綠色信貸對商業銀行風險的影響

曹高航 高惺惟 王天琪 田容至

摘? ?要：商業銀行支持綠色發展和防范風險是一對不可調和的矛盾嗎？本文基于2008—2019年中國64家商業銀行數據構建了綠色信貸政策的準自然實驗，利用雙重差分模型研究了綠色信貸對商業銀行風險的影響。研究發現：商業銀行開展綠色信貸可以有效降低商業銀行風險，政策效應存在3年的滯后性；綠色信貸政策可以削弱大型國有商業銀行和城市商業銀行風險，但對非大型國有商業銀行和農村商業銀行的影響并不明顯；增加綠色信貸份額可以增強商業銀行流動性及創新性，進而降低商業銀行風險。

關鍵詞：綠色信貸；商業銀行；風險；流動性；多期雙重差分檢驗

中圖分類號：F830.33? 文獻標識碼：A? 文章編號：1674-2265（2024）02-0055-09

DOI：10.19647/j.cnki.37-1462/f.2024.02.006

一、引言與文獻綜述

隨著我國經濟發展模式的轉型，推動綠色信貸發展成為商業銀行服務經濟、環境可持續發展的重要手段。2007年發布的《關于落實環保政策法規防范信貸風險的意見》首次提出通過差異化利率、貸款限制等信貸手段對環境與經濟發展進行干預和調控。2012年《綠色信貸指引》進一步明確了綠色信貸的重點投向和支持領域。2016年，中國人民銀行等七部委聯合印發的《關于構建綠色金融體系的指導意見》形成了綠色金融發展的體系化建設方案。2021年，中國人民銀行通過碳減排支持工具向金融機構提供低成本資金，引導金融機構在自主決策、自擔風險的前提下，向碳減排重點領域內的各類企業一視同仁提供碳減排貸款。一系列綠色信貸政策的推出，無疑能夠發揮政策示范效應，引導金融機構和企業更充分地認識綠色轉型的重要意義，助力碳達峰、碳中和目標的實現。

商業銀行在踐行綠色金融理念中，主要以綠色信貸的方式為從事循環經濟、綠色經濟生產的環保型企業提供信貸支持，但是，節能環保產業大多為科技創新型企業，支持節能環保項目存在較大信貸風險。那么，對我國銀行業而言，綠色信貸對商業銀行風險承擔會存在怎樣的影響？

從理論上來講，綠色信貸使資金配置得到優化：一方面，綠色信貸使資金從落后產業及產能過剩的產業中流出，有助于淘汰過剩產能；另一方面，綠色信貸使資金向綠色環保產業、節能產業調配，有助于推動產業升級，促進經濟的可持續發展。但是我國綠色信貸的發展依舊處于不完善的階段，管理手段單一，法律以及環境征信制度不完善。因此，目前關于綠色信貸對商業銀行風險的影響仍未有定論。一部分學者則認為綠色信貸可以對商業銀行的財務績效（張琳等，2019）[1]、社會聲譽（Weber，2005）[2]產生正向影響，同時順應了綠色產業蓬勃發展的趨勢，有助于優化商業銀行的信貸結構，對商業銀行綜合競爭力具有提升作用（汪煒等，2021）[3]。但另一部分學者則認為政府的政策會擾亂市場秩序，造成資金配置的失效（Mathuva和Kiweu，2016）[4]，而綠色企業多處于新興產業，短期發展具有較大的不確定性，不完善的配套措施會降低商業銀行的成本效率（丁寧等，2020）[5]，使商業銀行的風險擴張。同時當前綠色信貸業務投資回報率較低，開展綠色信貸會提升商業銀行運營成本，對商業銀行經營與發展具有負向效應（李程等，2016）[6]。

由此可見，雖然現有文獻對于綠色信貸影響商業銀行風險的問題已有一定的研究，但綠色信貸對商業銀行風險呈積極影響還是消極影響仍存在較大爭議，且存在以下不足之處：一是研究方法可能不準確。學者們多將《綠色信貸指引》政策作為關鍵外生沖擊，使用雙重差分法測算該政策的政策效應。但需要指出的是，對于商業銀行而言，綠色信貸政策執行時間并不相同，使用多期雙重差分法才能更為準確地觀測到綠色信貸政策的效應。二是盡管有大量的文獻討論了綠色信貸與商業銀行風險之間的關系，但大部分文獻僅停留在對二者之間直接關系的研究（李蘇等，2017；邵傳林和閆永生，2020）[7，8]，而對其中影響機制的研究尚少。但結合影響經營績效的文獻來看，綠色信貸可能并不僅僅直接影響商業銀行風險，流動性、創新性這些影響經營績效的指標都可能間接作用于商業銀行風險。本文的邊際貢獻在于：一是使用多期雙重差分模型，不僅探討了綠色信貸政策的凈效應，還對綠色信貸份額的影響做了進一步的研究，不僅回答了是否應繼續開展綠色信貸這一問題，還對已實施綠色信貸政策的商業銀行后續是否應當擴大綠色信貸份額做出了解釋。二是對綠色信貸對商業銀行風險的直接影響和中介路徑進行了研究，并探討了綠色信貸對不同性質商業銀行風險的影響，為不同性質商業銀行開展綠色信貸政策提供了理論證據。

二、理論分析和研究假設

（一）綠色信貸實施對商業銀行風險的影響

王艷麗等（2021）[9]認為，綠色信貸會引發資源錯配，導致商業銀行風險增加。雖然商業銀行通過差異化利率機制或者金融杠桿，可以使資金從“兩高一?！毙袠I流向綠色環保行業，進而引導產業結構創新升級，推動可持續發展，但是，一方面，綠色環保企業作為新興產業，市場運作模式不成熟，盈利水平往往較低（王遙和潘冬陽，2015）[10]，商業銀行以優惠利率將信貸資金投向綠色項目會造成利息收入的損失，特別是，部分高風險的綠色環保企業會在綠色信貸支持下得以維持，而政策激勵下同質性綠色企業的盲目擴張在市場的擠出效應下最終形成銀行壞賬，導致商業銀行經營風險擴大。另一方面，“兩高一?！逼髽I具有成熟的市場運營模式，提升其貸款利率會造成這部分客戶減少甚至放棄銀行貸款（陳偉光和盧麗紅，2011）[11]，從而產生機會成本。同時，“抽貸”可能會加劇企業資金鏈斷裂，抑制高污染企業技術創新（田超和肖黎明，2021）[12]，導致企業更加難以償還借款，商業銀行將面臨更大損失。

同時，綠色信貸政策的配套機制尚不完善也可能導致商業銀行無法有效規避風險。一方面，當前綠色信貸仍存在信息不對稱、信貸機制不完善、風控機制存在缺漏等問題（寧金輝和史方，2021）[13]。商業銀行的系統沒有納入環境污染及保護信息，在信貸發放過程中，商業銀行只能獲取部分碎片化的信息，無法對貸款企業的環保水平等做出準確評判。另一方面，綠色環保項目往往回報周期長，投資金額大，商業銀行需獨自承擔資金回流慢的壓力，流動性風險提升。加之國內缺乏完善的綠色項目評估監督體系，大大增加了貸前評估成本和事后監督成本（于波等，2021）[14]，眾多污染企業存在“漂綠”行為，虛假的環保宣傳導致大量綠色信貸項目質量不高，增加了商業銀行環境責任關聯風險。

然而，產業轉型背景下也存在資源優化及風險降壓現象。一方面，在信用風險層面，由于環保政策要求及執法力度愈發嚴格，企業凈污成本變高甚至面臨污染處罰，企業盈利能力降低，商業銀行信貸業務的違約風險增加。相比之下，適用綠色信貸的新企業具有更好的發展前景，且擁有政府綠色項目貼息、擔保等政策支持（汪煒等，2021）[3]。同時，環保行業采用綠色清潔技術，相比“兩高一?！逼髽I，其抵押品的價值更有保障，從而降低了商業銀行信貸業務的信用風險。另一方面，在信譽風險層面，綠色貸款業務促使商業銀行踐行社會責任，創新和發展綠色產品（Relano，2008）[15]，由此建立的良好聲譽能夠擴大商業銀行的客戶群體，提升商業銀行自身競爭力，獲取更多綠色信貸業務和投資項目。同時，商業銀行綠色信貸業務的推廣有助于引導公眾及市場形成綠色環保理念，吸引更多綠色環?？蛻?，形成良性循環。由此，綠色信貸有助于商業銀行踐行企業社會責任，促使商業銀行積累道德資本，從而以良好的聲譽降低商業銀行信貸風險。由此，提出兩個對立假設：

假設1a：綠色信貸政策會降低商業銀行風險；

假設1b：綠色信貸政策會增加商業銀行風險。

（二）綠色信貸對商業銀行風險影響的異質性

大型國有商業銀行與股份制、民營等非大型國有商業銀行因信貸規模、質量、政策的不同而對綠色信貸政策的敏感程度具有異質性（張文中和竇瑞，2020）[16]。在信貸規模上，大型國有商業銀行的規模較大，因此，增加綠色信貸所帶來的管理費用等短期成本可以被攤??；而非大型國有商業銀行的信貸規模較小，實施綠色信貸政策所需成本在其經營活動中占比較大（高曉燕，2020）[17]，更易導致風險增溢。在信貸質量上，大型國有商業銀行的綠色信貸業務開展時間較早，品種也較為豐富，相比之下，非大型國有商業銀行則較為單一，因此，非大型國有商業銀行在實施綠色信貸時提升銀行盈利能力的作用也落后于大型國有商業銀行。在信貸政策上，大型國有商業銀行的綠色信貸政策較為完善，而非大型國有商業銀行則不夠成熟，在運營效率上存在較大的差距，對信貸政策的理解偏差更容易對非大型國有商業銀行發展產生負向影響（劉昊，2021）[18]。

除此之外，農村商業銀行與城市商業銀行也因信貸制度、業務范圍、客戶結構的不同而對綠色信貸政策的敏感程度具有異質性。在信貸制度上，城市商業銀行綠色信貸相關制度較為規范，發展狀況良好，而農村商業銀行綠色信貸起步和發展相對較慢，信貸管理與風險控制能力存在一定差距。在業務范圍上，農村商業銀行主要以服務農村、農業經濟為主，而城市商業銀行更為靈活多變，業務規模大且多元化程度深。在客戶結構上，隨著農村金融市場競爭結構的變化，農村商業銀行客戶流失加速，且優質客戶比例低，客戶老齡化趨勢明顯，對政策理解和項目把控能力較弱，一旦貸款形成風險很難化解。由此，提出以下假設：

假設2：綠色信貸政策對大型國有商業銀行和非大型國有商業銀行、城市商業銀行和農村商業銀行風險的影響存在異質性。

三、基準模型、數據與變量說明

（一）基準模型

為了分析綠色信貸政策對商業銀行風險的影響，本文采用雙重差分模型，以商業銀行的風險承擔作為被解釋變量，以綠色信貸政策實施的時間虛擬變量作為核心解釋變量，具體模型設定如下：

[lnRISKit=β0+β1×Policyi×Postt+φXit+μi+γt+εit]? （1）

其中，[i]代表商業銀行，[t]表示時間，[lnRISKit]為商業銀行[i]在[t]年的風險承擔（取對數值）。[Policyi]為虛擬變量，表示商業銀行是否開展綠色信貸，實施綠色信貸的商業銀行取1，沒有實施綠色信貸的商業銀行取0。[Postt]為虛擬變量，表示是否已經開展綠色信貸，實施綠色信貸的時期取1，其他時期取0。由于不同商業銀行實施綠色信貸的時間并不一致，本文使用多期雙重差分法進行檢驗。[Xit]為與銀行風險相關的控制變量，[μi]代表銀行個體固定效應，[γt]代表時間固定效應，[εit]為誤差項。

為進一步研究商業銀行綠色信貸份額對其風險承擔的影響，文章參照邵傳林和閆永生（2019）[19]的研究，在基準模型的基礎上將解釋變量替換為政策凈效應與綠色信貸份額的交互項，進而驗證綠色信貸份額對商業銀行風險承擔的影響。

[lnRISKit=β0+β1×Policyi×Postt×Green+φXit+μi+γt+εit]? （2）

（二）數據來源

本文選取的樣本為中國64家商業銀行2008—2019年面板數據。通過Bankscope 數據庫及萬得數據庫，本文獲得了100余家國內商業銀行的財務數據，由于部分商業銀行財務數據缺失嚴重，剔除了財務數據不完整的樣本，保留了64家數據較為完整的商業銀行樣本。為了降低極端值的影響，本文對所有連續變量在1%和99%分位上進行了縮尾處理。

（三）變量解釋

關于商業銀行風險承擔的衡量，學界并未形成一致的標準，代理變量主要有預期違約率、存貸比、資本充足率、不良貸款率、Z值等。本文借鑒邵傳林和閆永生（2020）[19]，采用Z值衡量商業銀行風險承擔，具體計算公式如下：

[RISKit=ROAit+CARitδROAit] （3）

其中，[ROA]表示商業銀行的總資產收益率； [CAR]表示商業銀行的資本充足率，[δROA]表示總資產收益率的標準差，即資本收益率與資本資產比之和除以資產收益率的標準差。因為Z值有尖峰厚尾的性質，取對數進行回歸。Z值越大，銀行系統越穩定，破產概率越小，銀行風險越小。此外，使用資本充足率、不良貸款率進行穩健性檢驗。

關于核心解釋變量綠色信貸虛擬變量的選擇，蘇冬蔚和連莉莉（2018）[20]在研究綠色信貸對企業投融資行為的影響時，將2012年《綠色信貸指引》的正式實施作為綠色信貸政策施行的重要時間節點。在此基礎上，考慮到2012年后還有其他不同的商業銀行逐漸開展綠色信貸業務，本文通過手工查閱各家商業銀行《社會責任報告》中綠色信貸余額的披露時間點，確定各家商業銀行開展綠色信貸的時間，具體時間如表1所示。如果某家商業銀行在當期開始披露或已經披露了綠色信貸余額，則賦值為1，否則為0。另外，通過手工查閱各家商業銀行《社會責任報告》中的綠色信貸余額，計算得到綠色信貸占貸款余額的比例，作為核心解釋變量的另一個衡量指標——綠色信貸份額（green）。為控制其他因素對商業銀行風險的影響，參考已有研究，本文選取了以下控制變量：在商業銀行自身風險控制方面，本文選取了商業銀行規模（size）、盈利能力（roa）、收入結構（NIIR）作為控制變量。其中，以總資產余額的自然對數代表商業銀行規模，以凈利潤與總資產的比值衡量盈利能力，以非利息收入與總營業收入的比值衡量收入結構。在宏觀經濟方面，本文參照丁寧等（2020）[5]的研究，選取了GDP增長率（gdpgrowth）、M2增長率（M2growth）以及國內物價水平（cpi）作為控制變量，各變量描述性統計見表2。

四、實證結果

（一）基準回歸結果

基準模型的回歸結果見表3。第（1）列和第（3）列分別表示僅控制個體固定效應和時間固定效應時各變量對商業銀行風險的影響，第（2）列和第（4）列在此基礎上加入了各控制變量。結果顯示，無論是否加入控制變量，Policy[×]Post的系數始終為正且顯著。這說明，綠色信貸的凈政策效應是使Z值增加，由于Z值越小，風險越大，即綠色信貸的政策效應是使商業銀行的風險降低。第（3）列和第（4）列的結果顯示，無論是否加入控制變量，綠色信貸份額的回歸系數顯著為正?？梢?，假設1a成立，即綠色信貸在發揮促進綠色發展作用的同時，還可以降低商業銀行風險承擔。

（二）多期平行趨勢檢驗

雙重差分模型需要滿足平行趨勢檢驗假設，即在政策時間點之前實施綠色信貸的商業銀行和未實施綠色信貸的商業銀行變化趨勢應保持一致。正如前文所強調的，不同商業銀行開展綠色信貸的時間不同，因而不能將某一年作為臨界點設置虛擬變量。本文參考Beck等（2010）[21]的研究，為各商業銀行設定實施綠色信貸的相對時間值，從而構建多期平行趨勢檢驗，具體檢驗公式為：

[lnRISKit=α+β1Before3it+β2Before2it+β3Before1i，t+β4Currentit+β5After1it+β6After2it+β7After3i，t+β8After4it+β9After5it+β10After6it+β11After7it+β12After8it+φXit+μi+γt+εit]? （4）

其中，[Before]、[Current]以及[After]為商業銀行施行綠色信貸的前[n]年、當年以及后[n]年的觀測值。由于本文樣本期為2008—2019年，而商業銀行在2012年之后施行綠色信貸政策，因此，部分商業銀行沒有多于-4的樣本量。本文參考白俊紅等（2022）[22]解決多重共線性問題的方法，將其他商業銀行-4期之前的時間歸并至第-4期。由此，本文以-4期為基點，分析政策發生前三年情況，以觀測是否符合平行趨勢檢驗。同樣，由于觀測值的時間截至2019年，本文主要分析商業銀行實施綠色信貸后7年的動態效應。結果如圖1所示，商業銀行施行綠色信貸政策之前，時間虛擬變量的系數均不顯著，說明處理組商業銀行與控制組商業銀行在政策發生之前的風險無顯著差異，符合平行趨勢檢驗假設。此外，在政策發生后，商業銀行風險并不會立即降低，在實施綠色信貸3年后，綠色信貸對商業銀行Z值的影響顯著為正并不斷提升，說明綠色信貸政策存在降低商業銀行風險的政策效應，但具有3年的滯后性。綠色信貸政策效應存在滯后期可以從兩個方面進行解釋：一方面，在綠色信貸實施的前期，存在技術人員培養成本及環境項目審核成本等的壓力（丁寧等，2020）[5]，但在綠色信貸實施的中后期，規模效應可以有效降低成本從而起到降低風險的作用；另一方面，綠色信貸實施的前期，商業銀行的綠色聲譽以及社會責任感等正外部性不能及時得到反饋（尹慶民和武景，2022）[23]，而到綠色信貸實施的中后期，實施綠色信貸政策的聲譽作用得以發揮，從而提高了商業銀行的流動性，進而降低了風險。

（三）穩健性檢驗

1. PSM-DID。為了克服開展綠色信貸的商業銀行與其他商業銀行的風險變動趨勢存在的系統性差異， 降低DID估計的偏誤，本文進一步采用PSM-DID方法進行穩健性檢驗。采用Logit模型，以policy為因變量，以銀行盈利能力、銀行收入結構、銀行規模、銀行年齡等變量作為相應的匹配變量，然后分別采用卡尺最近鄰匹配法和近鄰1∶1匹配法進行樣本匹配。

先去除政策實施后樣本數據，即僅以綠色信貸政策實施前年份商業銀行與未實施綠色信貸商業銀行進行傾向得分匹配，刪除未匹配數據，而后與政策實施后年份數據進行縱向匹配，并刪除匹配數據中未出現的地區保證樣本數據的統一性。最終，基于匹配數據再次進行回歸，回歸結果如表4所示，其中，第（1）列和第（3）列分別表示僅控制個體固定效應和時間固定效應時綠色信貸凈政策效應和綠色信貸份額對商業銀行風險的影響，第（2）列和第（4）列分別表示加入了相應的控制變量后綠色信貸凈政策效應和綠色信貸份額對商業銀行風險的影響。從表中可以看出，無論是否加入控制變量，綠色信貸和綠色信貸份額的系數均顯著為正，證明本文主回歸結果穩健，即商業銀行開展綠色信貸可以降低風險水平，進一步證實了假設1a。

為了保證PSM-DID方法的有效性，本文也進行了相應的檢驗。正如前文的回歸結果表明，各協變量對處理變量具有較強的解釋力。同時，需要檢驗在進行匹配后各變量在處理組與控制組的分布是否變得平衡，協變量的均值在處理組和控制組間是否依然存在顯著差異。若不存在顯著差異，則支持PSM-DID方法的應用。本文運用核匹配進行估計，對比匹配前的結果，所有變量的標準化偏差均大幅縮小，PSM-DID是有效的（見圖2）。

2. 安慰劑檢驗?？赡艽嬖谝恍┎豢捎^測的商業銀行自身特征干擾綠色信貸政策對商業銀行風險的影響。在同時點的雙重差分模型中，一般研究與Liu和 Lu（2015）[24]一致，選擇隨機生成處理組的方式進行安慰劑檢驗，將綠色信貸對各商業銀行風險的沖擊變得隨機，排除由其他隨機因素造成的影響。但由于本文為多時點模型，政策時點存在差異，因此，本文參照白俊紅等（2022）[22]的方式，同時生成偽處理組虛擬變量以及偽政策沖擊虛擬變量，即為每個商業銀行隨機抽取時點開展綠色信貸政策從而進行檢驗。利用Stata軟件構造偽綠色信貸政策對64個商業銀行的500次隨機沖擊，每次隨機抽取29個商業銀行作為處理組，且開展的綠色信貸政策隨機給出，得到500組虛擬變量，進而呈現500個系數的核密度及其p值分布。隨機處理結果大多集中在0.005附近，且大部分系數的P值高于0.1。而實際綠色信貸對商業銀行風險的影響系數為0.037，與安慰劑檢驗結果有顯著的差異。穩健性檢驗進一步證實了假設1a。

3. 替換被解釋變量。為進一步檢驗綠色信貸對商業銀行風險的影響，本部分使用資本充足率（CAR）、不良貸款率（NPL）替代被解釋變量進行穩健性檢驗，結果見表5。無論是從資本充足率的角度出發，還是從不良貸款率的角度出發，綠色信貸政策均會削弱商業銀行風險承擔。穩健性檢驗進一步證實了假設1a。

（四）異質性分析

為進一步檢驗不同的控股形式和治理結構下綠色信貸對商業銀行風險的影響，本文針對大型國有商業銀行和非大型國有商業銀行進行了異質性分析，結果如表6所示。其中，列（1）和列（2）顯示綠色信貸和綠色信貸份額對非大型國有商業銀行風險的影響不顯著。列（3）和列（4）表明綠色信貸和綠色信貸份額對大型國有商業銀行Z值的影響結果顯著為正，即能夠降低大型國有商業銀行的風險承擔。

相較于民營或股份制銀行等非大型國有商業銀行，大型國有商業銀行通常有著更高的風險重要性等級，監管機構亦對其有著更為嚴格的風險指標考核，這在很大程度上限制了其信貸投放的盲目擴張，在綠色信貸政策背景下，大型國有商業銀行能夠更為穩健地開展業務，充分挖掘貸款申請人在綠色發展中的業務優勢，將貸款投向業務發展更為健康的企業。因此，大型國有商業銀行開展綠色信貸政策更有利于縮小風險。

此外，本文還根據治理結構將樣本分為城市商業銀行和農村商業銀行，異質性分析結果如表7所示，綠色信貸及綠色信貸份額均能顯著提高城市商業銀行Z值，即降低城市商業銀行風險承擔，但對農村商業銀行的影響不顯著。

五、機制分析

（一）流動性的中介效應

綠色信貸作為一種創新的信貸形式，能使商業銀行獲得良好的市場聲譽且獲得相關政策支持，更易贏得政府、企業及個人的認可，進而在其核心的攬儲業務中占據優勢，有助于在金融市場交易中占據主動權，從而獲得更好的流動性（蘇冬蔚和連莉莉，2018）[20]。流動性提升能夠有效地降低商業銀行所面臨的風險，在極端經濟環境下維持正常的運營。除此之外，較好的流動性有助于商業銀行利用資產規模擴大的優勢開展更加豐富的業務，高效地分配資源，從而更為有效地管控風險。

參考溫忠麟和葉寶娟（2014）[25]，設置中介效應模型如下：

[liquidit=β0+β1×Policyi×Postt×policy×post×green+φXit+μi+γt+εit]? （5）

[lnRISKit=λ0+λ1×Policyi×Postt×policy×post×green+λ2×liquidit+φXit+μi+γt+εit] （6）

其中，[i]代表商業銀行，[t]表示時間，[liquidit]為商業銀行[i]在[t]年的流動性水平，由于流動性覆蓋率以及流動性資產充足率指標較難獲取，本文參照蔣海等（2021）[26]，將流動性比率作為流動性水平的代理變量，具體以“流動性資產/流動性負債”來表示，其余變量與基準方程（2）一致，結果見表8。

從表8第（1）列來看，綠色信貸份額對流動性比率的系數顯著為正，這說明隨著綠色信貸份額的增加，商業銀行的流動性增大。從第（2）列來看，綠色信貸份額對商業銀行風險的影響與基準回歸一致，仍顯著為正，同時流動性比率至少在10%的水平下顯著為正，即流動性增加可以降低商業銀行信用風險。以上說明流動性比率著實能起到中介作用，即增加綠色信貸份額會增加商業銀行流動性比率，進而降低商業銀行風險承擔。

（二）創新性的中介效應

綠色信貸有助于商業銀行進一步完善其信貸審核機制，并且助力商業銀行在貸前、貸中、貸后的金融科技投入，進而提高商業銀行的創新性（顧曉安和王鵬程，2015）[27]。創新能力提升體現了商業銀行的金融創新力度與發展實力，同時，商業銀行業務部門重視綠色信貸的發展，促使各部門熟練利用金融科技手段、提升風險管理水平進而實現更為精準、個性化的貸前審核、放款與貸后管理，提升商業銀行的綜合創新能力（何凌云等，2018）[28]，增強商業銀行在風險管理中的主動權，在業務上對接風險更低的綠色企業、綠色項目，實現貸款風險的削弱，從而打通“綠色信貸—銀行創新—風險管理”這一正反饋通路，降低商業銀行經營中面臨的風險。

與驗證流動性的中介效應過程一致，本部分驗證創新性的中介效應模型如式（7）和式（8），其中，[Innovationit]為商業銀行[i]在[t]年的創新能力。孫磊（2010）[29]指出金融創新可以顯著改善資本收益結構，股票市場融資功能的完善以及債券市場的健全主要體現在銀行的手續費和傭金收入的顯著提高。本文參考周建等（2012）[30]以及吳成頌等（2016）[31]的研究，選取“手續費及傭金凈收入/ 營業收入”來表示商業銀行創新能力，其余變量與上述方程一致。

[Innovationit=β0+β1×Policyi×Postt×policy×post×green+φXit+μi+γt+εit]? （7）

[lnRISKit=λ0+λ1×Policyi×Postt×policy×post×green+λ2×Innovationit+φXit+μi+γt+εit]? （8）

從表8第（3）列來看，綠色信貸份額對商業銀行創新性的系數顯著為正，說明伴隨著綠色信貸份額的增大，商業銀行創新能力增強；從第（4）列來看，綠色信貸份額對商業銀行風險的影響與基準回歸一致，仍顯著為正，同時可以發現，創新性至少在10%的水平下顯著為正，即增強商業銀行的創新能力可以降低商業銀行的風險承擔。結合第（3）和（4）列可以看出創新能力著實能起到中介作用，即增加綠色信貸份額會增強商業銀行創新能力，而商業銀行的創新能力增強將直接削弱商業銀行風險。

六、結論與啟示

本文基于2008—2019年中國64個商業銀行數據構建了綠色信貸政策的準自然實驗，利用雙重差分模型研究了綠色信貸對商業銀行風險承擔的影響。同時，為深入研究所有制結構及治理結構對商業銀行的影響，本文區分大型國有商業銀行和非大型國有商業銀行、城市商業銀行和農村商業銀行進行了異質性檢驗。在機制檢驗方面，本文對商業銀行流動性和創新性進行了檢驗。具體結論如下：一是商業銀行開展綠色信貸可以有效降低風險且具有3年的滯后期。二是綠色信貸政策可以削弱大型國有商業銀行的風險承擔，但對非大型國有商業銀行風險承擔的影響不顯著；綠色信貸政策會削弱城市商業銀行的風險，但對農村商業銀行影響并不顯著。三是流動性和創新性能起到中介作用，即增加綠色信貸份額可以增強商業銀行流動性和創新性，進而降低商業銀行風險承擔。

綜合上述研究結論，本文提出以下政策建議：首先，深入推進綠色信貸政策。商業銀行應持續擴大綠色信貸規模，提高推進綠色信貸的積極性，以高度的社會責任感踐行綠色信貸，發揮聲譽正外部性，不斷增強流動性水平等競爭優勢。其次，不斷豐富綠色信貸產品。商業銀行應持續創新綠色信貸相關金融產品及綠色環保企業的抵押及擔保方式，實現綠色信貸產品的多樣化。最后，不同類型的商業銀行應實施差別化的綠色信貸政策。就大型國有商業銀行而言，應加大對綠色環保企業的信貸支持，繼續將信貸政策向綠色環保企業傾斜，政府也應對大型國有商業銀行開展綠色信貸業務提供扶持激勵。對非大型國有商業銀行而言，當前的主要任務是完善綠色信貸管理機制和風險管控機制。對于城市商業銀行而言，需要充分利用自身的資源優勢，發揮各類金融工具的創新性作用，深化綠色金融水平，助推城市綠色發展；對于農村商業銀行而言，須謹慎發放綠色信貸，對披露信息加強審核與監管，以防信息不對稱造成損失。

參考文獻：

[1]張琳，廉永輝，趙海濤.綠色信貸和銀行財務績效的動態交互影響關系——基于中國29家商業銀行的實證研究 [J].上海金融，2019，（04）.

[2]Weber O. 2005. Sustainability Benchmarking of European Banks and Financial Service Organizations [J].Corporate Social Responsibility and Environmental Management，12（2）.

[3]汪煒，戴雁南，喬桂明.綠色信貸政策對商業銀行競爭力影響研究——基于區域性商業銀行的準自然實驗[J].財經問題研究，2021，（08）.

[4]Mathuva D M， Kiweu J M. 2016. Cooperative Social and Environmental Disclosure and Financial Performance of Savings and Credit Cooperatives in Kenya [J].Advances in accounting，35.

[5]丁寧，任亦儂，左穎.綠色信貸政策得不償失還是得償所愿？——基于資源配置視角的PSM-DID1成本效率分析 [J].金融研究，2020，（04）.

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

[7]李蘇，賈妍妍，達潭楓.綠色信貸對商業銀行績效與風險的影響——基于16家上市商業銀行面板數據分析 [J].金融發展研究， 2017， （09）.

[8]邵傳林，閆永生.綠色金融之于商業銀行風險承擔是“雙刃劍”嗎——基于中國銀行業的準自然實驗研究 [J].貴州財經大學學報， 2020， （01）.

[9]王艷麗，類曉東，龍如銀.綠色信貸政策提高了企業的投資效率嗎？——基于重污染企業金融資源配置的視角[J].中國人口·資源與環境，2021，31（01）.

[10]王遙，潘冬陽.中國經濟綠色轉型中的金融市場失靈問題與干預機制研究 [J].中央財經大學學報，2015（11）.

[11]陳偉光，盧麗紅.中國商業銀行綠色信貸外部障礙與環境風險管理框架的構建 [J].廣東金融學院學報，2011，26（03）.

[12]田超，肖黎明.綠色信貸會促進重污染企業技術創新嗎？——基于《綠色信貸指引》的準自然實驗 [J].中國環境管理，2021，13（06）.

[13]寧金輝，史方.綠色信貸政策與資本結構動態調整 [J].財會月刊，2021，（21）.

[14]于波，陳紅，周寧.綠色信貸、金融科技與商業銀行盈利能力 [J].統計與決策，2021，37（14）.

[15]Relano F. 2008. From Sustainable Finance to Ethical Banking [J].Transformations in business &economics， （02）.

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

[17]高曉燕.綠色信貸視角下我國商業銀行經營績效差異性研究 [J].甘肅社會科學，2020，（05）.

[18]劉昊.綠色信貸、風險管理文化與商業銀行高質量發展 [J].財經理論與實踐，2021，42（05）.

[19]邵傳林，閆永生.企業社會責任對銀行商業價值的影響研究——基于中國銀行業的準自然實驗 [J].南京審計大學學報，2019，16（06）.

[20]蘇冬蔚，連莉莉.綠色信貸是否影響重污染企業的投融資行為？ [J].金融研究，2018，（12）.

[21]Beck T， Levine R， Levkov A. 2010. Big Bad Banks？ The Winners and Losers from Bank Deregulation in the United States [J].The Journal of Finance，65（5）.

[22]白俊紅，張藝璇，卞元超.創新驅動政策是否提升城市創業活躍度——來自國家創新型城市試點政策的經驗證據 [J].中國工業經濟，2022，（06）.

[23]尹慶民，武景.綠色信貸對商業銀行經營績效影響的研究——基于環境聲譽的中介效應 [J].金融監管研究，2022，（03）.

[24]Liu Y， Lu Y. 2015. The Economic Impact of Different Carbon Tax Revenue Recycling Schemes in China：A Model-based Scenario Analysis [J].Applied Energy，141.

[25]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（05）.

[26]蔣海，張小林，唐紳峰，陳創練.貨幣政策、流動性與銀行風險承擔 [J].經濟研究，2021，56（08）.

[27]顧曉安，王鵬程.非利息收入占比與銀行風險分散效應的關系研究——來自美國銀行業的經驗證據與啟示 [J].世界經濟研究，2015，（07）.

[28]何凌云，吳晨，鐘章奇，祝婧然. 綠色信貸、內外部政策及商業銀行競爭力——基于9家上市商業銀行的實證研究 [J].金融經濟學研究， 2018， 33 （01）.

[29]孫磊.政策導向對商業銀行戰略轉型步伐的影響——基于Malmquist生產效率指數的實證分析 [J].經濟體制改革，2010，（01）.

[30]周建，張文隆，劉琴，李小青.商業銀行董事會治理與創新關系研究——基于滬深兩市上市公司的經驗證據 [J].山西財經大學學報，2012，34（03）.

[31]吳成頌，周煒，張鵬.互聯網金融對銀行創新能力的影響研究——來自62家城商行的經驗證據 [J].貴州財經大學學報，2016，（03）.