“双碳”背景下绿色信贷对系统重要性银行稳健性的影响研究

2022-05-30邵靖雯曾晓倩

时代金融 2022年8期

邵靖雯曾晓倩

绿色信贷作为当前绿色金融市场中规模最大的绿色金融产品，在我国实现“双碳”目标的背景下仍有巨大发展空间，随着绿色信贷规模不断扩大，其对银行产生的影响逐渐显现。本文选取2013年-2020年我国18家系统重要性银行的平衡面板数据，实证研究了绿色信贷对于我国系统重要性银行稳健性的影响，得出基本结论：绿色信贷对系统重要性银行稳健性具有积极作用，并基于结论从宏观制度层面和银行微观层面提出相关建议。

一、引言

在第七十五届联合国大会上，习近平主席宣布我国预计在2030年实现碳达峰、 2060年实现碳中和（简称“双碳”），在“双碳”目标驱动下，支持绿色低碳发展是我国未来一段时期金融领域的重点工作。绿色信贷作为金融支持绿色发展的一个重要途径快速增长，截至2021年末，我国本外币绿色信贷余额15.9万亿元，存量规模居世界第一，绿色信贷环境效益逐步显现，在这其中无论是规模还是市场占有率都处于领头地位的系统重要性银行发挥了重要作用。随着我国绿色信贷规模的不断增加，不断有学者通过研究指出绿色信贷会对商业银行经营绩效、风险防控、创新竞争等方面产生影响，作为绿色信贷领域的主力军，在我国防范“太大而不能倒”风险的金融监管逻辑下，绿色信贷业务的发展对于系统重要性银行的稳健性会产生何种影响值得探究。

二、相关研究理论

对于绿色信贷对商业银行影响的研究，我国学者多是基于微观角度研究绿色信贷与商业银行经营管理之间的关系，观点主要集中在对银行风险和经营绩效的影响两方面。在信贷风险影响方面，多数研究认为绿色信贷对降低銀行信贷风险具有正向作用。雷博雯等[1]（2020）通过刻画商业银行的流动性分析绿色信贷对商业银行产生的信贷风险，反映绿色信贷对商业银行风险管控的影响效果。张凤贤[2]（2021）基于14家商业银行面板数据通过随机和固定效应模型分析认为银行发展绿色信贷可以改善银行资产质量，在考虑了外部市场环境的情况下这一影响会更加显著。马若微等[3]（2021）则是从银行声誉视角和中介效应分析研究了绿色信贷政策对商业银行信贷风险的影响，认为绿色信贷能够正向影响银行声誉并有效降低银行信贷风险。

在绿色信贷影响商业银行经营绩效方面，一部分学者认为绿色信贷对银行经营绩效具有抑制作用，高志坚[4]（2021）通过异质性分析认为，开展绿色信贷业务对不同类型银行的资产收益率有不同影响，其中大型国有商业银行开展绿色信贷会导致其资产收益率下降，而对中小股份制银行则是有利的。杨姝平[5]（2020）通过构建面板模型，研究认为绿色信贷业务对于商业银行收益有促进作用，但影响作用较小。并阐明了现阶段银行经营绿色信贷存在的局限性，亟需提升经营效率和质量。李程等[6]（2016）通过运用DID模型实证分析发现绿色信贷政策给银行绩效带来负向影响。还有一部分学者则是通过结合绿色信贷期限时滞影响的研究产生了不同的观点，这部分学者认为短时间内绿色信贷为商业银行带来的收益是有限的，但从长期来看，无论是经济效益还是社会效益，绿色信贷都会对商业银行经营绩效产生正向作用，体现在绿色信贷有助于提高商业银行自身的商业信誉、商业价值和社会影响力。刘昊[7]（2021）将风险管理文化视角引入绿色信贷中，采用面板SVAR模型对中国商业银行绿色信贷与发展质量的相关性进行了实证检验，结果显示商业银行的盈利能力和风险管理水平与商业银行绿色信贷业务之间存在正相关关系。张文中等[8]（2020）基于非期望产出的SBM银行效率值通过工具变量法研究得出，短期来看，绿色信贷不利于银行效率的提高，而从长期来看，绿色信贷政策对银行效率存在正向引导。金浩等[9]（2022）则是通过构建系统GMM模型研究指出绿色信贷对经营效率积极作用具有滞后性，银行实施绿色信贷在长期看来是有益的，但目前银行经营效率反而抑制了绿色信贷发展。

综上所述，既有文献中我国学者在绿色信贷对商业银行影响的研究领域主要集中在信贷风险和经营绩效方面，同时部分学者对绿色信贷在商业银行竞争力影响方面进行了研究，综合来说，大部分学者认为绿色信贷业务发展会给商业银行带来积极影响。基于发展中国家的“双碳”目标视角和宏观审慎视角，并将绿色信贷与系统重要性银行结合起来的却比较缺乏，这也为本文遴选我国系统重要性银行作为研究对象提供了有益的参考和研究空间。

三、实证分析

（一）样本选择

根据《系统重要性银行评估办法》，央行、银保监会在2021年10月基于2020年数据，评估认定了我国19家系统重要性银行①，包括6家国有商业银行、9家股份制商业银行和4家城市商业银行。基于数据可得性和有效性，由于兴业银行社会责任报告未单独公布绿色信贷相关数据，为避免影响分析结果，选取除兴业银行以外的18家系统重要性银行2013年至2020年8年的相关数据组成样本数据进行实证分析，相关数据来源于wind数据库，部分缺失数据及绿色信贷数据由各银行公布的年度报告及社会责任报告整理补全，宏观经济相关数据来源于国家统计局官网公布数据，运用的计量分析软件为stata15版本。

（二）变量选取

1.被解释变量。目前，国内外学者在实证研究中广泛运用Z-score指数法（以下简称Z值）度量商业银行的稳健性，该方法能从收益率标准差的角度近似地去评价银行经营风险，特别是在银行破产概率较低的情况下，能够直接体现银行运营风险的大小（李世平等[12]，2018）。常见的Z值测度方法主要有两种，其差异主要在于是否将银行资产的加权风险项纳入对Z值的构建：

其中ROAA为平均总资产收益率，ETA为资本与总资产的比值，σ（ROAA）为平均总资本收益率的标准差。

其中RORWA加权风险资产收益率，ERWA为资产收益率，σ（RORWA）为加权风险资产收益率的标准差。

本文参考任哲等[10]（2022）、王蕙[11]（2019）等的研究，以各样本银行破产Z值为银行稳健程度的代表变量并作为模型被解释变量，Z值越大，银行破产风险越小，也越稳健。不同的文献在计算Z值时对总资本收益率均值和标准差计算选择的窗口长度有所差别，本文参考Delis等方式，以三年为周期计算出各银行ROAA的滚动标准差，既首个周期为2011年—2013年，次期为2012年—2014年，以此类推计算出各期滚动σ（ROAA），再分别结合当期ETA和ROAA最终计算出各银行Z值，为了消除极端值影响，实证分析中对计算出的Z值进行对数处理。

2.解释变量。参考以往文献，反映绿色信贷规模的代表变量主要有绿色信贷占比和绿色信贷余额，相较于绿色信贷占比，绿色信贷余额更能直接的反映出银行绿色信贷业务发展的规模及银行在绿色信贷方面的绝对投入，所以本文选取绿色信贷的年度余额为各样本银行绿色信贷业务规模的代表变量并作为模型解释变量，由于绿色信贷余额数据与其他变量差异较大，为平滑数据，实证分析中同样对绿色信贷样本数据进行对数处理。

3.控制变量。通过参考相关文献，结合IMF《金融稳健性指标编制指南》，综合考虑系统重要性银行安全性、流动性、盈利性方面，本文选取核心一级资本充足率，不良贷款率、拨备覆盖率、非利息收入占比、成本收入比、流动性比率为样本银行微观个体方面的控制指标，同时将外部宏观经济的影响纳入考量，选取国民生产总值增长率为控制变量，取对数进行回归，各指标具体情况如下表：

（三）基本模型设定

基于上述变量，设定基本回归模型如下：

在银行的实际业务中，绿色信贷多是周期长、实现成效慢的项目，对银行产生的影响需要一定时间才会显现，为了进一步討论这样的情况，将绿色信贷滞后一期变量加入模型再次进行回归分析，分析当期系统重要性银行稳健性Z值受上期绿色信贷的影响情况。更新后的模型如下：

其中i为银行主体，t为时间，α为常数项，ε为随机干扰项，主要研究的是各变量的系数β值。

（四）实证分析

1.描述性统计。各变量描述性统计见表2，数据集为2013年—2020年18家系统重要性银行的平衡面板数据。从变量数据的统计情况来看，所有变量值均处于合理变化范围内，变量均值与中位数较为接近，表明数据更为符合正态分布。核心变量方面，被解释变量LNZ最大值为7.5，最小值3.5，均值5.129，我国各系统重要性银行稳健程度有所差异，但总体稳健，解释变量LNGC最大值为9.82，最小值为2.76，均值6.577，极值间差距较大，各系统重要性银行间的绿色信贷规模差异较为明显。

2.相关性分析。表3为皮尔逊相关分析结果，在不考虑其他因素的情况下，核心变量LNGC、滞后一期的L.INGC与LNZ具有关系性且都在5%水平下显著，符合模型构建的预期，基本满足回归分析的需要，控制变量CAR和LR系数为正且在5%水平下显著，NPL、CIR和GDP系数为负，NII、PC系数为正，均较为符合实际认知，可以为后续回归分析提供参考。

3.回归分析。为避免变量之间存在多重共线关系使模型失效，在进行回归分析之前，先对各变量进行多重共线性检验，结果显示如表4，两个模型中全部变量的方差膨胀因子VIF均小于5，表明变量间不存在严重多重共线性，通过相关变量构建的模型是有效的。

基于公式（3）和（4），通过Hausman检验结果显示，两个模型的P值分别为0.3320和0.1820，均大于0.1，故接受原假设，变量不存在严重内生性可用随机效应模型进行回归估计。同时，为避免可能存在的异方差及组内自相关问题产生有偏的估计结果，在随机效应回归的基础上进一步采用广义最小二乘法（GLS）进行修正后的回归估计，以此得出更为有效的回归估计结果，回归结果如图5中所示，（1）—（2）为当期绿色信贷余额为变量时的回归估计结果（4）—（5）为纳入滞后一期绿色信贷余额后的回归估计结果。

4.稳健性检验。为进一步检验模型估计结果稳健程度，将资产风险因素纳入考量，基于公式（2）采用第二种Z值构建方法计，以同样的时间区间计算出各银行纳入风险加权资产后的稳健性Z值，以符号Z2表示，并进行回归估计，以进一步校验估计结果的稳健性。经过更新的模型如下：

其中α为常数项，ε为随机干扰项，i为银行主体，t为时间使用广义最小二乘法回归估计结果如表5（3）、（6）所示，核心变量与原回归结果显著性一致，估计系数相近，变化方向相同，说明回归结果是合理稳健的。绿色信贷业务的发展对提升系统重要性银行稳健性具有积极作用。

（五）结论

1.绿色信贷对提升系统重要性银行稳健性具有积极作用。核心变量的估计结果显示，商业银行绿色信贷规模（INGC）与Z值（INZ）均为正相关，使用广义最小二乘法估计的回归系数为0.186，且通过10%水平下显著检验，表明随着系统重要性银行绿色信贷余额每增长1%，系统重要性银行稳健性Z值相应增长0.186%，绿色信贷对提升系统重要性银行稳健性具有积极作用。

2.绿色信贷对系统重要性银行稳健性的影响具有一定时滞性，但该影响是正向的且长期的。在加入滞后一期绿色信贷变量的回归估计中，使用广义最小二乘法估计的回归系数为0.202，且通过10%水平下显著检验，绿色信贷对Z值影响的估计系数是相较增长的，说明随着绿色信贷业务的发展，绿色信贷对于系统重要性银行稳健性的影响是连续的，且该影响是正向的。

（六）政策建议

基于以上结论，为了进一步发挥绿色信贷对于优化系统重要性银行稳健性的积极作用，应鼓励银行大力发展绿色信贷业务更好地融入和服务国家发展战略，对此，本文从宏观制度层面和银行微观层面提出了相关建议。

1.宏观层面，加大绿色信贷制度的顶层构建。一是加强信息披露与共享机制建设，建议从激励机制、评估能力等方面进一步完善绿色项目识别标准和第三方评估评级规范，同时强化绿色项目、绿色金融产品环境信息披露，增加绿色项目及绿色金融产品的识别度，降低识别和评估成本，利于银行主动对接。二是统一绿色金融统计标准，建立由官方层面统一口径的绿色信贷数据披露平台，有利于营造社会环保氛围，培育强化社会绿色偏好，也更利于银行声誉效应提升。三是配套政策提升银行积极性，通过政策合力缓解绿色项目外部性特征，提高绿色项目获贷率，通过税收、财政、货币政策工具、监管容忍度等外部配套措施，弥补商业银行绿色信贷项目的投资回报和风险成本，提高银行积极性。

2.银行层面，优化银行绿色信贷业务细化管理。一是借助金融科技提升智能化管理水平，推动绿色信贷提质扩面。建议商业银行借助金融科技手段创建符合自身运营需求的绿色信贷管理系统，应用于绿色低碳项目对接、环境社会风险识别、环境效益测算、贷前快速识别审查、贷后风险预警处置等场景。二是细化风险防控，系统重要性银行作为我国金融系统稳定的关键因素，在大力支持我国绿色经济转型的同时，对于相应的风险管理应更为慎重，建议建立绿色金融领域的指标监管标准，实行差异化精准化的绿色金融资产风险管理。三是加强绿色金融产品服务创新。系统重要性银行应充分发挥其规模优势和声誉效应，加大绿色信贷投放，探索创新绿色金融产品和服务模式，与深耕区域特色具有地方优势的中小银行，形成我国绿色发展的金融支持体系。

注释：

① 19家系统重要性银行：平安银行、光大银行、华夏银行、广发银行、宁波银行、上海银行、江苏银行、北京银行、浦发银行、中信银行、民生银行、邮储银行、交通银行、招商银行、兴业银行、中国工商银行、中国银行、中国建设银行、中国农业银行。

参考文献：

[1]雷博雯，时波.绿色信贷对商业银行绩效与流动性风险的影响[A].金融改革，2020：26-27.

[2]张凤贤.绿色信贷对银行不良率的影响研究[J].海南金融，2021（10）：80-87.

[3]马若微，翟彤彤.绿色信贷政策对商业银行信贷风险的影响——基于银行声誉视角的中介效应分析[J].农村金融研究，2021（06）：9-21.DOI：10.16127/j.cnki.issn1003-1812.2021.06.006.

[4]高志坚.绿色信贷政策对商业银行盈利能力的影响研究——基于中国15家上市商业银行面板数据的分析[J].西部金融，2021（09）：58-64.DOI：10.16395/j.cnki.61-1462/f.2021.09.009.

[5]杨姝平.基于面板模型研究绿色信贷对商业银行收益影响[J].时代金融，2020（15）：28-29+31.

[6]李程，白唯，王野，李玉善.绿色信贷政策如何被商业银行有效执行？——基于演化博弈论和DID模型的研究[J].南方金融，2016（01）：47-54.

[7]刘昊.绿色信贷、风险管理文化与商业银行高质量发展[J].财经理论与实践，2021，42（05）：2-8.DOI：10.16339/j.cnki.hdxbcjb.2021.05.001.

[8]张文中，窦瑞.绿色信贷对中国商业银行效率的影响研究——基于SBM-GMM模型[J].投资研究，2020，39（11）：17-28.

[9]金浩，曹馨月.绿色信贷与银行经营效率的交互跨期影响研究——基于动态面板系统GMM模型[J].经济论坛，2022（01）：78-87.