“雙碳”背景下綠色信貸對系統重要性銀行穩健性的影響研究

邵靖雯 曾曉倩

綠色信貸作為當前綠色金融市場中規模最大的綠色金融產品，在我國實現“雙碳”目標的背景下仍有巨大發展空間，隨著綠色信貸規模不斷擴大，其對銀行產生的影響逐漸顯現。本文選取2013年-2020年我國18家系統重要性銀行的平衡面板數據，實證研究了綠色信貸對于我國系統重要性銀行穩健性的影響，得出基本結論：綠色信貸對系統重要性銀行穩健性具有積極作用，并基于結論從宏觀制度層面和銀行微觀層面提出相關建議。

一、引言

在第七十五屆聯合國大會上，習近平主席宣布我國預計在2030年實現碳達峰、 2060年實現碳中和（簡稱“雙碳”），在“雙碳”目標驅動下，支持綠色低碳發展是我國未來一段時期金融領域的重點工作。綠色信貸作為金融支持綠色發展的一個重要途徑快速增長，截至2021年末，我國本外幣綠色信貸余額15.9萬億元，存量規模居世界第一，綠色信貸環境效益逐步顯現，在這其中無論是規模還是市場占有率都處于領頭地位的系統重要性銀行發揮了重要作用。隨著我國綠色信貸規模的不斷增加，不斷有學者通過研究指出綠色信貸會對商業銀行經營績效、風險防控、創新競爭等方面產生影響，作為綠色信貸領域的主力軍，在我國防范“太大而不能倒”風險的金融監管邏輯下，綠色信貸業務的發展對于系統重要性銀行的穩健性會產生何種影響值得探究。

二、相關研究理論

對于綠色信貸對商業銀行影響的研究，我國學者多是基于微觀角度研究綠色信貸與商業銀行經營管理之間的關系，觀點主要集中在對銀行風險和經營績效的影響兩方面。在信貸風險影響方面，多數研究認為綠色信貸對降低銀行信貸風險具有正向作用。雷博雯等[1]（2020）通過刻畫商業銀行的流動性分析綠色信貸對商業銀行產生的信貸風險，反映綠色信貸對商業銀行風險管控的影響效果。張鳳賢[2]（2021）基于14家商業銀行面板數據通過隨機和固定效應模型分析認為銀行發展綠色信貸可以改善銀行資產質量，在考慮了外部市場環境的情況下這一影響會更加顯著。馬若微等[3]（2021）則是從銀行聲譽視角和中介效應分析研究了綠色信貸政策對商業銀行信貸風險的影響，認為綠色信貸能夠正向影響銀行聲譽并有效降低銀行信貸風險。

在綠色信貸影響商業銀行經營績效方面，一部分學者認為綠色信貸對銀行經營績效具有抑制作用，高志堅[4]（2021）通過異質性分析認為，開展綠色信貸業務對不同類型銀行的資產收益率有不同影響，其中大型國有商業銀行開展綠色信貸會導致其資產收益率下降，而對中小股份制銀行則是有利的。楊姝平[5]（2020）通過構建面板模型，研究認為綠色信貸業務對于商業銀行收益有促進作用，但影響作用較小。并闡明了現階段銀行經營綠色信貸存在的局限性，亟需提升經營效率和質量。李程等[6]（2016）通過運用DID模型實證分析發現綠色信貸政策給銀行績效帶來負向影響。還有一部分學者則是通過結合綠色信貸期限時滯影響的研究產生了不同的觀點，這部分學者認為短時間內綠色信貸為商業銀行帶來的收益是有限的，但從長期來看，無論是經濟效益還是社會效益，綠色信貸都會對商業銀行經營績效產生正向作用，體現在綠色信貸有助于提高商業銀行自身的商業信譽、商業價值和社會影響力。劉昊[7]（2021）將風險管理文化視角引入綠色信貸中，采用面板SVAR模型對中國商業銀行綠色信貸與發展質量的相關性進行了實證檢驗，結果顯示商業銀行的盈利能力和風險管理水平與商業銀行綠色信貸業務之間存在正相關關系。張文中等[8]（2020）基于非期望產出的SBM銀行效率值通過工具變量法研究得出，短期來看，綠色信貸不利于銀行效率的提高，而從長期來看，綠色信貸政策對銀行效率存在正向引導。金浩等[9]（2022）則是通過構建系統GMM模型研究指出綠色信貸對經營效率積極作用具有滯后性，銀行實施綠色信貸在長期看來是有益的，但目前銀行經營效率反而抑制了綠色信貸發展。

綜上所述，既有文獻中我國學者在綠色信貸對商業銀行影響的研究領域主要集中在信貸風險和經營績效方面，同時部分學者對綠色信貸在商業銀行競爭力影響方面進行了研究，綜合來說，大部分學者認為綠色信貸業務發展會給商業銀行帶來積極影響。基于發展中國家的“雙碳”目標視角和宏觀審慎視角，并將綠色信貸與系統重要性銀行結合起來的卻比較缺乏，這也為本文遴選我國系統重要性銀行作為研究對象提供了有益的參考和研究空間。

三、實證分析

（一）樣本選擇

根據《系統重要性銀行評估辦法》，央行、銀保監會在2021年10月基于2020年數據，評估認定了我國19家系統重要性銀行①，包括6家國有商業銀行、9家股份制商業銀行和4家城市商業銀行。基于數據可得性和有效性，由于興業銀行社會責任報告未單獨公布綠色信貸相關數據，為避免影響分析結果，選取除興業銀行以外的18家系統重要性銀行2013年至2020年8年的相關數據組成樣本數據進行實證分析，相關數據來源于wind數據庫，部分缺失數據及綠色信貸數據由各銀行公布的年度報告及社會責任報告整理補全，宏觀經濟相關數據來源于國家統計局官網公布數據，運用的計量分析軟件為stata15版本。

（二）變量選取

1.被解釋變量。目前，國內外學者在實證研究中廣泛運用Z-score指數法（以下簡稱Z值）度量商業銀行的穩健性，該方法能從收益率標準差的角度近似地去評價銀行經營風險，特別是在銀行破產概率較低的情況下，能夠直接體現銀行運營風險的大小（李世平等[12]，2018）。常見的Z值測度方法主要有兩種，其差異主要在于是否將銀行資產的加權風險項納入對Z值的構建：

其中ROAA為平均總資產收益率，ETA為資本與總資產的比值，σ（ROAA）為平均總資本收益率的標準差。

其中RORWA加權風險資產收益率，ERWA為資產收益率，σ（RORWA）為加權風險資產收益率的標準差。

本文參考任哲等[10]（2022）、王蕙[11]（2019）等的研究，以各樣本銀行破產Z值為銀行穩健程度的代表變量并作為模型被解釋變量，Z值越大，銀行破產風險越小，也越穩健。不同的文獻在計算Z值時對總資本收益率均值和標準差計算選擇的窗口長度有所差別，本文參考Delis等方式，以三年為周期計算出各銀行ROAA的滾動標準差，既首個周期為2011年—2013年，次期為2012年—2014年，以此類推計算出各期滾動σ（ROAA），再分別結合當期ETA和ROAA最終計算出各銀行Z值，為了消除極端值影響，實證分析中對計算出的Z值進行對數處理。

2.解釋變量。參考以往文獻，反映綠色信貸規模的代表變量主要有綠色信貸占比和綠色信貸余額，相較于綠色信貸占比，綠色信貸余額更能直接的反映出銀行綠色信貸業務發展的規模及銀行在綠色信貸方面的絕對投入，所以本文選取綠色信貸的年度余額為各樣本銀行綠色信貸業務規模的代表變量并作為模型解釋變量，由于綠色信貸余額數據與其他變量差異較大，為平滑數據，實證分析中同樣對綠色信貸樣本數據進行對數處理。

3.控制變量。通過參考相關文獻，結合IMF《金融穩健性指標編制指南》，綜合考慮系統重要性銀行安全性、流動性、盈利性方面，本文選取核心一級資本充足率，不良貸款率、撥備覆蓋率、非利息收入占比、成本收入比、流動性比率為樣本銀行微觀個體方面的控制指標，同時將外部宏觀經濟的影響納入考量，選取國民生產總值增長率為控制變量，取對數進行回歸，各指標具體情況如下表：

（三）基本模型設定

基于上述變量，設定基本回歸模型如下：

在銀行的實際業務中，綠色信貸多是周期長、實現成效慢的項目，對銀行產生的影響需要一定時間才會顯現，為了進一步討論這樣的情況，將綠色信貸滯后一期變量加入模型再次進行回歸分析，分析當期系統重要性銀行穩健性Z值受上期綠色信貸的影響情況。更新后的模型如下：

其中i為銀行主體，t為時間，α為常數項，ε為隨機干擾項，主要研究的是各變量的系數β值。

（四）實證分析

1.描述性統計。各變量描述性統計見表2，數據集為2013年—2020年18家系統重要性銀行的平衡面板數據。從變量數據的統計情況來看，所有變量值均處于合理變化范圍內，變量均值與中位數較為接近，表明數據更為符合正態分布。核心變量方面，被解釋變量LNZ最大值為7.5，最小值3.5，均值5.129，我國各系統重要性銀行穩健程度有所差異，但總體穩健，解釋變量LNGC最大值為9.82，最小值為2.76，均值6.577，極值間差距較大，各系統重要性銀行間的綠色信貸規模差異較為明顯。

2.相關性分析。表3為皮爾遜相關分析結果，在不考慮其他因素的情況下，核心變量LNGC、滯后一期的L.INGC與LNZ具有關系性且都在5%水平下顯著，符合模型構建的預期，基本滿足回歸分析的需要，控制變量CAR和LR系數為正且在5%水平下顯著，NPL、CIR和GDP系數為負，NII、PC系數為正，均較為符合實際認知，可以為后續回歸分析提供參考。

3.回歸分析。為避免變量之間存在多重共線關系使模型失效，在進行回歸分析之前，先對各變量進行多重共線性檢驗，結果顯示如表4，兩個模型中全部變量的方差膨脹因子VIF均小于5，表明變量間不存在嚴重多重共線性，通過相關變量構建的模型是有效的。

基于公式（3）和（4），通過Hausman檢驗結果顯示，兩個模型的P值分別為0.3320和0.1820，均大于0.1，故接受原假設，變量不存在嚴重內生性可用隨機效應模型進行回歸估計。同時，為避免可能存在的異方差及組內自相關問題產生有偏的估計結果，在隨機效應回歸的基礎上進一步采用廣義最小二乘法（GLS）進行修正后的回歸估計，以此得出更為有效的回歸估計結果，回歸結果如圖5中所示，（1）—（2）為當期綠色信貸余額為變量時的回歸估計結果（4）—（5）為納入滯后一期綠色信貸余額后的回歸估計結果。

4.穩健性檢驗。為進一步檢驗模型估計結果穩健程度，將資產風險因素納入考量，基于公式（2）采用第二種Z值構建方法計，以同樣的時間區間計算出各銀行納入風險加權資產后的穩健性Z值，以符號Z2表示，并進行回歸估計，以進一步校驗估計結果的穩健性。經過更新的模型如下：

其中α為常數項，ε為隨機干擾項，i為銀行主體，t為時間使用廣義最小二乘法回歸估計結果如表5（3）、（6）所示，核心變量與原回歸結果顯著性一致，估計系數相近，變化方向相同，說明回歸結果是合理穩健的。綠色信貸業務的發展對提升系統重要性銀行穩健性具有積極作用。

（五）結論

1.綠色信貸對提升系統重要性銀行穩健性具有積極作用。核心變量的估計結果顯示，商業銀行綠色信貸規模（INGC）與Z值（INZ）均為正相關，使用廣義最小二乘法估計的回歸系數為0.186，且通過10%水平下顯著檢驗，表明隨著系統重要性銀行綠色信貸余額每增長1%，系統重要性銀行穩健性Z值相應增長0.186%，綠色信貸對提升系統重要性銀行穩健性具有積極作用。

2.綠色信貸對系統重要性銀行穩健性的影響具有一定時滯性，但該影響是正向的且長期的。在加入滯后一期綠色信貸變量的回歸估計中，使用廣義最小二乘法估計的回歸系數為0.202，且通過10%水平下顯著檢驗，綠色信貸對Z值影響的估計系數是相較增長的，說明隨著綠色信貸業務的發展，綠色信貸對于系統重要性銀行穩健性的影響是連續的，且該影響是正向的。

（六）政策建議

基于以上結論，為了進一步發揮綠色信貸對于優化系統重要性銀行穩健性的積極作用，應鼓勵銀行大力發展綠色信貸業務更好地融入和服務國家發展戰略，對此，本文從宏觀制度層面和銀行微觀層面提出了相關建議。

1.宏觀層面，加大綠色信貸制度的頂層構建。一是加強信息披露與共享機制建設，建議從激勵機制、評估能力等方面進一步完善綠色項目識別標準和第三方評估評級規范，同時強化綠色項目、綠色金融產品環境信息披露，增加綠色項目及綠色金融產品的識別度，降低識別和評估成本，利于銀行主動對接。二是統一綠色金融統計標準，建立由官方層面統一口徑的綠色信貸數據披露平臺，有利于營造社會環保氛圍，培育強化社會綠色偏好，也更利于銀行聲譽效應提升。三是配套政策提升銀行積極性，通過政策合力緩解綠色項目外部性特征，提高綠色項目獲貸率，通過稅收、財政、貨幣政策工具、監管容忍度等外部配套措施，彌補商業銀行綠色信貸項目的投資回報和風險成本，提高銀行積極性。

2.銀行層面，優化銀行綠色信貸業務細化管理。一是借助金融科技提升智能化管理水平，推動綠色信貸提質擴面。建議商業銀行借助金融科技手段創建符合自身運營需求的綠色信貸管理系統，應用于綠色低碳項目對接、環境社會風險識別、環境效益測算、貸前快速識別審查、貸后風險預警處置等場景。二是細化風險防控，系統重要性銀行作為我國金融系統穩定的關鍵因素，在大力支持我國綠色經濟轉型的同時，對于相應的風險管理應更為慎重，建議建立綠色金融領域的指標監管標準，實行差異化精準化的綠色金融資產風險管理。三是加強綠色金融產品服務創新。系統重要性銀行應充分發揮其規模優勢和聲譽效應，加大綠色信貸投放，探索創新綠色金融產品和服務模式，與深耕區域特色具有地方優勢的中小銀行，形成我國綠色發展的金融支持體系。

注釋：

① 19家系統重要性銀行：平安銀行、光大銀行、華夏銀行、廣發銀行、寧波銀行、上海銀行、江蘇銀行、北京銀行、浦發銀行、中信銀行、民生銀行、郵儲銀行、交通銀行、招商銀行、興業銀行、中國工商銀行、中國銀行、中國建設銀行、中國農業銀行。

參考文獻：

[1]雷博雯，時波.綠色信貸對商業銀行績效與流動性風險的影響[A].金融改革，2020：26-27.

[2]張鳳賢.綠色信貸對銀行不良率的影響研究[J].海南金融，2021（10）：80-87.

[3]馬若微，翟彤彤.綠色信貸政策對商業銀行信貸風險的影響——基于銀行聲譽視角的中介效應分析[J].農村金融研究，2021（06）：9-21.DOI：10.16127/j.cnki.issn1003-1812.2021.06.006.

[4]高志堅.綠色信貸政策對商業銀行盈利能力的影響研究——基于中國15家上市商業銀行面板數據的分析[J].西部金融，2021（09）：58-64.DOI：10.16395/j.cnki.61-1462/f.2021.09.009.

[5]楊姝平.基于面板模型研究綠色信貸對商業銀行收益影響[J].時代金融，2020（15）：28-29+31.

[6]李程，白唯，王野，李玉善.綠色信貸政策如何被商業銀行有效執行？——基于演化博弈論和DID模型的研究[J].南方金融，2016（01）：47-54.

[7]劉昊.綠色信貸、風險管理文化與商業銀行高質量發展[J].財經理論與實踐，2021，42（05）：2-8.DOI：10.16339/j.cnki.hdxbcjb.2021.05.001.

[8]張文中，竇瑞.綠色信貸對中國商業銀行效率的影響研究——基于SBM-GMM模型[J].投資研究，2020，39（11）：17-28.

[9]金浩，曹馨月.綠色信貸與銀行經營效率的交互跨期影響研究——基于動態面板系統GMM模型[J].經濟論壇，2022（01）：78-87.

[10]任哲，孫英雋.綠色信貸對商業銀行穩健性的影響研究[J].農場經濟管理，2022（01）：49-52.

[11]王蕙.外資戰略投資對中國銀行體系穩定性的影響——基于面板模型及改進的Z-Score法的實證分析[J].會計與經濟研究，2019，33（05）：112-128.DOI：10.16314/j.cnki.31-2074/f.2019.05.007.

[12] 李世平，孟慶竹.中國非上市銀行經營風險度量

——基于Z-score方法[J].山東財經大學學報，2018，30（03）：61-71.

作者單位：邵靖雯，中國人民銀行昆明中心支行貨幣信貸處，碩士研究生，中級經濟師;曾曉倩，中國人民銀行怒江中支貨幣信貸科，助理經濟師。