,即双向固定效应,以减弱不可观测因素对回归结果的干扰。

3. 模型设计

银监会通过制定《绿色信贷指引》政策,依托各地区银行业金融机构作为执行主体,直接导致了辖内重度污染企业获取资金的成本提高。因此,这项政策为我们提供了一个很好的识别绿色信贷政策效果的“自然实验”,并可以被用于检验绿色信贷政策对企业投融资期限错配的影响效应。更重要的是,对于各辖内重度污染企业而言,这项由银监会制定印发并监督落实的政策可视为一种“外生冲击”,但该政策却直接提高了其资金获取的成本。因此,该政策设计可以更为干净地识别绿色信贷政策对于企业投融资期限错配的影响。

本文以银监会2012年印发的《绿色信贷指引》作为一项准自然实验,通过构建双重差分模型,探讨绿色信贷政策的实施能否缓解企业投融资期限错配。双重差分方法可有效避免回归模型存在的内生性问题。模型设定如下:

SFLIi,t=β0+β1Treated×Posti,t+β2Ci,t+μi+γt+εi,t

(2)

其中,i表示企业,t表示年份。SFLIi,t代表样本企业的投融资期限错配程度;Treated是区分处理组和控制组的行业组别虚拟变量,Post表示政策实施时间虚拟变量,Treated×Posti,t是本文重点关注的绿色信贷政策实施变量,β1是政策实施的影响系数,预期方向为负,即绿色信贷政策的实施能够缓解企业的投融资期限错配;Ci,t代表本文企业财务特征控制变量;μi和γt分别表示企业固定效应和时间固定效应;εi,t为随机扰动项。此外,为避免统计量高估,本文在所有回归模型中均采用聚类标准误进行处理。

四、实证结果与分析

1. 描述性统计

主要变量的描述性统计结果如表1所示。企业投融资期限错配程度(SFLI)的均值为-0.113,中位数为-0.069,75%分位数为0.002,说明超过25%的样本企业存在较为严重的投融资期限错配问题,并且观察最值可以发现,样本中不同上市企业的投融资期限错配程度差异较大。Treated的均值为0.197,说明处理组观测值约占全样本的1/5。其余各控制变量取值范围和分布与已有文献相近(刘贯春等,2022;熊家财和杨来峰,2022),均在正常范围内,不再一一赘述。

2. 基准回归

表2的回归结果是基于“绿色信贷政策-企业投融资期限错配”的核心基本关系进行的检验。列(1)中未添加任何控制变量,仅控制了企业和时间层面的固定效应。实证结果发现,绿色信贷政策(Treated×Post)的回归系数为-0.029,并且在5%的水平上显著;列(2)中加入了一系列控制变量,同时控制企业和时间层面的固定效应,尽可能减少遗漏变量因素带来的估计偏误,以增强核心解释变量回归结果的稳健性。观察回归结果可知,绿色信贷政策(Treated×Post)的回归系数为-0.038,并且在1%的水平上显著。上述实证结果表明,绿色信贷政策的实施能够显著缓解企业投融资期限错配。由此,为本文的研究假设提供了实证经验证据支持。

表2 绿色信贷政策对企业投融资期限错配影响的估计结果

3. 稳健性检验

(3)

图1为基于模型(3)得到的估计系数与对应的90%置信区间。可以发现,绿色信贷政策出台实施前交互项估计系数均未通过10%的显著性检验,说明处理组与控制组企业的投融资期限错配程度并无显著差异,满足平行趋势假设,因此本文的估计结果是有效的。在政策出台实施之后,回归系数φ1均显著为负,表明绿色信贷政策的实施对企业投融资期限错配的缓解作用具有一定的持续性。

图1 平行趋势检验

(2) 安慰剂检验。为减弱因遗漏变量而导致的估计结果有偏,本文通过随机构建“伪实验组”,进而生成伪政策虚拟变量交互项,然后按照模型(2)进行回归,最终根据回归模型中交互项估计系数的概率分布来判断基于本文所选样本进行分析的可靠性。为了增强安慰剂检验的效力,在重复进行500次实验后绘制出伪政策虚拟变量交互项的估计系数分布,如图2所示。可以看出,交互项估计系数分布大部分集中在0值附近,表明模型的设定并未遗漏重要变量,基准回归结果并非由随机因素所致,即绿色信贷政策的实施对企业投融资期限错配的缓解作用并非由未观测到的因素驱动,核心结论仍然稳健。

图2 安慰剂检验

(3) 改变处理组。为避免重度污染行业单一的界定方式所导致样本局限性和样本企业选择性误差造成的内生性问题,本文采取两种方式重新划分处理组。其一,扩大污染企业范围进行检验,将变量定义部分得到的污染排放强度大于0.0367的行业(6)共包含食品制造、医药工业、农副加工、文体教育、皮革羽毛、橡胶及塑料制品、金属制品、纺织服装及界定方式一中的行业等17个类别。中的企业作为研究样本。其二,将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》中所包含的火电、钢铁、水泥、电解铝、煤炭、冶金、建材、采矿、化工、石化、制药、轻工、纺织和制革等14类行业中的企业作为研究样本。改变处理组后再次进行回归,结果分别见表3中列(1)列(2),核心解释变量的估计系数均在5%的水平上显著为负,表明本文的基准回归结果是稳健的。

表3 绿色信贷政策对企业投融资期限错配影响的稳健性检验结果(一)

(4) 倾向得分匹配——双重差分(PSM-DID)估计。本文使用PSM-DID方法进一步分析绿色信贷政策对企业投融资期限错配的影响。为缓解样本选择性偏差问题,首先选取企业规模(SIZE)、资产报酬率(ROA)、权益盈利能力(ROE)、现金流量比率(CFLOW)、固定资产占比(ROFA)、营业收入增长率(GROWTH)、企业成长性(TQ)、企业成熟度(LAGE)、管理费用率(MER)作为协变量,构建Logit模型计算倾向匹配后的分值。其次,分别采用最近邻匹配方法、半径匹配方法和核匹配方法,并使用共同支撑范围内的样本进行双重差分估计,回归结果分别见表3中列(3)至列(5),核心解释变量的估计系数均在1%的水平上显著为负,核心结论依然稳健。

(5) 遗漏变量问题。企业投融资期限错配程度可能与企业所在地的经济发展水平及政府财政实力有关。而在本文的基准回归模型中,并未加入本地宏观经济变量。为避免遗漏宏观经济因素可能导致的估计偏误,本文将企业所在城市的人均GDP(PGDP)、第二产业结构和地方财政压力等因素加入到基准回归模型(2)中再次回归,结果见表4列(1),得到的结果与基准回归结果基本一致。

表4 绿色信贷政策对企业投融资期限错配影响的稳健性检验结果(二)

(6) 排除重大事件冲击和城市行政级别的影响。2008年爆发的全球金融危机对中国企业的投融资行为产生巨大影响,有可能影响本文的研究结论。为保证本文研究结论的稳健性,剔除受全球金融危机严重影响的2008年和2009年的样本,重新进行估计,回归结果见表4列(2);为消除城市行政级别对企业经济行为的潜在影响造成政策评估的误差,本文剔除企业注册地为四大直辖市的样本后,再次进行回归,结果见表4列(3)。可以发现,以上两种检验得到的核心解释变量的估计系数均在1%的水平上显著为负,增强了本文基准回归结果的稳健性。

(7) 排除重度污染行业内龙头企业行为对行业内其他企业投融资行为的影响。《绿色信贷指引》的实施可能会通过影响重度污染行业中龙头企业的投融资行为,进而间接影响行业内其他企业的投融资行为。由于《绿色信贷指引》的实施时间即政策冲击是2012年,考虑到样本企业对于该政策的响应程度在滞后1期即2013年较高,因此,参考叶振宇和庄宗武(2022)的做法,本文将中国制造业二位数行业中当年资产总额列居全国前50名的企业界定为龙头企业。首先,以2013年中国制造业各行业龙头企业的平均规模作为识别标准,对本文处理组重度污染行业中的龙头企业进行识别,共识别出65家龙头企业,合计789个企业样本。其次,剔除这789个企业样本,使用双重差分模型重新进行回归,结果见表4列(4)。核心解释变量的估计系数在1%的水平上显著为负,说明《绿色信贷指引》的实施对于企业投融资期限错配的缓解作用不受行业内龙头企业行为的影响。

五、进一步分析

1. 影响机制分析

基于前文研究结果,本文继续考察绿色信贷政策缓解企业投融资期限错配的影响机制。由理论分析部分可知,绿色信贷政策通过提高融资约束和增加外部监督压力两条渠道影响企业投融资期限错配,本文进一步验证绿色信贷政策的实施能否通过上述渠道对企业投融资期限错配造成影响。对此,本文构建模型(4)和(5),并采取“三步法”检验程序,进一步明晰绿色信贷政策如何影响企业投融资期限错配。

MVi,t=θ0+θ1Treated×Posti,t+θ2Ci,t+μi+γt+εi,t

(4)

SFLIi,t=φ0+φ1Treated×Posti,t-1+φ2MVi,t-1+φ3Ci,t+μi+γt+εi,t

(5)

(1) 融资约束。绿色信贷政策作为一种基于市场激励机制而实行的环境规制政策,必然会提高处理组企业面临的融资约束,增加资金的获取成本,约束企业的过度投资行为(王彦超,2009),从而缓解投融资期限错配程度。为验证该机制,本文以WW指数(WW)衡量企业融资约束程度,计算方式如下:

WW=-0.091×CF-0.062×DivPos+0.021×Lev-0.044×Size+0.102×ISG-0.035×SG

(6)

其中,CF表示现金流与总资产的比率;DivPos为现金股利支付哑变量,根据当期是否派发股利赋值为1或0;Lev表示长期负债比率;Size表示总资产取对数;ISG表示行业平均销售增长率;SG表示销售收入增长率,以上数据均来自CSMAR数据库。WW指数为正向指标,数值越大,融资约束程度越高。机制检验结果见表5。

本文在基准回归模型(2)的基础上,构建模型(4)和(5),并使用“三步法”检验绿色信贷政策的实施是否通过融资约束渠道对企业投融资期限错配造成影响。近年来,一些研究发现常规的“三步法”检验程序可能会导致中介变量存在内生性问题(江艇,2022)。因此,本文参考李健等(2023)的研究方法,对中介变量和解释变量进行滞后1期处理,以此缓解机制分析存在的潜在内生性问题。观察表5,列(1)为基准回归结果,即绿色信贷政策的实施能够显著缓解企业投融资期限错配。列(2)中核心解释变量的估计系数为0.003,并且在5%的水平上显著,说明绿色信贷政策的实施显著提高了企业面临的融资约束,初步支持了本文的推断。列(3)中核心解释变量的估计系数为-0.016,并且在10%的水平上显著,中介变量的估计系数为-1.744,并且在1%的水平上显著,说明绿色信贷政策的实施能够通过提高企业面临的融资约束来显著缓解企业投融资期限错配,且融资约束在其中发挥部分中介效应。此外,本文同样按照江艇(2022)的方法(7)为了探讨自变量对因变量影响关系的形成机制,仅需分析自变量对机制变量的影响关系,同时利用现有的理论或文献观点来阐述机制变量对因变量的影响关系,实现上述两步回归分析即可。进行了机制分析,第一步分析结果见表5列(2),即绿色信贷政策的实施显著提高了企业面临的融资约束,第二步融资约束对企业投融资期限错配的影响已经在本文理论分析部分进行了阐述。另外,本文使用Bootstrap抽样法再次验证了融资约束机制的稳健性,结果见表5。

综上,绿色信贷政策的实施能够通过提高融资约束程度缓解企业投融资期限错配。

(2) 外部监督压力。绿色信贷政策对于提升企业和项目的环境社会表现,推动经济实现绿色高质量发展的重要作用受到媒体的广泛关注,由此带来的外部监督压力将倒逼管理者加强企业合规经营,实行稳健的投融资策略,从而缓解投融资期限错配程度。为验证该机制,本文使用媒体关注度来反映企业面临的外部监督压力。媒体关注度通过对网络报道标题中出现该公司的新闻总数加1取自然对数来衡量,数据来自CNRDS(中国研究数据服务平台)。媒体关注度为正向指标,数值越大,媒体关注度越高,即外部监督压力(External)越大。机制检验结果见表6。

表6 绿色信贷政策对企业投融资期限错配的作用机制:外部监督压力

观察表6,列(1)为基准回归结果,即绿色信贷政策的实施能够显著缓解企业投融资期限错配。列(2)中核心解释变量的估计系数为0.106,并且在5%的水平上显著,说明绿色信贷政策的实施显著提高了企业面临的外部监督压力,初步支持了本文的推断。列(3)中核心解释变量的估计系数为-0.017,并且在10%的水平上显著,中介变量的估计系数为-0.004,并且在5%的水平上显著,说明绿色信贷政策的实施能够通过提高企业面临的外部监督压力来显著缓解企业投融资期限错配,且外部监督压力在其中发挥部分中介效应。此外,本文同样按照江艇(2022)的方法进行了机制分析,第一步分析结果见表6列(2),即绿色信贷政策的实施显著提高了企业面临的外部监督压力,第二步外部监督压力对企业投融资期限错配的影响已经在本文理论分析部分进行了阐述。另外,本文使用Bootstrap抽样法再次验证了外部监督压力机制的稳健性,结果见表6。

综上,绿色信贷政策的实施能够通过提高外部监督压力缓解企业投融资期限错配。

2. 异质性分析

不同禀赋特征的企业对绿色信贷政策的敏感度可能存在差异。因此,本文考察了在不同企业产权性质、企业规模、企业资产负债率和企业公司治理水平的样本中,绿色信贷政策的实施对企业投融资期限错配的异质性影响。

(1) 基于企业产权性质的异质性分析。国有企业与政府、商业银行之间存在的天然“血缘关系”,使得其在信贷资源获取和项目审批过程中具有很强的便利性和竞争优势。然而,非国有企业却面临较为严重的信贷歧视,市场势力较弱。绿色信贷政策实施之后,相比国有企业,非国有企业由于缺少“资源优势”,因此受到的影响更大,即非国有企业过去面临的信贷约束将大幅提高,进而投融资期限错配缓解程度更加明显。

本文依据企业产权归属将样本划分为国有企业和非国有企业两个样本组分别进行检验,结果见表7列(1)列(2)。绿色信贷政策实施后,国有企业和非国有企业的投融资期限错配程度分别下降2.9%和4.3%,并且分别在1%和10%的水平上显著。为增强两个组别估计系数的可比性,本文进行了组间系数检验,两个样本组的组间回归系数的p值为0,且在1%的水平上显著,因此,两组的估计系数能够直接进行比较。结果说明,相较于国有企业,绿色信贷政策的实施对非国有企业的投融资期限错配缓解作用更强。

表7 基于企业产权性质和规模异质性的回归结果

(2) 基于企业规模的异质性分析。小型企业作为金融市场中典型的“长尾群体”,因其自身资产规模较低,经营风险较大,从而面临严重的信贷配给约束,融资难度远超大型企业。绿色信贷政策实施之后,商业银行为响应政策,必然加大对环保转型企业的信贷支持力度。大型企业依托资金规模和政企合作方面的优势,绿色景气指数显著高于小型企业(8)中国环境报官网:《环保产业结构重组持续深化》,http:∥epaper.cenews.com.cn/html/2018-04/18/content_71853.htm,访问日期:2023-5-30。。因此,相对于大型企业,小型企业信贷获取难度更大,融资约束程度相对更高,绿色信贷政策对其投融资期限错配的缓解程度更为明显。

本文根据企业规模的中位数将样本划分为大型企业和小型企业两个样本组分别进行检验,结果如表7列(3)列(4)所示。绿色信贷政策实施后,小型企业的投融资期限错配程度下降了5%,并且在1%的水平上显著,而大型企业的投融资期限错配未通过检验。另外,大型企业和小型企业的组间回归系数在1%的水平上显著。结果说明,绿色信贷政策对小型企业的投融资期限错配缓解作用更显著。

(3) 基于企业资产负债率的异质性分析。资产负债率反映了企业举债经营能力,当资产负债率处于高位时,企业面临严重的融资约束,同时较高的负债水平也会加剧企业的经营风险,引发股价下跌,进而导致资本锐减甚至出现资金链断裂,最终破产;而当资产负债率较低时,企业能够在金融市场中获得更多的资金支持,融资约束较低。因此,绿色信贷政策实施后,相较于资产负债率较低的企业,资产负债率较高的企业由于面临的融资约束比较严重,从而投融资期限错配缓解程度更为明显。

本文根据企业资产负债率的中位数将样本划分为高资产负债率和低资产负债率两个样本组分别进行回归,结果如表8列(1)列(2)所示。绿色信贷政策实施后,资产负债率较高的企业的投融资期限错配程度下降4.5%,并且在1%的水平上显著,而资产负债率较低的企业的投融资期限错配未通过检验。另外,两组样本的组间回归系数在1%的水平上显著。结果说明,绿色信贷政策对资产负债率较高的企业的投融资期限错配缓解作用更显著。

表8 基于企业资产负债率和公司治理水平异质性的回归结果

(4) 基于企业公司治理水平的异质性分析。公司治理水平的提高意味着企业管理层的利益和股东的利益更加趋向一致,委托代理成本不断降低,企业的投资效率得到提升,从而投融资期限更加匹配。

借鉴周茜等(2020)的做法,本文选用高管薪酬、高管持股比例、独立董事比例、董事会规模、机构持股比例、股权制衡度(二至五大股东持股比例之和/控股股东持股比例)、董事长与总经理是否两职合一等七个指标,使用主成分分析法构建公司治理指数,用获得的第一主成分作为公司治理水平的衡量指标,该指标为正向指标,得分越高,治理水平越好,然后,根据其中位数将样本划分为高公司治理水平和低公司治理水平两个样本组分别进行检验,结果见表8列(3)列(4)所示。绿色信贷政策实施后,公司治理水平较高和较低的企业的投融资期限错配程度分别下降5.8%和2.4%,并且分别在1%和10%的水平上显著。另外,两组样本的组间回归系数在1%的水平上显著。结果说明,相比于公司治理水平较低的企业,绿色信贷政策对公司治理水平较高的企业的投融资期限错配缓解作用更强。

六、研究结论与政策建议

为明晰绿色信贷政策的实施能否缓解以及如何缓解企业的投融资期限错配,本文以2012年实施的《绿色信贷指引》作为准自然实验,选取2007-2021年沪深A股上市企业为研究对象,通过构建双重差分模型,考察了绿色信贷政策对企业投融资期限错配的影响效应及其作用机理。研究发现:绿色信贷政策的实施能够显著缓解企业投融资期限错配,并且在进行一系列稳健性检验后,研究结论仍然稳健;机制检验证明,绿色信贷政策的实施一方面提高了企业的融资约束程度,另一方面增加了企业的外部监督压力,进而能够有效缓解企业投融资期限错配;异质性分析结果表明,绿色信贷政策的实施对于企业投融资期限错配的缓解作用在非国有企业、小型企业、资产负债率较高的企业和公司治理水平较高的企业中表现得更加明显。

根据以上研究结论,本文提出如下政策建议:第一,对于重污染企业而言,应积极践行绿色发展理念,提高企业自主创新能力,通过技术升级实现环保转型,畅享绿色金融政策红利。第二,对于商业银行而言,一方面,应加大《绿色信贷指引》的实施力度,进一步细化政策实施标准和客户群体分类,根据企业行为动态调整授信额度,充分发挥绿色信贷防范环境与社会风险以及调整经济结构的作用。另一方面,可以通过校企合作,培养一大批熟悉业务流程的绿色金融专门人才,能够在完成既有业务的同时,不断创新绿色信贷产品和服务,推动绿色金融高质量发展。第三,对于政府部门而言,首先,应对绿色信贷政策的实施效果进行定期验收考核,确保绿色信贷政策落实到位;其次,实施考核激励机制,对绿色信贷政策执行较好的银行进行物质奖励或在对公业务和政府性投资项目合作方面优先支持;最后,在推动银行业金融机构实施绿色信贷政策的同时,也应鼓励绿色保险、绿色债券以及碳金融等绿色金融产品协同发展,构建全方位多层级的绿色金融服务体系。