绿色信贷如何影响银行风险承担？——基于中国银行业数据的实证研究

■张琳 王宝东 廉永辉

一、引言

十九大报告全面阐述了加快生态文明体制改革、推进建设美丽中国的战略部署。2020年9月22日，在联合国大会上，中国首次向世界宣布中国“碳达峰、碳中和”的愿景。在绿色发展的背景下，环保产业具有广阔的发展前景，同时也需要大量资金支持。在我国以间接融资为主的金融体系下，银行信贷是企业主要的外部融资来源，绿色信贷也就构成了绿色金融的主体。但是，随着环保政策和法规愈发严格，企业可能因为环保不达标影响其生产经营，进而降低其还款能力。因此，发展绿色信贷业务也将成为商业银行进行环境风险管理的重要手段。根据银保监会数据，21 家主要银行绿色信贷规模从2013年末的5.2万亿元增长至2021年第一季度末的12.5万亿元，绿色信贷规模虽然显著增长，但是绿色信贷占各项贷款的比重始终维持在9%左右。我国绿色信贷发展初期主要是由政策驱动的，要想进一步激发商业银行的内生动力，需要绿色信贷对银行的发展有积极影响。风险管理是商业银行永恒的话题，对保障商业银行资产质量和安全至关重要。那么，商业银行开展绿色信贷能否降低银行风险呢？

理论上，绿色信贷影响银行风险的方向并不确定。一方面，绿色信贷可以降低企业因环境问题导致的违约风险，规避企业环保违规后银行的连带责任，为银行赢得绿色声誉发挥保险效应，从而降低银行的风险承担水平。另一方面，由于新兴环保产业尚未成熟，企业环境信息披露不完善，绿色信贷业务也可能增加银行的风险承担水平。实证研究方面，李苏等[1]发现绿色信贷会降低银行的破产风险；孙光林等[2]、孙红梅等[3]发现绿色信贷会降低银行的不良贷款率；邵传林等[4]发现绿色信贷业务在发展初期会增加银行的破产风险。综合来看，现有文献虽然研究了绿色信贷与银行风险的关系，但对绿色信贷影响银行风险的路径没有深入分析，同时大多数研究属于静态分析，涉及绿色信贷影响银行风险的动态特征较少。

基于此，本文利用我国2007—2019年47家商业银行数据，考察了绿色信贷对银行风险的动态影响及其路径。与既有文献相比，本文的研究特色主要体现在：第一，通过分解银行破产风险指标，更细致地考察了绿色信贷影响银行风险的路径。第二，通过区分银行主动风险承担和被动风险承担，揭示了绿色信贷对银行风险承担意愿和风险承担后果的影响差异。第三，通过考察当期和不同滞后期绿色信贷对银行风险的影响，揭示了绿色信贷影响银行风险的时滞特征和动态特征，为商业银行站在长远角度规划绿色信贷业务发展提供了参考依据。

二、文献综述、理论分析和研究假设

（一）文献综述

现有关于绿色信贷风险的研究主要包括以下三个方面：

第一，绿色信贷对银行总体风险状况的影响。李苏等[1]基于16 家上市银行2011—2015年样本的研究表明，绿色信贷余额增加可以降低银行的破产风险。孙光林等[2]利用五大国有银行2008—2016年季度数据发现，绿色信贷规模增加可以降低银行的不良贷款率。邵传林等[4]利用60家商业银行2005—2017年的年度面板数据发现，商业银行开展绿色信贷业务的初期会增加其破产风险。随着业务的进一步发展，绿色信贷逐渐显现出降低银行破产风险的作用。雷博雯等[5]基于2010—2018年16 家商业银行样本研究发现，短期来看绿色信贷余额增加对银行流动性风险没有影响，但中长期来看可以降低银行流动性风险。孙红梅等[3]以2005—2018年24 家上市银行为样本发现，银行更好地开展绿色信贷会提升资产负债率，降低不良贷款率，从而降低银行经营风险；银行经营风险增加会损害其财务绩效，不过绿色信贷业务可以减弱经营风险和财务绩效间的负向关系。国外文献中，Scholtens等[6]对比了实施与不实施赤道原则的两类银行的经营情况，发现实施赤道原则的银行贷款风险更低。Cui 等[7]基于中国商业银行数据，发现更高的绿色信贷比例会降低银行不良贷款率。Finger 等[8]基于全球78 家赤道银行样本发现，采纳赤道原则的银行不良贷款率较高，并且发展中国家的赤道银行不良贷款率高于发达国家的赤道银行。

第二，绿色信贷自身的风险评估。符淼等[9]设计了银行信贷的环境风险评估体系。其中，自然环境因素包括土地利用、生物多样性、污染物排放、资源与能源消耗，社会环境因素包括政策与法规、社区健康与安全等。马晓微等[10]在一般银行信贷评估指标的基础上结合绿色项目的特别属性，设计了绿色信贷的风险评估体系，除了偿债能力、财务效益、区域风险等一般性指标，还包括社会环境风险、自然环境风险等专门性指标。刘庆富等[11]以新能源汽车行业为样本利用修正的KMV 模型分析银行投放绿色信贷的风险，发现新能源汽车行业信用风险在部分时段低于传统行业，因此银行发展绿色信贷业务可以降低整体风险。

第三，商业银行环境风险管理研究。常杪等[12]构建了四个组成部分的银行业环境风险控制体系，包括环境信息收集和传递、环境风险管理部门建设、环境风险动态评估和管理、借鉴国际经验和加入国际准则。马秋君等[13]分析借鉴花旗银行环境风险管理经验，从贷前审批、贷中确认、贷后管理三方面构建了全过程的环境风险管理体系。李云燕等[14]通过构建绿色信贷信用风险转移模型，发现商业银行通过和非银行金融机构合作并将信用风险转移给对方，可以大幅降低绿色信贷业务中的信用风险，提升信贷资产质量。

综合而言，现有文献从环境风险管理角度分析了银行投放绿色信贷的必要性，设计了银行环境风险管理流程和环境风险评估体系，为研究绿色信贷与银行风险的关系提供了现实和理论依据，并利用实证方法考察了绿色信贷对银行风险指标的影响，对绿色信贷与银行风险的关系进行了定量分析。既有文献的不足主要包括：一是选取的风险指标比较单一，主要是不良贷款率或破产风险指标，没有考虑银行风险承担意愿和后果的差异；二是没有考察绿色信贷影响银行风险的路径；三是没有详细分析绿色信贷影响银行风险的时滞特征和动态特征。

（二）理论分析和研究假设

1.绿色信贷降低银行风险的理论分析

第一，商业银行提高绿色信贷占比有助于降低信用风险。一方面，随着环保要求的提高和执法力度的加强，污染类企业要达到环保标准需要付出更高成本，这减少了企业利润，增加了企业还款难度。如果企业未能达标，将面临严格的处罚，包括罚款、整改甚至停业，从而直接影响企业的盈利能力或引发违约[15]。产能过剩类企业资金利用效率低，随着产业转型升级，部分企业最终会被淘汰，违约风险较高。相比之下，在可持续发展理念推动下，环保产业具有更好的发展前景。为加强生态文明建设，政府出台了多项支持政策，包括为绿色项目贴息、担保等。政府的支持和背书起到了信用增级作用，降低了绿色项目的违约风险[16]。此外，银行为“两高一剩”企业节能减排提供资金也有助于这些企业实现转型升级，改善绩效水平，以此降低银行面临的风险[17]。另一方面，抵押品价值更有保障。银行发放贷款一般需要企业提供土地、厂房设备等抵押品。这些抵押品构成了企业的“第二还款来源”，当企业财务状况出现问题，无法偿还本息时，银行可以拍卖抵押品来减少损失。对于“两高一剩”企业来说，其抵押品在生产经营过程中更容易被污染，从而导致价值受损，或者由于行业产能过剩原因，抵押品市场需求低，无法获得较高价格，这样银行通过处置“两高一剩”企业抵押品只能在较低程度上减少损失[18]，而环保行业由于采纳了绿色清洁技术以及较广阔的市场前景，其抵押品的价值更能得到保障。

第二，商业银行提升绿色信贷占比能降低法规风险和声誉风险。法规风险方面，商业银行为企业的污染项目提供融资、咨询等服务可能会被追究连带责任，面临行政处罚、法律诉讼等风险[19]。例如，2018年7月，平安银行因贷前调查不到位，向环保未达标的企业提供融资等违法违规事实，被罚款50万元。同年7月，因宜城市襄大农牧有限公司养殖废水污染汉江，福建省绿家园环境友好中心向法院提起环境民事公益诉讼，并追加农行宜城市支行和宜城农商银行作为该案的共同被告参加诉讼。声誉风险方面，商业银行投放绿色信贷，承担环境保护责任，可以提升自身的社会声誉，积累更多道德资本，从而发挥保险效应[20]。社会公众对声誉好的银行包容度更高。当银行出现负面新闻时，利益相关者更愿意相信这是偶发事件，因此不会对银行施以严厉的处罚。这给了银行纠偏的机会和时间，避免产生巨额经济损失。反之，若银行为污染类项目提供资金支持，当出现严重的环境污染或社会风险事件时，银行的声誉会受损，利益相关者的不满会转变为银行的客户流失，从而增加银行的运营风险[21]。

综合以上分析，提高绿色信贷占比有助于降低银行的信用风险、法规风险和声誉风险，因此本文提出如下研究假设：

H1a：提高绿色信贷占比能够降低银行自身的风险承担水平。

2.绿色信贷增加银行风险的理论分析

绿色信贷作为银行开展的新业务也存在一定风险。第一，环保产业虽然近年来蓬勃发展，具有良好的前景，但作为新兴产业尚未形成成熟的盈利模式。特别是部分环保项目具有较强的正外部性，在正外部性无法充分内部化为项目收益时，环保项目获取盈利的保障性较低。另外，环保项目周期较长，不确定性更大[22]。第二，银行和企业间的环境信息不对称较为严重。目前企业的环境信息不是强制披露的，也没有统一完善的披露标准，导致部分企业没有公布详尽的环境信息或者进行选择性的信息披露。银行获取企业真实完整的环境信息难度较大、成本较高，这降低了银行绿色信贷投放中的风险识别能力，增加了银行环境风险管理的难度[23]。第三，绿色信贷会挤占其他业务资源。在绿色信贷业务发展成熟之前，绿色信贷对其他业务的挤占效应可能会影响银行核心竞争力[24]。另外，银行对“两高一剩”企业抽贷、断贷会加速这些企业的风险暴露。综上，本文提出如下研究假设：

H1b：提高绿色信贷占比会增加银行自身的风险承担水平。

3.绿色信贷影响银行风险的动态特征

根据上文分析，绿色信贷对银行风险短期可能具有正负两方面的影响。但随着时间推移，绿色信贷对银行风险的降低效应可能会逐渐增强，提升效应将逐渐减弱。首先，随着实践经验增加和数据资料积累，银行绿色信贷业务将逐渐成熟，环境风险管理体系也将不断完善。商业银行最初开展绿色信贷业务可能会被认为是“作秀”，但只要持续地践行环保责任就能树立可信的社会声誉，获取利益相关者的充分认可[25]。其次，对“两高一剩”企业贷款的风险先升后降。在商业银行退出“两高一剩”企业初期，会导致不具有自身“造血”能力的企业陷入困境而引发违约风险，但当这些企业的风险充分暴露之后，银行开展绿色信贷业务的潜在风险和阻力将大大降低[26]。同时，随着“两高一剩”企业在绿色信贷的支持下推进节能减排改造，这些企业的环境风险也会明显减小。最后，随着环保政策的完善和公众环保意识的增强，绿色产业的市场空间将不断扩大，盈利水平会进一步提升并更加稳定[27]。此外，随着环境信息披露制度的完善和利益相关者对企业环境信息知情权的要求提高，企业的环境信息披露质量也将不断提升，从而减弱由于信息不对称导致的银行风险[28]。综上，本文提出如下假设：

H2：提高绿色信贷占比对未来银行风险减弱的效应更大。

三、实证研究设计

（一）模型设定和变量选择

为了检验银行绿色信贷对银行风险的影响，本文参考孙光林等[2]、邵传林等[4]的研究，采用普通最小二乘法（OLS）运行如下计量模型：

其中，εi,t为随个体和时间而改变的扰动项，为减少扰动项不规则带来的问题，本文所有回归均采用了银行层面聚类稳健的标准误。模型中各变量解释如下：

1.因变量：银行风险（RISK）。借鉴马勇等[29]的研究，本文选取Zscore度量银行的风险承担：

其中，CAR 为银行资本充足率，ROA 为银行总资产收益率，ROA_SD 为ROA 的标准差，反映了银行盈利的稳定性。本文借鉴Beck 等[30]的研究，采用3年滚动窗口计算ROA_SD，以增加Zscore分母的变动幅度。需要说明的是，Zscore 是银行风险承担的反向指标，即Zscore值越大，银行破产风险越小。另外，由于Zscore的高度有偏性，本文对其取自然对数进行处理。

2.核心解释变量：银行绿色信贷占比（GL）。与张琳等[27]一致，本文采用绿色信贷余额占总贷款的比重衡量商业银行的绿色信贷实施情况。绿色信贷是指商业银行投向清洁能源、绿色交通、资源循环利用、工业节能节水等绿色环保项目与服务领域的贷款。

3.控制变量。参考徐明东等[31]的研究，本文选取如下可能影响银行风险承担的银行微观特征变量：银行规模（SIZE），以资产总额的自然对数衡量；不良贷款率（NPL），为次级、可疑和损失三种贷款占总贷款的比重，反映银行资产质量；存贷比（LTD），为贷款总额与存款总额的比值，反映银行流动性状况；非利息收入占比（NII），为银行非利息收入与营业收入的比值，反映银行的收入结构；上市虚拟变量（LIST），银行上市当年及之后LIST 取1，其他取0。此外，宏观经济环境和其他未考虑到的时变因素也可能影响银行风险，对此本文统一在模型中加入年度固定效应予以控制。

（二）样本选择与描述性统计

本文研究样本为我国2007—2019年47 家商业银行的年度非平衡面板数据。一方面，2007年国家环境保护总局、中国人民银行和银监会联合发布了《关于落实环保政策法规防范信贷风险的意见》，正式拉开了我国银行业发展绿色信贷的序幕。另一方面，2007年起商业银行陆续开始在《社会责任报告》中披露绿色信贷相关信息，其中47家银行披露了绿色信贷余额数据。按照银保监会的分类标准，样本银行包括6 家大型国有银行、11 家全国性股份制银行、22 家城市商业银行和8 家农村商业银行。截至2019年底，样本银行总资产占我国商业银行的80.61%，具有较强的代表性。数据来源方面，绿色信贷余额根据商业银行社会责任报告手工搜集得到，其余数据取自Wind数据库。

表1列示了主要变量的描述性统计结果。风险指标Zscore 的均值为5.429，最大值为8.790，最小值为3.399，反映了我国商业银行的风险水平存在一定差异。核心解释变量绿色信贷占比GL 的均值为3.482%，表明我国商业银行绿色信贷发展的平均水平较低，不过GL 的最大值为23.771%，说明部分银行绿色信贷业务发展势头迅猛。其余财务指标方面，样本银行不良贷款率NPL 的均值为1.236%，虽然2008年金融危机后受经济增速放缓影响，银行不良贷款率有所攀升，但信贷风险总体较低。存贷比LTD 的均值为69.844%，低于监管部门曾经设置的75%红线。非利息收入占营业收入比重NII 的均值为21.575%，表明利息净收入仍然是我国商业银行最主要的收入来源。

表1 变量描述性统计

表2报告了各变量之间的相关系数。各解释变量之间相关系数的绝对值多数在0.4以下，可以认为模型中的多重共线性问题并不严重。值得注意的是，GL 和Zscore 的相关系数为正，意味着在不控制其他影响因素的前提下，绿色信贷能够降低银行破产风险，不过更为准确的结论还有待深入分析。

表2 变量相关系数

四、实证结果分析

（一）基准回归结果

表3 列示了绿色信贷占比GL 影响银行风险承担Zscore 的回归结果。从系数的符号来看，当期和不同滞后期绿色信贷占比的系数均为正，表明绿色信贷占比提升会降低银行的风险承担水平，从而证实了假说H1a。从系数的显著性来看，当期绿色信贷占比GL显著性较低，表明商业银行投放更多的绿色信贷对当期银行风险没有明显影响；滞后1 期绿色信贷占比L.GL系数边际显著（P值为0.13），滞后2期绿色信贷占比L2.GL 的系数在10%水平上显著，滞后3期绿色信贷占比L3.GL的系数在5%水平上显著，表明商业银行投放更多的绿色信贷在1—2年之后开始发挥降低银行风险的作用，并且随着时间推移，绿色信贷的风险减弱效应更加明显。从系数的大小来看，绿色信贷对银行风险的影响随绿色信贷滞后期增加而增大，表明银行提高绿色信贷配置比例的风险减弱效应从长期来看更大。综合而言，绿色信贷对银行风险承担的影响表现出一定的动态特征，银行提高绿色信贷比重虽然在短期内（如1年之内）对银行风险影响不大，但长期来看（最多2年之后）会降低银行风险，并且风险降低效应会逐渐增强，从而证实了假说H2。

表3 绿色信贷对银行风险的影响

控制变量方面，SIZE系数显著为正，说明与“大而不倒”观点所认为的大银行因道德风险问题会承担更高的风险不同，我国银行业中，大银行的客户资质更好，风控制度更完善，风控技术水平更高，因而规模较大的银行风险水平较低。NPL 系数显著为负，即不良贷款率高的银行更容易出现资产减值、盈利下降，从而破产风险水平更高。NII 系数显著为负，说明虽然银行业务模式更传统且创新不足，但可以避免新的风险，从而降低银行的整体风险水平。LIST系数显著为负，表明银行上市以后风险水平增加。上市银行虽然可以公开募集资金，增强资本实力，但也需要对广大投资者负责，并且面临着更高的盈利压力，因此需要拓展风险更高的业务。

（二）稳健性检验

第一，变换被解释变量计算方式。基准回归中，银行风险指标Zscore=（ROA+CAR）/ROA_SD。本文将资本充足率CAR 替换为资本资产比ETA。ETA为银行股东权益和总资产的比值，是衡量银行资本充足情况更为简单的指标，从而得到新的银行风险指标Zscore2。并且，利用ROA和CAR的滚动3期均值ROA_mean 和CAR_mean 替换原计算公式中的ROA 和CAR，从而得到新的银行风险指标Zscore3。将Zscore2 和Zscore3 代入模型（1）重新回归。表4（1）至（4）列的结果显示，当滞后3期时，绿色信贷占比L3.GL 系数开始在10%水平上显著；（5）至（8）列显示，当滞后2期时，绿色信贷占比L2.GL 系数开始在10%水平上显著。这一回归结果与基准回归一致，即绿色信贷对银行破产风险的减弱效应需要多期以后才能发挥作用。

表4 替换银行风险指标度量方式

第二，增加控制变量。Zscore 指标的分子部分包括CAR 和ROA，为避免机械相关性，基准回归中没有控制资本充足率CAR 和资产收益率ROA。本文将这两个变量加入控制变量集合，表5（1）至（4）列是仅加入CAR 的结果，（5）至（8）列是同时加入CAR和ROA的结果。CAR系数显著为正，表明资本更充足的银行风险抵御能力更强，ROA系数显著性较弱。GL的系数和基准回归一致，增加控制变量不改变本文主要结论。

表5 增加控制变量的稳健性检验

第三，控制变量滞后1 期。基准回归中为减少样本损失，控制变量取当期值。本文将除上市变量LIST以外的银行财务变量取滞后1期值重新进行回归，结果如表6所示。随着滞后期增加，绿色信贷占比系数的显著性增强，绝对值增大，表明绿色信贷对银行风险的降低效应动态增强，本文结论是稳健的。

表6 银行微观财务特征滞后1期的稳健性检验

五、绿色信贷影响银行风险的机制分析

（一）基于Zscore分解的机制分析

为进一步分析绿色信贷对银行风险的影响路径，本文参考李明辉等[32]的研究，将Zscore分为两部分：Z_lev=CAR/ROA_SD 为杠杆风险，反映银行以存量资本应对风险的能力；Z_sharpe=ROA/ROA_SD 为资产组合风险，即银行风险调整后的收益率，反映银行以盈利增加应对风险的能力。将Z_lev和Z_sharpe作为被解释变量重新回归，结果如表7所示。（1）至（4）列是以Z_lev为被解释变量时的结果，其中，绿色信贷占比系数始终为正，绝对值逐渐增大，当期和滞后1期绿色信贷占比系数显著性较弱，滞后2期和3期绿色信贷占比系数分别在10%和5%水平上显著，表明银行提高绿色信贷占比可以降低银行杠杆风险，但这一效应要两年以后才能明显显现，并逐渐增强。（5）至（8）列是以Z_sharpe 为被解释变量时的结果，绿色信贷占比系数同样为正，并逐渐增大，而与（1）至（4）列结果有所不同的是，当期和不同滞后期绿色信贷占比的系数始终显著，并且显著性逐渐增强。这一结果表明，银行提高绿色信贷配置比例有助于降低资产组合风险，提高风险调整后的资产收益。目前绿色信贷占比较低，商业银行投放绿色信贷提高了资产配置的多样化水平，有助于分散风险。此外，绿色信贷对银行资产组合风险的减弱效应不存在时滞性，当期绿色信贷占比GL 的系数在10%水平上显著，即银行提高绿色信贷占比当年就能降低资产组合风险。不过，绿色信贷对银行资产组合风险的减弱效应依然具有动态增强的特征。

综合而言，通过分解Zscore可以发现：绿色信贷占比提升通过降低银行杠杆风险和资产组合风险减弱银行破产风险；绿色信贷对银行破产风险的时滞影响主要来源于杠杆风险；绿色信贷对银行破产风险的动态影响在杠杆风险和资产组合风险上都有所体现。

（二）基于夏普指数分解的实证分析

表7显示绿色信贷会提高银行风险调整后的收益ROA/ROA_SD，这一比值又被称为夏普指数，反映了单位风险创造的利润[33]。为进一步探究绿色信贷对夏普指数的正向影响究竟是来源于资产收益率ROA 的提升还是资产收益波动ROA_SD 的降低，本文分别以ROA 和ROA_SD 作为被解释变量进行回归，结果如表8所示。（1）至（4）列以ROA 为被解释变量，当期和滞后1期绿色信贷占比系数不显著，滞后2 期和3 期绿色信贷占比系数显著为正，且随着滞后期增加，系数的数值逐渐增大，显著性逐渐增强，表明随着时间推移，绿色信贷对银行资产收益率呈现逐渐增强的改善效应。（5）至（8）列以ROA_SD 为被解释变量，绿色信贷占比系数始终为负，但是随着滞后期增加，系数大小没有变化，显著性反而有所减弱，当期和滞后1 期绿色信贷占比在10%水平上显著，滞后2期和3期绿色信贷占比显著性较弱，表明提高绿色信贷占比可以降低资产收益波动，不过这一效应会随着时间推移而减弱。

表7 分解Zscore的回归结果

表8 分解夏普指数的回归结果

综合而言，绿色信贷占比对银行夏普指数当年和1年以后的提升效应主要来源于资产收益波动的降低，绿色信贷占比对银行夏普指数2年和3年以后的提升效应则主要来源于资产收益率的提高。绿色信贷对银行夏普指数的动态影响主要是由于绿色信贷对银行资产收益率的改善效应逐渐增强。

（三）区分主动风险承担和被动风险承担的实证分析

银行风险承担可以分为主动风险承担和被动风险承担。主动风险承担即银行风险承担的主观意愿，主要表现为银行风险容忍度上升和信贷标准的放松。被动风险承担即银行风险承担的客观后果，主要表现为银行风险识别水平下降和宏观经济下行等不利因素所导致的客户违约风险加大[34]。银行主动风险承担一般采用风险加权资产比率RWAR 衡量。RWAR 为银行风险加权资产RWA 与总资产的比率。该比例在银行放贷时即能确定，属于事前风险承担水平。RWA 为商业银行不同资产以其风险水平作为权重系数之和，显示了商业银行在不同风险水平资产间的总体配置情况。RWA 高表明银行配置了较多的高风险资产，反映出银行较高的风险偏好和意愿。银行被动风险承担一般用不良贷款率NPL 衡量。NPL 为次级、可疑和损失三种贷款占总贷款的比重，属于事后风险水平。NPL 高表明客户出现违约情况较多，银行的资产质量较差且承担了较高的风险后果。

表9中（1）至（4）列显示了以RWAR作为被解释变量的回归结果，绿色信贷占比系数始终为负，滞后2期和3期绿色信贷系数在10%水平上显著，并且系数的绝对值也更大。以上结果表明绿色信贷占比提高会降低银行的风险加权资产比率，并且这一降低效应随时间推移而增强。随着绿色发展理念和政策的推行，“两高一剩”行业的运营成本增加、盈利能力减弱，商业银行为其投放信贷的风险加大。因此，商业银行积极调整其信贷结构，提高绿色信贷比例，表明银行更谨慎和更具前瞻性的风险管理态度、更低的主动风险承担意愿。“两高一剩”行业信贷存量较大，绿色信贷投放规模目前相对较少，银行缩减“两高一剩”信贷的程度会大于增加绿色信贷投放的程度，从而导致风险资产比率降低。此外，部分银行已经采用内部评级法确定资产的风险系数，在内部评级法中，银行根据违约概率、给定违约概率下的损失率、违约的总敞口头寸以及期限等因素来决定一笔授信的风险权重，因此违约率低的信贷风险权重较小。目前绿色信贷的违约率是相对较低的，按照内部评级法，绿色信贷的风险系数较小，因此商业银行提高绿色信贷占比会降低其风险加权资产比率。

表9中（5）至（8）列显示了以NPL作为被解释变量的回归结果，各列绿色信贷占比系数均为负，并且随着滞后期增加，绿色信贷占比系数的显著性增强、系数绝对值增大，表明绿色信贷对银行不良贷款率的降低效应长期来看更明显。根据银保监会的数据显示，截至2017年6月底，21 家银行业金融机构的绿色信贷不良贷款余额241.7 亿元左右，不良率0.37%，低于同期银行业金融机构各类信贷总体不良率1.74%。因而，这一结果也与目前银保监会披露的数据相一致，表明商业银行增加绿色信贷占比有助于提升资产质量，降低银行面临的违约风险。

表9 区分主动风险承担和被动风险承担的回归结果

六、结论和政策建议

本文利用我国2007—2019年47 家商业银行数据实证检验了绿色信贷对银行风险的影响。研究结果表明：提升绿色信贷占比能够降低银行未来的风险承担水平，且绿色信贷的风险降低效应会随着时间推移而逐渐增大。考察作用机制发现：绿色信贷的风险降低效应源于其能够降低银行的杠杆风险和资产组合风险，即绿色信贷同时提升银行以存量资本和流量盈利应对风险的能力。进一步分解资产组合风险发现，绿色信贷不仅提升了银行盈利能力，还降低了银行的盈利波动性。区分事前风险承担和事后风险承担发现，绿色信贷不仅降低了以风险加权资产比率度量的银行风险承担意愿，还降低了以不良贷款率度量的银行风险承担后果。根据上述研究结论，本文得出如下政策启示：

第一，商业银行应积极投放绿色信贷。风险管理是商业银行保障其经营安全性的关键，绿色信贷可以降低银行的风险水平，因此商业银行应积极寻找合适的环保项目，逐步退出“两高一剩”行业，增加绿色信贷在总贷款中的配置比例。这样，商业银行在支持环保产业发展的同时，可以降低自身的风险水平，进而实现经济高质量发展和银行稳健经营的双赢。

第二，商业银行应做好环境风险管理。在当前环保标准愈加严格的情况下，防范环境风险对银行而言刻不容缓。商业银行在开展绿色信贷业务的过程中要逐渐构建起完备的环境风险管理体系，例如搜集企业的环境信息，建立企业的环境信息数据库，积极和当地环保部门达成合作关系，以获取更多企业的非公开环境信息。商业银行应构建覆盖贷前、贷中、贷后的环境风险管理流程，做好环境风险的贷前审核、贷中确认、贷后追踪，不放过信贷管理的任何环节。建立环境风险管理特色制度，比如环保一票否决制、企业绿色度分级制度等，从而更快速便捷地判别企业环境风险，为银行融资决策提供依据。

第三，商业银行应树立可持续发展理念，以长远目光规划信贷资金配置。商业银行投放绿色信贷在降低银行风险方面不是立竿见影的，初期效果较为有限，但是随着时间推移，绿色信贷的风险降低效应会逐渐增强、增大。如果商业银行“目光短浅”只看重绿色信贷业务的当下影响，或者“急功近利”地希望绿色信贷业务能尽快给银行带来较大收益，那么投放绿色信贷的积极性会有所减弱。因此，商业银行不应计较一时的得失利弊，而应意识到绿色信贷对银行长期稳健发展具有重要作用，从而尽快将绿色信贷纳入其战略规划。■