绿色金融政策与商业银行风险承担：机理、特征与实证研究

王宏涛 曹文成

西安邮电大学 经济与管理学院，陕西 西安 710061

王一鸣

北京大学 经济学院，北京 100871

一、引言

发展绿色金融，探索金融支持绿色发展的长效机制，是实现中国经济和金融高质量发展的迫切要求。中国人民银行在2021年提出“三大功能”“五大支柱”的绿色金融发展政策思路，标志着中国绿色金融政策体系开始向“3060目标”调整。自2007年国家环境总局、人民银行和原银监会联合发布《关于落实环境保护政策法规防范信贷风险的意见》以来，相关绿色金融政策应运而生，中国不断提高国家自主贡献力度，充分发挥商业银行资源配置的重要中介作用，采取更加有力的信贷政策和措施来实现碳中和目标。绿色信贷作为绿色金融政策最主要的政策工具，通过银行的信贷渠道促进资源流向环境友好、气候友好的产品市场、技术市场和服务市场，实现人与自然和谐共生。然而，绿色信贷的资金流向往往是资金需求量大、回报期长，且需额外绿色认证的高风险性节能环保项目（鲁政委和方琦，2018［1］），银行出于利益动机会采取风险规避策略，从而导致中国银行业开展绿色信贷的整体效率不高，绿色金融资源配置低效（朱宁和赖晓璇，2020［2］）。中国绿色金融发展具有鲜明的政策主导和驱动特征，官方政策研究机构成为中国绿色金融理论早期研究的主要贡献者，相关文献也以定性、规范性政策研究为主。由于中国绿色金融发展尚处于探索和快速演进阶段，信息披露和统计制度尚未成型，系统性研究数据缺乏成为开展定量、实证研究的最大障碍。现有文献尝试利用可得性数据，通过各种“变通”方式寻找合适的代理变量或度量指标，对绿色金融及其政策进行评估和检验，取得了一些研究成果，但相关理论研究仍处于起步阶段。虽然，现有研究已经探讨了绿色信贷与商业银行风险承担之间的关系，但是关于绿色信贷影响银行风险承担的内在影响机制却鲜有文献涉及。因此，本文旨在厘清绿色信贷影响商业银行风险承担的内在机理，这对于更好地发挥金融的支持作用和调节经济职能，构筑生态文明的可持续经济结构，极具理论价值和实践意义。

既有文献围绕影响商业银行风险承担的影响因素、绿色信贷与商业银行风险承担之间的关系两方面展开探讨。一方面，国内外学者集中考察了资本结构（Smith et al.，2020［3］）、货币政策（蒋海等，2021［4］）和资本监管（吴东霖和赵玮，2020［5］）等因素对商业银行风险承担的影响，但多数文献主要关注货币政策对商业银行风险承担的影响。另一方面，关于绿色信贷与商业银行风险承担之间的关系，学术界仍有争议，部分学者认为，绿色信贷会降低商业银行的风险承担水平（张琳等，2022［6］）。商业银行积极开展绿色信贷业务有助于提高银行的社会声誉和经营绩效，增强抗风险能力和风险管控能力（丁宁等，2020［7］），提升核心竞争力（Luo et al.，2021［8］）。另一部分学者认为，绿色信贷在短期会提高商业银行的风险承担水平（孙红梅和姚书淇，2021）［9］。由于商业银行的绿色信贷比在很大程度上取决于国有资产的规模和结构，绿色信贷政策显著降低了全国性商业银行的信贷风险，但增加了区域性商业银行的信贷风险（Zhou et al.，2022［10］）。还有少数学者认为，从短期来看，由于成本激增效应和风险溢出效应，银行提高绿色信贷比会增加不良贷款率（张晨和董晓君，2018［11］），增加破产风险（邵传林和闫永生，2020［12］），加剧因环境问题引致破产的可能；但从长期来看，随着银行进入到绿色信贷发展的过渡期，由于声誉效应、结构升级效应和成本激增效应，银行提高绿色信贷比会提升经营绩效（于波等，2021［13］），可降低商业银行破产风险。

整体而言，现有关于绿色信贷与商业银行风险承担之间关系的研究更多地聚焦于单一监管政策，以点带面研究绿色信贷对商业银行风险承担的影响。尽管绿色信贷对商业银行风险承担的影响在既有文献中得到印证，而绿色信贷影响商业银行风险承担的内在影响机制却鲜有涉及。

鉴于此，本文基于2012年原银监会《绿色信贷指引》这一政策的实施为“准自然实验”，以2008—2020年中国银行业174家银行样本数据，采用多期双重差分法深入考察绿色信贷对商业银行风险承担的影响。本文的边际贡献有三个。第一，本文厘清了转型经济背景下绿色信贷影响商业银行风险承担的内在逻辑，立足于中国绿色金融政策工具特征和商业银行经营管理实践状况，在手工获取商业银行绿色信贷实施情况和统计数据的基础上，从银行规模等银行异质性特征方面深入探究绿色信贷对商业银行风险承担的异质性影响；同时基于中介效应模型检验方法，进一步从“盈利”渠道和“风险”渠道揭示了绿色金融政策影响商业银行风险承担的“黑箱”问题。第二，本文创新性地将政策效果评估模型（多时点双重差分模型）与多元OLS回归模型相结合，综合考虑了商业银行政策实施时点不一致和部分银行披露政策实施情况并未披露绿色信贷余额数据的问题，尝试给出相关争议性结论的可能解释，这对于监管部门和政策制定部门的绿色金融政策效果考核与评估具有重要的经验启示。第三，目前中国对绿色发展的重视在经济社会发展方面已上升到前所未有的高度。考虑到绿色发展水平会影响银行发放绿色信贷的成本和收益，以及绿色信贷与银行风险承担水平的关系，本文创新性地将绿色发展维度纳入到绿色信贷研究框架，分析地区绿色发展对商业银行风险承担水平的影响。

二、理论分析与研究假说

（一）绿色金融政策与商业银行风险承担

商业银行作为通过信贷手段促进节能减排的重要一环，在推动实现绿色可持续发展目标中具有重要作用。然而，绿色信贷政策是否实现了其既定的环境目标和企业目标，仍然是一个有争议的话题。一方面，绿色信贷政策与其他整合了环境和金融目标的政策相似，对绿色可持续发展产生了积极影响。首先，商业银行绿色信贷的增加是由绿色信贷政策驱动的，这就导致由政治影响和维持合法性引起的强制性的制度同构（Dimaggio and Powell，1983［14］）。商业银行严格限制对“两高一剩”企业提供信贷支持，在绿色信贷政策的强制性制度压力下提高绿色信贷占比，不仅对推动绿色发展会产生积极效应，而且还会降低银行风险。这是因为，从中国的绿色信贷政策出发，“两高一剩”行业借款人的风险较高，而且产能过剩，需求的减少会带来利润的大幅降低，而绿色信贷资金投向节能环保项目可降低银行的这种实质性风险；同时还可通过获得政府的相应补贴，进一步降低银行风险（Lian et al.，2022［15］）。但另一方面，从绿色信息披露不完全来看，绿色信贷的重点是限制银行对“两高一剩”行业提供信贷资金支持，信贷资金往往是流向资金需求量大、回报期长且需额外绿色认证的高风险性节能环保项目（鲁政委和方琦，2018），加上与资源环境定价、绿色资金价格与市场体系尚不相适应，因而会增加银行开展绿色信贷业务的成本和银行面临的市场风险（詹小颖，2018［16］），这就需要对绿色信贷相关的低利息和高风险予以补偿，即提供风险补偿和担保资金等政策支持。但是，目前缺乏补贴和补贴较少仍然是绿色信贷政策发展的障碍，加之当前企业绿色信息披露制度不健全，还会增加银行的道德风险和对信贷风险的管控难度。因此，只有当商业银行有能力在信贷评估中科学合理评估绿色信贷的环境风险和识别相应机会时，才会降低商业银行面临的风险。基于上述分析，本文提出研究假说H1。

H1a：绿色信贷将显著降低积极开展绿色信贷业务商业银行的风险承担水平。

H1b：绿色信贷将显著提高积极开展绿色信贷业务商业银行的风险承担水平。

（二）绿色金融政策、异质性与商业银行风险承担

理论上，绿色信贷对商业银行风险承担的影响可能会因银行自身特征差异而存在异质性。大量实证研究表明，银行规模、资本充足率、市场势力和业务经营范围等特征不同的银行其风险承担水平存在明显差异。因此，在受到绿色信贷政策冲击时，不同类型特征银行的风险承担水平也会有所差异。

在中国特殊的银行体系中，各类银行在资产规模上差异较大，可能会导致风险承担水平对绿色信贷的敏感性不尽相同（Luo et al.，2021）。其一，与小规模银行相比，大规模银行在经济社会中的地位举足轻重，背后的国家隐性信用担保较为明显，能够向外界释放一种“大而不能倒”的信号（童中文等，2018［17］）。当面临绿色信贷政策冲击时，大规模银行的风险承担水平也会更高。其二，大规模银行的市场势力大、风险管控能力强，外部投资者对大规模银行具有较高的盈利预期和较低的违约风险预期（徐明东和陈学彬，2011［18］），这在一定程度上对冲了绿色信贷对其风险承担水平的放大效应。其三，大规模银行在经营过程中通过范围经济和规模经济产生协同效应（Abedifar et al.，2018［19］），可以增强其应对绿色信贷政策不利冲击的能力。同时，大规模银行具有庞大的销售渠道、强大的科技实力、高素质的人力资本等优势，有能力在多个领域开展业务，可以通过实施多元化战略以实现分散风险的目的（李志辉和李梦雨，2014［20］），使得绿色信贷政策对其风险承担的影响相对较小。基于上述分析，本文提出研究假说H2。

H2：相对于资产规模较小的银行，绿色信贷将显著降低资产规模较大银行的风险承担水平。

银行的资本金不仅是银行业务发展和规模扩张的基础，也是影响银行风险承担的重要因素。随着新资本监管制度的实施，中国商业银行已然进入“强资本约束”时代，按照巴塞尔协议Ⅲ，资本充足率水平成为影响银行日常经营决策的关键因素。一方面，商业银行在开展绿色信贷业务时，较高的资本充足率能够缓冲绿色信贷带来的风险，诱使银行提高政策积极性。根据风险共担逻辑，资本充足率较高的银行道德风险也较低，外部融资渠道相对较多、融资成本相对较低，银行能以更低的成本发放更多的贷款（王擎和吴玮，2012［21］），从而降低其风险承担水平。另一方面，资本充足率是监管部门对银行实施微观审慎监管的重要指标，提高资本充足率可以避免因资本充足率未达标而受到的监管处罚。有经验研究表明，最低资本管制约束会通过“资本框架效应”影响银行放贷决策（Borio and Zhu，2012［22］），进而会改变其政策积极性。当银行资本充裕时，高于监管要求的资本可以视为一种“缓冲垫”（Jokipii and Milne，2008［23］），进而削弱绿色信贷政策对其风险承担的不利影响。当资本充足率较低时，银行将会面临较大的资本补充压力（张琳和廉永辉，2015［24］），一旦绿色信贷政策的相应环境风险上升，会提高商业银行的风险承担水平。基于上述分析，本文提出研究假说H3。

H3：相对于资本充足率较低的银行，绿色信贷会显著降低资本充足率较高银行的风险承担水平。

近年来，随着银行业市场化改革的不断深化、民营银行准入门槛的持续降低以及利率市场化改革的逐步深入推进，中国银行间市场竞争愈加激烈，银行市场势力日趋分散且差异明显。因此，探究绿色信贷对商业银行风险承担的影响，不能忽视银行市场势力的变化。一是市场势力较弱的银行垄断利润相对较小，会削弱其风险缓冲能力（杨天宇和钟宇平，2013［25］）。当绿色信贷的环境风险上升时，为了避免承担过高风险，市场势力较低的银行必然会通过降低绿色信贷占比等途径，缓冲环境风险带来的负向冲击，这显然不利于降低风险承担水平。二是市场势力较强的银行凭借其垄断势力，容易与交易对手形成长期稳定的借贷关系，便于银行了解对手的还款信息和还款能力，降低信息不对称程度和信贷合约违约风险，使得银行更倾向于积极开展绿色信贷业务并提高绿色信贷占比。当受到环境风险冲击时，市场势力较强的银行通常不会转变经营战略，提高绿色信贷发放标准，最终使其风险承担水平对绿色信贷政策的反应并不敏感。基于上述分析，本文提出研究假说H4。

H4：相对于市场势力较弱的银行，绿色信贷会显著降低市场势力较强的银行的风险承担水平。

众所周知，业务经营范围不同的银行在绿色信贷政策行为上存在明显差异，探究绿色信贷对商业银行风险承担的影响，不能割裂银行业务经营范围的差异。一是与区域性银行相比，全国性银行凭借资源禀赋优势和较强的信贷投放能力（张一林等，2019［26］），其绿色信贷合约的违约风险较低，绿色信贷政策对其风险承担水平的影响更不敏感。二是全国性银行具有规模较大、网点覆盖密度较高和风控体系较完善等优势，便于进行业务转型和产品创新，能够通过扩大收入来源以增强抵御绿色信贷政策冲击的能力；而且全国范围内经营优势可以实现“共同保险效应”，有利于分散区域性风险（Goetz et al.，2016［27］），减弱绿色信贷政策对其风险承担的不利冲击。三是全国性银行在帮助实现宏观经济目标方面发挥着国家政策延伸作用，更愿意大比例提高绿色信贷占比（Zhang et al.，2011［28］），在获取评估绿色信贷风险的信息和专业知识方面也明显处于优势，而且获取的政府补贴和政策担保也较多，通过积极落实绿色信贷政策更能实现社会责任和经营绩效的平衡，相应的环境风险也较低。四是全国性银行在利润转增资本、上市融资和发行次级债融资等资本补充渠道上更具优势（吕思聪，2018［29］），可以在很大程度上缓冲绿色信贷政策带来的不利冲击。由此，本文提出研究假说H5。

H5：相对于区域性银行，绿色信贷会显著降低全国性银行的风险承担水平。

（三）绿色金融政策、渠道机制与商业银行风险承担

本文认为绿色信贷引发的商业银行盈利和风险水平变动，是绿色信贷影响商业银行风险承担的核心机制。

从“盈利”渠道来看，一是绿色信贷政策作为一种企业社会责任，具有声誉放大效应，会提升商业银行的盈利水平。商业银行积极履行绿色信贷政策会释放积极履行社会责任的信号，吸引更多利益相关者，并获得社会认同感的提升，打造绿色声誉。从外部性理论来看，商业银行可以通过绿色信贷政策的实施，积极履行社会责任，体现出商业银行将可持续发展的价值观贯彻到经营理念中，并为社会带来正向外部效应，促进经营绩效提升。同时，商业银行积极绿色信贷政策能够提升组织吸引力，进而提高绿色金融业务水平，提高信用风险管控效率，可以通过有效协调各方利益相关者，改善与企业和政府等多方关系，实现经营绩效的提升，降低风险承担水平。二是绿色信贷能够通过拓展商业银行的中间业务影响未来发展，改变商业银行的盈利结构。随着中国利率市场化的不断推进，发展中间业务，提升中间业务收入占比自然成为了商业银行的战略重点。实现绿色信贷政策能够与中间业务相结合，商业银行通过开发相关绿色金融产品可开展绿色金融业务，不仅可以满足差异化需求，还可以增加收入渠道。同时，商业银行积极开展绿色信贷业务还可以更好地寻求国际合作，学习国外的先进绿色金融技术和绿色金融业务模式，打破国内银行同质化竞争困境，建立竞争优势，寻找传统利差收入以外新的业务增长点。基于此，本文提出研究假设H6。

H6：绿色信贷通过调整商业银行盈利水平和盈利结构的“盈利”渠道降低了商业银行的风险承担水平。

从“风险”渠道来看，商业银行积极开展绿色信贷业务会释放积极履行社会责任的信号，吸引更多利益相关者，并获得社会认同感的提升，打造绿色声誉，得益于声誉溢出效应，可以有效发挥声誉保险作用以缓冲负面冲击带来的不利影响（Godfrey，2005［30］）。而且，严格的审查机制使得“两高一剩”领域的融资受到限制，避免了商业银行将资金投入到非环保项目而无法收回的情况，推动信贷资金流向环境友好型企业，这些企业受到国家政策的大力支持，资金按时收回得到有效保障，能够有效避免企业的环境风险转化为商业银行信用风险。更为重要的是，绿色信贷政策作为一种特定的市场化金融手段，鼓励银行在信贷和投资业务实施中衡量环境问题。一是绿色信贷鼓励银行通过信贷手段将绿色信贷政策与企业环境绩效挂钩，旨在收紧对重污染企业的信贷支持，通过降低企业债务融资规模和增加企业债务成本进而迫使其向绿色转型升级（Wang et al.，2022［31］），而产业结构的调整反过来又会促进银行信贷结构调整，进而降低银行的摩擦成本和风险系数（丁宁等，2020），提高商业银行的总体违约风险承担能力。二是与传统产业相比，绿色信贷政策将资源导向节能环保等绿色产业能够有效降低非绿色产业的实质性风险，而且绿色信贷政策的制度性压力也会迫使银行加强对绿色信贷的风险转移，将环境风险纳入绿色信贷政策框架，加强信贷风险管理，提高成本效率，从而降低商业银行的资产风险承担水平。基于此，本文提出研究假设H7。

H7：绿色信贷通过增强商业银行风险偏好的“风险”渠道降低了商业银行的风险承担水平。

三、研究设计与数据来源

（一）数据来源

本文以中国银行业2008—2020年174家商业银行①174家商业银行其中包括5家大型国有商业银行、12家股份制商业银行、109家城市商业银行和48家农村商业银行。的1996个样本观测值构成的非平衡面板数据②本文样本研究区间内，部分银行因成立时间或者银行间存在合并重组等原因，使得银行并非每年都有观测值，故样本为非平衡面板数据。为了避免潜在数据结构不合理问题，本文也采用2008—2020年中国商业银行年度平衡面板数据进行分析，结果依然稳健。考虑到采用面板数据为样本进行分析时，观测值仅占非平衡面板数据的29%左右，样本容量较小，故本文以中国商业银行非平衡面板数据为研究对象。此外，本文数据结构属于大N小T型短面板数据，因此无需对变量进行平稳性检验。为样本，并对初始样本进行如下处理：剔除三家政策性银行和中国邮政储蓄银行以确保样本同质性；剔除银行资产和所有者权益为负值的异常样本；剔除财务数据连续不足三年的异常样本以确保样本时间连续性；考虑到样本期间银行间有合并重组现象，合并前所有银行单独进入样本，合并后仅一家并购银行进入样本；为减弱离群值对研究结论的干扰，对所有银行层面的连续性变量在上下1%分位数上进行缩尾处理。最终研究样本基本涵盖了中国所有类型商业银行，样本银行总资产占行业总资产的比重在样本期间一直维持在79.89%以上，基本上能够反映中国银行业整体状况，具有较高的代表性。文中使用的绿色信贷政策实施情况和绿色信贷余额数据来自各银行的《社会责任报告》、《可持续发展报告》、《环境信息披露报告》和《环境、社会及管治报告》，银行层面数据主要来源于中国研究数据服务平台（CNRDS）和全球银行与金融机构分析库（ORBISBank Focus），其中部分变量的缺失数据利用Wind数据库、银行历年年报以及历年《中国金融年鉴》最大限度地手工将其补齐。宏观经济层面数据来源于CEIC数据库、历年《中国统计年鉴》和中国人民银行官方网站。经济政策不确定性数据来源于Davis et al.（2019）［32］编制的经济政策不确定性指数。

（二）变量说明

1.被解释变量。银行风险承担（RISK）。现有关于银行风险的度量常用的有Z值、不良贷款率（NPL）和风险资产占比（RWA）。当前国内外学者广泛采用Z值（Z_score）作为度量商业银行风险承担的指标，该指标能够度量银行的偿付能力和违约概率。参考相关研究，本文采用Z值来衡量商业银行的风险承担，其计算方法如式（1）。

其中，CAR是资本充足率；ROA是资产回报率；δ（ROA）是资产回报率的标准差。Z值越大表示银行风险承担能力越高。

2.核心解释变量。绿色信贷政策（GFP）和绿色信贷占比（GCR）。不同于传统的双重差分模型，本文研究采用多时点双重差分模型来刻画绿色信贷政策的政策净效应。绿色信贷政策GFP变量类似于传统DID模型中的交互项。如果商业银行积极落实绿色信贷政策并披露了绿色信贷政策实施信息或绿色信贷余额数据，则GFP取1，否则取0。绿色信贷政策变量（GFP）刻画了不同商业银行在不同时间点上披露绿色信贷政策信息的典型事实。绿色信贷余额占比（GCR）以银行的年度绿色信贷余额与商业银行贷款余额之比衡量，GCR的值越大，说明商业银行对绿色信贷政策的态度越积极。

3.控制变量。参考已有研究，本文选取的银行层面控制变量包括银行规模（Asset）、贷存比（LDR）、运营效率（CIR）、财务杠杆（LEV）和市场势力（ALR）①参考田国强和李双建（2020）［33］的研究，传统Lerner指数内在假定银行具有完全成本效率，不存在给定价格情况下资源浪费与资源次优分配问题。然而，转型期的中国，银行业尚存在资源配置效率低下和配置结构失衡等问题，因此本文采用经税前利润调整的Lerner指数作为银行市场势力的代理变量。具体计算过程备索。。其他层面控制变量包括行业层面控制变量和宏观经济层面控制变量，行业层面控制变量为监管约束（REG），若在《商业银行资本管理办法（试行）》正式实施之前，则将REG定义为1，反之为0；此外，为尽可能排除因遗漏变量带来的内生性问题，本文还加入监管约束与银行类别虚拟变量（OWN）的交互项，若银行为国有商业银行或是由地方政府控股，则将OWN设置为1，反之为0。

宏观经济层面控制变量包括五个方面。第一，经济增长率（GDPR），由于样本中区域性银行（城市商业银行和农村商业银行）数目占比高达87.69%，且不同地区经济发展水平存在显著差异，对大型国有商业银行和股份制商业银行用全国层面的GDP增长率匹配，而城市商业银行和农村商业银行用其所在省级层面的GDP增长率匹配；第二，货币政策（MP），本文采用银行间7天同业拆借利率衡量，并利用加权平均计算方法获取年度值；第三，经济政策不确定性（EPU）；第四，银行业景气指数（BBI）；第五，货币供应量（M2）。控制变量的定义及说明详见表1。

表1 控制变量定义表

（三）模型设定

由于不同的商业银行执行绿色信贷政策没有明确的时间间断点，因此本文采用多期双重差分模型以综合政策的时间差异，并构建计量回归模型（2）来检验绿色信贷对商业银行风险承担的影响。

其中，Z_scorei，t为银行i在t年的风险承担；GFPi，t为银行i在第t年的绿色信贷政策变量；Xi，t为银行层面的控制变量；Yi，t为其他层面控制变量；μi为银行个体固定效应；εi，t为随机误差项。需要说明的是，由于政策净效应是时间序列变量，若直接引入时间固定效应会引起多重共线性问题，造成时间虚拟变量与政策净效应对商业银行风险承担的作用相互抵消，因而在模型中没有控制时间固定效应。如果GFPi，t的估计系数α1的符号方向显著为正，说明绿色金融政策会降低商业银行风险承担水平，研究假说H1a成立，反之研究假说H1b成立。根据前述理论分析，本文预期估计系数α1显著为正。另外，后文实证分析均以计量模型（2）为基准，根据假说验证需要对其进行拓展。

四、实证结果与分析①本文进一步以绿色信贷占比（GCR）作为核心解释变量，以63家商业银行的412个样本观测值，采用面板多元OLS进行进一步讨论，研究发现绿色信贷与商业银行风险承担之间呈项先下降后上升的非线性“U”关系，即在短期内绿色信贷会增加商业银行风险承担水平，但长期来看，绿色信贷会降低商业银行的风险承担水平。本文的结论再次得到验证。更为重要的是，这一结论进一步揭示了现有研究未形成一致性结论的原因：一是从商业银行盈利结构来看，纵然绿色信贷可以提高商业银行的中间业务收入水平，但是仅仅使用商业银行的绿色信贷余额占比数据来衡量商业银行在绿色信贷政策方面的表现，会忽略商业银行通过积极贯彻绿色信贷政策，履行企业社会责任所衍生的声誉效应等更大的潜在影响价值；二是从可持续发展理论、企业社会责任理论以及信号传递理论等来看，绿色信贷对商业银行的积极影响将在长期显现，但现实是不少商业银行的绿色信贷余额占比仍然偏低，短期内价值无法显现。此外，当前中国绿色金融的发展正处于初始阶段，商业银行贯彻绿色信贷政策的时间不同，规模不同，风险评估等绿色金融审核系统和技术不同，导致不少商业银行在政策前期成本投入偏大，影响了商业银行的风险承担水平。

（一）描述性统计

表2为变量描述性统计分析结果。从表2可以看出，银行风险承担变量（RISK）的均值为3.301，最小值2.073，最大值为4.794，标准差为0.258，相差较大，说明不同银行的风险承担水平差距较大。绿色信贷政策净效应变量（GFP）和绿色信贷余额占比（GCR）的均值分别为0.225和0.381，可见当前中国商业银行绿色信贷政策的参与度仍然不高，绿色信贷占比偏低；但从绿色信贷余额占比（GCR）的最大值来看，部分行业银行绿色信贷业务发展迅猛。此外，其他变量的描述性统计结果基本都在合理范围内，且可以排除离群值的实证结果影响。

表2 变量描述性统计结果

（二）基准回归结果①需要说明的是，为确保回归结果的准确性和可靠性，本文依据F统计量检验、LR统计量检验和Hausman检验的结果，最终选取固定效应模型进行回归分析。最后，通过修正Wald检验、Wooldridge检验和Breusch-Pagan LM检验，本文发现样本数据存在异方差性、序列相关性和截面相关性等问题，故采用Driscoll-Kraay标准误对模型进行修正。

表3报告了绿色信贷对商业银行风险承担影响的回归结果。其中，第（1）列为没有添加任何控制变量的回归结果，并以此作为比较基础，容易发现核心解释变量（GFP）的回归系数为0.0152，在1%的水平上显著为正，表明绿色信贷会降低商业银行的风险承担水平，初步支持理论假说H1a。第（2）—（6）列为逐次加入银行层面控制变量、行业层面控制变量和宏观经济层面控制变量的回归结果，可以看出，核心解释变量（GFP）的回归系数均在1%以上的水平上显著为正，意味着绿色信贷对商业银行风险承担具有抑制效应。从经济显著性上看，以第（6）列纳入全部控制变量的回归模型为例，核心解释变量（GFP）的回归系数为0.0237，意味着绿色信贷政策净效应变量每上升1个标准差，商业银行的风险承担水平降低约0.33%（0.0237×0.418／3.031）。综上可知，无论是在统计意义上还是经济意义上，积极开展绿色信贷业务会显著降低商业银行的风险承担水平，较好地验证了理论假说H1a。此外，控制变量的检验结果也符合预期。

表3 基准回归结果

续表3

（三）稳健性检验

为增强本文结论的可靠性，本文进一步从安慰剂检验、平行趋势检验、改变政策信息披露视角、倾向得分匹配、区分主动风险承担和被动风险承担，以及对内生性问题的再检验角度进行稳健性检验。

1.安慰剂检验。为了验证本文的基准回归结果并非偶然或随机性因素所致，本文按照是否披露绿色信贷政策信息或绿色信贷余额，从所包含的174家商业银行样本中利用计算机随机生成政策冲击模拟处理组和对照组并重复500次，进行反事实估计（图1）。图1中的检验结果表明，500次随机抽取的绿色信贷政策变量的估计系数均值约为0，与真实的估计值（0.0237）存在显著的差异，说明绿色信贷政策对商业银行风险承担的影响的确并非偶然或随机性因素等不可观测因素干扰所造成的，验证了本文结论的真实可靠性。

2.平行趋势检验。本文在进行双重差分分析之前进行了平行趋势检验（图2）。图2为选取政策实施前3年以及政策实施后5年进行平行趋势检验的结果，结果表明绿色信贷政策实施前处理组与控制组具有相同的发展趋势，满足双重差分模型同趋势的假设条件。

3.其他稳健性检验。本文还从改变政策信息披露视角、倾向得分匹配、区分主动风险承担和被动风险承担，以及对内生性问题的再检验角度进行了稳健性检验，本文的研究结论均得到了验证①限于篇幅，结果备索。。

五、进一步分析

（一）异质性分析

前文对绿色信贷影响商业银行风险承担的效应进行了分析，但尚未对银行异质性特征加以区分，不足以完整捕捉绿色信贷对商业银行风险承担的影响。接下来，本文将从银行规模、资本充足率、市场势力和业务经营范围的角度，探究绿色信贷对商业银行风险承担的异质性影响。

1.银行规模异质性。为考察在不同的银行规模下，绿色信贷对商业银行风险承担的异质性影响，本文按照银行总资产的均值划分为资产规模较大组和资产规模较小组，按照模型（2）进行分组回归，回归结果如表4中列（1）和列（2）所示。由此可以看出，两组中核心解释变量（GFP）的回归系数均显著为正，但在资产规模较大组中，核心解释变量的回归系数（GFP）的值大于规模较小组中的回归系数（0.0598＞0.0149），表明规模较大银行积极开展绿色信贷业务会显著降低其风险承担水平。进一步地，核心解释变量（GFP）组间系数差异性检验①组间系数差异性检验主要Chow检验、似无相关模型检验方法（Suest）和费舍尔组合检验（Permutation Test），其中，Chow检验需要引入交互项，且需要假定控制变量的系数不随组别发生变化，适用条件较为苛刻；似无相关模型的检验方法允许不同组别间控制变量存在差异，但该方法可能存在样本选择偏误问题；费舍尔组合检验则基于自抽样思路，通过不断抽样模拟总体样本特征，适用范围较为广泛。因此，本文使用费舍尔组合检验通过“自抽样法（Bootstrap）”来检验组间系数的差异性。此外，本文还采用其他两种方法进行检验，结果并未发生改变，检验结果备索。下同。的P值在1%的显著性水平上拒绝了两组系数不存在差异的原假设，意味着绿色信贷对商业银行风险承担的影响在不同规模银行之间存在异质性。以上结果验证了研究假设H2。

2.资本充足率的异质性。为考察在不同的资本充足率水平下，绿色信贷对商业银行风险承担的异质性影响，本文以资本充足率的均值为临界值将样本分为资本充足率较高组和资本充足率较低组，回归结果如表4中列（3）和列（4）所示。从表中可以看出资本充足率较大组中核心解释变量（GFP）的回归系数值大于资本充足率较低组（0.0230＞0.0005），说明绿色信贷会显著降低资产规模较大银行的风险承担水平，与研究假设H3的内容一致。

3.银行市场势力异质性。为考察在不同的银行市场势力下，绿色信贷对商业银行风险承担的异质性影响，本文按照经税前利润调整的Lerner指数均值将样本划分为银行市场势力较强组和市场势力较弱组，从表4中列（5）和列（6）列示的回归结果可以看出，银行市场势力较强组中核心解释变量（GFP）的回归系数为0.0571，在1%的水平上显著为正，大于市场势力较弱组中核心解释变量（GFP）的回归系数0.0377，表明市场势力较强的银行积极开展绿色信贷业务更有助于降低其风险承担水平，支持了研究假设H4。

4.业务经营范围异质性。为考察在不同的业务经营范围下，绿色信贷对商业银行风险承担的异质性影响，参考田国强和李双建（2020）的研究，本文将大型国有商业银行和股份制商业银行定义为全国性银行，将城市商业银行和农村商业银行定义为区域性银行，分别对模型（2）进行分组回归。从表4中列（7）和列（8）列示的回归结果可以看出，在全国性性银行子样本中核心解释变量（GFP）的回归系数显著为0.0418，且在1%的水平上显著为正，显著大于区域性银行子样本中核心解释变量（GFP）的回归系数0.0160，表明绿色信贷在更大程度上能够降低全国性银行的风险承担水平，而对区域性银行风险承担的影响不显著，上述结果支持了研究假设H5。

表4 异质性分析结果

续表4

（二）作用机制检验

根据前文理论分析，绿色信贷会通过“盈利”渠道和“风险”渠道降低商业银行的风险承担。因此，本文构建式（3）～式（5）中介效应模型进行验证。

其中，Mediatori，t为中介变量，代表“盈利”渠道中的中介变量和“风险”渠道中的中介变量；α1反映绿色信贷对商业银行风险承担影响的总效应；θ1表示绿色信贷对商业银行风险承担影响的直接效应，中介效应的大小由ϑ1×θ2＝α1-θ1衡量。根据中介效应检验程序，若系数α1、ϑ1、θ2均显著，且系数θ1较α1变小或显著性下降，表明存在中介效应。为了验证绿色信贷影响商业银行风险承担的“盈利”渠道，本文选取净息差（NIM，等于银行利息收入与生息资产之比）作为盈利水平层面的中介变量，选取非利息收入占比（NIR，等于银行非利息收入与营业收入之比）作为盈利结构层面的中介变量进行“盈利”渠道的中介效应检验。同时，为了验证绿色信贷影响商业银行风险承担的“风险”渠道，本文分别选取总体违约风险（Overall，等于银行资产利润率5年期移动平均值与资产利润率和资本资产比之和比值的自然对数，其中资本资产比为银行所有者权益与总资产的比值）和资产风险承担（PD90ToLoan，等于逾期90天以上贷款与总贷款之比）作为中介变量进行“风险”渠道的中介效应检验。中介效应检验结果如表5所示。

表5中第（1）～（4）列为“盈利”渠道的检验结果。从第（1）列可以看出，加入中介因子净息差（NIM）之后，核心解释变量（GFP）对净息差（NIM）有显著的正向影响，说明积极开展绿色信贷业务会提高商业银行的净息差。从第（2）列可以看出，加入中介因子净息差（NIM）之后，结果显示绿色信贷仍会降低商业银行的风险承担水平。同理，从第（3）列的回归结果可以看出，绿色信贷会降低商业银行的非利息收入占比（NIR），第（4）列的回归结果也表明绿色信贷仍能降低商业银行风险承担水平。从上述结果可以看出，系数θ1较α1均小且显著，根据中介效应原理可知，绿色信贷通过提升商业银行盈利水平、改变商业银行盈利结构的“盈利”渠道降低了商业银行的风险承担水平，验证了假设H6。

表5中第（5）～列（8）列为“风险”渠道的检验结果。在第（5）列中核心被解释变量为总体违约风险（Overall），从中可以看出绿色信贷会降低商业银行的总体违约风险。第（6）列的结果表明，加入中介因子总体违约风险（Overall）之后，总体违约风险（Overall）会降低商业银行风险承担水平。同理，在第（7）列中资产风险承担（PD90ToLoan）同样会降低商业银行风险承担水平，加入中介因子资产风险承担（PD90ToLoan）之后，绿色信贷仍会降低商业银行风险承担水平。据此可以看出，总体违约风险和资产风险承担均会降低商业银行的风险承担水平，且模型中系数θ1较α1均变小且显著，根据中介效应原理可知，绿色信贷通过提高银行风险容忍度的“风险”渠道降低了商业银行的风险承担水平，进一步验证了假设H7。

表5 作用机制检验结果

为进一步确保中介效应的显著性，参考田国强和李双建（2020）的研究，本文使用系数乘积检验方法对中介效应的显著性进行检验。系数乘积检验法主要是检验经过中介变量路径上的回归系数乘积项是否显著，即检验原假设H0：β1×δ2＝0。若拒绝原假设，则说明中介效应显著，反之不显著。具体地，借鉴Sobel（1987）［34］的方法，检验统计量是否处于临界值内，这里σβ1、σδ1分别为回归系数β1和δ2的标准误。经过计算得到统计量Z的绝对值均大于5%显著性水平上的临界值0.97，拒绝原假设，中介效应显著，说明“盈利”渠道和“风险”渠道的中介效应均显著存在，假设H6和H7得到了进一步验证。

（三）拓展性讨论

绿色发展是一种以效率、和谐、可持续为目标的经济社会发展形式，已成为全球众多国家和地区普遍关注的重要议题。现有研究发现，地区绿色发展水平对商业银行的绿色信贷行为具有重要影响，绿色发展水平越高，经济增长绿化度水平越高和政府政策支持力度越大，绿色信贷对银行财务绩效的积极影响越大（Lian et al.，2022），商业银行相应的风险承担水平也越低。因此，为进一步明确不同绿色发展维度对银行绿色信贷风险承担水平的影响，本文选取由国家统计局、北京师范大学和西南财经大学联合编制的《中国绿色发展指数报告》中的绿色发展指数（GDL），及其维度指标经济增长绿化度（EGG）、资源环境承载力（RECC）和政府政策支持力度（PPS）来衡量地区绿色发展水平，该指数从经济结构、自然资源和社会生活等方面提供了较为完善的区域绿色发展评价体系。此外，区域性城市商业银行和农村商业银行采用总行所在地区的绿色发展指数；全国性商业银行按照公式（6）重新构造能够体现银行个体差异的绿色发展指数及其分项指标（张琳等，2020［35］）进行匹配。

其中，A代表银行贷款涉及的地区；WiA，t是i银行t年在A地区投放贷款占贷款总量的比重；GDLA，t是A地区t年的绿色发展指数。

在此基础上，本文将绿色发展指数（GDL）、经济增长绿化度（EGG）、资源环境承载力（RECC）和政府政策支持力度（PPS）与绿色信贷政策变量（GFP）的交互项分别纳入基准模型中进行回归（表6）。从表6列示的检验结果可以看出，交互项GFP×GDL、GFP×EGG和GFP×PPS的估计系数均在1%的水平上显著为正，表明绿色发展水平越高，尤其是经济政策绿化度越高和政府政策支持力度越大，商业银行开展绿色信贷业务的风险承担水平较低。这是因为绿色经济增长和政府政策支持与区域经济发展水平高度相关，在经济增长绿化度越高和政府政策支持力度越大的情况下，不仅绿色融资需求更大、绿色项目盈利前景更好，而且政府加大绿色投资和加强环境治理也有助于提升商业银行盈利水平、改变盈利结构，以及提高其风险容忍度。同时，在推动绿色发展或地方政府积极发展绿色经济并提供相关政策支持以保护和可持续利用生态资源的情况下，银行的绿色信贷业务会产生直接经济效益，进而降低商业银行的风险承担水平。而交互项GFP×RECC的估计系数不显著，说明资源环境承载潜力与商业银行绿色信贷风险承担的相关性较差。

?

六、研究结论与政策建议

本文以2012年《绿色信贷指引》实施为“准自然实验”，基于2008—2020年中国174家商业银行样本数据，采用多时点双重差分模型实证研究绿色金融政策与商业银行风险承担的关系和作用机制。研究发现：商业银行积极开展绿色信贷业务会降低其风险承担水平，在经过一系列稳健性检验之后，结论依然成立；考虑到银行规模、资本充足率、市场势力和业务经营范围的银行异质性特征差异，发现这一效应在银行规模较大、资本充足率较高、市场势力较强，以及业务经营范围较广的全国性银行中影响更为显著；作用机制检验结果显示，绿色信贷通过提升商业银行盈利水平、改变商业银行盈利结构的“盈利”渠道，以及通过提高总体违约风险和资产风险承担能力的“风险”渠道，进而降低了商业银行的风险承担水平；进一步分析发现，地区绿色发展水平越高，尤其是经济增长绿化度越高和政府政策支持力度越大，商业银行开展绿色信贷业务相应的风险承担水平越低。

本文的研究结果意味着商业银行积极开展绿色信贷业务，提高绿色信贷占比，积极提高信贷资源配置效率，对于降低其风险承担水平是一个同时颇具宏观与微观价值的政策选择。第一，银行要深入贯彻实施赤道原则和IFC框架等国际准则，加强对绿色项目融资的社会和环境风险的判断、评估和管理，强化对绿色项目建设和运营实施的持续监管，严格按照《商业银行风险监管核心指标（试行）》和《银行保险机构声誉风险管理办法（试行）》的要求，加强信用风险和声誉风险管理，将资本充足率控制在安全稳定区间。第二，要提高环境信息披露质量，减少银行与企业的信息不对称，保持绿色金融政策的连续性和稳定性。目前，中国企业环境信息披露制度不完善，难以对银行风险管理起到指导作用。鉴于此，绿色金融政策应被作为一项长期战略，有序推进，加强信息披露制度和相关标准的统一。第三，政策制定者要充分考虑中国地区差异和银行特征，精准科学施策，在进一步加大五省区绿色金融改革开放试验区的基础上加强经验总结和推广，拓展绿色金融支持“碳中和”愿景的广度和深度；还可基于中小银行操作灵活，更好地满足当地中小企业的融资需求，鼓励地方政府结合当地发展情况，加强对中小银行开展绿色信贷的定向支持，充分发挥中小银行在绿色信贷中的作用。第四，财政政策和货币政策的组合拳是绿色金融发展的特色中国模式。因此，地方政府需要发挥其基金、担保与补贴的协调联动机制，增强绿色金融财政政策和绿色金融监管政策的协调激励能力，进一步加大绿色金融财政政策支持的力度和深度，提高绿色财政资金使用效率；同时，研究创设直达实体经济的碳减排支持工具，为银行机构提供低成本资金，进一步降低商业银行发展绿色金融所面临的风险。第五，银行要加大金融科技和绿色金融交叉人才的培养，充分发挥金融科技的技术优势，丰富绿色金融产品，进一步提高绿色信贷的服务效率和精准性，有效发挥金融科技对绿色信贷的支持力度；同时，加强绿色银行与非绿色银行的沟通，协助培训绿色信贷人才，设立独立的银行部门，疏通绿色信贷惠及小微企业的渠道，降低银行的绿色信贷风险。