金融科技抑制了企业“漂绿”行为吗？

谢婷婷 张倩

摘   要：推动实现“双碳”目标，需要处理好绿色金融发展过程中的“漂绿”风险，金融科技利用科技手段来识别“漂绿”行为，或将成为抑制企业“漂绿”的重要手段。本文利用2015—2020年发布社会责任报告的沪深A股上市公司数据，研究了金融科技对企业“漂绿”行为的影响及作用机制。研究发现，金融科技对企业的“漂绿”行为存在显著的抑制作用。机制分析表明，金融科技对外能够缓解银行等金融机构与企业之间的信息不对称性，对内可以加强企业的内部监督，以此路径抑制了企业“漂绿”行为。异质性分析表明，在重污染行业、媒体关注度较高的企业以及市场化进程较慢的地区，金融科技对企业“漂绿”行为的抑制效果更好。因此，在推动绿色金融平稳运行的过程中，应加强与金融科技业务的有效融合，处理好绿色转型过程中的金融风险，督促企业落实绿色发展理念。

关键词：金融科技；企业“漂绿”；信息不对称；内部监督

中图分类号：F830   文献标识码：B  文章编号：1674-2265（2023）05-0020-08

DOI：10.19647/j.cnki.37-1462/f.2023.05.003

一、引言

为实现“双碳”目标，各国政府通过各种政策手段推动绿色金融发展，缓解绿色投融资缺口，但由于存在绿色项目数据披露规范不统一、违规成本低等问题，企业“漂绿”行为频发，给绿色金融高效发展、ESG投资安全和企业绿色转型带来严重不利影响。“漂绿”一词最早是由美国环保主义者韦斯特维尔德提出的，2009年，《南方周末》第一次将“漂绿”概念引入中国公共媒体的关注视野，开始公布企业“漂绿”榜。我国绿色金融发展仍处于初级阶段，面对着绿色市场的信息不对称和机会主义倾向，企业为实现外部融资需求，通过对高污染项目进行包装、粉饰自身的环境信息、有选择地披露环境报表或社会责任报告以及虚夸其ESG表现等方式（Frooman，1997；Cao等，2022）[1，2]实现“漂绿”，达到银行等金融机构的审批标准（黄世忠，2022）[3]，误导银行等金融机构向其提供绿色资金支持；同时，企业通过“漂绿”将自己的ESG品牌形象更好地展现在投资者面前，吸引具有绿色消费意识的投资者进行投资。企业“漂绿”行为不仅会增加投资者对其绿色行为的误解，加大企业的经营风险和财务风险（Hameed等，2021；Lentfer等，2021）[4，5]，还会降低绿色资金的配置效率（马凌远和王姝晨，2022）[6]。由于我国传统金融市场的局限性，在缺乏可核实信息的情况下，投资者很难正确评估企业的绿色产品和服务（Delmas和Burbano，2011）[7]，“漂绿”手段不容易识别与监管，尤其不容易跟踪。中国人民银行印发的《金融科技发展规划（2022—2025年）》中指出，要加强金融科技与绿色金融的深度融合，提高金融服务绿色产业的覆盖面和精准度。金融科技依托区块链等新兴技术在绿色项目识别、数据采集、环境信息披露以及环境风险预警等方面已有不少的实践，能通过技术手段提高金融服务过程中的绿色识别能力。而现有研究主要从制度压力、企业行为、审计师决策等方面展开，缺乏金融视角对企业“漂绿”行为的研究。因此，厘清金融科技与企业“漂绿”行为之间的关系，对提升绿色金融服务质量、推动企业实现绿色发展有着重要的理论与现实意义。

在现有研究基础上，本文通过地区金融科技发展水平和企业“漂绿”程度数据，研究了金融科技对企业“漂绿”行为的影响，并深入分析了其影响机制和异质性。研究发现，首先，金融科技对企业的“漂绿”行为具有显著抑制性；其次，金融科技的发展对外缓解了银企之间的信息非对称性，对内加强了企业内部监督水平，抑制了企业“漂绿”行为；最后，对于重污染行业、媒体关注度高的企业以及市场化进程较慢的地区，金融科技的发展在缓解企业“漂绿”方面呈现出了更好的效果。

本文的边际贡献如下：一是从金融视角入手，探究地区金融科技发展水平对企业“漂绿”行为的影响，对现有企业“漂绿”的研究进行了补充；二是从缓解信息不对称和加强企业内部监督两个方面，进一步考察金融科技对企业“漂绿”行为的影响机制，为金融与科技进一步融合应对企业“漂绿”行为提供了微观经验证据；三是从行业、媒体关注度、市场等视角考察了金融科技对企业“漂绿”行为影响的异质性，为金融科技进一步提升金融服务质量和效率、实现绿色发展提供了政策参考。

二、理论分析与研究假设

（一）金融科技与企业“漂绿”行为

传统金融机构在信息获取与绿色项目识别方面具有一定的局限性（沈伟，2018）[8]，面对有贷款需求的企业，银行等金融机构无法准确判断企业所提交的相关信息的真实性及借入资金的实际使用情况，一定程度上影响资金流向绿色发展领域。金融科技通过将大数据、云计算、区块链等信息技术应用到金融领域，弥补了传统金融服务的短板，推动了金融信息的透明化，向企业敲响了落实绿色发展的“警钟”（于波等，2021）[9]。在信息识别方面，金融科技可以发挥其信息效应，利用信息技术监测并分析企业的环保行为数据，提高信息的精准度（Huang等，2018）[10]，有助于集合、传递、分析和利用相关信息，倒逼企业披露真实的环境信息，提高企业信息的披露质量（刘志洋和解瑶姝，2022）[11]。在风险防范方面，金融机构利用其搭建的大数据平台，依托环境风险管理，对风险进行识别与捕获，基于区块链自身的特质，做到对绿色资金流向的实时监管、风险信号的及时预警，提升了环境风险管理能力，有利于防范企业“漂绿”风险（黄卓和王萍萍，2022）[12]。基于以上分析，本文提出：

假设H1：金融科技对企业的“漂绿”行为具有抑制作用。

（二）信息不对称机制

代理冲突与信息不对称共存导致“漂绿”（Zetzsche和Anker-S?rensen，2022）[13]，使银行等金融机构与企业进行交易时产生逆向选择和道德风险。一方面，是质量信息的不对称，由于银行只能凭借企业提供的材料信息和相关部门的反馈来鉴别绿色项目，企業可以通过将高污染项目伪装成绿色项目或美化环境信息披露来实现融资的需求（张岳和周应恒，2021）[14]。另一方面，是行为信息的不对称，对于企业将绿色资金用于绿色项目上还是经装饰后的高污染项目上，银行并不能很好地进行后续追踪（杨丰来和黄永航，2006）[15]。金融科技基于信息技术赋能传统金融机构，充分发挥信息效应，缓解银企之间的信息不对称性，提高信息识别能力和风险监管水平（Huang等，2018）[10]，揭示企业粉饰自身环境业绩的行为，督促企业切实承担社会责任、发展绿色经济（王波和杨茂佳，2022）[16]，确保资金投入到绿色环保项目上。基于以上分析，本文提出：

假设H2： 金融科技通过缓解信息不对称进而抑制企业的“漂绿”行为。

（三）内部监督机制

从企业内部视角出发，根据高阶梯队理论，高管心理会影响企业的碳信息披露，企业可能选择性披露对自身有利的信息（Cho和Patten，2007）[17]，因此，管理层的态度与行为逻辑对企业“漂绿”治理也具有一定的影响。内部监督作为管控企業不良行为的重要手段，往往会受到管理层的重视，通过加强企业内部监督来预防外部压力带来的负面影响，维护企业的品牌与形象，能实现更长久的发展（黄溶冰和储芳，2023）[18]。随着外部金融发展水平的提升，金融科技凭借着其信息技术的优势，加强了信息甄别能力，提高了企业内外部信息的透明度（孙继国等，2022）[19]，督促企业完善内部监督机制，从源头杜绝违法或道德上不可接受的行为（Lentfer等，2021）[5]，重视企业环保行为的落实与环境信息的披露，以此来抑制企业的“漂绿”行为。基于以上分析，本文提出：

假设H3： 金融科技通过加强内部监督进而抑制企业的“漂绿”行为。

三、研究设计

（一）样本选择和数据来源

根据《中国ESG发展白皮书（2021）》，我国内地ESG信息披露监管框架经历了三个发展阶段，2015年9月至今为进一步完善社会责任报告和ESG报告披露制度的第三阶段。基于此，本文以2015年作为起始年，选取2015—2020年发布社会责任报告的沪深A股上市公司为研究样本，公司层面数据来自国泰安数据库和万得数据库。本文对样本数据做如下处理：删除金融类公司；删除观测期间ST公司和*ST公司以及数据缺失的公司。最终得到2810个公司年度数据。此外，对所有连续变量进行双侧1%的缩尾处理。

（二）模型的选择与设定

为检验金融科技发展与企业“漂绿”行为之间的关系，将模型设定为：

[GIi，t=β0+β1Fintech_Nn，t+β2Controlsi，t+Year+Ind+εi，t]         （1）

其中，[GIi，t]是企业[i]在[t]年的“漂绿”程度；[Fintech_Nn，t]表示地区[n]在第[t]年的金融科技发展水平；[Controlsi，t]表示控制变量；Year和[Ind]分别代表年份和行业固定效应，[εi，t]表示随机误差项。[β1]为本文核心变量[Fintechn，t]的系数，结合本文的相关假设，预期该系数显著为负。

（三）变量选择

1. 被解释变量：企业“漂绿”（GI）。国内外学者多基于企业所披露的环境信息采用内容分析法来确定企业“漂绿”程度。Cho和Patten（2007）[17]以环境关注度作为衡量标准，基于公司发布的环境信息来打分。缑倩雯和蔡宁（2014）[20]从企业环境实践性角度出发，将该实践性行为划分为象征性行为和实质性行为：企业在对其环境信息进行披露时，若企业多采用概括性、笼统的定性描述，表现为难以验证、容易模仿的信息，则环境信息披露的可信程度不高，属于象征性披露；若企业多采用数字性、具体的定量描述，表现为难以模仿的信息，则认为其环境信息披露的可信程度较高，属于实质性披露（黄溶冰等，2019）[21]。

本文从企业“漂绿”的主要形式出发，参考黄溶冰等（2019）[21]研究，构建企业“漂绿”程度指标如下：

首先，将企业“漂绿”策略定义为选择性披露和表述性操纵，前者指有选择地披露环境事项，后者指通过策略性表述美化公司形象。

其次，根据上市公司年报、社会责任报告或可持续发展报告中的环境信息披露情况，从治理与结构、流程与控制、输入与输出、守法与合规等四个维度18个细分项目来构建“漂绿”衡量指标体系（见表1）。采用内容分析法，对这18个应披露项目情况进行打分，“是”赋值1分，“否”赋值0分。

表1：企业“漂绿”衡量的指标体系

[维度 环境信息披露项目 象征性披露 实质性披露 治理

与结构 环保理念与行动 环保制度与执行 环境管理机构与人员 流程

与控制 环境审计与认证 环保荣誉与奖励 环保教育与培训 环保投入与生产 输入

与输出 废水排放与治理 废气的排放与治理 水资源的消耗与削减措施 固体废物产生与利用 噪声、光污染、辐射等其他治理 温室气体排放与治理 能源消耗与削减措施 守法

与合规 环境违法事件 环境信访案件 重点污染监控单位 突发环境事故 ]

最后，计算企业“漂绿”程度（GI）：

选择性披露（GIS）=100×（1-已披露项目数/应披露项目数）               （2）

表述性操纵（GIE）=100×（象征性披露数/已披露项目数）             （3）

企业“漂绿”程度[（GI）=GIS×GIE]     （4）

2.核心解释变量：金融科技。在现有研究中，金融科技指标的衡量方法主要有两类：一是以北京大学数字普惠金融指数来衡量地区的金融科技发展程度（付会敏和江世银，2022）[22]。二是采用文本挖掘法构建金融科技关键词库，借助互联网分年度检索“地级市或直辖市+关键词”（李春涛等，2020）[23]，将同一地级市或直辖市所有关键词搜索量汇总来衡量地区金融科技发展水平，或是以检索关键词的方式获取所有相关公司的工商注册信息，用地区总的金融科技公司数来衡量地区金融科技发展水平。

考虑到北京大学数字普惠金融指数主要依据蚂蚁金服的数据编制，而上市企业并不都在支付宝的服务范围内（孙继国等，2022）[19]，将其作为金融科技的替代变量来研究金融科技对企业“漂绿”行为的影响具有一定的局限性。因此，本文首先借鉴金洪飞等（2020）[24]的研究，选取支付结算、资源配置、服务渠道、直接称呼、技术支持等五个维度共 27个关键词构建金融科技词库（见表2）。其次，利用网络爬虫技术，在百度新闻页面检索关键词，分地区、分年度计算关键词词频。最后，利用熵值法合成总的金融科技指数（Fintech），由于该指数呈现出明显的右偏性，因此，对该指数进行取对数处理，以此来衡量地区金融科技发展水平（Fintech_N）。

表2：金融科技指数词库

[维度 关键词 支付结算 在线支付、第三方支付、移动支付、二维码支付、手机支付、网上支付。 资源配置 网络贷款、网贷、网银、网络银行、电子银行、互联网保险、互联网理财、在线理财。 服务渠道 手机银行、互联网银行、直销银行、智能客服。 直接称呼 互联网金融、金融科技、Fintech。 技术支持 大数据、区块链、人工智能、生物识别、物联网、云计算。 ]

3. 控制变量。参考黄溶冰等（2019）[21]、肖芬蓉和黄晓云（2016）[25]的研究，控制可能影响企业“漂绿”的其他因素。（1）企业规模（Size）：相较于中小型企业，大型企业所面临的投资者压力更大，大型企业为了更广泛地接触到绿色消费者和投资者，可能会采取“漂绿”手段来粉饰其环保行为（Lentfer等，2021）[5]。本文以公司总资产的对数来衡量该指标。（2）资产负债率（Lev）：资产负债率可以体现出较长时间里企业的偿债能力，高负债的企业需要承担更大的风险，通常会采取“漂绿”印象管理策略来获得利益相关者的认可。本文以公司年末负债和资产的比值来衡量该指标。（3）净资产收益率（Roe）：净资产收益率可以体现企业的盈利能力，在盈利能力好的情况下，企业才有可能将资金投入到一些环保活动中，当盈利不佳时，会降低企业绿色实践的意愿。本文使用净利润与股东权益平均余额之比来衡量该指标。（4）企业年龄（Age）：当企业的年龄较大时，其拥有了一定的声誉，为了保障企业更长久稳定的发展，会注重绿色项目的发展。本文使用当前年份与上市年份之差来衡量该指标。

此外，企业“漂绿”行为不仅受企业层面因素的影响，还与其所在的城市密切相关。经济发展水平高的地区拥有丰富的资源和技术，鼓励企业绿色转型，同时，地区的环境规制也会对企业的“漂绿”行为带来影响（叶建木和李颖，2020）[26]。因此，本文将地区的经济发展水平（Eco）和环境规制（Er）作为城市层面的控制变量。变量的详细描述如表3所示。

（四）描述性統计

表4汇报了本文主要变量的基本统计特征，“漂绿”程度的均值和标准差分别为73.92和10.94，说明存在一定程度的“漂绿”，且不同企业的“漂绿”程度具有一定的差异性；未取对数的地区金融科技发展水平均值（5375.82）远大于其中位数（4697.36）， 说明具有一定的右偏性，故对该指标进行取对数处理Fintech_N=ln（Fintech+1），用Fintech_N来表示地区金融科技发展水平也是合理的。

四、实证结果与分析

（一）基准回归分析

表5显示了地区金融科技发展对企业“漂绿”行为影响的回归结果，由第（1）、（2）列的回归结果可知，无论是否加入控制变量，金融科技发展水平的系数均在1%的水平上显著为负，表明地区金融科技发展水平提高时，对当地企业“漂绿”行为产生抑制作用，假说H1成立。原因可能是，金融科技凭借着新兴技术的优势逐渐深入越来越多的金融业务场景中，提高了金融机构信息甄别与获取的能力，倒逼企业承担环境保护的责任，真实披露环境绩效，将资金投入绿色环保项目，降低了企业“漂绿”风险。此外，为缓解反向因果关系带来的内生性问题，本文在第（3）列中将金融科技发展水平与控制变量做滞后一期处理，实证结果显示核心解释变量系数仍旧显著为负，进一步验证了假说H1的成立。

由回归结果可知，企业规模（Size）的回归系数显著为负，表明规模越大的企业，更倾向于落实绿色发展行为；企业年龄（Age）的系数显著为正，表明老企业虽然资本雄厚，但缺乏绿色实践的意识；资产负债率（Lev）和净资产收益率（Roe）的系数未通过显著性检验，表明财务风险和盈利能力对企业"漂绿"行为产生的影响较小；经济发展水平（Eco）的系数显著为正，表明丰富的资源与技术并未有效推动企业落实环保行为；环境规制（Er）没有通过显著性检验，可能是因为实施不同的环境规制手段对企业“漂绿”行为带来的影响存在差异（叶建木和李颖，2020）[26]。

（二）内生性问题

为进一步缓解由遗漏变量或测量误差带来的内生性问题，本文借鉴张杰等（2017）[27]思路，将同一省份内GDP最接近企业注册地的三个城市的金融科技发展水平均值作为企业所在地金融科技发展水平的工具变量（IV）。从相关性角度来说，同一省份内经济发展水平较为接近的城市，其金融科技发展程度也较为相似；从外生性角度来说，由于地区金融市场发展存在异质性，同一省份内经济发展水平相近的城市金融科技的发展对本地企业 “漂绿”行为不太具有直接影响。表6显示了两阶段工具变量回归结果，在考虑到可能存在的内生性问题后，金融科技对企业“漂绿”行为仍旧具有抑制作用，与前文基准回归结果一致。

（三）稳健性检验

1. 替换核心解释变量。本文使用数字普惠金融指数（Fintech1）代替金融科技进行回归，结果见表7。在替换核心解释变量后，其系数仍显著为负，金融科技对企业“漂绿”行为的抑制作用仍旧显著。

2. 剔除直辖市样本。由于直辖市自身的特性，其金融科技发展速度较快，因此，将删除直辖市的样本再次进行回归，结果见表7，同样验证了H1的假设。

3. 使用Logit模型。以50%的分位数为临界点，用0和1来重新刻画企业“漂绿”程度（G），建立离散值的Logit模型，结果见表7，在使用Logit模型进行回归时，与前文的检验结果一致。

4. 控制地区金融发展水平。基于前文分析，地区金融发展水平也会影响企业融资过程中的审批和监管成本，在金融发展水平较高的地区，金融机构的绿色识别能力有所提高，本文用金融机构贷款余额与GDP的比值来表示地区金融发展水平（FinDep），并对其进行控制，结果见表7，检验结果仍与前文相同。

五、进一步研究

（一）机制分析

基于前文的理论分析，本文尝试进一步研究金融科技能否通过缓解银企间的信息不对称和加强企业内部监督来缓解企业“漂绿”行为。

信息不对称是打开企业“漂绿”缺口的重要因素之一，金融科技基于信息技术优势，提高了传统金融机构信息获取与分析的能力，推动金融信息的透明化，降低了银企之间的信息不对称，从而有利于抑制企业“漂绿”。本文参考于蔚等（2012）[28]的研究，构建了信息不对称指标ASY，当信息不对称越严重时，ASY指标数值越大，利用中介效应模型检验金融科技是否通过缓解信息不对称间接抑制企业的“漂绿”行为，由表8第（1）列可知，金融科技发展水平的系数显著为负，表明金融科技的发展缓解了银企之间的信息不对称。由第（2）列可知，ASY的系数显著为正，表明信息不对称的存在会显著促进企业“漂绿”行为的发生；金融科技发展水平系数显著为负，且系数绝对值较基准回归结果有所降低，表明信息不对称是金融科技抑制企业“漂绿”行为的部分中介因子，说明金融科技通过缓解银企之间的信息不对称从而抑制了企业的“漂绿”行为，假说H2成立。

内部监督作为管理公司的重要手段，在应对日益增大的外部环境压力时，需要企业加强内部的监督来落实绿色行为和保持良好形象，而金融科技的快速发展，能够督促企业完善内部监督机制，认真落实绿色发展政策，提高信息披露质量。本文参考周茜等（2020）[29]思路，选取了高管薪酬、高管持股比例、独立董事比例、董事会规模、机构持股比例、股权制衡度和是否两职合一等指标，利用主成分分析法将第一主成分作为反映企业内部监督（Sup）的综合指标。表8中第（3）列结果显示，金融科技发展水平的系数显著为正，表明金融科技的发展加强了企业内部监督。由第（4）列可知，企业内部监督的系数显著为负，表明强化企业内部监督会显著抑制企业“漂绿”行为的发生；金融科技发展水平系数显著為负，且系数绝对值较基准回归结果同样有所降低，表明企业内部监督是金融科技抑制企业“漂绿”行为的部分中介因子，说明金融科技通过加强内部监督从而抑制了企业的“漂绿”行为，假说H3成立。

（二）异质性分析

1. 行业污染属性。金融科技降低企业“漂绿”风险的效果是否会由于行业污染属性的不同而存在差异？本文根据行业污染属性设立虚拟变量（State），若企业属于重污染行业则取1，若企业属于非重污染行业则取0，在模型（1）中引入金融科技与行业污染属性的交互项（Fintech_N×State）。表9显示交互项的系数为负且通过了1%的显著性检验，表明在重污染行业中，金融科技对企业“漂绿”行为的抑制效果更好。原因可能是，重污染企业作为绿色转型过程中的重点关注对象，为顺利获得绿色资金的支持，倾向于落实绿色项目，从而抑制了企业“漂绿”行为。

2. 媒体关注度。媒体关注的存在可能使得企业对环境信息披露质量更加谨慎。本文通过检索新闻数据库的方式，整理获得媒体对企业的负面报道指标（Media），以此来表示媒体关注度，当企业负面报道较多时，表明企业所受到的媒体关注度较高，该指标数值就越大。表9显示Fintech_N×Media的系数在1%的水平上显著为负，表明与有较少负面报道的企业不同，金融科技对有较多负面报道的企业“漂绿”行为的削弱效果更好。原因可能是，负面新闻较多的企业会承受一定的舆论压力和社会关注（黄溶冰等，2019）[21]，这就会使其提高环境信息的披露质量，从而缓解企业的“漂绿”行为。

3. 市场化进程。市场化水平会影响金融中介机构的发育程度和信息不对称性（宋敏等，2021）[30]，为进一步研究市场化进程不同的地区，金融科技对企业“漂绿”行为带来的影响，本文利用樊纲市场化指数来衡量市场化进程（Market），数值越高，地区市场化进程就越快。表9显示Fintech_N×Market的系数在1%的水平上显著为正，表明在市场化进程快的地区，金融科技对企业“漂绿”行为的抑制作用有所削弱。原因可能是，市场化进程快的地区，金融中介机构发展较快，信息不对称程度较低，金融科技的发展对企业“漂绿”行为的抑制作用提升较小。

六、结论与启示

企业“漂绿”行为已经影响到了绿色金融的平稳运行，需要采取应对手段来防范企业“漂绿”行为，实现企业绿色低碳发展，本文以金融科技为切入点，使用上市公司数据，获取企业“漂绿”程度，实证检验了金融科技与企业“漂绿”行为之间的关系，得出如下结论：第一，金融科技对企业“漂绿”行为有显著的抑制效果，金融科技将成为减弱企业“漂绿”的重要手段。第二，金融科技不仅能够缓解银企之间的信息不对称来提高信息识别能力和风险监管水平，还可以加强企业内部监督来督促企业强化内部治理，从而减少企业“漂绿”行为的发生。第三，从行业角度来说，金融科技利用技术手段抑制企业“漂绿”的效果在重污染行业更好；从媒体关注度来说，金融科技对媒体报道较多的企业 “漂绿”抑制效果更好；从市场化进程来说，在市场化进程较慢的地区，金融科技的发展对企业“漂绿”的削弱作用更强。

以上结论具有重要的政策启示：（1）银行等金融机构应加强科技与金融业务的融合，充分利用新兴技术手段，推动金融科技在绿色资产识别方面的实践，加强金融科技在绿色数据获取、环境信息披露方面的应用。（2）企业应完善内部监督管理机制，从内部入手，督促绿色项目的落实，加大对绿色项目的资金投入，重视企业环境信息披露的质量，对企业的“漂绿”行为进行管控。（3）政府应根据当地的实际情况，推出合适的环境监管方式，对媒体报道出存在“漂绿”行为的企业加大惩罚力度。

参考文献：

[1]Frooman J. 1997. Socially Irresponsible and Illegal Behavior and Shareholder Wealth：A Meta-Analysis of Event Studies [J].Business & society，36（3）.

[2]Qilin Cao，Yunhuan Zhou，Hongyu Du，Mengxi Ren，Weili Zhen. 2022. Carbon Information Disclosure Quality，Greenwashing Behavior， and Enterprise Value [J].Frontiers in Psychology，13.

[3]黄世忠.ESG报告的“漂绿”与反“漂绿” [J].财会月刊，2022，（01）.

[4]Hameed I，Hyder Z，Imran M，Shafiq K. 2021. Greenwash and Green Purchase Behavior：An Environmentally Sustainable Perspective [J].Environment，Development and Sustainability，23（9）.

[5]S Lentfer，L Mavon，S Stenberg. 2021. The Impact of the EU Taxonomy on Greenwashing——with a Case on the Swedish Sustainable Finance Sector [D].J?nk?ping：J?nk?ping University.

[6]马凌远，王姝晨.欧洲绿色金融“漂绿”治理经验及启示 [J].金融发展研究，2022，（02）.

[7]Delmas M A，Burbano V C. 2011. The Drivers of Greenwashing [J].California Management Review，54（1）.

[8]沈伟.金融科技的去中心化和中心化的金融监管——金融创新的规制逻辑及分析维度 [J].现代法学，2018，40（03）.

[9]于波，陈红，周宁.绿色信贷、金融科技与商业银行盈利能力 [J].统计与决策，2021，37（14）.

[10]Huang Y，Lin C，Sheng Z，Wei L. 2018. FinTech Credit and Service Quality [J].Geneva Financial Research Institute，Working Papers， Geneva.

[11]刘志洋，解瑶姝.金融功能论视角下金融科技服务绿色金融发展机制分析 [J].学习与实践，2022，（07）.

[12]黄卓，王萍萍.金融科技赋能绿色金融发展：机制、挑战与对策建议 [J].社会科学辑刊，2022，（05）.

[13]Zetzsche D A， Anker-S?rensen L. 2022. Building Blocks of a Green Fintech System-Towards an Regulatory Antidote to Greenwashing [J].Available at SSRN.

[14]张岳，周应恒.绿色金融“漂绿”现象的成因与防范：来自日本的经验启示 [J].现代日本经济，2021，（05）.

[15]杨丰来，黄永航.企业治理结构、信息不对称与中小企业融资 [J].金融研究，2006，（05）.

[16]王波，杨茂佳.ESG表现对企业价值的影响机制研究——来自我国A股上市公司的经验证据 [J].软科学，2022，36（06）.

[17]Cho C H，Patten D M. 2007. The Role of Environmental Disclosures as Tools of Legitimacy：A Research Note[J].Accounting，organizations and society，32（7-8）.

[18]黄溶冰，储芳.中央环保督察、绩效考核压力与企业“漂绿” [J].中国地质大学学报（社会科学版），2023，23（01）.

[19]孙继国，陈琪，胡金焱.金融科技是否促进了中小企业价值提升？——基于技术创新和信息透明度的视角[J].财经问题研究，2022，（08）.

[20]缑倩雯，蔡宁.企业异质性环境实践方式与绩效关系的实证研究 [J].软科学，2014，（11）．

[21]黄溶冰，陈伟，王凯慧.外部融资需求、印象管理与企业漂绿 [J].经济社会体制比较，2019，（03）.

[22]付会敏，江世银.金融科技的经济增长效应——基于数字普惠金融指数的实证检验 [J].金融发展研究，2022，（08）.

[23]李春涛，闫续文，宋敏，杨威.金融科技与企业创新——新三板上市公司的证据 [J].中国工业经济，2020，（01）.

[24]金洪飞，李弘基，刘音露.金融科技、银行风险与市场挤出效应 [J].财经研究，2020，46（05）.

[25]肖芬蓉，黄晓云.企业“漂绿”行为差异与环境规制的改进 [J].软科学，2016，30（08）.

[26]叶建木，李颖.环境规制异质性能抑制企业信息“漂绿”行为吗 [J].财会月刊，2020，（17）.

[27]张杰，郑文平，新夫.中国的银行管制放松、结构性竞争和企业创新 [J].中国工业经济，2017，（10）.

[28]于蔚，汪淼军，金祥荣.政治关联和融资约束：信息效应与资源效应 [J].经济研究，2012，47（09）.

[29]周茜，许曉芳，陆正飞.去杠杆，究竟谁更积极与稳妥？[J].管理世界，2020，36（08）.

[30]宋敏，周鹏，司海涛.金融科技与企业全要素生产率——赋能和信贷配给的视角 [J].中国工业经济，2021，（04）.