邵靖雯 曾曉倩

綠色信貸作為當前綠色金融市場中規(guī)模最大的綠色金融產(chǎn)品，在我國實現(xiàn)“雙碳”目標的背景下仍有巨大發(fā)展空間，隨著綠色信貸規(guī)模不斷擴大，其對銀行產(chǎn)生的影響逐漸顯現(xiàn)。本文選取2013年-2020年我國18家系統(tǒng)重要性銀行的平衡面板數(shù)據(jù)，實證研究了綠色信貸對于我國系統(tǒng)重要性銀行穩(wěn)健性的影響，得出基本結論：綠色信貸對系統(tǒng)重要性銀行穩(wěn)健性具有積極作用，并基于結論從宏觀制度層面和銀行微觀層面提出相關建議。

一、引言

在第七十五屆聯(lián)合國大會上，習近平主席宣布我國預計在2030年實現(xiàn)碳達峰、 2060年實現(xiàn)碳中和（簡稱“雙碳”），在“雙碳”目標驅(qū)動下，支持綠色低碳發(fā)展是我國未來一段時期金融領域的重點工作。綠色信貸作為金融支持綠色發(fā)展的一個重要途徑快速增長，截至2021年末，我國本外幣綠色信貸余額15.9萬億元，存量規(guī)模居世界第一，綠色信貸環(huán)境效益逐步顯現(xiàn)，在這其中無論是規(guī)模還是市場占有率都處于領頭地位的系統(tǒng)重要性銀行發(fā)揮了重要作用。隨著我國綠色信貸規(guī)模的不斷增加，不斷有學者通過研究指出綠色信貸會對商業(yè)銀行經(jīng)營績效、風險防控、創(chuàng)新競爭等方面產(chǎn)生影響，作為綠色信貸領域的主力軍，在我國防范“太大而不能倒”風險的金融監(jiān)管邏輯下，綠色信貸業(yè)務的發(fā)展對于系統(tǒng)重要性銀行的穩(wěn)健性會產(chǎn)生何種影響值得探究。

二、相關研究理論

對于綠色信貸對商業(yè)銀行影響的研究，我國學者多是基于微觀角度研究綠色信貸與商業(yè)銀行經(jīng)營管理之間的關系，觀點主要集中在對銀行風險和經(jīng)營績效的影響兩方面。在信貸風險影響方面，多數(shù)研究認為綠色信貸對降低銀行信貸風險具有正向作用。雷博雯等[1]（2020）通過刻畫商業(yè)銀行的流動性分析綠色信貸對商業(yè)銀行產(chǎn)生的信貸風險，反映綠色信貸對商業(yè)銀行風險管控的影響效果。張鳳賢[2]（2021）基于14家商業(yè)銀行面板數(shù)據(jù)通過隨機和固定效應模型分析認為銀行發(fā)展綠色信貸可以改善銀行資產(chǎn)質(zhì)量，在考慮了外部市場環(huán)境的情況下這一影響會更加顯著。馬若微等[3]（2021）則是從銀行聲譽視角和中介效應分析研究了綠色信貸政策對商業(yè)銀行信貸風險的影響，認為綠色信貸能夠正向影響銀行聲譽并有效降低銀行信貸風險。

在綠色信貸影響商業(yè)銀行經(jīng)營績效方面，一部分學者認為綠色信貸對銀行經(jīng)營績效具有抑制作用，高志堅[4]（2021）通過異質(zhì)性分析認為，開展綠色信貸業(yè)務對不同類型銀行的資產(chǎn)收益率有不同影響，其中大型國有商業(yè)銀行開展綠色信貸會導致其資產(chǎn)收益率下降，而對中小股份制銀行則是有利的。楊姝平[5]（2020）通過構建面板模型，研究認為綠色信貸業(yè)務對于商業(yè)銀行收益有促進作用，但影響作用較小。并闡明了現(xiàn)階段銀行經(jīng)營綠色信貸存在的局限性，亟需提升經(jīng)營效率和質(zhì)量。李程等[6]（2016）通過運用DID模型實證分析發(fā)現(xiàn)綠色信貸政策給銀行績效帶來負向影響。還有一部分學者則是通過結合綠色信貸期限時滯影響的研究產(chǎn)生了不同的觀點，這部分學者認為短時間內(nèi)綠色信貸為商業(yè)銀行帶來的收益是有限的，但從長期來看，無論是經(jīng)濟效益還是社會效益，綠色信貸都會對商業(yè)銀行經(jīng)營績效產(chǎn)生正向作用，體現(xiàn)在綠色信貸有助于提高商業(yè)銀行自身的商業(yè)信譽、商業(yè)價值和社會影響力。劉昊[7]（2021）將風險管理文化視角引入綠色信貸中，采用面板SVAR模型對中國商業(yè)銀行綠色信貸與發(fā)展質(zhì)量的相關性進行了實證檢驗，結果顯示商業(yè)銀行的盈利能力和風險管理水平與商業(yè)銀行綠色信貸業(yè)務之間存在正相關關系。張文中等[8]（2020）基于非期望產(chǎn)出的SBM銀行效率值通過工具變量法研究得出，短期來看，綠色信貸不利于銀行效率的提高，而從長期來看，綠色信貸政策對銀行效率存在正向引導。金浩等[9]（2022）則是通過構建系統(tǒng)GMM模型研究指出綠色信貸對經(jīng)營效率積極作用具有滯后性，銀行實施綠色信貸在長期看來是有益的，但目前銀行經(jīng)營效率反而抑制了綠色信貸發(fā)展。

綜上所述，既有文獻中我國學者在綠色信貸對商業(yè)銀行影響的研究領域主要集中在信貸風險和經(jīng)營績效方面，同時部分學者對綠色信貸在商業(yè)銀行競爭力影響方面進行了研究，綜合來說，大部分學者認為綠色信貸業(yè)務發(fā)展會給商業(yè)銀行帶來積極影響。基于發(fā)展中國家的“雙碳”目標視角和宏觀審慎視角，并將綠色信貸與系統(tǒng)重要性銀行結合起來的卻比較缺乏，這也為本文遴選我國系統(tǒng)重要性銀行作為研究對象提供了有益的參考和研究空間。

三、實證分析

（一）樣本選擇

根據(jù)《系統(tǒng)重要性銀行評估辦法》，央行、銀保監(jiān)會在2021年10月基于2020年數(shù)據(jù)，評估認定了我國19家系統(tǒng)重要性銀行①，包括6家國有商業(yè)銀行、9家股份制商業(yè)銀行和4家城市商業(yè)銀行?；跀?shù)據(jù)可得性和有效性，由于興業(yè)銀行社會責任報告未單獨公布綠色信貸相關數(shù)據(jù)，為避免影響分析結果，選取除興業(yè)銀行以外的18家系統(tǒng)重要性銀行2013年至2020年8年的相關數(shù)據(jù)組成樣本數(shù)據(jù)進行實證分析，相關數(shù)據(jù)來源于wind數(shù)據(jù)庫，部分缺失數(shù)據(jù)及綠色信貸數(shù)據(jù)由各銀行公布的年度報告及社會責任報告整理補全，宏觀經(jīng)濟相關數(shù)據(jù)來源于國家統(tǒng)計局官網(wǎng)公布數(shù)據(jù)，運用的計量分析軟件為stata15版本。

（二）變量選取

1.被解釋變量。目前，國內(nèi)外學者在實證研究中廣泛運用Z-score指數(shù)法（以下簡稱Z值）度量商業(yè)銀行的穩(wěn)健性，該方法能從收益率標準差的角度近似地去評價銀行經(jīng)營風險，特別是在銀行破產(chǎn)概率較低的情況下，能夠直接體現(xiàn)銀行運營風險的大?。ɡ钍榔降萚12]，2018）。常見的Z值測度方法主要有兩種，其差異主要在于是否將銀行資產(chǎn)的加權風險項納入對Z值的構建：

其中ROAA為平均總資產(chǎn)收益率，ETA為資本與總資產(chǎn)的比值，σ（ROAA）為平均總資本收益率的標準差。

其中RORWA加權風險資產(chǎn)收益率，ERWA為資產(chǎn)收益率，σ（RORWA）為加權風險資產(chǎn)收益率的標準差。

本文參考任哲等[10]（2022）、王蕙[11]（2019）等的研究，以各樣本銀行破產(chǎn)Z值為銀行穩(wěn)健程度的代表變量并作為模型被解釋變量，Z值越大，銀行破產(chǎn)風險越小，也越穩(wěn)健。不同的文獻在計算Z值時對總資本收益率均值和標準差計算選擇的窗口長度有所差別，本文參考Delis等方式，以三年為周期計算出各銀行ROAA的滾動標準差，既首個周期為2011年—2013年，次期為2012年—2014年，以此類推計算出各期滾動σ（ROAA），再分別結合當期ETA和ROAA最終計算出各銀行Z值，為了消除極端值影響，實證分析中對計算出的Z值進行對數(shù)處理。

2.解釋變量。參考以往文獻，反映綠色信貸規(guī)模的代表變量主要有綠色信貸占比和綠色信貸余額，相較于綠色信貸占比，綠色信貸余額更能直接的反映出銀行綠色信貸業(yè)務發(fā)展的規(guī)模及銀行在綠色信貸方面的絕對投入，所以本文選取綠色信貸的年度余額為各樣本銀行綠色信貸業(yè)務規(guī)模的代表變量并作為模型解釋變量，由于綠色信貸余額數(shù)據(jù)與其他變量差異較大，為平滑數(shù)據(jù)，實證分析中同樣對綠色信貸樣本數(shù)據(jù)進行對數(shù)處理。

3.控制變量。通過參考相關文獻，結合IMF《金融穩(wěn)健性指標編制指南》，綜合考慮系統(tǒng)重要性銀行安全性、流動性、盈利性方面，本文選取核心一級資本充足率，不良貸款率、撥備覆蓋率、非利息收入占比、成本收入比、流動性比率為樣本銀行微觀個體方面的控制指標，同時將外部宏觀經(jīng)濟的影響納入考量，選取國民生產(chǎn)總值增長率為控制變量，取對數(shù)進行回歸，各指標具體情況如下表：

（三）基本模型設定

基于上述變量，設定基本回歸模型如下：

在銀行的實際業(yè)務中，綠色信貸多是周期長、實現(xiàn)成效慢的項目，對銀行產(chǎn)生的影響需要一定時間才會顯現(xiàn)，為了進一步討論這樣的情況，將綠色信貸滯后一期變量加入模型再次進行回歸分析，分析當期系統(tǒng)重要性銀行穩(wěn)健性Z值受上期綠色信貸的影響情況。更新后的模型如下：

其中i為銀行主體，t為時間，α為常數(shù)項，ε為隨機干擾項，主要研究的是各變量的系數(shù)β值。

（四）實證分析

1.描述性統(tǒng)計。各變量描述性統(tǒng)計見表2，數(shù)據(jù)集為2013年—2020年18家系統(tǒng)重要性銀行的平衡面板數(shù)據(jù)。從變量數(shù)據(jù)的統(tǒng)計情況來看，所有變量值均處于合理變化范圍內(nèi)，變量均值與中位數(shù)較為接近，表明數(shù)據(jù)更為符合正態(tài)分布。核心變量方面，被解釋變量LNZ最大值為7.5，最小值3.5，均值5.129，我國各系統(tǒng)重要性銀行穩(wěn)健程度有所差異，但總體穩(wěn)健，解釋變量LNGC最大值為9.82，最小值為2.76，均值6.577，極值間差距較大，各系統(tǒng)重要性銀行間的綠色信貸規(guī)模差異較為明顯。

2.相關性分析。表3為皮爾遜相關分析結果，在不考慮其他因素的情況下，核心變量LNGC、滯后一期的L.INGC與LNZ具有關系性且都在5%水平下顯著，符合模型構建的預期，基本滿足回歸分析的需要，控制變量CAR和LR系數(shù)為正且在5%水平下顯著，NPL、CIR和GDP系數(shù)為負，NII、PC系數(shù)為正，均較為符合實際認知，可以為后續(xù)回歸分析提供參考。

3.回歸分析。為避免變量之間存在多重共線關系使模型失效，在進行回歸分析之前，先對各變量進行多重共線性檢驗，結果顯示如表4，兩個模型中全部變量的方差膨脹因子VIF均小于5，表明變量間不存在嚴重多重共線性，通過相關變量構建的模型是有效的。

基于公式（3）和（4），通過Hausman檢驗結果顯示，兩個模型的P值分別為0.3320和0.1820，均大于0.1，故接受原假設，變量不存在嚴重內(nèi)生性可用隨機效應模型進行回歸估計。同時，為避免可能存在的異方差及組內(nèi)自相關問題產(chǎn)生有偏的估計結果，在隨機效應回歸的基礎上進一步采用廣義最小二乘法（GLS）進行修正后的回歸估計，以此得出更為有效的回歸估計結果，回歸結果如圖5中所示，（1）—（2）為當期綠色信貸余額為變量時的回歸估計結果（4）—（5）為納入滯后一期綠色信貸余額后的回歸估計結果。

4.穩(wěn)健性檢驗。為進一步檢驗模型估計結果穩(wěn)健程度，將資產(chǎn)風險因素納入考量，基于公式（2）采用第二種Z值構建方法計，以同樣的時間區(qū)間計算出各銀行納入風險加權資產(chǎn)后的穩(wěn)健性Z值，以符號Z2表示，并進行回歸估計，以進一步校驗估計結果的穩(wěn)健性。經(jīng)過更新的模型如下：

其中α為常數(shù)項，ε為隨機干擾項，i為銀行主體，t為時間使用廣義最小二乘法回歸估計結果如表5（3）、（6）所示，核心變量與原回歸結果顯著性一致，估計系數(shù)相近，變化方向相同，說明回歸結果是合理穩(wěn)健的。綠色信貸業(yè)務的發(fā)展對提升系統(tǒng)重要性銀行穩(wěn)健性具有積極作用。

（五）結論

1.綠色信貸對提升系統(tǒng)重要性銀行穩(wěn)健性具有積極作用。核心變量的估計結果顯示，商業(yè)銀行綠色信貸規(guī)模（INGC）與Z值（INZ）均為正相關，使用廣義最小二乘法估計的回歸系數(shù)為0.186，且通過10%水平下顯著檢驗，表明隨著系統(tǒng)重要性銀行綠色信貸余額每增長1%，系統(tǒng)重要性銀行穩(wěn)健性Z值相應增長0.186%，綠色信貸對提升系統(tǒng)重要性銀行穩(wěn)健性具有積極作用。

2.綠色信貸對系統(tǒng)重要性銀行穩(wěn)健性的影響具有一定時滯性，但該影響是正向的且長期的。在加入滯后一期綠色信貸變量的回歸估計中，使用廣義最小二乘法估計的回歸系數(shù)為0.202，且通過10%水平下顯著檢驗，綠色信貸對Z值影響的估計系數(shù)是相較增長的，說明隨著綠色信貸業(yè)務的發(fā)展，綠色信貸對于系統(tǒng)重要性銀行穩(wěn)健性的影響是連續(xù)的，且該影響是正向的。

（六）政策建議

基于以上結論，為了進一步發(fā)揮綠色信貸對于優(yōu)化系統(tǒng)重要性銀行穩(wěn)健性的積極作用，應鼓勵銀行大力發(fā)展綠色信貸業(yè)務更好地融入和服務國家發(fā)展戰(zhàn)略，對此，本文從宏觀制度層面和銀行微觀層面提出了相關建議。

1.宏觀層面，加大綠色信貸制度的頂層構建。一是加強信息披露與共享機制建設，建議從激勵機制、評估能力等方面進一步完善綠色項目識別標準和第三方評估評級規(guī)范，同時強化綠色項目、綠色金融產(chǎn)品環(huán)境信息披露，增加綠色項目及綠色金融產(chǎn)品的識別度，降低識別和評估成本，利于銀行主動對接。二是統(tǒng)一綠色金融統(tǒng)計標準，建立由官方層面統(tǒng)一口徑的綠色信貸數(shù)據(jù)披露平臺，有利于營造社會環(huán)保氛圍，培育強化社會綠色偏好，也更利于銀行聲譽效應提升。三是配套政策提升銀行積極性，通過政策合力緩解綠色項目外部性特征，提高綠色項目獲貸率，通過稅收、財政、貨幣政策工具、監(jiān)管容忍度等外部配套措施，彌補商業(yè)銀行綠色信貸項目的投資回報和風險成本，提高銀行積極性。

2.銀行層面，優(yōu)化銀行綠色信貸業(yè)務細化管理。一是借助金融科技提升智能化管理水平，推動綠色信貸提質(zhì)擴面。建議商業(yè)銀行借助金融科技手段創(chuàng)建符合自身運營需求的綠色信貸管理系統(tǒng)，應用于綠色低碳項目對接、環(huán)境社會風險識別、環(huán)境效益測算、貸前快速識別審查、貸后風險預警處置等場景。二是細化風險防控，系統(tǒng)重要性銀行作為我國金融系統(tǒng)穩(wěn)定的關鍵因素，在大力支持我國綠色經(jīng)濟轉型的同時，對于相應的風險管理應更為慎重，建議建立綠色金融領域的指標監(jiān)管標準，實行差異化精準化的綠色金融資產(chǎn)風險管理。三是加強綠色金融產(chǎn)品服務創(chuàng)新。系統(tǒng)重要性銀行應充分發(fā)揮其規(guī)模優(yōu)勢和聲譽效應，加大綠色信貸投放，探索創(chuàng)新綠色金融產(chǎn)品和服務模式，與深耕區(qū)域特色具有地方優(yōu)勢的中小銀行，形成我國綠色發(fā)展的金融支持體系。

注釋：

① 19家系統(tǒng)重要性銀行：平安銀行、光大銀行、華夏銀行、廣發(fā)銀行、寧波銀行、上海銀行、江蘇銀行、北京銀行、浦發(fā)銀行、中信銀行、民生銀行、郵儲銀行、交通銀行、招商銀行、興業(yè)銀行、中國工商銀行、中國銀行、中國建設銀行、中國農(nóng)業(yè)銀行。

參考文獻：

[1]雷博雯，時波.綠色信貸對商業(yè)銀行績效與流動性風險的影響[A].金融改革，2020：26-27.

[2]張鳳賢.綠色信貸對銀行不良率的影響研究[J].海南金融，2021（10）：80-87.

[3]馬若微，翟彤彤.綠色信貸政策對商業(yè)銀行信貸風險的影響——基于銀行聲譽視角的中介效應分析[J].農(nóng)村金融研究，2021（06）：9-21.DOI：10.16127/j.cnki.issn1003-1812.2021.06.006.

[4]高志堅.綠色信貸政策對商業(yè)銀行盈利能力的影響研究——基于中國15家上市商業(yè)銀行面板數(shù)據(jù)的分析[J].西部金融，2021（09）：58-64.DOI：10.16395/j.cnki.61-1462/f.2021.09.009.

[5]楊姝平.基于面板模型研究綠色信貸對商業(yè)銀行收益影響[J].時代金融，2020（15）：28-29+31.

[6]李程，白唯，王野，李玉善.綠色信貸政策如何被商業(yè)銀行有效執(zhí)行？——基于演化博弈論和DID模型的研究[J].南方金融，2016（01）：47-54.

[7]劉昊.綠色信貸、風險管理文化與商業(yè)銀行高質(zhì)量發(fā)展[J].財經(jīng)理論與實踐，2021，42（05）：2-8.DOI：10.16339/j.cnki.hdxbcjb.2021.05.001.

[8]張文中，竇瑞.綠色信貸對中國商業(yè)銀行效率的影響研究——基于SBM-GMM模型[J].投資研究，2020，39（11）：17-28.

[9]金浩，曹馨月.綠色信貸與銀行經(jīng)營效率的交互跨期影響研究——基于動態(tài)面板系統(tǒng)GMM模型[J].經(jīng)濟論壇，2022（01）：78-87.

[10]任哲，孫英雋.綠色信貸對商業(yè)銀行穩(wěn)健性的影響研究[J].農(nóng)場經(jīng)濟管理，2022（01）：49-52.

[11]王蕙.外資戰(zhàn)略投資對中國銀行體系穩(wěn)定性的影響——基于面板模型及改進的Z-Score法的實證分析[J].會計與經(jīng)濟研究，2019，33（05）：112-128.DOI：10.16314/j.cnki.31-2074/f.2019.05.007.

[12] 李世平，孟慶竹.中國非上市銀行經(jīng)營風險度量

——基于Z-score方法[J].山東財經(jīng)大學學報，2018，30（03）：61-71.

作者單位：邵靖雯，中國人民銀行昆明中心支行貨幣信貸處，碩士研究生，中級經(jīng)濟師;曾曉倩，中國人民銀行怒江中支貨幣信貸科，助理經(jīng)濟師。