綠色信貸約束下我國上市商業銀行效率研究

竇瑞

摘? ?要：本文研究表明：綠色信貸余額的估計參數為正，在10%的顯著水平下，綠色信貸余額對商業銀行盈利水平有顯著正面影響。基于此，本文認為商業銀行應積極培養綠色信貸意識，發展多元綠色信貸業務，積極主動承擔社會責任，這既有利于自身盈利水平的提高，也有助于自身核心競爭力的提升。

關鍵詞：動態面板;GMM;綠色信貸;商業銀行

中圖分類號：F832.43? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：B? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-0017-2020（7）-0043-04

一、引言

“綠色信貸”一詞，最早出現在“赤道原則”。根據赤道原則，如果貸款企業不符合赤道原則中的社會和生態環境標準，銀行依據此將拒絕為其提供資金借貸服務。歐美發達的經濟體先于我國推行實施綠色信貸。德國的復興信貸銀行、美國花旗銀行、日本的瑞穗銀行以及英國巴克萊銀行和匯豐銀行都根據政策導向，將環境因素與社會責任因素納入信貸評級與企業評估體系中，制定出適合本國的綠色金融發展規劃和內部業務標準體系（蔣先玲、徐鶴龍，2016）。我國綠色信貸始于2007年，多部門聯合發布《關于落實環境保護政策法規防范信貸風險的意見》，標志著我國綠色信貸政策正式起步。

綠色信貸主要是指利用信貸手段促進節能減排的一系列政策、制度安排及實踐（李曉西、夏光，2015），綠色信貸包含了對融資方的正向激勵和負向約束，也包含了對商業銀行自身環境管理的要求。綠色信貸政策的效果如何，取決于銀行主體的政策執行力度與企業的策略性反映（丁杰，2019）。本文運用2008—2018年9家上市商業銀行的面板數據，構建動態短面板分析綠色信貸余額對商業銀行盈利能力的影響，采用差分GMM和系統GMM估計模型參數，實證檢驗商業銀行推行綠色信貸是否對其自身盈利水平有顯著影響。

二、理論分析及研究假設

目前，國內對綠色信貸的研究多集中在推行綠色信貸必要性及其影響、國內外經驗借鑒及中國同業比較等方面。譚太平（2010）認為我國正處于經濟結構調整以及產業結構優化升級的關鍵時期，需全面了解國內外銀行業綠色金融實踐的差異，進而為我國經濟發展提供借鑒與啟示。蔣先玲和徐鶴龍（2016）提出銀行應從社會責任角度和風險管理角度認識綠色信貸，加強“赤道原則”研究和相關國際合作。

在研究綠色信貸與商業銀行關系方面，國內研究大多從綠色信貸對商業銀行盈利能力的影響角度出發。馬萍和姜海峰（2009）認為以追求利益最大化為目的的商業銀行若實施綠色信貸、履行社會責任，從長期來看通過外部經濟傳導，會促進商業銀行的福利增加;胡榮才和張文瓊（2016）認為開展綠色信貸會提高其營業成本，但同時會擴大貸款總額，最終綠色信貸政策對銀行盈利水平有顯著的促進作用;廖筠等（2019）通過VAR模型實證研究，認為綠色信貸對銀行效率有長期的顯著作用。而李程等（2016）通過演化博弈論和雙重差分證明綠色信貸對銀行績效存在負面影響;劉忠璐和王鵬英（2019）構建動態面板模型，采用GMM實證得出綠色信貸抑制銀行效率提高的結論，邵傳林和閆永生（2020）也認為短期內綠色信貸的開展會增加銀行破產風險。

通過對國內外文獻的梳理，發現定性研究居多，定量研究較少，且由于研究方法、切入角度的不同，國內學者對于綠色信貸影響銀行效率的相關研究尚未達成一致。本文認為，發展綠色信貸是商業銀行履行社會責任的具體表現，能有效控制環境風險、提高銀行資產質量，不但有助于商業銀行樹立良好的品牌形象、強化品牌美譽度，還有利于商業銀行整體盈利能力的提高。因此，本文提出假設：推行綠色信貸政策后，商業銀行的效率會提高。

三、研究設計

（一）模型設定

模型構建基于以下幾點考慮：第一，影響銀行經營績效的因素有很多，除了綠色信貸外，本文引入安全性指標、盈利性指標、流動性指標以及銀行規模指標;第二由于綠色信貸余額、總資產為總量指標，其余變量均為比率，為消除異方差，本文僅對綠色信貸余額取自然對數;第三，由于總資產收益率（ROA）往往伴隨一定程度慣性，因此在解釋變量中增加被解釋變量的一階滯后項ROA，形成動態調整模型，并用來控制初始條件對ROA的影響。

（二）樣本選取與數據來源

本文選取了9家上市銀行的年度數據，包括5家國有銀行，分別是：中國工商銀行、中國農業銀行、中國建設銀行、中國交通銀行、中國銀行，4家股份制銀行分別是：興業銀行、上海浦東開發銀行、招商銀行、中信銀行。樣本數據區間為2008年—2018年。選取的原因在于：第一，據據中國銀監會的統計，目前共有21家上市銀行執行綠色信貸政策，基于數據的有效性和連續性，本文選取綠色信貸政策披露較多的9家銀行;第二，我國于2007年出臺相關政策，從2008年統計數據。

被解釋變量（總資產收益率）來源于各銀行的年報，綠色信貸余額來源于各銀行的年度社會責任報告，其他變量數據均來自于WIND數據庫。其中，農行、交行和中行在2008年未披露綠色信貸余額數據，存在部分個體或事件觀測值缺失，因此本文擬采用非平衡動態面板數據進行實證分析。

（三）變量設計與說明

1.被解釋變量：總資產收益率

反映商業銀行經營績效的財務指標有很多，如總資產收益率（ROA）、凈資產收益率（ROE）等。ROA反映銀行總資產獲取收益的能力，資產占用的資金來源有兩部分，一是屬于股東的資金，另一部分來源于債權人提供的資金。ROE反映銀行為股東創造價值的能力，不同的資產負債率、同樣的ROA帶來不同的ROE。考慮到商業銀行的收入主要來源于存貸利差、高杠桿的經營模式，故選取ROA這一指標作為銀行經營績效的代理變量。

2.核心解釋變量：綠色信貸余額

目前學術研究中衡量綠色信貸的指標有兩種，一是綠色信貸余額，二是綠色信貸比（綠色信貸余額占比），一個是絕對量指標，一個是相對量指標。根據2018年數據來看，中國工商銀行的綠色信貸余額為12377.58億元，綠色信貸比為8.03%，興業銀行的綠色信貸余額為8449億元，綠色信貸比為28.8%。本文研究綠色信貸政策對我國商業銀行財務績效的總體影響，因此采用總量指標來反映各銀行在綠色信貸方面的投入力度。

3.控制變量：不良資產貸款率、成本收入比、銀行規模

不良貸款率（BI），是不良貸款額與貸款總額之間的比值，一般用來度量銀行的資產質量狀況。在低于5%的狀況下，說明銀行信貸處于比較健康的狀態;5%-15%之間屬于基本安全狀態;大于15%則說明銀行存在信貸風險。

成本收入比（CI），是銀行營業費用與營業收入的比率，反映出銀行每一單位的收入需要付出多少成本，該比率越低，說明銀行單位收入的能力越強。

銀行規模（S），具體表現為資產規模。擴大資產規模能提高銀行防御風險的能力，并形成規模經濟與范圍經濟，從而減少銀行的經營成本，提高經營績效。衡量資產規模通常采用總資產指標，為了方便分析，本文采用的總資產的計量單位是萬億元。

四、實證結果與分析

（一）變量描述性統計

表2的變量描述性統計結果顯示：（1）9家上市銀行的總資產收益率（ROA）均值為1.13%，說明我國上市商業銀行的盈利能力較好，但也存在一定差異;（2）各銀行綠色信貸余額較低，且差距較大;（3）不良資產貸款率最大值為4.32%，均值為1.32%，低于5%，說明各銀行信貸處于比較健康的狀態;（4）成本收入比的標準差為4.67，說明各銀行單位收入能力差異明顯;（5）各商業銀行資產規模較大，但差異也比較明顯。

從表3結果初步來看，被解釋變量與各解釋變量的相關性與表1中的預期效應一致，在不考慮其他因素的條件下，綠色信貸與總資產收益率成正相關，但t統計量只有1.32，統計不顯著;不良資產貸款率與銀行總資產收益率成負相關，在金融供給側改革的形勢下，我國商業銀行通過限制對“兩高”企業的資金借貸，從而控制不良資產貸款率，銀行的資產收益率有所好轉;成本收入比與總資產收益率也呈負相關，成本收入比的降低有助于銀行收入能力的增強;由于規模效應，通常資產規模越大，總資產收益率越高。

（二）模型效應設定

在對模型進行回歸分析之前，先進行模型效應的檢驗。面板數據模型可分為混合效應模型、隨機效應模型和固定效應模型。根據LM檢驗強烈拒絕原假設，可認為在“隨機效應”與“混合效應”之間，應選擇“隨機效應”;根據hausman檢驗，在1%的顯著水平下拒絕原假設“H0：隨機解釋變量與解釋變量不相關”，即認為在“固定效應”和“隨機效應”之間應選擇“固定效應”。

本文考慮采用動態面板來刻畫綠色信貸對銀行績效的影響，動態面板模型只能在一定程度上去除被解釋變量的時間連續性，無法處理不可觀測個體的固定效應。本文樣本不僅包括5家國有銀行，還包括興業、浦發等股份制大型銀行，雖能較好地排除地區造成的影響，但考慮到樣本個體差異較大，所以需考慮個體固定效應模型，而非時間固定效應模型。

（三）模型估計

本文使用 Blundell和Bond（ 1991）所提出的系統廣義矩估計模型（ System-GMM ），該方法不僅可以通過差分有效地控制不可觀測的個體固定效應，還采用解釋變量的滯后差分項作為工具變量以克服模型內生性，同時差分變化也能較好地削弱測量誤差和遺漏變量誤差。根據Sargan檢驗結果的P值來判斷工具變量是否存在過度識別，P值大于0.1，說明工具變量有效。通過AR檢驗分析回歸殘差項是否滿足擾動項一階自相關且無二階自相關的要求。模型估計結果如表5所示。

根據表5可知，AR檢驗結果，差分GMM與系統GMM存在較大差異。在差分GMM估計下，AR（2）的P值為0.2378，接受原假設，即不存在二階自相關;在系統GMM估計下AR（2）的P值為0.998，接受原假設，即不存在二階自相關。差分GMM與系統GMM的Sargan檢驗結果基本一致，P值顯著大于0.1，說明工具變量有效。

系統GMM和差分GMM相比更加準確，故本文主要參考系統GMM的估計結果，并得出以下結論：

1.總資產收益率滯后一階對其有正向影響。在5%的顯著水平下，總資產收益率滯后一階的系數為0.7242，說明滯后一階的ROA每提高1%，銀行總資產收益率提升0.7242%。

2.綠色信貸的估計系數為正，在10%的顯著水平下，綠色信貸余額的對數每增加1%，銀行總資產收益率提高0.0314%。

3.不良資產貸款率的估計系數為負，在1%的顯著水平下，不良資產貸款率每降低1%，那么銀行總資產收益率提高0.3325%。銀行資產的健康程度影響金融機構內部的各種資源的優化配置，進而影響其盈利水平。

4.成本收入比與銀行總資產收益率呈負相關，在5%的顯著水平下，成本收入比降低1%，銀行總資產收益率提高0.0391%。

5.總資產規模的估計系數為正，與前面預期一致，在10%的顯著水平下，資產規模與銀行總資產收益率呈正相關。資產規模的擴大，有利于銀行總資產收益率的提高。

五、結論與建議

通過實證分析研究，商業銀行開展綠色信貸可以對其盈利能力起到正向促進作用，使其盈利能力得到提升。發展綠色信貸不僅是商業銀行社會責任的體現，同時也是其提升自身盈利能力水平和競爭力的有效途徑。基于以上結論，文本提出以下建議：

一是完善綠色信貸的制度基礎和環境。目前，我國共有4部環境法和20多部資源管理法規，與其他綠色信貸高度發展的國家相比，我國亟需完善法律體系，明確對造成負外部性的經濟行為的嚴懲力度，發揮法律法規應有的懲戒力度。

二是增強商業銀行社會責任意識。商業銀行在追求盈利的同時，應充分考慮社會、環境等因素，履行社會責任，踐行赤道原則，建立綠色信貸文化。一方面，商業銀行應重視在日常工作中以綠色、可持續發展的理念為指導，在信貸環節，認真做好綠色信貸業務調查、審核及管理工作，有效控制銀行信貸風險;另一方面，通過完善信息披露機制，進一步做好綠色信貸的信息披露，踐行赤道原則。

三是商業銀行需多層次拓寬綠色信貸業務。開展綠色信貸業務，符合可持續發展理念，發展多層次的綠色信貸業務，有助于銀行利潤的提升，因此需大力調動銀行發展綠色信貸業務的積極性。發達國家銀行實踐證明，只有積極創新綠色信貸業務模式，才能在綠色信貸領域分享市場份額，提升自身的競爭力。

參考文獻

[1]丁杰.綠色信貸政策、信貸資源配置與企業策略性反應[J].經濟評論，2019（4）：62-75.

[2]蔣先玲，徐鶴龍.中國商業銀行綠色信貸運行機制研究[J].中國人口資源與環境，2016，（5）：490-492.

[3]胡榮才，張文瓊.開展綠色信貸會影響銀行盈利水平嗎？[J].金融監管研究，2016 ，（7）：92-110.

[4]李程，白唯，王野，李玉善.綠色信貸政策被商業銀行有效執行？[J].南方金融，2016，（1）：47-54.

[5]李曉西，夏光.加強對綠色金融的研究社會主義經濟理論研究集萃——新常態下的中國經濟[C].中國會議，2014.

責任編輯、校對：康衛東