绿色债券纳入央行担保品决策对企业融资成本的影响研究

庞加兰 王 薇

（西安外国语大学经济金融学院，陕西 西安 710128）

一、引言与文献综述

党的二十大报告指出，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环节。社会经济绿色化、低碳化发展涉及产业链、基础设施升级与技术创新等多方面目标，企业需要大量的资金支持，仅靠政府的财政投入无法满足资金需求，需要借助市场融资来实现转型升级的目标。为兼顾绿色转型目标与资金需求，我国使用金融政策进行支持，通过信用贷款、私募融资、证券等业务，把社会资本引入环境保护、节水节能、洁净燃料等绿色产业，对绿色投融资活动形成激励促进、对非绿色投融资活动形成约束控制（潘冬阳和陈川祺，2021）。2018年6月1日，中国人民银行对债券评级的要求进一步降低，将AA 级及以上等级的绿色债券加入中期借贷便利（MLF）担保品框架，完善担保品框架，引导资金向绿色转型项目流动。我国绿色债券自2015 年发行以来发展迅猛，发展规模持续增长，2019 发行额为558 亿美元，成为发行额最高的国家（丁宁等，2020）。绿色债券作为“双碳”目标下绿色金融政策的重要组成部分、企业的债权融资途径，具有深厚的发展潜力与研究价值（祝婕，2018）。

融资成本反映了利率配置资金效率和企业获得资金的难易程度（王霞和朱艳芳，2021），既有研究表明绿色债券加入MLF 这一绿色金融政策对企业具有降低融资成本的作用。对企业而言，绿色债券传达出的信号可以让同行业公司学习并形成溢出效应，使企业做出投资者认可的环境保护行为，有效降低企业的融资成本（吴育辉等，2022）。部分研究关注发行绿色债券对企业财务绩效的影响，认为发行绿色债券对企业价值具有显著的提升效果（马亚明等，2020）。Bernanke &Blinder（1988）通过信用传导渠道证明货币政策会对企业资产负债表产生影响，高违约概率的企业财务状况信息会使成本进一步增加，且未预期的宽松性货币政策影响具有时变性特征，最后对外部融资成本产生影响（张勇等，2015）。此外，企业的绿色债券不但传达出了环境治理的信号，而且还可以从绿色环保项目的投资中获益（Flammer，2021）。

在数据表现层面，信用利差是投资者选择具有信用风险的固定收益证券时所要求的额外收益，该额外收益能够弥补信用风险的可能损失，是衡量企业融资成本的重要组成部分。绿色金融政策能够对企业信用利差产生影响，合格担保品范围的扩大能够降低企业信用利差（Zhu，2013）。理论上，央行担保品管理框架同样能起到降低信用利差、降低企业融资成本的作用。通过影响二级市场价格影响市场利率（郭晔等，2016），是货币政策调节银行间市场流动性的关键因素（王永钦和吴娴，2019）。部分研究关注调节央行合格担保品范围对资产稀缺性的影响，其中，Amico et al.（2018）研究发现短期证券稀缺性溢价现象。Roure（2016）指出在经济危机时期商业银行无限供给货币流动性、增加合格担保品需求的做法会提高担保品短期稀缺性，造成价格上升。此外，戴国强和孙新宝（2011）基于Merton 模型，实证证明GDP 指数是影响沪深债市公司债券信用利差的主要要素之一。

本文基于我国第二产业2016年1月至2021年12月发行的企业债、公司债和中期票据的一级市场历史数据展开实证分析。研究的边际贡献如下：第一，在数据方面，利用年度数据覆盖2016—2021 年的年度范围，扩展了研究的时间长度；第二，选取倾向得分匹配的方法筛选出受选择性偏差影响较小的样本，在筛选的基础上运用双重差分法；第三，在影响效应持续性的跟踪上，将时间虚拟变量加入基础模型，分析央行担保品政策对绿色企业融资成本影响的趋势。

二、理论基础与研究假说

理论模型旨在探讨绿色债券纳入担保品决策对企业融资成本（债券信用利差）的作用机理。本文将倾向得分匹配PSM 后的债券数据带入DID 政策效应检验模型，检验实证结果的一致性。在数据层面，利用影响选择行为的因素筛选数据，实证检验政策效应的因果识别更具准确性。另外，如何准确识别该政策效应对融资成本的影响？一个可行的思路是以市场差异进行实验组与对照组的划分。我国债券流通市场上，由于银行间市场和交易所市场具有不同监管体系，清算程序也有所不同，同一债券在两个市场上存在价格差异难以套利。此次扩大的MLF 央行担保品货币政策范围只适用于银行间市场，为本次绿色债券加入央行合格担保品范围的货币政策效应的双重差分检验提供了一个理想的实证分析环境（黄振和郭晔，2021）。将银行间市场加入担保品范围的绿色债券作为实验组，交易所市场的其他债券作为对照组。在政策施行前后，实验组具备抵押品的价值，对照组不具备。在控制其他影响要素的情况下，理论预期货币政策会使得实验组的相对价格上升，相对价差下降，模型回归系数为负数。基于以上思路，本文将系统研究绿色债券纳入担保品决策对企业融资成本的影响。

（一）传导机制分析

对于货币政策的传导机制，现有研究将央行的货币政策对微观主体产生影响的渠道分为利率与信贷两种渠道（周针竹，2022）。此外，由于2008年金融危机后出现了银行惜贷与传统货币政策受阻的现象，以常备借贷便利（SLF）、MLF、短期流动性调节工具（SLO）等为代表的创新型结构性货币政策出现，货币政策作用的担保品渠道得到拓宽。绿色债券纳入央行扩大担保品范围，属于创新型货币政策（杨希雅和石宝峰，2020）。因此，央行扩大担保品范围的政策传导机制基于担保品渠道展开。本文认为绿色债券加入央行合格担保品范围的绿色金融政策直接通过抵押率渠道、间接通过稀缺性和增信渠道来影响企业融资成本（具体如图1所示）。

图1 绿色债券加入MLF担保品范围的政策影响机制

1.抵押率（杠杆）渠道。“抵押”是指金融杠杆在债券资产上的体现形式。既有文献对于抵押率影响资产价格多基于融资约束和资产定价的相关研究。Geanakoplos（2001）的杠杆周期理论认为利率和杠杆程度都对资产价格产生影响，且杠杆率通过影响资产需求进一步影响资产价格。其中，市场波动率和以金融衍生品为代表的金融创新对杠杆率具有决定作用。债券可质押性的提高能够提升债券价值，表现为一级市场债券利差的上升（王永钦和徐鸿恂，2020）。在理想的货币政策传导效应预期中，利率和抵押率应该能同时被调节。相关研究发现收益率（利率）在经济危机前的杠杆周期中没有产生显著变化，相反，杠杆率则对资产价格的变化有显著反应。进一步比较调节抵押率与调节利率这两种货币政策，发现在融资约束下调节抵押率更具有效性。

2.稀缺性渠道。“稀缺”是指相较于企业获得流动性需求的无限性而言，由担保品框架内可抵押资产的有限性而产生的经济稀缺性。实际操作中，中央银行对于管理框架内的资产更具偏好。基于短期稀缺性的理念，相关研究认为金融危机时期中央银行进入无限流动性的状态时会诱导银行购买可用于抵押的资产，使短期内同类资产需求上升。由于同类资产供给不变，价格就会上升，由此产生溢价。新加入担保品范围的资产同样由于可抵押产生的稀缺性而价格上涨，出现溢价，金融机构也会对新加入框架内的担保品更具偏好，增加绿色债券的购买需求，从而改变资产的相对价格。此外，央行在实际操作中也会对合格担保品进行买卖。在量化宽松中，央行能够通过购买抵押资产来减少供给，使抵押品由于相对稀缺而价格上涨。资产成为合格担保品能够增加市场流动性，投资者相对应的流动性补偿需求降低，企业融资成本降低。

3.增信渠道。“增信”是指在MLF以质押的方式释放流动性时，一方面，中央银行作为质押人负责保管质押物，而质押物的价值减少由质押权人承担责任，这意味着中央银行要为担保品违约后的价值减损负责，相当于为担保品框架内的资产进行背书担保，具有降低信用利差的效果，而宏观经济形势也会影响企业债券信用利差，国内生产总值指数对狭义货币供应量影响为正。另一方面，商业银行以合格担保品向中央银行借入资金，中央银行成为最后贷款人，央行投放货币的行为与担保品挂钩，进一步产生增信效果。

由以上三种渠道分析可知，政策冲击一方面可能会直接作用于杠杆率，触发杠杆率的正向循环；另一方面则可能间接影响抵押品价值，触发资产价格和杠杆率的上升。

（二）提出假设

1.绿色债券加入担保品框架对信用利差的影响。如传导机制分析，在杠杆率渠道中，投资者具有乐观的预期收益态度，会重复购买（利用杠杆）资产来扩大预期收益。理论假设资产供给不发生变化，资产价格则会上升，如果资产存在超过基础面值的价值，则边际投资者乐观程度的高低决定了最终价格的高低。因此，杠杆率引起资产价格的上升对投资者意味着回报率的降低，对发行方而言意味着融资成本的降低。在稀缺性渠道中，绿色债券作为可接受标的质押品增加了市场流动性，降低了投资者补偿需求，进而降低了企业融资成本。在增信渠道，政府背书、中央银行成为最后贷款人让投资者具有更高的支付意愿，新加入的合格担保品在市场上需求量上升，价格上涨，投资者要求的收益率下降，信用利差也随之降低。据此，提出以下假设H1：

H1：绿色债券纳入央行担保品决策能够帮助企业降低融资成本。

2.绿色债券政策影响的时滞性。绿色债券纳入央行担保品对降低融资成本的影响主要通过抵押率、稀缺性和增信渠道。长期来看，创新能力是制约抵押品可得性的关键，且金融创新相较技术创新成本更低、速度更快。因此，绿色债券加入MLF 这一创新型绿色金融政策的影响具有长远性，但MLF 扩容政策对杠杆率的影响、稀缺性的提升抑或是增信效用的产生，其传导和作用需要一定时间，可能存在时间上的滞后性。据此，提出以下假设H2：

H2：绿色债券纳入央行担保品决策的政策效应的动态边际影响具有滞后性。

三、研究设计

（一）基本模型设定

1.基于随机效用决策模型的企业行为方程。根据随机效用决策模型，变量U1i代表企业发行绿色债券（银行间市场）的效用，变量U0i代表未在银行间市场发行绿色债券的效用，即发行非绿色类债券（交易所市场）的效用。将定义为两者的差值，即=U1i-U0i。基于微观经济学的理性人假设与企业追求成本最小化下的效用最大化，若＞0，则说明企业发行了绿色债券，即=1；反之则说明企业没有发行绿色债券，即=0。设定企业发行绿色债券的方程为：

表1 协变量取值说明

2.倾向得分匹配（PSM）。借鉴我国2021年《绿色债券发行指引》中绿色债券发行的审核要求与相关文献，将影响企业发行绿色债券与融资成本的变量纳入模型，选取企业资产负债率（DAR）、债券类别、发债企业上市情况、特殊条款和地区宏观经济水平5项变量作为匹配条件。运用Logit模型计算债券样本个体倾向得分值并生成随机排序，受到政策影响的个体和没有受到政策影响的个体由顺序排列变为随机排列。选取近邻匹配（NNM）、带卡尺的近邻匹配（NNMC）、半径匹配（RM）、核匹配（KM）四种匹配方法，多口径实现数据匹配，其中n设定为4；卡尺范围设定为0.019；匹配使用默认的核函数（Epane）与带宽。

3.双重差分法（DID）。对经过PSM 处理后的实验组数据，删除不在共同支撑域的样本，令虚拟变量treatedit=1，倾向得分匹配出的对照组数据，令虚拟变量treatedit=0。加入处理期虚拟变量postit，实验组的个体样本在处理期内才会受到政策冲击影响，当样本进入处理期，则postit=1 代表样本债券在央行扩大MLF之后的日期（包括当期），在该样本个体进入处理期之前的日期则表示为postit=0。

根据上述的概念界定，为了检验假设H1设定基于DID法的回归模型如下：

式（2）中，下标i代表债券，t代表日期，CSit为企业融资成本变量，Xit为随时间变化可观测到的一组控制变量。δi、θt、εit分别为非观测效应、年度固定效应与随机误差项。

β0为对照组样本（treatedit=0）在央行扩大担保品范围政策实施前的融资成本，实施后融资成本为β0+β2，两者融资成本差异diff0=β2。该差异代表排除了央行扩大融资担保品范围时融资成本存在的时间趋势差异。对于实验组的绿色债券，央行扩大MLF 政策实施前的融资成本为β0+β1，政策实施后融资成本为β0+β1+β2+β3，实验组在该政策实施前后的成本差异为β2+β3。这种差异包括了央行扩大担保品范围政策影响β3和上述时间趋势差异β2。因此，央行扩大MLF 的政策效应对发行绿色债券企业的政策影响diff=diff1-diff0=β2+β3-β2=β3。β3即DID 估 计量，为央行扩大担保品范围对发行绿色债券的企业的影响效应，是本文关注的系数。如果该政策降低了融资成本，则β3应显著为负。同时，为避免回归时δi与解释变量具有相关性而导致回归结果有偏的情况，使用面板差分则可以消除δi从而得到一致估计。

（二）时间趋势的边际动态效应模型

央行扩大MLF 政策从2018 年至2021 年已实施超过3 年，为了解该货币政策的实施成效，进一步确定其对发行绿色债券的企业融资成本影响趋势，在模型（2）的基础上，设置2018—2021 年的时间虚拟变量：t2019it、t2020it、t2021it，建立如下所示的动态边际效应模型：

为研究央行扩大MLF 政策推进过程中，发行绿色债券的企业融资成本受政策效应影响的变化状况以及动态边际处理效应，模型（3）中加入时间边际变量。以2019 年为例，实验组和对照组的融资成本分别为α0+α1+α2+α5和α0+α2，动态边际效用即为α1+α5。以此类推可得到2020年与2021年对应的边际动态效应分别是α1+α6和α1+α7。由于以上三年回归的系数均存在α1，因此在回归结果的分析中关注treated×t2019、treated×t2020 和treated×t2021 的系数α5、α6和α7。

（三）数据选取与变量说明

1.数据选取与样本情况。基于数据的可得性，本文选取我国第二产业2016年1月至2021年12月发行的企业债、公司债和中期票据的一级市场数据，数据来源于Wind数据库。其中所属企业的筛选根据联合国颁布的《全部经济活动的国际标准产业分类》（ISIC）对三次产业划分的17个部门，进一步比照企业所属证监会行业代码进行选取。按照PSM-DID的分析方法，以企业发行的绿色债券为实验组（银行间市场），同产业企业发行的其他债券（处理组）中经PSM匹配后的样本为对照组（交易所市场）。

对样本进行以下处理：第一，剔除信用利差为负值的样本，信用利差为负说明利率倒挂，即企业融资成本大于收益，是不符合客观规律的特殊样本，该样本不具有研究价值；第二，对“累进利率”的个体样本进行剔除，这类债券的利率会随着时间变化，使债券信用利差无法反映企业融资成本；第三，剔除主要数据缺失较多的样本；第四，基于面板DID 的数据格式要求，将债券信用利差数据面板化计算处理。上述处理方式虽然减少了样本总量，但数据样本的可比性进一步增强。基于以上处理，最终获得656 只债券样本，经面板化后共计3936条数据。

2.变量说明。被解释变量：选取信用利差作为因变量，代表企业的融资成本，在模型（2）中用CSit表示。计算方式为债券发行利率减去同期国债（无风险债券）后的差值。

核心解释变量：核心解释变量在模型（2）中为treatedit×postit，该变量的系数β3即DID 估计量，反映了央行扩大担保品范围对企业的影响。

控制变量：Xit是一组数据可观测且随时间变化的影响债券融资成本的控制变量，遵循先前学者的做法将其作为模型中的控制变量处理。Xit包括债券要素变量，如债券评级、债券期限、是否跨市场交易、是否上市公司、是否存在特殊条款、是否永续债、发债主体性质等；发债企业财务变量，如企业资产负债率、成长能力、资金流动性、企业规模等；地方宏观经济发展情况，以GDP增长指数代表。

四、实证结果分析

（一）倾向得分匹配处理（PSM）

1.影响企业绿色债券发行与融资成本的因素分析。通过分析影响企业绿色债券发行的要素以实现样本匹配，估计结果见表2。本文基于数据的可得性，并综合《绿色债券支持项目目录（2021 年版）》等文件选取相关变量。由表2可知，各变量均具有较好的显著性。

表2 基于Logit模型的影响绿色债券发行要素估计结果

2.共同支撑域与PSM 匹配结果分析。基于企业发行绿色债券的行为方程估算企业发行绿色债券行为的概率拟合值Pi（Pscore）。为了验证样本匹配质量，在获得Pi后画出概率密度函数图用以检验样本匹配效果。如图2所示，发行绿色债券与未发行绿色债券样本的Pi值具有大范围重合，匹配后两组样本曲线更加接近，二者均处于共同支撑域范围内，说明匹配效果较好。此外，表3展示了经过四种匹配方法处理后数据的最大损失情况，未成功匹配的非处理组样本有13 个，处理组样本有10 个，共计保留2922 个匹配样本数据，协变量影响企业发行绿色债券的净效应为0.246（ATT 均值），以上数据均说明PSM 具有较好的匹配效果。

表3 PSM匹配结果最大损失情况

图2 企业样本倾向得分匹配后的密度函数图

（二）双重差分检验

1.政策效应分析。在倾向得分匹配样本数据处理的基础上，采用固定效应法对式（1）进行DID检验，即以一阶差分的方式消除样本中时间变化的因素。即使经过倾向得分处理的虚拟变量treated由于时间不变性的特点，在进行双重差分的固定效应回归时会被自动删除，但并不影响回归结果的有效性。进行DID分析前，基于PSM的匹配结果剔除非处理组中未匹配到对象的样本和不满足共同支撑假设的个体，匹配方法不同会存在不同的样本损失量。由于近邻匹配和带卡尺的近邻匹配进行的是1：4的匹配，样本量损失较大；半径匹配和核匹配则直接将未接受处理组中可观测到的个体作为对照组成员，样本量损失较小。式（1）的面板DID回归结果如表4所示。

表4 央行扩大MLF对企业融资成本的影响

在固定效应法的估计下，不同PSM匹配法下的样本数据回归结果具有一致性，核心解释变量did的系数均显著为负，did回归系数分别为-0.938、-1.094、-0.931、-1.093。在四种匹配方法处理后，政策效用均显著，分别降低了信用利差0.938、1.094、0.931、1.093，即央行将绿色债券纳入MLF 有助于绿色债券发行主体降低融资成本，假设H1得到验证。

2.动态边际影响效应。为了进一步检验央行扩大MLF 担保品范围对融资成本影响，在式（2）中加入了时间虚拟变量，回归结果如表5所示。

表5 央行扩大担保品范围对企业融资成本的边际动态影响

在KM 方法下，样本数据treated×t2020、treated×t2021 的系数分别在10%和1%的置信水平下显著为负，回归结果具有一致性。研究结果说明，2018年央行扩大MLF 后，企业发行绿色债券使企业融资成本在2020年、2021年均具有预期性的降低效用，在2021年该效应得到更显著的体现，即央行扩大MLF 政策效应具有一定的时间滞后性，效果在政策实施后的第二年开始显现且边际效应呈现递增的态势。

进一步分析，上述动态边际效应具有滞后性的原因之一在于多种因素对实体产业产生了诸如产出降低、消费下降、金融机构风险加剧等负面影响，在个体层面表现为企业产出下降、利润率降低、企业规模缩减、融资难度上升带来的融资成本增加，假设H2得到验证。

（三）稳健性检验

倾向得分匹配（PSM）经由多种匹配方法，得到了一致性的回归结果，稳健性有所保证，但DID 回归结果的稳健性仍需验证。

1.剔除非跨市场债券。回归结果可能对样本的选择具有敏感性，因此本文对样本数据进行进一步筛选以验证结果稳健性，在既有样本的基础上筛选出跨市场债券。因为跨市场债券的基本面信息具有一致性，可以排除基本面差异对政策效应的影响，且同时可在银行间市场和交易所市场交易，更具有可比性。回归结果见表6。

表6 调整样本区间的DID回归结果

在细化样本范围的回归处理下，不同PSM匹配法下的样本数据回归结果依旧具有一致性，核心解释变量did的系数略有降低且依旧显著为负，回归系数分别为-0.844、-0.965、-0.823、-0.997。回归结果的稳健性得到了验证。

2.安慰剂检验。首先，改变政策时间。采用安慰剂检验剔除双重差分法中由于随着时间变化而不可观测的债券特征对回归结果产生的影响。即使双固定效应控制了无法观测到的、不随时间变化而改变的影响因素，但随时间改变的因素仍需被考量，因此通过间接的安慰剂检验来缓解这个问题。在既有实证过程中将政策发生时间提前至2017 年，实证结果如表7 显示，在政策时间提前一年后的回归结果中，交乘项did2并不显著。这说明在央行扩大MLF 担保品政策发生之前，实验组与对照组并没有明显差异，通过了稳健性检验。

表7 提前政策时间的安慰剂检验

其次，生成随机实验组。上述研究表明，央行扩大MLF 担保品范围的绿色金融政策能够降低企业融资成本，影响随着政策的实施开始加深。研究依托PSM-DID 法考察这一影响，有效避免因个体样本选择问题导致的选择偏误，克服了内生性问题。为进一步验证DID实证结果的稳健性与可靠性，本文进行随机生成实验组的安慰剂检验，图3结果显示经过随机实验组的抽样后，回归结果仍具有稳健性。

图3 随机生成实验组的安慰剂检验

五、结论与建议

近年来，绿色金融助推企业绿色发展的作用备受关注，相关政策支持力度不断增强。首先，本文理论性总结了非常规货币政策效应基于杠杆周期理论的传导机制，即抵押率、稀缺性、增信效应对资产价格产生提升性影响，进一步作用于企业融资成本。其次，在对已有文献进行归纳的基础上，本文选取2016—2021 年债券交易和发行数据，进行倾向得分匹配以避免样本自选择偏差。最后，本文利用不同市场间监管体系和清算程序的差异使相同债券难以套利的特点，以绿色债券加入央行MLF 担保品范围为自然实验，建立双重差分模型进行回归。研究结论与理论预期一致，主要结论如下：

第一，资产负债率（DAR）、债券类别、发债企业上市情况、特殊条款和地区宏观经济水平是对绿色债券发行与融资成本产生影响的要素变量。不同PSM 匹配方法后的平衡性检验结果表明样本匹配后解释变量标准化偏差减小，匹配效果较好，PSM 前后两样本组不存在显著的系统性差异。

第二，央行扩大合格担保品范围的政策具有偏向性，能够降低发行绿色债券的企业的融资成本，能够降低信用利差，实证结果具有稳健性，PSM 匹配结果和后续DID 回归分别通过了平衡性检验和相关稳健性检验。原因在于，央行将绿色债券纳入合格担保品范围，会增加与之相关的债券抵押率与稀缺性，同时产生增信作用，使同类资产价格上涨、利差下降。

第三，该政策的边际动态影响具有时间上的滞后性。滞后效果在政策实施后第二年开始逐步显现且边际效应递增。上述动态边际效应具有较长滞后性的原因在于多重因素对实体产业产生了诸如产出降低、消费下降、金融机构风险加剧等负面影响，在实体企业层面具体表现为企业产出下降、利润率降低、企业规模缩减、融资难度上升带来的融资成本增加。

为进一步优化绿色金融政策对微观企业的支持效果、推动绿色债券发展，本文提出以下政策建议。第一，充分发挥货币政策抵押品渠道的效用，深化合格抵押品扩容为相关企业提供金融支持的作用，使更多符合要求的绿色债券纳入抵押品范围以进一步强化政策的实施效果。第二，实施递进式的绿色金融政策，保证既有政策实施长久效果的同时，减轻其动态边际效果的滞后性，达到深化政策效应，释放市场资金流动性，为企业改变“融资难、融资贵”的现状提供新的思路。第三，政策与市场环境对绿色债券作用于企业的效果具有一定影响，因此，在央行扩大担保品管理框架后，应将政策与绿色债券市场环境同步考量，在保障资产资金安全的同时，合理引导资金流向，降低企业融资成本。