绿色信贷对上市商业银行风险承担影响研究

□文/ 尤嘉韵

（哈尔滨商业大学 黑龙江·哈尔滨）

［提要］ 本文基于我国19 家上市商业银行面板数据，通过系统GMM 方法考察绿色信贷对上市商业银行风险承担的影响及其内在机制，对推动绿色信贷发展和防控商业银行风险具有一定的现实意义。

引言

在我国工业化快速推进过程中，要坚定走高效清洁、安全和谐以及低碳循环的绿色发展道路，推动经济可持续发展。目前，我国仍是以商业银行为主的间接融资方式金融体系，绿色信贷政策会影响银行风险承担水平，并进一步影响我国金融体系。2007年，我国颁布了《关于落实环保政策法规防范信贷风险的意见》；2012年2月24日，中国银监会发布了《绿色信贷指引》，这些相关文件条例的发布能有效引导商业银行配置信贷资金，提高商业银行实施绿色信贷的积极性。目前，我国绿色信贷发展仍处于探索阶段，信息披露制度尚不完善，绿色信贷方面的数据较为匮乏，这些原因导致绿色信贷与我国上市商业银行风险承担的定量研究较难开展。为此，本文通过选用5 家大型国有银行，8 家全国性股份制商业银行和6 家城市商业银行的面板数据考察绿色信贷对我国上市商业银行风险承担的影响。

本文的贡献主要是聚焦绿色信贷这一视角，创新性地对绿色信贷和商业银行风险承担之间的关系进行定量研究，丰富了绿色信贷和商业银行等方面的文献，并进一步挖掘了绿色信贷影响商业银行风险承担的传导机制，为绿色信贷和商业银行风险承担之间关联的研究提供了经验证据。最后基于不同类型商业银行，分析绿色信贷对商业银行风险承担的异质性，为我国商业银行推动绿色信贷发展的政策措施提供理论参考。

一、文献综述

商业银行风险承担一直是国内外学术界研究的热点问题，既有文献主要围绕影响商业银行风险承担的影响因素、绿色信贷和商业银行风险承担之间的关系以及商业银行风险承担的衡量这三个方面展开研究。

首先，关于商业银行风险承担影响因素方面的研究。国内外学术界主要就商业银行风险的内外部影响因素进行研究。就银行内部因素而言，高质量的内部控制可以有效降低商业银行风险承担水平，风险治理能显著减少商业银行的被动风险承担行为，同时国外学者认为一些内部银行因素，如规模、多元化和经营费用控制影响着商业银行的风险承担行为。在金融创新方面，程玲莎、李秀林（2019）主张内部治理机制能有效抑制金融创新风险。Wang Cong、Zhuang Lihuan（2022）却得到了与上述学者不同的结论，发现面临较低流动性风险的银行将承担更多风险。在董事会相关层面，公司治理以及董事会性别多样性会对商业银行风险状况产生重大影响，银行女性董事感受到风险投资将带来积极回报时倾向于承担更高风险。Wei Jiang、Yunguo Liu 等（2019）发现高风险银行递延高管薪酬的情况少于低风险银行。在银行外部层面，有部分学者讨论了经济政策不确定性、外部监管、银行竞争等外部因素与风险承担之间的关系。何国华、邬飘（2020）认为经济政策不确定性会降低两国银行业的整体风险承担水平，存贷比监管改革降低了银行风险承担，监管处罚也对商业银行的风险承担具有显著的抑制作用，同时商业银行贷款市场势力与银行风险之间存在倒“U”型非线性关系。Asli Demirgüc-Kunt（2002）认为存款保险制度会增加银行风险。CHARLES W.CALOMIRIS（2019）提出了与该学者相反的结论，他发现存款保险制度降低了银行流动性风险，但增加了银行破产风险，刘震、徐宝亮（2023）也提出了相似结论，发现我国存款保险制度的实施会降低银行风险。通过梳理国外文献可知，经济自由度会提高银行稳定性，且货币自由度、金融自由度和投资自由度也会提高银行稳定性，而在竞争性银行环境中，银行总体风险及信用风险与竞争性成正相关关系，但银行表外风险与竞争性环境成负相关关系，同时市场利率会对银行风险承担产生显著的负向影响。此外，John H.Boyd（2005）认为银行竞争程度会加剧银行风险承担。

其次，关于绿色信贷和商业银行风险承担之间关系的相关研究。目前，部分学者的观点认为实施绿色信贷对降低商业银行风险承担具有促进作用。赵庆向（2023）发现绿色信贷与银行风险承担呈负相关关系，且开展绿色信贷能显著降低商业银行风险承担。李苏、贾妍妍（2017）采用2011～2015年16 家上市商业银行的数据研究发现，实施绿色信贷能降低商业银行风险。Cui Yujun、Geobey Sean（2018）认为绿色信贷会降低银行不良贷款率。但由于绿色信贷产业尚在发展阶段还未成熟，相关信息披露报告不完善，盲目扩张绿色信贷业务可能增加银行的风险承担水平。王霞、王芳（2021）通过DID 和PSM-DID 方法研究得出了与上述学者相反的结论，且在短期内商业银行开展绿色信贷会增加其风险。现有文献还就绿色信贷和商业银行风险间存在的中介机制进行了研究，发现商业银行开展绿色信贷会通过增大不良贷款率从而使商业银行风险显著降低，同时能提高商业银行的流动性风险管理能力并抑制风险。还有一部分学者研究发现，绿色信贷对商业银行风险没有影响，得出在营业收入结构方面，绿色信贷对非利息收入没有明显贡献，且从净利息收入结构来看，绿色信贷对利息支出占比没有影响。

最后，关于商业银行风险承担如何有效衡量的研究。现有文献主要使用了Z 值、不良贷款率、风险加权资产比率、预期违约率、贷款损失准备金占总资产的比例等。Canta Chiara、Nilsen ivind A.等（2023）采用不良贷款率来衡量。Bu Yumeng（2019）采用不良贷款率和风险加权资产率来表示商业银行的风险承担。翟胜宝、程妍婷等（2023）认为Z 值可以作为间接反映银行业风险承担水平的代理变量。吕之安、郭雪寒等（2022）选择风险加权资产占总资产的比例来衡量银行风险承担水平的变化。上述学者均选用单一的风险评价指标来衡量商业银行风险承担，也有部分学者通过构建多视角的风险综合评价指标对商业银行风险承担进行衡量。Shi Xiao、Yu Wenqi（2021）根据中国银监会发布的银行业风险监管指标来衡量中国商业银行体系的风险管理效率。Maria Soledad Martinez Peria（2001）使用了CAMEL骆驼模型作为风险评价指标评估了市场纪律和存款保险之间的关系。王晶、李立新（2016）从流动性、资产质量等方面选择3个风险指标并通过因子分析法得到综合风险指数。

综上所述，学术界对绿色信贷和商业银行风险承担的研究在理论和实证方面的成果已经较为丰富，但由于研究样本、研究方法以及变量选择等方面的差异导致大部分研究没有形成一致定论，且针对绿色信贷对商业银行风险承担的研究较少。因此，本文考察了绿色信贷和商业银行风险承担间的关系，并进一步选取中介变量进行作用机制分析，对商业银行风险防控有一定理论指导和政策参考。

二、理论分析与研究假设

（一）绿色信贷与银行风险承担。目前，我国绿色信贷发展刚处于起步阶段，上市商业银行开展绿色信贷政策的时间较短，尚未形成标准化的业务流程和监督管理机制，相关绿色创新生产技术也尚未成熟。通过阅读以往文献，王霞、王芳（2021）指出绿色信贷主要通过盈利增长效应机制、成本效应机制和流动性机制影响商业银行风险承担，其中盈利增长效应机制会减少商业银行风险承担，成本效应机制和流动性机制会增加商业银行风险承担。首先，在盈利增长机制方面，商业银行针对“两高一剩”企业会提供较高的贷款利率，绿色信贷增加商业银行资产收益率，通过盈利增长效应从而抑制商业银行风险承担。其次，在成本效应机制方面，绿色信贷项目投入资金较多且周期长，在前期投入成本较高，这会增加商业银行的风险承担。最后，在流动性机制方面，多数绿色环保企业的成立时间短，商业银行在向此类企业投资时，资产流动性较差，流动性不足增加了商业银行流动性风险，从而增加了商业银行风险承担水平。据此，本文提出以下假设：

假设1：绿色信贷对商业银行风险承担具有负相关作用

（二）绿色信贷、非利息收入与银行风险承担。本文参考王宏涛、曹文成等（2022）的文献从盈利渠道分析绿色信贷影响商业银行风险承担的作用机制，选用非利息收入作为绿色信贷影响商业银行风险承担的影响机制。绿色信贷通过商业银行的中间业务影响未来发展，随着我国利率市场化的逐步推进，提高中间业务占比也成为了商业银行的战略重点。绿色信贷政策的实施与中间业务相结合，商业银行同时通过开发新兴绿色金融技术和绿色金融产品增加自身优势。基于此，提出以下假设：

假设2：非利息收入在绿色信贷和商业银行风险承担的关系中承担着中介作用

（三）绿色信贷、异质性与银行风险承担。国有商业银行、股份制商业银行和城市商业银行是助推我国经济发展的“主力军”，根据以往文献可知，在实施相关绿色信贷政策时，银行规模等特征不同的银行其风险承担水平也会存在明显差异。首先，大规模银行如国有商业银行的风险控制能力较强，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，使得绿色信贷对上市商业银行风险承担的影响相对较小。其次，国家对大规模银行的信用担保较明显，当面临绿色信贷冲击时，大规模银行的风险承担水平更高。基于上述分析，本文提出以下假设：

假设3：不同所有制商业银行实施绿色信贷政策对其银行风险承担水平会产生不同的影响

三、实证研究设计

（一）样本数据来源。出于对数据的连续性和可得性的考量，本文选取2010～2021年中国19 家上市商业银行的年度平衡面板数据作为样本数据，研究样本涉及范围较广，涵盖各类型商业银行。按照银保监会的分类标准，样本包括5 家大型国有银行，8 家全国性股份制商业银行，6 家城市商业银行。其中，绿色信贷数据主要从银行年报以及各商业银行《社会责任报告》《可持续发展报告》《环境、社会与管制报告》中通过手工整理得到，其中部分变量的缺失数据利用Wind 数据库、银行历年年报最大限度将其手工补齐，其他数据来自CSMAR 数据库。为了降低极端值的影响，本文对所有连续变量在上下1%分位上进行了缩尾处理。对于个别缺失的数据，本文采取线性插值法进行填充，最终得到228 个平衡面板数据。

（二）变量定义与构造

1、被解释变量。关于衡量商业银行风险承担的指标，国内外学术界并未形成一致的标准。借鉴郭晔和赵静（2017）的方法，以商业银行风险承担（lnZ）为被解释变量，用Z 值加以衡量作为代理指标，将盈利能力、权益资产比和收益率的波动有机结合，反映了商业银行破产风险和偿付能力。即Z 值越大，商业银行风险承担水平越低，破产风险越小；反之，Z 值越小，商业银行风险承担水平越高，破产风险越大。其中，ROA 为总资产收益率，ER 为权益资产比，ROA-SD 为ROA 的标准差，即z 值等于总资产收益率与权益资产比之和除以总资产收益率的标准差。因为Z 值有尖峰肥尾的性质，考虑到存在异方差的问题，在本文中取对数进行回归。Z 值的具体计算公式如下：

2、核心解释变量。目前，学术界对绿色信贷主要有两种评价指标，分别是绿色信贷余额和绿色信贷在总贷款中的占比。参照谢朝华、陈涵达（2023）的研究，本文选取第一种指标绿色信贷余额作为核心解释变量进行基准回归分析，为了减轻异方差问题，对该变量进行对数化处理。

3、中介变量。根据温忠麟等（2004）发表的文章中涉及的中介效应检验程序及其方法，本文采取非利息收入占比这一指标（nii）作为中介变量，即非利息收入与银行营业收入之比衡量非利息收入的相对值。银行非利息收入主要包括手续费和佣金收入、汇兑收入、投资收入和咨询收入等，这些活动不同于传统的吸收存款和发放贷款的银行职能。

4、控制变量。本文参考顾海峰、朱慧萍（2023）和赵庆向（2023）的研究，选取以下银行微观层面的控制变量：银行盈利能力（roa）是银行净利润与总资产之比；净息差（nim）为银行净利息与生息资产之比；银行杠杆率（lev）为银行负债与总资产之比。

宏观经济层面的控制变量选取如下：选取人均GDP 增长率（rgdp）衡量人均国内生产总值增长率。相关变量的具体定义见表1。（表1）

表1 变量定义及测量一览表

（三）计量模型构建。内生性问题是指计量模型中的一个或多个解释变量可能与随机扰动项相关，由于动态面板模型中被解释变量存在的一阶滞后项会导致模型存在内生性问题，因此本文参考Blundell 和Bond（1998）提出的GMM 广义矩估计方法进行实证研究，此方法不仅可以解决模型中存在的内生性问题和估计结果不可靠的问题，还能考虑到误差项的异方差和自相关问题，并提高模型的准确性。同时，系统GMM 方法在差分GMM 方法的基础上，进一步考虑了水平方程的内生性问题，在一定程度上是差分GMM 方法的优化，因此本文选择系统GMM 方法进行研究。由此构建如下基准回归模型研究绿色信贷对商业银行风险承担的影响。由于银行风险存在滞后性，因此本文将Z 值的对数的滞后一期作为解释变量放入方程中，模型如下：

上述模型中，lnZit为被解释变量银行风险承担；lnZit-1代表银行风险承担的滞后一期；lngloadit为绿色信贷余额的自然对数；CONTROL 为控制变量；γi为个体固定效应，可以排除一些不随时间变化但随个体变化的因素对结果的干扰，有助于在一定程度上缓解由于遗漏变量导致的内生性问题；μit为随机扰动项。其中，β0为截距项，β1衡量了绿色信贷对商业银行风险承担的影响作用，即若此系数显著为正，则表示银行开展绿色信贷业务会抑制此风险。为了减少随机扰动项不规则带来的问题，所有回归都加入银行层面的聚类稳健性标准误。

四、实证检验与结果分析

（一）描述性统计。表2 为变量描述性统计的分析结果。可以看出，商业银行风险承担的对数（lnZ）的均值为2.922，标准差为0.736，最小值为1.102，最大值为4.810，表明不同银行风险承担水平存在差异且差距较大。绿色信贷余额的对数（lngload）的均值为6.261，可以看出我国目前绿色信贷的占比较低。从绿色信贷占比的最小值0.195 和最大值23.769 可以看出，部分银行对绿色信贷的开展较为消极，部分银行的绿色信贷业务发展较为迅猛。其余财务指标方面，不良贷款率（npl）的均值为1.219，标准差为0.390，表明商业银行面临的信贷风险较低。此外，其他变量的描述性统计结果基本都在合理范围内，并且可以排除离群值的实证结果影响。（表2）

表2 变量描述性统计结果一览表

（二）相关性分析。本文进一步对各个变量间的相关性进行分析，矩阵左下为Pearson 相关系数，右上为Spearman 相关系数，各变量之间的相关系数结果如表3 所示，显示商业银行风险承担变量与大多数变量存在显著相关关系。各解释变量间相关系数的绝对值绝大多数在0.4 以下，表明模型中存在的多重共线性问题并不严重。其中，商业银行风险与绿色信贷余额的对数之间存在显著的正相关关系，这意味着绿色信贷政策的实施增加了商业银行风险，即绿色信贷对商业银行风险承担具有正向相关作用。（表3）

表3 变量相关系数一览表

（三）基准回归结果。表4 报告了绿色信贷对商业银行风险承担影响的动态面板回归结果。在表4 中，第（1）列为加入宏观层面控制变量和商业银行微观层面控制变量后的回归结果，从中可以看出实施绿色信贷政策对我国上市商业银行风险承担的影响系数为-0.201，并且在1%的显著水平下显著，表示绿色信贷政策每上升一个单位，上市商业银行的风险承担水平就会下降0.201 个单位，即绿色信贷对我国上市商业银行风险承担具有负相关关系，初步验证了本文假设1。同时，风险承担水平滞后一阶L.lnZ 的回归系数为0.344，在1%的显著性水平下显著为正，表明商业银行风险承担水平具有一定的路径依赖性。由此可得，商业银行开展绿色信贷业务会显著降低商业银行的风险承担水平。从控制变量的估计结果发现，资产收益率的回归系数显著为正，说明商业银行的盈利能力越强，它主动承担高风险的能力越强。其余控制变量的估计结果均在合理范围内，此处不再赘述。（表4）

表4 基准回归结果一览表

同时，从系统GMM 法来看，为了确定对模型估计的有效性和稳健性，本文进行了两个重要检验：一是过度识别检验，即采用Hansen 检验对所使用的工具变量的有效性进行检验，Hansen 检验的P 值均大于0.1，则不拒绝工具变量有效的原假设，表示工具变量选取是合理的；二是通过自相关检验方法进行二阶序列相关检验，以验证扰动项无自相关，即AR（1）检验P 值均小于0.1，则残差项存在一阶自相关，AR（2）检验P 值均大于0.1，则接受原假设，残差项不存在二阶自相关。当两项假设检验都通过时，则表示估计结果是可靠的，验证了模型设定的合理性。由表4 结果可知，AR（1）的值为0.008，表明一阶差分存在自相关，AR（2）的值为0.180，大于0.1，表明扰动项不存在二阶自相关。表中Hansen 检验的P 值为0.400，大于0.1，接受“所有工具变量均为有效”的原假设。综上所述，系统GMM模型是合理的。

（四）稳健性检验。为增强本文的可靠性，进一步从控制变量滞后一期和增加控制变量两个方面进行稳健性检验。

1、替换被解释变量。本文使用拨备覆盖率（cov）来衡量银行是否拥有及时计提贷款准备金的能力，以此表示商业银行风险承担水平。下面使用拨备覆盖率替代Z 值进行回归，从而对基准回归进行进一步稳健性检验，稳健性回归结果如表5 所示。结果显示，回归系数的绝对值比基准回归系数大，绿色信贷对商业银行风险承担的影响表现出显著的负向作用，即绿色信贷依然会降低商业银行风险承担水平，由此证明本文结论是稳健的。（表5）

表5 稳健性检验（ 替换被解释变量）一览表

2、增加控制变量。在基准回归结果中并没有加入控制变量growth 成长能力，现在将此控制变量加入控制变量集合进行进一步回归，如表6 的（1）～（2）是加入growth 成长能力的结果。表中显示lngload 的系数与基准回归结果一致，且核心解释变量回归系数更大，说明增加控制变量不改变本文最后结论，结果是稳健的。（表6）

表6 稳健性检验（ 增加控制变量）一览表

五、进一步分析

（一）作用机制检验。为验证前文提出的理论假设，本文采用三步法构建式（1）～式（3）中介效应模型进行中介效应分析，以此检验绿色信贷是否通过非利息收入占比这一渠道来影响商业银行风险承担。在中介效应检验程序中：第一，绿色信贷对商业银行风险承担影响显著，即模型（1）中系数β1达到显著性水平；第二，绿色信贷对中介变量Niii，t影响显著，即模型（2）中系数ϑ1达到显著性水平；第三，将绿色信贷、中介变量Niii，t与商业银行风险承担统一纳入式（3）这一回归模型中，如果中介变量Niii，t系数显著，当绿色信贷系数不显著时则存在完全中介作用，当绿色信贷系数显著时则存在部分中介作用。其中，Niii，t为中介变量非利息收入占比；β1代表绿色信贷对商业银行风险承担影响的总效应；θ1为绿色信贷政策的实施对商业银行风险承担影响的直接效应。构建的中介效应模型如下：

表7 列出了非利息收入占比的传导渠道检验结果。根据表8 对绿色信贷对商业银行风险承担的影响进行实证分析基本结果可知：在未加入中介变量nii 时，核心解释变量（lngload）对净息差（nii）在10%的显著性水平上存在正向影响，即绿色信贷的积极开展对上市商业银行的净息差有促进作用；在加入中介变量nii 后，结果显示绿色信贷对商业银行风险承担的影响不显著，因此需要进一步进行Bootstrap 检验。（表7）

表7 传导渠道检验结果一览表

为了进一步保证中介效应的显著性，本文采用Bootstrap检验方法对中介效应进一步检验，结果如表8 所示。若拒绝原假设，则说明中介效应显著，反之不显著。由Bootstrap 检验可得，路径中的90%置信区间为［0.002，0.043］，未包含0，表示存在显著的中介效应，说明非利息收入占比在绿色信贷对商业银行风险承担的影响中起到的中介作用显著存在，即假设2 得到了进一步论证，证明本文的研究结果较为稳健。（表8）

表8 Boot strap 中介效应检验法一览表

（二）异质性分析。为了进一步探究绿色信贷对我国上市商业银行风险承担的影响在银行类型层面的异质性特征，参考邵传林、闫永生（2020）的文献，现将各银行分为国有行、股份制银行和城市商业银行三组进行分组检验。如表9 第（2）～第（4）列为银行类型层面的异质性检验结果。表9 中结果显示，绿色信贷余额（Lngload）在全样本和城商行样本中的回归系数分别在1%和5%的水平下显著为正，说明对于全样本以及全样本中的城商行样本来说，绿色信贷会提高其风险承担水平，但影响程度是不同的。国有行作为我国银行规模最大的一类银行，其异质性分析结果并不显著，可能原因如下：首先，国有行通常具有较为复杂的内部管理体系，上级部门传递的信息有时并不能及时有效地传递给基层员工，导致基层员工较难有效开展相关绿色信贷工作。其次，多数员工对上级部门布置的任务并不重视，导致员工忽视对绿色信贷业务流程的学习与推进，易造成绿色信贷业务开展缓慢。（表9）

六、结论及政策建议

（一）结论。本文选取2010～2021年中国19 家上市商业银行年度平衡面板数据，构建面板回归模型对绿色信贷对我国上市商业银行风险承担的影响及其异质性特征进行实证分析，并进一步考察非利息收入占比对其的中介作用。得出结论如下：（1）商业银行开展绿色信贷业务会显著降低商业银行的风险承担水平。（2）非利息收入占比在实施绿色信贷政策对我国上市商业银行风险承担的影响中承担着中介作用，经过中介效应可知非利息收入占比在绿色信贷对商业银行风险承担的影响中起到的中介作用显著存在，即“绿色信贷-非利息收入占比-银行风险承担”这一传导渠道有效。（3）实施绿色信贷政策对我国上市商业银行风险承担的影响存在异质性特征，与股份行和城商行相比，绿色信贷对国有行风险承担的正向作用程度更大。

（二）政策建议。基于以上研究结论，本文从商业银行、金融监管机构和政府部门三个层面提出如下政策建议：

第一，商业银行要加强对行业内员工专业素质的培养，加大行业内违规行为处罚力度，充分发挥风险防范作用。由于我国绿色信贷政策实施时间相对较短，并且对于有关绿色信贷和环境保护领域的专业知识储备要求也高，这会带来银行内绿色信贷从业人员出现未经专业培训上岗的现象。因此，从贷前审查、贷中实时跟踪及贷后资金回流三个业务流程来看，提升商业银行内部员工专业素质都是保证绿色信贷实施的关键。

第二，金融监管机构应支持、鼓励并引导商业银行大力发展绿色信贷业务，推动银行业转型升级，并根据各家商业银行的不同状况实行差异化政策，有针对性地进行金融监管。同时，监管部门应当建立及完善相关激励机制和风险补偿机制以提升商业银行绿色信贷水平，提高银行开展绿色信贷活动的积极性，降低商业银行风险承担。

第三，政府部门应出台相关法律法规推动对我国绿色信贷法律体系的规范实施。就目前来看，我国绿色信贷金融体系仍处于发展阶段，相关政策法律法规体系仍不完善，在商业银行层面的法律条款也较为模糊。加强对商业银行的法制建设，不仅能有效控制商业银行的绿色信贷风险，提升银行风险承担水平，达到保障商业银行利益和促进环境保护的双重效果，也有助于推动政府部门相关绿色环保项目的有效开展。