碳中和對銀行資產(chǎn)質(zhì)量的影響

蘭紅梅 易伯明 蔣小佳 王應(yīng)來

從2020年9月聯(lián)合國大會一般性辯論到當(dāng)年12月舉行的氣候雄心峰會，習(xí)總書記承諾中國將采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現(xiàn)碳中和。從總量上看，我國是全球碳排放第一大國，占全球碳排放總額的28.8%，且我國從碳達峰到碳中和的時間相較其他發(fā)達國家更短。2021年10月24日，國務(wù)院印發(fā)的《2030年前碳達峰行動方案》明確了主要目標(biāo)：到2025年，單位國內(nèi)生產(chǎn)總值二氧化碳排放比2020年下降18%，2030年，單位國內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降65%以上。

這意味著，在未來幾十年實體經(jīng)濟需要進行一場持久且深入的“去碳化”轉(zhuǎn)型。而金融作為實體經(jīng)濟的血脈，面臨因此帶來的環(huán)境風(fēng)險也將顯著提升。金融系統(tǒng)要高度關(guān)注去碳化帶來的轉(zhuǎn)型風(fēng)險，將環(huán)境風(fēng)險納入風(fēng)險管理體系。其中，對環(huán)境風(fēng)險進行量化評估是進行風(fēng)險管理的關(guān)鍵。由于環(huán)境風(fēng)險具有與傳統(tǒng)金融風(fēng)險不同的特征，一些傳統(tǒng)的風(fēng)險計量方式并不適用環(huán)境風(fēng)險的評估，而壓力測試能夠用于分析假定、極端的，但可能發(fā)生的不利情景對銀行整體或資產(chǎn)組合的沖擊程度，進而前瞻性評估其對金融系統(tǒng)穩(wěn)定性的影響，適合評估此類風(fēng)險。

本文研究如何利用壓力測試的方法評估碳減排對商業(yè)銀行資產(chǎn)質(zhì)量的影響，重視碳減排的潛在不利沖擊，有利于使銀行機構(gòu)識別、量化、防范環(huán)境風(fēng)險。本文的研究方法可為單家金融機構(gòu)、金融監(jiān)管部門開展環(huán)境風(fēng)險壓力測試、加強環(huán)境風(fēng)險管理提供借鑒。

文獻綜述和研究思路

文獻綜述

目前關(guān)于碳減排對金融系統(tǒng)的影響大部分集中在探討碳減排與經(jīng)濟增長的關(guān)系。經(jīng)典的分析框架有Kaya恒等式[1]，DICE模型[2]等。Kaya恒等式即碳排放C=P×（Y/P）×（E/Y）×（C/E），P為總?cè)丝?，Y為GDP，E為能源消費總量。DICE模型全稱為“氣候變化社會經(jīng)濟影響全面綜合模型”，該模型結(jié)論認為，央行在面臨氣候變化影響時，應(yīng)采取漸進式措施來應(yīng)對，其觀點與強調(diào)激進減排的Stem[3]對立。

碳減排也會給金融系統(tǒng)帶來一定的負面影響，但這方面的研究較少。英格蘭銀行已經(jīng)將氣候變化列為需要重點關(guān)注的潛在金融系統(tǒng)性風(fēng)險。曹軍新、姚斌（2014）基于銀行信貸資產(chǎn)質(zhì)量的視角，探討了碳減排對銀行資產(chǎn)質(zhì)量的負面影響。他們認為，碳減排活動與企業(yè)價值負相關(guān)，通過影響企業(yè)財務(wù)狀況影響其在銀行的貸款資產(chǎn)質(zhì)量[4]。事實上，有部分研究認為碳減排會給企業(yè)價值帶來負面影響。Aggrwal和Dow使用美國、加拿大、歐洲的600家公司為研究樣本，發(fā)現(xiàn)碳減排活動與企業(yè)價值負相關(guān)[5]。Chapple等以澳大利亞58家公司為研究樣本，發(fā)現(xiàn)碳減排活動與企業(yè)價值負相關(guān)[6]。

關(guān)于環(huán)境風(fēng)險壓力測試方面，中國人民銀行在2021年最新發(fā)布的《金融機構(gòu)環(huán)境信息披露指南》中對壓力測試的定義：金融機構(gòu)風(fēng)險管理和監(jiān)管分析工具，用于分析假定的、極端但可能發(fā)生的不利情景對金融機構(gòu)整體或資產(chǎn)組合的沖擊程度，進而評估其對金融機構(gòu)資產(chǎn)質(zhì)量、盈利能力、資本水平和流動性的負面影響。

目前，國際上已經(jīng)有一些環(huán)境壓力測試的實際運用案例。比如，荷蘭央行2018年對金融系統(tǒng)的能源轉(zhuǎn)型壓力測試指出，若考慮新能源技術(shù)突破和碳價上漲因素的雙重影響，荷蘭銀行業(yè)的核心資本充足率會下降超過25%，保險業(yè)的償付能力充足率下降6%。瑞士再保險公司對自然災(zāi)害對國家主權(quán)評級的影響進行了壓力測試研究 [7]。

在國內(nèi)，目前有個別銀行機構(gòu)嘗試研究環(huán)境風(fēng)險壓力測試的應(yīng)用。如工商銀行相繼對四個高污染、高耗能行業(yè)環(huán)境因素對其信貸質(zhì)量的影響進行了分析，并在2020年北京環(huán)交所合作就碳交易對商業(yè)銀行信用風(fēng)險的影響進行了壓力測試，其測試思路是：先計算碳交易帶來的企業(yè)成本的增加，并據(jù)此更新財務(wù)報表，最后帶入該行內(nèi)部客戶評級模型，根據(jù)企業(yè)的評級變化情況代表對該銀行的信用風(fēng)險的影響[8]。建設(shè)銀行在2020年年報中公布其已經(jīng)啟動了環(huán)境風(fēng)險壓力測試研究，并選擇了化工行業(yè)和火電行業(yè)開展壓力測試，設(shè)置高中低三種壓力情景，計算企業(yè)因環(huán)保要求提升帶來的成本增加比例，以此為依據(jù)得出客戶評級的下降情況。2020年，蘇州農(nóng)商銀行環(huán)境因素壓力測試課題組針對紡織行業(yè)客戶開展環(huán)境因素壓力測試研究，將環(huán)保要求提高對財務(wù)指標(biāo)影響的變化幅度同比例作用于非財務(wù)指標(biāo)，然后將變化后的財務(wù)得分及非財務(wù)得分按照權(quán)重配比進行加總，從而得到壓力情景下企業(yè)信用等級。通過分析個體客戶信用等級及違約概率的變化情況，預(yù)測出不同壓力情景下紡織行業(yè)的不良貸款情況[9]。以上方式只適用于單家機構(gòu)，且依托于其內(nèi)部的客戶評級模型。

綜上所述，國內(nèi)使用壓力測試方法對環(huán)境風(fēng)險進行風(fēng)險管理的研究很少，且僅就某幾個行業(yè)面臨的環(huán)境風(fēng)險對單家金融機構(gòu)的影響進行了評估，缺乏將環(huán)境風(fēng)險壓力測試運用于銀行系統(tǒng)的整體性評估。國外有一些環(huán)境風(fēng)險對金融系統(tǒng)的壓力測試，但鮮有針對“碳達峰”“碳中和”引發(fā)的環(huán)境風(fēng)險的。關(guān)于碳中和背景下的環(huán)境風(fēng)險，現(xiàn)有研究主要集中在“碳達峰”“碳中和”背景下，金融如何支持碳減排，對“碳達峰”“碳中和”背景下金融系統(tǒng)穩(wěn)定性的影響研究甚少。尚未有以壓力測試為工具，評估碳減排對整個銀行系統(tǒng)穩(wěn)定性的影響進行研究。

研究思路

本文首先對碳中和目標(biāo)對金融穩(wěn)定的影響機制進行分析;然后，選擇壓力測試工具，采用GMM模型分析碳減排沖擊下對湖南省銀行系統(tǒng)的工業(yè)單個資產(chǎn)質(zhì)量以及整體資產(chǎn)質(zhì)量的影響;最后，根據(jù)壓力測試結(jié)果得出主要結(jié)論，并給出政策建議。

本文采用碳減排成本代表碳中和成本。因為雖然要想達到碳中和，碳減排只是一個方面，還有技術(shù)進步、增加碳匯、新能源代替等渠道，但這些都需要成本，且只有其他降低碳排放的成本小于或等于碳減排成本時，才會被采用。因此本文將碳中和的影響用碳減排成本來代表。

理論基礎(chǔ)

壓力測試

NGFS發(fā)布的《金融機構(gòu)環(huán)境風(fēng)險分析案例集》整合了來自全球30多家機構(gòu)的方法和模型，常見的環(huán)境風(fēng)險分析方法側(cè)重于用前瞻性方法評估環(huán)境風(fēng)險對企業(yè)財務(wù)表現(xiàn)的影響，通常以情景分析和壓力測試的形式呈現(xiàn)。碳中和是一個中長期目標(biāo)，其對企業(yè)和銀行的影響也是中長期的，且具有不確定性，因此可利用壓力測試來評估可能帶來的風(fēng)險。

確定評估風(fēng)險類型。結(jié)合我國實際情況來說，我國商業(yè)銀行資產(chǎn)配置集中于貸款。信用風(fēng)險是我國銀行系統(tǒng)最主要、最直接的風(fēng)險，也是本文研究的重點。因此，本文選取商業(yè)銀行信用風(fēng)險作為評估的風(fēng)險類型。

選擇承壓指標(biāo)和風(fēng)險因子。承壓指標(biāo)不應(yīng)是專為某次測試而設(shè)計的，它應(yīng)該是一個具有普遍意義的變量（承壓指標(biāo)與壓力因素之間有可信的聯(lián)系）。對于銀行來說，貸款是最大、最明顯的信用風(fēng)險來源，而不良貸款能反映貸款的信用風(fēng)險。因此，本文選則不良貸款率作為承壓指標(biāo)，碳減排的沖擊作為風(fēng)險因子。

壓力測試模型構(gòu)建。本文是針對碳中和背景下碳減排的沖擊這一單因子進行壓力測試，因此采用敏感性分析法?？疾熘攸c領(lǐng)域風(fēng)險狀況惡化對銀行系統(tǒng)資產(chǎn)質(zhì)量的不利影響，測試起始時間為2020年末，即考察碳減排的沖擊對銀行2020年末不良貸款率的瞬時影響。本文對壓力情景的假設(shè)是基于2060年要達到碳中和的目標(biāo)這一現(xiàn)實政策背景，設(shè)置了三種沖擊情景——沖擊1：碳減排20%;沖擊2：碳減排50%;沖擊3：碳減排100%。其中，第三種沖擊情景并不是要求企業(yè)將碳排放降到零，而是代表通過碳減排、技術(shù)進步、購買碳匯、新能源代替等各種手段達到了碳中和的效果。

實施壓力測試并分析結(jié)果。本文的壓力測試步驟為：首先，分析環(huán)境因素（碳減排）對企業(yè)財務(wù)的影響（利潤）;其次，用GMM模型將環(huán)境風(fēng)險對企業(yè)財務(wù)狀況的影響映射在商業(yè)銀行的信用風(fēng)險中，測算出在不同情景沖擊下，單個行業(yè)不良貸款率的變化;最后，計算不同沖擊情景對整體不良貸款率的變化。

基于壓力測試結(jié)果，分析對商業(yè)銀行的影響，并給出相應(yīng)的對策措施。

碳中和目標(biāo)對金融系統(tǒng)的影響機制分析

碳中和將會帶來政策變動、技術(shù)變革以及消費者和投資者對應(yīng)對氣候變化政策的支持，大量化石能源燃料儲備等面臨擱淺風(fēng)險等一系列的影響。理論上，碳中和的這些影響會通過資產(chǎn)價格渠道、信用評級渠道、利潤渠道等各種機制影響金融體系，并在高杠桿和復(fù)雜衍生產(chǎn)品的助推下影響金融穩(wěn)定。例如，在目前的產(chǎn)業(yè)結(jié)構(gòu)中，化石能源企業(yè)上下游產(chǎn)業(yè)鏈較長，碳中和目標(biāo)將極大影響產(chǎn)業(yè)鏈上的企業(yè)的經(jīng)營模式、融資成本和盈利預(yù)期，上下游產(chǎn)業(yè)鏈互相影響放大金融體系風(fēng)險。

實現(xiàn)碳中和的主要路徑就是碳減排，碳減排有成本且不同行業(yè)差異較大。實施碳減排后，企業(yè)的利潤會受到碳減排成本支出增加的影響而減少，影響其財務(wù)狀況和還款能力，還款能力下降將導(dǎo)致相應(yīng)行業(yè)銀行信貸資產(chǎn)質(zhì)量的惡化。因此，本文采用利潤中介渠道，量化評估碳中和給商業(yè)銀行帶來的信用風(fēng)險?？偟膫鲗?dǎo)機制是“碳減排→利潤下降→不良貸款率上升”，詳見圖1。

碳減排成本分析

由于本文采用的是利潤傳導(dǎo)渠道，碳中和背景下減排成本上升將影響企業(yè)利潤，因此核算碳減排的成本十分重要。碳減排的成本等于碳減排量（ΔCARBONi）乘以單位減排成本（COSTi）。本文中碳減排量等于碳排放總量乘以壓力情景下假設(shè)的不同減排比例，見公式（1）：

ΔCARBONi=CO2×減排比例 （1）

首先需要計算不同行業(yè)的碳排放總量（CO2）。對于每一個工業(yè)二級行業(yè)，本文根據(jù)聯(lián)合國政府間氣候變化專門委員會（IPCC）給出的方法從各類能源消費總量推導(dǎo)碳排放總量，見公式如（2）：

CO2=ΣEi ×NCVi×CEFi×COFi×（44/12） （2）

CO2是估算的行業(yè)二氧化碳排放總量，Ei代表第i種一次能源消費總量，NGV是平均低位發(fā)熱量，CEF是單位熱值碳排放系數(shù)，COF是碳氧化因子，44和12分別為二氧化碳和碳的分子量，44/12是碳轉(zhuǎn)化成二氧化碳的轉(zhuǎn)換系數(shù)。

本文用二氧化碳的影子價格表示單位碳減排成本（COSTi）。二氧化碳的影子價格表示每減少一單位碳排放導(dǎo)致的收益或產(chǎn)出的減少量，可用于估計邊際減排成本[10]。陳詩一（2010）在《工業(yè)二氧化碳的影子價格：參數(shù)化和非參數(shù)化方法》一文中利用環(huán)境方向性距離函數(shù)測算了工業(yè)二氧化碳的影子價格[11]。本文采用其參數(shù)化方法和非參數(shù)化方法結(jié)果的平均值。橡膠和塑料制品行業(yè)取橡膠制品業(yè)、塑料制品業(yè)各自影子價格的平均值;廢棄資源和廢舊材料回收加工業(yè)、其他采礦業(yè)的影子價格參照“其他工業(yè)”的值。

在41個國標(biāo)二級工業(yè)行業(yè)中，由于缺乏“開采專業(yè)及輔助性活動”“其他制造業(yè)”“金屬制品、機械和設(shè)備修理”這三個行業(yè)的碳減排成本數(shù)據(jù)，本文分析時作了剔除;并將“鐵路、船舶、航空航天和其他運輸設(shè)備制造業(yè)”與“汽車制造業(yè)”合并為“交通運輸設(shè)備制造業(yè)”。

表1計算整理了調(diào)整后37個工業(yè)行業(yè)2019年的碳排放量（CO2）、單位減排成本（COSTi）以及不同行業(yè)100%碳減排的減排成本。

由于最新的能源消費數(shù)據(jù)只有2018年度的，本文根據(jù)2019年溫室氣體排放量增速對各行業(yè)2019年的碳排放總量進行同比例估算。其中，重化工業(yè)的碳排放量高于輕工業(yè)。碳排放量最多的前三個行業(yè)分別是“黑色金屬冶煉和壓延加工業(yè)”“化學(xué)原料和化學(xué)制品制造業(yè)”和“非金屬礦物制品業(yè)”。

從總減排成本來看，排名前三的是“計算機、通信和其他電子設(shè)備制造業(yè)”“黑色金屬冶煉和壓延加工業(yè)”“金屬制品業(yè)”三個碳排放量大的行業(yè)。計算機行業(yè)減排成本最高，主要是因為其單位減排成本最高。輕工業(yè)和高新技術(shù)行業(yè)由于本身能源效率較高排放水平又較低， 進一步減排的空間已經(jīng)很小， 每減排一單位的二氧化碳成本很高。該行業(yè)碳排放總量較低，可以選擇購買碳匯的方式達到碳中和，成本將比通過碳減排要低的多。

壓力測試實證分析

變量選取

本文選擇行業(yè)不良貸款率作為因變量，行業(yè)凈利潤總額為解釋變量。從行業(yè)的償還能力、流動性以及宏觀經(jīng)濟環(huán)境三個方面來選取控制變量。

資產(chǎn)負債率（RATIO）：負債總額除以資產(chǎn)總額。資產(chǎn)負債率反映企業(yè)的全部資產(chǎn)中負債占的比例，可以反映債權(quán)人發(fā)放貸款的安全程度。

流動性資產(chǎn)比率（CAT）：流動性資產(chǎn)平均余額除以資產(chǎn)總額。由于缺少國標(biāo)二級行業(yè)的流動性負債數(shù)據(jù)，因此用流動性資產(chǎn)占總資產(chǎn)的比率代替流動性比例（流動性資產(chǎn)除以流動性負債）。

新冠肺炎疫情沖擊（SHOCK）：考慮到2020年實體經(jīng)濟受到新冠疫情的影響，因此設(shè)置新冠肺炎疫情沖擊的虛擬變量作為控制變量。0表示無疫情沖擊，1表示有疫情沖擊。

本文所選取的所有變量名稱、變量符號的定義和描述性統(tǒng)計見表2、表3。

模型設(shè)定

本文重點考察湖南省工業(yè)40個行業(yè)的信貸資產(chǎn)質(zhì)量在不同減排目標(biāo)下的不同表現(xiàn)。以利潤為傳導(dǎo)中介，碳減排成本直接影響企業(yè)利潤。碳減排成本與利潤的關(guān)系見公式（3）。其中，PORFITi0是第i個行業(yè)實施碳減排之前的凈利潤，ΔCARBONi是第i個行業(yè)的碳減排總量，COSTi 是第i個行業(yè)每單位碳減排量的減排成本。

PROFITi=PORFITi0-ΔCARBONi×COSTi （3）

由于信貸風(fēng)險具有典型的滯后性，前一期的信貸資產(chǎn)質(zhì)量很可能會對本期造成影響。因此，本文把滯后一期的不良貸款率也放入模型之中，建立動態(tài)面板數(shù)據(jù)模型。由于動態(tài)面板數(shù)據(jù)模型在解釋變量中引入了因變量滯后項，可能引起內(nèi)生性問題，用傳統(tǒng)估計方法進行估計時可能導(dǎo)致參數(shù)估計有一定的偏差。因此，本文采用系統(tǒng)GMM方法進行估計，具體模型如見公式（4）：

NPLRit=α0+α1PROFITit+RATIOit+α3CATit+α4SHOCKit+β1NPLRit-1+γi +ηt +εit （4）

本文選取全省工業(yè)二級行業(yè)的不良貸款率（NPLRit）為因變量，各行業(yè)的凈利潤總額（PROFITit）為核心變量，行業(yè)資產(chǎn)負債率（NPLRit）、流動性資產(chǎn)占比（CATit）、新冠肺炎疫情沖擊（SHOCKit）為控制變量，γi為不隨時間變化隨個體變化的擾動項，ηt為不隨個體變化隨時間變化的擾動項，εit為隨機擾動項。

本文采用2015～2020年工業(yè)40個二級行業(yè)的面板數(shù)據(jù)進行實證分析，得出利潤總額與行業(yè)不良貸款率之間的統(tǒng)計關(guān)系后，可根據(jù)公式（3）和公式（4）計算不同減排目標(biāo)下的行業(yè)不良貸款率。

數(shù)據(jù)來源及處理說明

工業(yè)是產(chǎn)生碳排放的主要領(lǐng)域之一，也是要加快綠色低碳轉(zhuǎn)型，率先實現(xiàn)碳達峰的領(lǐng)域。通過研究工業(yè)領(lǐng)域的碳減排，來探討碳中和背景下環(huán)境風(fēng)險對商業(yè)銀行的影響具有代表性。

本文通過人民銀行的“湖南金融風(fēng)險監(jiān)測預(yù)警系統(tǒng)”獲得了2015～2020年湖南省41個工業(yè)二級行業(yè)不良貸款率，數(shù)據(jù)口徑是全省6家大型國有銀行、3家政策性銀行、5家外資銀行、16家股份制銀行、2家城商行、1家民營銀行、102家農(nóng)商行、62家村鎮(zhèn)銀行，總計197家銀行的信貸狀況。

從Wind數(shù)據(jù)庫獲得了2015～2020年41個工業(yè)二級行業(yè)的利潤總額、資產(chǎn)負債率、流動性資產(chǎn)平均余額、流動性資產(chǎn)總額等數(shù)據(jù)。從行業(yè)利潤總額中按照25%的基準稅率扣除企業(yè)所得稅，得到凈利潤的估計值。

為了使不同數(shù)據(jù)來源的行業(yè)口徑一致，本文將“鐵路、船舶、航空航天和其他運輸設(shè)備制造業(yè)”與“汽車制造業(yè)”這兩個行業(yè)合并為“交通運輸設(shè)備制造業(yè)”。因此，本文選取2015～2020年工業(yè)40個二級行業(yè)的面板數(shù)據(jù)進行第一步的實證分析。

實證結(jié)果及分析

系統(tǒng)GMM估計結(jié)果分析。通過對模型進行系統(tǒng)GMM估計，得到如表4的回歸結(jié)果。

首先，NPLR（-1）代表滯后一期的不良貸款率，系數(shù)顯著為負，表明上期的不良貸款率對銀行本期不良貸款率具有正向影響，某行業(yè)上期不良貸款率越高，那么本期不良貸款率也會越高，這說明銀行的信貸風(fēng)險是會累積的。

其次，模型的核心變量凈利潤（PROFIT）的系數(shù)為-0.0014758，且通過了1%顯著水平的檢驗，說明行業(yè)的盈利能力與其信貸風(fēng)險成反比。

最后，分析其他控制變量。資產(chǎn)負債率系數(shù)顯著為正，表明整個行業(yè)的資產(chǎn)負債率和行業(yè)的不良貸款率正相關(guān)。流動性資產(chǎn)占資產(chǎn)總額的比的系數(shù)顯著為負，表明企業(yè)流動性資產(chǎn)占用過多，會影響資金的使用效率和企業(yè)籌資成本，進而可能對還款能力產(chǎn)生負向影響。虛擬變量新冠肺炎疫情沖擊的系數(shù)顯著為負，說明在疫情的沖擊下，湖南省工業(yè)行業(yè)的不良貸款率反而下降了。主要是因為政府的一些干預(yù)行為，如財政補貼、信貸支持、延期還本付息等穩(wěn)定了市場。

使用系統(tǒng)GMM方法時，模型中禁止存在二階自相關(guān)，以及要確保工具變量是聯(lián)合有效的。因此，本文對模型進行自相關(guān)檢驗和Sargan檢驗。從自相關(guān)檢驗的結(jié)果可以看出，AR（2）檢測結(jié)果P值為0.1992，表明設(shè)立的模型沒有二階自相關(guān)問題。從Sargan檢驗結(jié)果來看，其P值明顯大于臨界值0.1，可以表明在模型估計過程中工具變量沒有過度識別問題，估算的結(jié)果是可以采納的。

穩(wěn)健性檢驗。本文選取應(yīng)收賬款凈額（AR）替換資本充足率（RATIO），作為衡量企業(yè)償付能力的控制變量加入模型中進行回歸。利用系統(tǒng)GMM對模型進行再次回歸，得到回歸結(jié)果如表5所示。可以看到，凈利潤與不良貸款率之間依然是反向關(guān)系，且其P值通過了1%顯著水平的檢驗，這也說明本文的實證模型具有較好的穩(wěn)健性，實證結(jié)果具有可靠性。

銀行業(yè)信用風(fēng)險壓力測試結(jié)果分析。本文設(shè)置了三種沖擊情景，沖擊1為i行業(yè)碳減排20%，沖擊2為i行業(yè)碳減排50%，沖擊3為i行業(yè)碳減排100%。三種沖擊情景下不同行業(yè)的資產(chǎn)質(zhì)量將受到影響，分行業(yè)不良貸款率可計算獲得。

碳減排帶來的不良貸款率增量見公式（5），通過第一步GMM回歸的結(jié)果可知，α1=-0.0014758。

ΔNPLRi=E（NPLRi）-NPLRi0

=α1（PROFITi0-ΔCARBONi×COSTi-PROFITi0）

=-α1×ΔCARBONi×COSTi

=-α1×CO2×減排比例×COSTi （5）

在公式（5）中，NPLRi0和NPLRi分別是減排前和減排后的不良貸款率，ΔNPLRi是第i個行業(yè)減排后新增的不良貸款率，E（NPLRi）是減排后NPLRi的預(yù)期值，ΔCARBONi是第i個行業(yè)的碳減排量，CO2是第i個行業(yè)的碳排放總額，COSTi是單位減排成本。

根據(jù)公式（5）計算整理，可得出37個工業(yè)二級行業(yè)在不同程度的碳減排強度的沖擊下，不良貸款率會上升至多少，見表6。從最后的行業(yè)不良貸款率的絕對量來看，排名靠前的除了“計算機、通信和其他電子設(shè)備制造業(yè)”外，主要還是“黑色金屬冶煉和壓延加工業(yè)”“黑色金屬礦采選業(yè)”和“有色金屬冶煉和壓延加工業(yè)”等重工業(yè)行業(yè)。

從增量上來看，行業(yè)不良貸款率增加最多的三個行業(yè)是“計算機、通信和其他電子設(shè)備制造業(yè)”“黑色金屬冶煉和壓延加工業(yè)”和“金屬制品業(yè)”，分別增加了21.92個百分點、20.39個百分點和14.54個百分點。主要原因有兩類：一類是碳減排成本高，如“計算機、通信和其他電子設(shè)備制造業(yè)”;另一類是因為碳排放總量大，如“黑色金屬冶煉和壓延加工業(yè)”“化學(xué)原料和化學(xué)制品制造業(yè)”。

表6的合計欄表示，如果所有工業(yè)行業(yè)均受到同等沖擊的情況下，對全省工業(yè)貸款整體不良貸款率的影響。在沖擊1的情景下，全省工業(yè)貸款不良率上升至3.66%;在沖擊2的情景下，全省工業(yè)貸款不良率上升至5.13%;在沖擊3的情景下，全省工業(yè)貸款不良貸款率上升至7.59%。

以上分析了湖南省銀行系統(tǒng)在碳中和背景下碳減排三種沖擊情形所帶來的工業(yè)行業(yè)不良貸款率的變化。在此基礎(chǔ)上，可以進一步測算，對湖南省銀行系統(tǒng)整體不良貸款率的影響。事實上，碳中和是對全社會各行各業(yè)提出的目標(biāo)要求，如其他行業(yè)也有影響，并且不同行業(yè)之間也是有聯(lián)系的，風(fēng)險具有傳導(dǎo)性，影響程度可能高于也可能小于對工業(yè)貸款的影響，本文假設(shè)其他行業(yè)的不良率進行等比例的增長。在沖擊1的情景下，整體不良貸款率將上升至1.63%;在沖擊2的情景下，整體不良貸款率上升幅度為2.29%;在沖擊3的情景下，整體不良貸款率上升幅度為3.38%。

結(jié)論和建議

主要結(jié)論

碳減排會增加商業(yè)銀行的信用風(fēng)險。本文通過對湖南省197家銀行機構(gòu)、40個工業(yè)行業(yè)的面板數(shù)據(jù)進行GMM估計，發(fā)現(xiàn)行業(yè)利潤與商業(yè)銀行在該行業(yè)的不良貸款率呈顯著的反向關(guān)系，而減排成本與利潤總額呈反向關(guān)系，因此減排成本與不良貸款率正向相關(guān)。即行業(yè)碳減排量越多→行業(yè)減排成本越高→行業(yè)利潤越低→銀行機構(gòu)行業(yè)不良貸款率越高。不同行業(yè)受碳減排沖擊的影響差異較大。在沖擊3情景下，“燃氣生產(chǎn)和供應(yīng)業(yè)”的不良貸款率僅上升0.02個百分點，而“計算機、通信和其他電子設(shè)備制造業(yè)”“黑色金屬冶煉和壓延加工業(yè)”不良率分別增加21.92個和20.39個百分點。因此，為了提高社會整體效率，在推進碳中和的過程中，應(yīng)對不同行業(yè)制定不同的標(biāo)準，采用不同的手段。

如果沒有技術(shù)創(chuàng)新，碳中和背景下的減排壓力沖擊對銀行資產(chǎn)質(zhì)量的影響會持續(xù)累加。本文是針對工業(yè)行業(yè)一年的碳排放總量設(shè)置不同碳減排目標(biāo)的壓力沖擊，測試對行業(yè)資產(chǎn)質(zhì)量的瞬時影響。達到2060年的碳中和目標(biāo)后，不同行業(yè)每年還是會排放新的二氧化碳，每年都要通過各種渠道中和，保證總量上的零排放，相當(dāng)于碳中和目標(biāo)達到后，100%減排的壓力情景每年都會發(fā)生。如果按照現(xiàn)有的能源結(jié)構(gòu)和技術(shù)水平，減排成本將持續(xù)地影響相應(yīng)行業(yè)的資產(chǎn)質(zhì)量，且不斷在銀行系統(tǒng)內(nèi)累積。本文的假設(shè)邊際成本不變，只有邊際成本遞減的技術(shù)減排，才能化解碳中和壓力給銀行系統(tǒng)帶來的信用風(fēng)險。

在碳減排壓力的沖擊下，短期內(nèi)湖南省銀行系統(tǒng)整體不良貸款率尚在承受范圍內(nèi)，但中長期影響較大。2019年末，湖南省銀行機構(gòu)不良貸款率為1.19%，基數(shù)較低，在沖擊3的影響下，也低于5%的監(jiān)管標(biāo)準。但是，實證結(jié)果顯示，滯后一期的不良貸款率系數(shù)顯著為正，表明銀行的信用風(fēng)險具有累積性。碳中和不是一次性的要求，因此對銀行系統(tǒng)的資產(chǎn)質(zhì)量將是一個累加的風(fēng)險。并且，由于不良貸款至少需要計提100%的貸款損失準備，因此不良貸款的增加導(dǎo)致銀行機構(gòu)還需要計提更多的貸款損失準備，從而影響銀行的利潤水平。因此，從中長期來看，碳中和帶來的環(huán)境風(fēng)險對湖南省銀行系統(tǒng)資產(chǎn)質(zhì)量影響較大。

商業(yè)銀行可以通過調(diào)整信貸結(jié)構(gòu)來降低環(huán)境風(fēng)險帶來的不良貸款影響。金融機構(gòu)如果持續(xù)支持高碳項目，會增加后期出現(xiàn)的風(fēng)險。本文是基于2019年全省銀行業(yè)的信貸結(jié)構(gòu)開展壓力測試，但是銀行系統(tǒng)的信貸結(jié)構(gòu)不是固定不變的。事實上，碳減排是可預(yù)見的長期沖擊，因此銀行可積極的調(diào)整資產(chǎn)結(jié)構(gòu)，降低碳密集資產(chǎn)的占比，提高綠色信貸占比。信貸資產(chǎn)結(jié)構(gòu)優(yōu)化可減少碳減排對金融機構(gòu)的沖擊，平穩(wěn)釋放風(fēng)險。

政策建議

要根據(jù)不同行業(yè)和不同階段合理制定減排方案。一方面，減排任務(wù)分配不能各行各業(yè)“一刀切”?？上葟奶祭眯实汀p排成本較低、碳減排空間大的行業(yè)開始，按梯度分配，推動重點行業(yè)率先實現(xiàn)碳達峰和碳中和，穩(wěn)妥有序，安全降碳。另一方面，對不同類型的行業(yè)應(yīng)采用不同方式達到碳中和的要求，如“計算機、通信和其他電子設(shè)備制造業(yè)”等輕工業(yè)或高新技術(shù)行業(yè)，碳利用效率已經(jīng)很高，碳排放總量也低。因此，進一步減排成本很大，就可以采取購買碳匯的方式而不是碳減排，來達到碳中和。

銀行機構(gòu)要加快調(diào)整資產(chǎn)結(jié)構(gòu)。一方面，降低碳密集型資產(chǎn)的比重，平穩(wěn)釋放風(fēng)險。尤其是要加速壓縮、退出對碳減排承受能力弱，且對金融機構(gòu)資產(chǎn)質(zhì)量影響大的行業(yè)的信貸投放;對一時難以調(diào)整的高碳資產(chǎn)存量，要加速計提減值準備，預(yù)防擱淺資產(chǎn)的風(fēng)險。另一方面，提高綠色資產(chǎn)占比，創(chuàng)新綠色金融產(chǎn)品和服務(wù)，積極發(fā)展綠色信貸和綠色債券，探索支持高碳行業(yè)向低碳轉(zhuǎn)型需要的金融產(chǎn)品，如轉(zhuǎn)型貸款等。

運用壓力測試工具，加強對金融機構(gòu)的環(huán)境風(fēng)險監(jiān)測和預(yù)警。監(jiān)管機構(gòu)要指導(dǎo)金融機構(gòu)充分利用、借助壓力測試工具，測算高碳資產(chǎn)風(fēng)險敞口，引導(dǎo)資產(chǎn)投向，提前優(yōu)化資產(chǎn)結(jié)構(gòu)，平穩(wěn)釋放風(fēng)險;同時，各方要共同努力，進一步完善壓力測試方法，優(yōu)化情景設(shè)計，提高壓力測試工具的操作性和指導(dǎo)性。

大力推進綠色低碳科技創(chuàng)新，深化能源和相關(guān)領(lǐng)域的技術(shù)改革。不論是提高碳使用效率，還是使用可再生能源和新能源，從長遠來看，都要通過技術(shù)進步和創(chuàng)新，才能降低碳減排的邊際成本，以及可再生能源和新能源的開發(fā)和使用成本。只有在可再生能源和新能源的使用成本小于碳減排成本時才會被使用，才有現(xiàn)實經(jīng)濟意義。因此，要大力推進技術(shù)改革和創(chuàng)新，避免碳中和環(huán)境風(fēng)險導(dǎo)致的信用風(fēng)險在銀行系統(tǒng)累積。

【參考文獻】

[1]Carbon Tracker and the Grantham Research Institute on Climate Change and the Environment. Unburnable Carbon 2013： Wasted Capital and Stranded Assets [EB/OL] . http：/www.carbontracker.org/siter/，2013.

[2]張維陽，段學(xué)軍.經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)與碳排放相互關(guān)系研究進展[J]地理科學(xué)進展，2012，（4）：37-48.

[3]Kaya， Y. Impact of Carbon Dioxide Emission Control on GNP Growth： Interpretation of Proposed Scenarios [R]. Paper Presented to IPCC Energy and Industry Sub-Group， Response Strategies Working Group， 1990.

[4]曹軍新，姚斌.碳減排與金融穩(wěn)定：基于銀行信貸視角的分析[J].中國工業(yè)經(jīng)濟，2014（9）：97-108.

[5]Bolton，P.， Scheinkman，J.， Xiong， WExecutive Compensation and Short-term Behavior in Speculative Markets [J]. Review of Economic Studies， 2006，73（1）：577-610.

[6]Oler， D.， Olson， B， Skousen， C Governance， CEO Power and Acquisitions [J]. Corporate Ownership and Control，2010，7（3）：430-447.

[7]馬駿.金融機構(gòu)環(huán)境風(fēng)險分析的意義、方法和推廣探索[J].清華金融評論，2020：16-20.

[8]中國工商銀行與北京環(huán)境交易所聯(lián)合課題組.碳交易對銀行信用風(fēng)險的壓力測試[J].清華金融評論，2020：36-38.

[9]蘇州農(nóng)商銀行環(huán)境因素壓力測試課題組.商業(yè)銀行環(huán)境風(fēng)險壓力測試實踐——以蘇州農(nóng)商銀行為例[J].金融縱橫，2020.10.

[10]周鵬，周迅，周德群.二氧化碳減排成本研究述評[J].管理評論2014（11）：20-26.

[11]陳詩一 .工業(yè)二氧化碳的影子價格：參數(shù)化和非參數(shù)化方法[J].世界經(jīng)濟，2010（8）：93-111.

（作者單位：中國人民銀行岳陽市中心支行）

責(zé)任編輯：劉 彪