企业金融资产配置是否抑制了绿色技术创新？

陈隆轩 杨 杰

（云南师范大学经济与管理学院，云南 昆明 650500）

一、引言

生态文明建设实现新进步是我国“十四五”时期经济社会发展的主要目标之一，而推动绿色技术创新是我国实现绿色转型和高质量发展的必然选择。在我国创新、协调、绿色、开放、共享的新发展理念和经济高质量发展战略的背景下，应当坚持以企业为主体，以市场为导向，以绿色技术创新为内在驱动力， 推动可持续发展。但企业在绿色技术创新的过程中必然会受到来自内外部其他因素的影响，比如云南白药在2020年通过证券投资获利22.4 亿元，在2021年因证券投资亏损了19.3 亿，而在2018—2020年，云南白药研发费用仅为1.1亿元、1.74亿元、1.81亿，每年研发费用投入占总营收的比重均不足1%。这体现了企业内部管理者在主营业务增长乏力的情况下不重视研发投入，当外部投资者对企业绩效提出要求时，管理者通过参与金融市场追求短期利益以弥补利润增长的缺口。上述案例可能是当前我国上市公司发展的一个缩影，由此可见近年来金融与实体经济发展脱节造成的“脱实向虚”等问题。那么，微观企业在追求利润增长的过程中能否注重绿色技术创新？基于这一问题，本文重点研究上市公司金融资产配置对绿色技术创新的影响和作用机制，为我国实现绿色技术创新高质量绩效提供理论支撑。

针对企业绿色技术创新的影响因素，已有文献主要从环境规制、政策影响的角度来考虑。齐绍洲等（2018）以我国排污权交易试点政策为例，研究环境权益交易市场是否诱发了企业绿色创新，结果表明相对于非试点地区以及清洁行业，排污权交易试点政策诱发了试点地区污染行业内企业的绿色创新活动。徐佳和崔静波（2020）则以低碳城市试点政策作为外生政策冲击，进一步研究发现行政命令控制型政策工具是试点政策发挥作用的主要路径。陶锋等（2021）研究环保目标责任制对绿色技术创新的质量和数量产生的影响，结果发现政策的实施虽然促进了创新数量的扩张，但也导致了创新质量的下降。然而，鲜有文献研究企业内部因素对绿色技术创新的影响，因此，本文试图分析企业广泛参与金融市场投资对绿色技术创新造成的影响。研究发现：（1）企业金融资产配置对绿色技术创新的“挤出”效应显著。（2）在国有企业、高融资约束的企业中，其抑制作用更强。（3）机制研究发现，企业金融资产配置通过降低企业绩效和提高企业风险承担两个渠道影响绿色技术创新。

本文可能的贡献在于：（1）从微观企业内部的视角研究企业金融资产配置对绿色技术创新的影响，对绿色经济可持续发展的研究进行了补充。（2）考虑企业股权性质和融资约束程度的差异，讨论金融资产配置对绿色技术创新影响的异质性。（3）运用倾向得分匹配法处理高管特征带来的样本自选择偏差问题，提高实证估计的精度。（4）从企业绩效和企业风险承担两个渠道探究企业金融资产配置影响绿色技术创新的作用机制，丰富了现有研究成果。

二、理论分析与研究假设

（一）金融资产配置对绿色技术创新的影响

新古典经济理论认为技术进步是外生决定的、偶然的、无成本的，而Romer（1986）提出的内生经济增长理论抛弃了新古典增长模型中技术外生的假定，在规模收益递增的框架下分析经济实现均衡增长的可能性，将人力资本和技术创新纳入模型，他认为知识的进步可以从劳动力的熟练程度和新设备的技术更新两方面体现出来。根据Romer的内生增长思想，可以认为技术创新是企业提高核心竞争力、国家实现高质量发展的重要内在因素。在当前大力发展绿色经济的背景下，构建绿色、集约和高效的创新系统是我国实体企业可持续发展的必然选择。绿色技术创新是企业以提高资源利用率和减少能源消耗为目的，采用创新技术和手段等方式，实现经济绩效和环境绩效双重目标的创新活动，企业既能通过绿色工艺创新实现节能减排，同时也能通过绿色产品创新获取市场份额。但是，由于创新活动具有高成本和高风险特征，企业在推进绿色技术创新过程中可能面临资金短缺。资源依赖理论认为，企业为了达到目标所需要的资源不能够完全由外部市场提供，还需要通过内部结构和过程调整等自主性行为获取，以达到整体利益最大化。因此，企业配置金融资产可视为“理性”的组织控制行为，可以避免创新过程中的资金短缺，但如果超出适度范围则会造成企业脱离主业、金融市场虚假繁荣。

目前文献认为企业金融资产配置产生的影响主要有两个方面。一方面，企业金融资产配置具有“蓄水池”效应。企业持有金融资产或从金融渠道获利是为发展实业奠定基础（彭俞超和黄志刚，2018），运用部分闲散资金进行金融资本投资不仅可以盘活资金，增加资产流动性，实现资本的保值、增值，还可以预防未来主业投资的资金缺口（杜勇等，2017；张靖璐和杨杰，2021；王红建等，2017）。绿色技术研发需要大量资金投入，前期投入易受外部冲击而转变为沉没成本，同时从研发到成果产出的过程中存在“阵痛期”，这都离不开长期资金的支持。因此，从金融资产配置的“蓄水池”效应来看，企业适度配置金融资产有利于其开展绿色创新研究活动。另一方面，支持“挤出”效应的观点认为，基于企业资源的有限性，实体投资和金融投资之间存在替代关系（Tobin，1965），过度的金融资产配置会抑制实业投资率，弱化货币政策效果，增加系统性风险（张成思和张步昙，2015）。谢家智等（2014）认为制造业金融资产配置会降低企业创新能力，同时政府控制进一步放大了金融资产配置对创新的消极影响。谢富胜和匡晓璐（2020）同样以制造业企业为研究对象，发现企业扩大金融活动会抑制经营利润率，进而影响生产经营。

综上所述，企业将有限的资源配置到金融资产上，可能对其发展绿色技术创新能力产生显著的影响。若企业金融资产配置能够支持并满足绿色技术创新相关活动所需的资金，则能形成“蓄水池”效应，发挥正向的驱动作用；反之，若企业过度参与金融资产配置，则能形成“挤出”效应，阻碍绿色技术创新研发。据此，本文提出以下假设：

H1a：基于“蓄水池”效应，企业金融资产配置会促进绿色技术创新。

H1b：基于“挤出”效应，企业金融资产配置会抑制绿色技术创新。

（二）金融资产配置对绿色技术创新的异质分析

国有企业与非国有企业在绿色技术创新方面存在差异性。一方面，相对于非国有企业，国有企业肩负着一定的社会职能，享有政府的政策和资金支持，在政府大力倡导发展绿色经济的背景下，国有企业可用于绿色创新研发的资金相对充足；但由于国有企业在市场竞争中压力较小，同时具有较强的风险厌恶偏好，提高研发投入实现业绩增长的动力不足，不会投入过多资金进行研发。另一方面，根据委托代理理论，政府作为委托人可能难以从外部有效监管研发资金的使用，此时管理层出于短期业绩考虑，可能违背委托人的意愿将政府补助的绿色专项研发资金投向高收益的金融资产，阻碍企业长期可持续发展（晋盛武和何珊珊，2017）。反观非国有企业，激烈的市场竞争会迫使其不断自主创新，抓住发展绿色经济的机遇，促进自身可持续发展，在配置金融资产的同时不会放弃对绿色技术的研发投入。据此，本文提出以下假设：

H2：其他条件相同情况下，与非国有企业相比，国有企业金融资产配置对绿色技术创新的抑制作用更为显著。

对于融资约束程度不同的企业来说，金融资产配置对绿色技术创新的影响也不尽相同。债务融资和金融资产配置都是企业应对资金短缺的方式，前者是通过外部融资方式获取资金，但由于金融市场普遍存在的信息不对称和合约摩擦等问题，该方式的融资成本较高（Cooper 和Haltiwanger，2006）；后者则是通过金融资产投资获取收益，以应对资金短缺。根据资源配置理论，企业会因为融资成本较高和融资期限较长而放弃债务融资，转而选择投资金融资产以获取更多的现金流，此时金融资产配置明显会挤占其他资源配置，包括发展绿色技术创新的研发投入。因此，企业面对较高的融资约束时，难以持续发展绿色技术创新；而融资约束较低的企业本身拥有较为稳定的现金流，在发展主营业务的同时，可能会将部分资金用于绿色研发，培育绿色增长点以带动企业可持续发展。据此，本文提出以下假设：

H3：其他条件相同情况下，与低融资约束企业相比，高融资约束企业金融资产配置对绿色技术创新的抑制作用更为显著。

（三）金融资产配置对绿色技术创新的影响机制分析

随着金融资产配置水平的不断提升，非金融企业逐步偏离主营业务，实业资本逐步发展为金融资本，企业的大部分收益来源于外部金融市场，但金融资产的高额收益也伴随着不稳定性。一方面，投资金融资产造成的亏损可能直接导致企业业绩下滑，甚至将主营业务产生的收益也亏损殆尽，企业无力支撑绿色技术研发，从而阻碍绿色技术创新的发展。另一方面，金融资产配置产生的高收益可能会使企业管理重心从主营业务偏移到金融部门，严重的资源错配会对主营业务的稳定发展造成打击，从而降低企业绩效收入。从管理层角度来说，董事会的激励政策将高管绩效与企业利润直接挂钩，在这种激励机制条件下，高管显然有动机追逐股票等高风险高收益的金融资产，而忽略中小股东的利益。综上所述，企业金融资产配置通过降低企业绩效，从而抑制绿色技术创新发展。据此，本文提出以下假设：

H4：企业金融资产配置通过降低企业绩效，进而抑制绿色技术创新。

企业配置金融资产虽然能够通过预防性储蓄以应对未来市场的不确定性，但在等待投资机会的同时也增加了企业的风险承担。风险承担反映了企业在追求高利润时愿意为之付出代价的投资倾向（Boubakri等，2013），一方面，面对绿色技术创新这类前期投入多、资金需求大以及不确定性高的研发投资等情况时，企业金融资产配置可以发挥“蓄水池”效应，提供高流动性和变现能力以增强企业自身的筹资能力，为绿色技术创新持续提供资金支持，企业通过持有金融资产获得的收益可以提升企业财务状况，从而提高企业风险承担（徐隽翊等，2020）。另一方面，在企业内部经营决策中，根据委托代理理论的“棘轮效应”，股东与经理之间的风险分担存在着不一致性，股东将投资结果看成是其金融资产的回报，而经理则认为投资结果是个人能力的反映。因此，经理会为了个人利益追求金融资产的高收益，这进一步放大了企业承担风险的倾向。由于风险承担的提高，企业对于各部门的资源配置也会更加谨慎，从而抑制绿色技术创新的研发投入。据此，本文提出以下假设：

H5：企业金融资产配置通过提高企业风险承担，进而抑制绿色技术创新。

企业金融资产配置影响绿色技术创新的机制框架如图1所示。

图1：企业金融资产配置影响绿色技术创新的机制框架

三、研究设计

（一）数据说明

本文选取2008—2020年我国沪深A股上市公司作为研究对象，为了保证数据有效性及实证结果的真实性，剔除金融业、房地产业上市公司，剔除ST、*ST以及PT 股，剔除数据缺失或异常的上市公司，最终得到30050 个观测值。研究中使用的企业微观数据主要来自国泰安数据库和中国研究数据服务平台。同时，为减轻极端值对实证结果的影响，本文将上述数据进行匹配后对部分连续变量进行了1%和99%的缩尾处理。

（二）指标选取

1.被解释变量。本文将绿色技术创新作为被解释变量，指标构建参考齐绍洲等（2018）、徐佳和崔静波（2020）的方法，采用中国研究数据服务平台的绿色专利数据（GPRD），选择绿色专利总量（Gre）、绿色发明专利（GreInv）和绿色实用新型专利（GreUty）三个指标来衡量绿色技术创新能力。相比其他文献运用研发投入资金衡量绿色技术创新能力的方式，本文所选指标不仅可以将绿色技术创新的产出进行量化，同时还考虑了专利技术的分类，以体现绿色创新能力的不同层次。此外，在数据处理过程中，为避免个别企业专利数量为零的情况，将上述数据均加1后取自然对数。

2.核心解释变量。参考杜勇等（2017）的衡量方法，采用国泰安数据库中的资产负债表数据库，选用以下六类科目的总额占总资产的比值来衡量本文的核心解释变量金融资产配置水平（Fin）：交易性金融资产、金融衍生资产、可供出售金融资产净额、持有至到期投资净额、投资性房地产净额和发放贷款及垫款净额。

3.控制变量。根据已有文献，为控制影响企业绿色创新产出的其他变量，本文纳入了企业特征变量和治理变量，具体包括董事会规模（Board）、独立董事比例（Dep）、股权集中度（Top）、两职合一（Dual）、股权性质（State）、成长能力（Growth）和上市年龄（Age）。此外，本文还控制了年度固定效应（Year）和行业固定效应（Ind），具体变量类型、名称、符号和定义如表1所示。

表1：变量定义及说明

（三）计量模型

为验证假设一，本文构建了模型（1）以考察金融资产配置水平对企业绿色技术创新的影响。

其中，绿色技术创新用绿色专利总量（Gre）、绿色发明专利（GreInv）和绿色实用新型专利（GreUty）来表示，解释变量Fin表示金融资产配置水平，Controls 为控制变量，Year 为年度固定效应，Ind为行业固定效应， ε表示随机干扰项。若假设H1b成立，预计Fin 的回归系数显著为负，即表明金融资产配置水平越高，企业绿色技术创新水平越低。

四、实证结果分析

（一）描述性统计

变量的描述性统计结果见表2。绿色专利总量的均值为0.5823，标准差为0.9871，表明样本期内中国上市企业申请的绿色专利数量相对较少。对比绿色发明专利和绿色实用新型专利，两者的均值（标准差）分别为0.3898（0.7856）、0.3731（0.7541），前者的专利申请数量略高于后者，这意味着在样本企业申请的绿色专利中，对绿色技术进步价值更高的发明专利数量更多。金融资产配置水平的均值为0.0345，最大值达到了0.4000，说明部分企业持有的金融资产占总资产的比例较大。

表2：变量描述性统计结果

（二）基准回归分析

表3 汇报了实体金融资产配置水平对绿色技术创新的回归结果。从第（1）、（2）列中可以看到金融资产配置的回归系数显著为负，说明实体金融资产配置水平的提高会抑制绿色技术创新。在引入控制变量后，回归系数从-0.3695 下降至-0.4224，这意味着在控制其他变量后，金融资产配置行为对绿色技术创新的抑制作用更加明显，具体来说，实体企业每增加1个百分点的金融资产配置，就会减少0.4224%的绿色技术创新产出。表3 第（3）、（4）列分别是金融资产配置对绿色发明专利和绿色实用新型专利的回归结果，可以发现金融资产配置每增加1%，会显著减少0.2587%的绿色发明专利产出和0.3185%的绿色实用新型专利产出。综上所述，研究假设H1b成立，金融资产配置对绿色技术创新产生了负向的抑制作用，呈现“挤出”效应。

表3：金融资产配置对绿色技术创新的基准回归

（三）异质性分析

为考察假设H2，本文参考张成思和郑宁（2019）的做法，根据股权性质进行分样本回归，回归结果如表4 所示。从第（1）—（3）列可以看出，国有企业金融资产配置对绿色专利总量和绿色实用新型专利产生了显著的负向效应，其回归系数分别为-0.3263和-0.3327，均通过了1%的显著性水平检验。但金融资产配置对于绿色发明专利的影响并不显著，这可能是因为国有企业在绿色创新研发过程中，更倾向于创新水平较高的发明专利，即使金融资产配置挤占了研发资金，对发明专利的研发投入也不会产生较大影响。从第（4）—（6）列可以发现，在非国有企业中，金融资产配置对绿色技术创新的影响均不显著，这可能是因为非国有企业在进行金融资产配置的过程中，并不会放弃发展绿色技术创新能力，所以金融资产配置对绿色创新无法产生较大影响。综上，研究假设H2成立。

表4：基于股权性质的异质性分析

为验证假设H3，本文采用Hadlock 和Pierce（2010）构建的SA 指数来衡量融资约束，SA 指数越大，表明融资约束程度越高。根据融资约束程度的中位数将样本分为两组，并进行回归，回归结果如表5所示。第（1）—（3）列是高融资约束组的回归结果，可以发现金融资产配置影响绿色技术创新各个变量的回归系数为-0.3622、-0.1720 和-0.3436，均通过了1%的显著性检验；而在第（4）—（6）列中，低融资约束组的企业金融资产配置对绿色技术创新的影响不显著。这意味着企业面对较高融资约束时，需要通过金融资产配置获取较多现金流，从而挤占了绿色技术创新的研发投入，因此，高融资约束组的金融资产配置对绿色技术创新产生了显著的负向抑制作用。综上，研究假设H3成立。

表5：基于融资约束的异质性分析

五、稳健性检验

（一）内生性问题

从上文可知，实体企业金融资产配置对绿色技术创新会产生抑制作用，但企业进行绿色技术创新也可能会影响金融资产配置的水平，即金融资产配置和绿色技术创新之间可能存在双向因果的内生性问题。

本文参照杜勇等（2017）的做法，采用Fin 的滞后一期（L.Fin）作为工具变量，运用两阶段最小二乘法（2SLS）对模型（1）进行内生性检验。考虑到金融资产配置具有一定的延续性，滞后一期的金融资产配置与当期金融资产配置具有相关性，同时往期的金融资产配置对企业当期绿色技术创新的影响极低，满足工具变量的基本条件，能够用于内生性检验，结果见表6。第（1）列汇报了第一阶段回归结果，滞后一期与当期的金融资产配置在1%的水平上显著相关，同时F 统计值为138.17，显著大于10，说明不存在弱工具变量问题。第（2）—（4）列汇报了第二阶段的回归结果，可以发现实体金融资产配置在1%的水平上均显著抑制衡量绿色技术创新的三个指标，这与前文结论完全一致，说明模型（1）不存在内生性问题。

表6：工具变量法检验内生问题

（二）样本选择偏差

基于烙印理论，公司高管在过去某个关键的发展阶段更容易受到环境影响（McEvily 等，2012），在此期间的经历会随着环境刺激更加敏感，从而形成新的认知和行为，并且这种改变将持续存在。因此，高管个人特征在企业经营决策，尤其是金融资产配置的决策中发挥着重要作用。本文选取了学术背景和金融背景作为高管个人特征的代理变量。一方面，学术经历会使高管拥有严谨的学术思维和逻辑能力，能够清晰地了解企业创新能力对于未来发展的重要性，会更加注重绿色技术创新的资金投入。另一方面，金融经历则会使高管更加擅长对金融资产的运作，对资本市场更加敏感，能够把握最佳机会并做出合理决策，拥有金融背景的高管会更倾向于投资金融资产而降低对绿色创新的投入。

基于上述理论可以发现，在金融资产配置对绿色技术创新产生抑制作用的过程中，存在样本选择偏差的问题，这影响了最小二乘法（OLS）得到一致性参数估计的随机性前提。因此，本文分别按照高管是否具有学术经历和金融经历将样本分为处理组和控制组，利用Logit模型估计倾向得分，采用k近邻匹配法（k-nearest neighbor matching）对样本进行匹配，同时选择控制变量作为协变量。图2 为匹配前后核密度函数图，对比发现学术背景组和金融背景组的核密度函数在匹配后均更加贴合，同时匹配后相关控制变量的标准化偏差（%bias）均小于5%。将匹配后的完全随机样本再次回归，结果如表7 所示，可以发现在剔除高管个人特征的偏差之后，金融资产配置对绿色技术创新的回归系数均在1%的水平上显著为负，结论与前文一致。

表7：稳健性检验：倾向得分匹配消除样本偏差

图2：核密度函数图

（三）替换被解释变量

本文参考齐绍洲等（2018）的做法，将上市公司当年独立获得的绿色专利数量（Gre_GA）作为原被解释变量（Gre）的替换变量，并同样划分为绿色发明专利替换变量（GreInv_GA）和绿色实用新型专利替换变量（GreUty_GA）。专利的获得相对于申请来说，存在一定的时滞性，能够代表企业未来的绿色创新能力。如表8 所示，企业金融资产配置与绿色技术创新之间存在显著的负向关系，与前文的结论是一致的。

表8：稳健性检验：替换绿色技术创新

六、作用机制检验

（一）金融资产配置、企业绩效和绿色技术创新

根据前文分析，企业金融资产配置对绿色技术创新存在“挤出”效应，随着金融资产配置水平的不断提升，非金融企业逐步偏离主营业务，企业的大部分收益来源于金融市场，金融市场投机的不稳定性直接或间接影响投资收益，降低企业绩效，从而抑制绿色技术创新。本文采用Baron 和Kenny（1986）的中介效应检验做法，构建了以下模型对“金融资产配置—企业绩效—绿色技术创新”这一路径进行检验。其中，采用总资产净利润率来衡量企业绩效（Roa），控制变量选用董事会规模（Board）、独立董事比例（Dep）、股权集中度（Top）、两职合一（Dual）、股权性质（State），同时控制了个体和时间效应。

表9 汇报了企业绩效的机制检验结果。第（1）列结果显示，金融资产配置与企业绩效在5%的水平上显著负相关；第（2）、（4）、（6）列中，金融资产配置显著抑制绿色技术创新；引入中介变量后，第（3）、（5）、（7）列中，企业绩效与绿色专利总量和绿色发明专利在1%的水平上显著正相关，金融资产配置对绿色技术创新的回归系数仍显著为负。稳健起见，本文还进行了Sobel 检验，Z 统计量均在1%的水平上显著。这说明企业绩效在金融资产配置与绿色技术创新之间发挥部分中介作用，即企业金融资产配置通过降低企业绩效进而抑制绿色技术创新，假设H4成立。

表9：基于企业绩效的机制检验

（二）金融资产配置、企业风险承担和绿色技术创新

企业金融资产配置不仅在外部金融市场影响绿色技术创新，在内部经营渠道中也会阻碍绿色技术创新的发展。为考察企业金融资产配置是否通过企业风险承担影响绿色技术创新，建立如下中介效应模型对“金融资产配置—企业风险承担—绿色技术创新”这一路径进行检验。

其中，本部分将企业风险承担（Risk）作为中介变量，参考何瑛等（2019）的做法，使用企业在每三年（T=3）时段内的盈余波动程度来衡量企业风险承担，盈余波动性越大，表明企业风险承担水平越高。计算方法如公式（8）和（9）所示，控制变量与模型（2）一致。

表10 汇报了企业风险承担的机制检验结果，第（1）列中金融资产配置对企业风险承担的影响在1%的水平上显著为正，说明金融资产配置提高了企业风险承担；第（2）、（4）、（6）列的结果显示，金融资产配置抑制绿色技术创新；引入中介变量后，第（3）、（5）、（7）列中，企业风险承担对绿色技术创新的影响显著为负，金融资产配置对绿色技术创新的影响均显著为负，且系数绝对值下降。同时，Sobel 检验显示Z 统计量通过了1%的水平检验。这说明企业风险承担在金融资产配置与绿色技术创新之间起到了部分中介作用，即企业金融资产配置通过提高企业风险承担进而抑制绿色技术创新，假设H5成立。

表10：基于企业风险承担的机制检验

七、结论与建议

本文运用2008—2020年我国沪深A股上市公司数据，实证研究了企业金融资产配置对绿色技术创新的影响，从企业绩效和企业风险承担两个渠道检验了企业金融资产配置对绿色技术创新的作用机制。结果表明，企业金融资产配置对绿色技术创新具有显著的“挤出”效应，在国有企业和高融资约束企业中，其抑制作用更明显；使用滞后一期的金融资产配置作为工具变量检验内生性问题，使用倾向得分匹配消除高管个人特征的样本自选择偏差问题，替换被解释变量进行稳健性检验，结果仍然显著；机制研究发现，企业金融资产配置通过降低企业绩效和提高企业风险承担进而影响绿色技术创新。由此，本文提出以下政策建议：

对政府部门而言，应进一步优化企业创新的金融环境，加大金融部门服务实体经济的力度，最大限度发挥金融市场的积极作用。首先，政府应全面落实与加强金融监管政策，鼓励企业加大实体投资，引导企业将发展方向瞄准绿色技术创新，抓住绿色转型发展机遇；其次，政府部门应当关注国有企业管理层的外在监管和激励问题，防止企业因追求短期利益而忽视研发投入，限制企业对自有闲置资金的投资额度，优化企业金融资产配置结构；最后，政府应出台具有针对性的政策，满足企业绿色创新研发的融资需求，降低企业外部融资门槛，减轻企业内部经营压力。

对非金融企业而言，绿色创新能力的提高是绿色转型发展的关键一步，也是实现经济绩效和环境绩效双提升的重要前提。首先，企业应当发展适合自身的绿色创新文化，理解绿色技术创新在提高经济绩效和环境绩效中的重要意义，将绿色创新作为企业长期发展的路径；其次，面对复杂的市场、技术及政策环境，企业管理层需要提高经营决策能力和投资策略水平，灵活适度配置金融资产以支持绿色创新研发，同时加强董事会治理，避免出现因业绩压力而盲目追求短期利润的情况，防范企业“脱实向虚”；最后，企业还需进一步拓宽融资渠道，增强对融资环境变化的应对能力，为绿色技术研发提供强有力的资金支撑，推动我国绿色转型和经济高质量发展。

①数据来源于巨潮资源网。