金融科技、強環境規制與區域工業綠色發展

劉晶 張堯

摘 要：基于工業綠色增長、資源環境壓力、綠色政策支持三個維度構建工業綠色發展評價體系，對全國30個省、區、市工業綠色發展水平進行測度;在此基礎上探討金融科技對工業綠色發展水平提升的傳導機制，并運用三重差分模型分析強環境規制下金融科技對工業綠色發展水平提升的補償效應。結果表明：我國工業綠色發展取得明顯成效，東部地區發展水平較高，中部次之，西部較低。其中，金融科技對工業綠色發展水平提升具有正面效應，強環境規制下金融科技發展程度越高的地區對其工業綠色發展水平提升效應愈加顯著。因此，亟須推動工業綠色協調發展，強環境規制地區更應注重借助金融科技手段驅動工業綠色發展提質增效。

關鍵詞： 金融科技;強環境規制;工業綠色發展;三重差分模型;傳導機制

中圖分類號：F420?? 文獻標識碼： A??? 文章編號：1003-7217（2022）02-0123-09

一、引言及文獻述評

習近平總書記強調，綠水青山就是金山銀山，綠色發展是生態文明建設的必然要求。推動工業綠色發展是貫徹落實習近平總書記生態文明思想的重要體現。2010年163項環保政策法規和2015年新《中華人民共和國環境保護法》《生態文明體制改革總體方案》的出臺標志著我國進入強環境規制周期和建設美麗中國的新階段[1]。同時，移動互聯網技術的深化，推進大數據等新一代信息技術與傳統金融業融合，金融科技蓬勃興起，對金融體系和金融基礎設施的重大創新影響工業綠色發展[2]。在金融科技快速發展疊加強環境規制周期背景下，回應學術界和政府部門關切：一是我國工業綠色發展如何？二是金融科技對促進工業綠色轉型、提升工業綠色方面產生怎樣的傳導作用？三是強環境規制下金融科技對工業綠色發展水平提升是否會有不同表現？探索上述問題，有助于豐富金融科技、環境保護與工業綠色發展之間關系，對我國抓住金融科技發展機遇，權衡在金融深化與工業發展和環境保護過程中，構建高效、清潔、低碳、循環的綠色工業體系具有參考意義。鑒于此，本文圍繞金融科技對工業綠色發展水平提升的傳導機制以及引入強環境規制后金融科技補償效應進行探索，結合主題梳理三個方面的文獻。

（一）工業綠色發展內涵與測度

一是綠色發展及工業綠色發展。劉思華（2001）認為，綠色發展以生態經濟協調為核心，綠色發展與生態文明、可持續發展有機結合能夠實現人與自然、生態與經濟和諧發展[3]。工業綠色發展是要實現工業生產過程中所有環節的資源利用最大化，減少工業污染產生[4]。美國等通過政策干預達到內化環境外部性成本及實現可持續增長[5]。二是工業綠色發展測度。鄭紅霞等（2013）圍繞綠色國民經濟核算體系、綠色發展多指標測度體系和綠色發展綜合指數，探討相關指標評價[6]。彭星和李斌（2016）運用動態面板模型檢驗環境規制對工業綠色轉型非線性影響[7]。盧強等（2013）建立工業資源環境壓力、工業資源環境彈性脫鉤和工業發展綠化度三個層面的工業綠色發展評價體系[8]。韓晶和藍慶新（2012）運用DEA模型與Tobit模型對2005-2009年我國省域工業綠化度進行測度[9]。通過文獻發現，工業綠色發展指標可歸為工業綠色增長、資源環境約束和政府環境保護三個維度以及工業企業和政府兩個主體，但是考察維度較少。本文提出的工業綠色發展，不僅體現生產制造和增值效率，而且反映能源消耗降低、環境污染減少等綠色內涵，追求速度效益協同。由于政府在推動綠色發展中扮演重要角色和我國步入強環境規制周期這一實際，有必要將政府對工業綠色發展支持納入工業綠色發展評價體系加以考量，以準確反映我國工業綠色發展狀況。

（二）金融科技與工業綠色發展

一是金融科技界定。金融穩定理事會（2016）將金融科技定義為“科技帶來的金融創新，能產生新的商業模式、應用、過程和產品，而對金融市場、機構和服務方式產生重大影響”[10]。本文認為金融科技是為工業企業尤其中小微企業以及地方政府提供新融資渠道的所有金融科技業態。二是金融科技影響工業綠色發展作用機制。有文獻探討金融科技對經濟可持續發展的作用，例如從移動交易支付等方面，以及改善效率、降低交易成本和信息不對稱的新商業模式方面，定性分析其對可持續發展的作用[11]。有文獻從綠色金融角度探討其對可持續發展的影響，例如Nassiry（2018）研究金融科技創新P2P能源交易、可追溯供應鏈等新商業模式，助力可持續目標實現[12]。巴曙松等（2018）分析綠色金融和綠色信貸對綠色經濟的影響[13]。三是金融科技對工業綠色發展傳導機制。Buera等（2011）、Laeven等（2015）認為，金融活動通過資金配置功能將資本優先配置給低污染的企業進而實現綠色發展[14，15]。李林漢和田衛民（2020）認為金融深化與科技創新對綠色經濟發展具有促進作用[16]。通過文獻發現，金融科技對信貸市場影響體現在其對長尾、次級信用人群和中小企業信息中介的作用，使得依托大數據等金融科技新業態能對上述群體產生普惠性[17]。一方面通過電子商務、搜索等數字足跡提供信息生產，增加長尾企業貸款覆蓋度和可得性[18];另一方面通過云計算和智能風控模型等降低小微企業貸款風險[19]。

（三）環境規制下金融科技與工業綠色發展

一是環境規制對工業綠色發展作用。工業綠色是工業企業對環境壓力認知、學習和行動的過程，動力來源于企業內部經濟績效和環境績效的驅動作用[20]。劉紅明（2008）指出，工業綠色驅動力形成和作用發揮，首先體現在政府、市場和社會公眾對環境問題響應及其程度，其次體現在企業對政府推力、市場引力和公眾壓力響應及其程度，最后體現在外部壓力向內部驅動力轉化及其程度[21]。合理的環境規制能夠轉變技術發展方向，加速工業走上綠色技術創新軌道[22]。Rennings和Rammer（2011）認為環境規制對工業綠色發展正面影響源自新產品銷售和成本節約[23]。Cole等（2005）通過研究英國數據發現，環境規制有效降低了英國工業空氣污染排放量[24];Kathuria（2007）針對印度研究發現，環境規制對企業污染排放控制發揮積極作用，企業技術效率隨著環境規制措施強度增大而提高[25]。二是環境規制下金融科技對工業綠色發展補償效應。直接研究金融科技對工業綠色發展補償效應的文獻較少，相關研究側重考察綠色金融對環保和綠色創新補償效應。Drry和Schulz（2018）指出，綠色金融需要通過更加生態友好的方式推動，從而確保在環境創新中發揮互補作用[26]。Tolliver等（2021）提出，綠色金融是對綠色創新過程的補充，可以增強用于產品研發的金融資本，進而向可持續增長模式轉變[27]。gzslib202204011819

現有文獻為本文提供了良好的研究基礎，但關于金融科技對工業綠色發展水平提升及強環境規制下補償效應研究較少。本文圍繞上述三個問題進行研究：一是采用2001-2019年省際面板數據，將強環境監管下政策干預指標納入工業綠色發展評價體系，對工業綠色發展進行測算，分析區域工業綠色發展差異。二是利用我國金融科技實踐大數據構建金融科技發展評價體系，從金融科技角度探討其對工業綠色發展的影響及傳導機制。三是將環保政策作為“準自然實驗”的政策沖擊，利用三重差分模型考察在強環境規制條件下金融科技發展對工業綠色發展水平提升的補償效應。以期為我國在抓住金融科技等前沿科技紅利提升工業綠色發展方面獲取新的政策啟示。

二、區域工業綠色發展水平測度

（一）評價體系構建

建立規模以上工業企業和政府兩個主體，工業綠色增長、資源環境壓力、綠色政策支持三個系統層，21個指標層構成的工業綠色發展評價體系，見表1。賦予各指標權重為三分之一，對指標層指數進行無綱量化處理。選取我國30個省、區、市作為研究對象，數據來自《中國統計年鑒》《中國環境統計年鑒》《中國科技統計年鑒》等，指標層數據采用2001-2019年平均值。

（二）評價結果分析

結果顯示，我國工業綠色發展水平平均指數為46.33，綠色發展水平較高的省、區、市集中在東部地區，工業綠色發展水平指數排名靠前的有廣東、山東、江蘇、浙江、福建，排名靠后的有寧夏、青海、甘肅、貴州、新疆。

1.工業綠色增長。我國工業綠色增長指數平均值為35.68。工業綠色增長較高的是廣東，其次是江蘇、浙江和上海;較低的是甘肅、青海、廣西和山西。從影響工業綠色增長因素看，科研經費支出占主營業務收入比重超過1%的有上海、廣東、浙江、北京、天津、江蘇、重慶、湖南、山東、湖北，雖然較其他地區較高，但仍然偏低。工業增加值增長率較高的省、區、市有陜西、江西、內蒙古、貴州、寧夏。有效發明專利申請數排名靠前的有廣東、江蘇、浙江、山東、上海。從企業效益指標來看，新疆、陜西、內蒙古、福建、海南、北京排名靠前。廣東、江蘇、浙江、上海、山東居于創新驅動潛力前五位，海南、廣西、吉林、新疆、青海列后五位，呈現明顯東強西弱的格局。原因在于東部以強大經濟基礎為后盾，在科研發展中投入了巨大的人力、物力，西部工業基礎薄弱，難以提供巨大資金進行科研創新，創新驅動不足。

2.資源環境壓力。我國資源環境壓力指數平均值為73.52。天津、山東、浙江、廣東、北京等資源環境壓力指數排名靠前，新疆、甘肅、貴州、青海、寧夏排名靠后。天津資源環境壓力指數最高，資源消耗嚴重，資源環境壓力巨大。盡管資源消耗壓力較大，但大多省、區、市出現污染排放強度增加情況，采取生態治理和污染排放分離策略以及走邊污染邊治理老路。從資源消耗強度來看，天津、山東、浙江、廣東、河南排名靠前，這些地區工業較為發達，經濟發展耗能高，發展相對粗放。北京、上海和江蘇作為經濟發達地區，工業資源消耗較低，發展比較集約。從污染排放強度看，北京、上海、天津、廣東、浙江工業污染物排放量大;甘肅、新疆、貴州、青海、寧夏污染排放強度最低。經濟越發達地區，污染排放強度越高，而一些資源密集型地區例如內蒙古、山西污染排放強度不高。北京和上海雖然工業能耗小，但污染物排放量大，反映兩地工業污染企業密度高。

3.綠色政策支持。東部地區綠色政策支持大于中西部地區。與工業綠色增長和資源環境壓力指數不同的是，華北地區綠色政策支持普遍高于其他地區。四川、重慶、湖北等長江中上游省、區、市的綠色政策支持普遍高于周邊省、區、市。原因在于這三地相較于周邊省、區、市經濟發達，生態環境建設和保護意識強，特別是重慶，生態環境保護指數居第七位。西北地區指數最低，甘肅、新疆列后兩位。污染治理投資方面，山東、江蘇、山西、廣東、福建等地較高，在污染控制方面有強大動力和資金實力反哺污染治理。生態環境保護方面，廣東、江西、福建、海南、北京位居前列，造林面積、保護區面積占轄區比重相對較高。

三、金融科技與區域工業綠色發展

（一）變量定義與數據來源

對金融科技影響工業綠色發展進行面板回歸分析，無法應用各省、區、市所有年度整體指標體系的統一權重，需要進行分年度重新賦權測定。為獲得各年度工業綠色發展指標，采用客觀賦權法中的熵值法對指標進行賦權加總，測得各年度分地區工業綠色發展簡化指標（GREENI）。面板數據逐年熵值法步驟如下：

（1）首先對m個樣本，n個評價指標的初始值數據矩陣xijm×n做標準化處理：

yij=xij/∑mi=1xij（1）

（2）計算指標j的熵值：ej=-k∑mi=1yijln yij （2）

其中，k=（ln m）-1，0≤e≤1。

（3）將熵值與1做差值dj：對于給定的指標j，xij的差異性越小，則ej越大;當指標完全無序時，ej=1，此時ej的信息對綜合評價的效用值為零。因此需要定義差異性因素向量w=（w1，w2，…，wn），即為各指標權重值，其中：

wj=dj/∑nj=1dj（3）

（4）最后加權求和得到某年度綜合評分：

Si=∑nj=1wjyij （4）

主要解釋變量為金融科技水平（FINTECHI）。參考國家金融與發展實驗室等（2018）[28]的研究，將我國某頭部金融科技貸款公司的微觀借貸大數據與間接衡量金融科技產業發展水平的宏觀指標結合，建立指標體系，采用熵值法進行賦權加總。各指標含義如表2所示。

其中，互聯網普及率，第三產業交通運輸、倉儲及郵電通信業收入，第三產業金融業收入，以及保險費用收入來自Wind數據庫。剩余三個指標通過搜集我國某頭部金融科技企業2010年10月12日（首筆成功訂單交易日）至2018年12月31日共計943641筆成交訂單樣本計算獲得。由于金融科技平臺綜合運用大數據、云計算等開展業務，能緩解工業企業融資約束，這是金融科技重要落地場景之一，屬于直接衡量金融科技發展水平的重要指標，因而被賦予較大權重。而觀察熵值法客觀賦權結果發現相關三個指標權重總和平均已達到50%，無須再進行主觀調整，這也例證了熵值法的科學性。四個間接指標分別囊括信息互聯網和金融業發展信息。根據《國民經濟行業分類》歷年版次，信息傳輸、軟件和信息技術服務業近些年已從舊版“交通運輸、倉儲及郵電通信業”中分離出來，故采用更為翔實的新版數據。此外，在進一步實證中對交通運輸和物流變量進行控制。gzslib202204011819

參考李江龍和徐斌（2018）[29]的研究，控制變量包括地區經濟發展與開放程度，環境及其規制以及地區科技、產業發展水平。一是對外開放度（OPENNESS）以實際利用外資總額占地區GDP比重表征，政府支出水平（GOVE）用政府一般公共預算支出占地區GDP比重表征。這兩項控制了地區經濟發展與開放程度引致金融科技發展部分信息。此外，控制以人均貨物周轉量表示的物流發展水平（LOGISTICS），對該項控制有助于分離出金融科技指標中第三產業交通運輸、倉儲信息。二是以地方政府工作報告中“環?！毕嚓P詞頻表征地方政府環境治理力度（ENVIRON），以地區年度PM2.5濃度均值來衡量霧霾污染（PM）。這兩項有助于控制環境及政策治理所引致的市場為滿足環境規制進行必要的創新，其可能通過吸納金融科技所帶來的額外資金來削減金融科技效應。三是以技術市場成交額/單位研發投入表示地區研發水平（R&D），以控制其他科技發展因素。取對數的長途光纜里程代表電信發展水平（TELECOM），用工業增加值占地區GDP份額代表產業結構（IS）。

（二）模型設定與實證結果

設定面板數據固定效應作為基準模型，以檢驗金融科技發展對工業綠色發展的影響：

GREENIi，t=α0+α1·FINTECHIi，t+

xi，tβ+μi，t+λt+εi，t（5）

其中，GREENIi，t是被解釋變量工業綠色水平，FINTECHIi，t為核心解釋變量金融科技水平。xi，t代表前文提及的所有控制變量。模型（5）中還控制了地區固定效應和以2008年為基期的時間效應。結果如表3所示。

根據表3，雙向固定效應模型（5）顯示金融科技發展在99%置信水平下有顯著正效應，說明金融科技發展程度高的地區平均而言要比金融科技發展程度低的地區工業綠色發展程度更高。為確認該結果，利用動態面板GMM模型天然具備工具變量的優勢進行重新估計，以克服內生性。表3中列（3）（4）均采用核心解釋變量金融科技水平（FINTECHI）的滯后1期作為其GMM式工具變量，分別用被解釋變量工業綠色發展的滯后2-3期和滯后2期作為其GMM式工具變量。列（5）則在列（4）的基礎上將工業綠色發展的GMM式工具變量替換為其滯后2期。列（6）為替換因變量工業綠色發展的回歸結果，其余控制變量作為外生變量。發現，無論是簡單的OLS混合回歸，排除不隨時間變化的遺漏變量影響的雙向固定效應，抑或消除內生性的動態面板GMM模型都展現出良好的一致性，證實了金融科技對工業綠色發展的正面影響。

（三）影響機制分析

金融科技對工業綠色發展提升的正向效應究竟通過怎樣的傳導機制起作用？本文構建的工業綠色發展指標體系能夠進行傳導途徑的分解和檢驗。首先從工業綠色增長、資源環境壓力和綠色政策支持三個角度檢驗金融科技正效應的主要來源，然后深入子準則層探究傳導路徑。本部分采用的實證模型與本部分第（二）小節一致，部分準則層及子準則層維度實證檢驗結果如表4所示。

以該部分第（二）小節模型（5）為基礎，不斷將被解釋變量替換為工業綠色發展指標的所有準則層和子準則層的熵值法得分，以分析金融科技對工業綠色發展提升的傳導機制。表4展示了上述檢驗中所有統計學上顯著的結果，其他不能判定拒絕原假設的未予體現，模型均控制個體和時間雙向固定效應。表4中列（1）被解釋變量為表1中的工業綠色增長，列（2）對應綠色發展潛力，列（3）（4）為污染排放強度。一是通過列（1）（2）發現，金融科技正面作用主要通過工業綠色增長，尤其是綠色發展潛力渠道，說明金融科技創新金融業態，使得地區工業創新發展的融資約束得到一定程度的緩解，有力地支持企業的R&D、開發新產品等活動。二是通過列（3）發現，在控制其他因素后，金融科技越發達地區其污染排放強度更高。為進一步排除地區自身污染程度影響，在減少霧霾污染（PM）變量后，列（4）依然得到一致結果。說明金融科技在緩解企業融資約束方面具有普惠性，即不僅在研發創新活動方面給予更多資金支持，也緩解了企業“粗放”增長、環境不友好型業務的融資約束，給難以獲得貸款的小微及初創企業提供了新的借貸渠道。這進一步驅動本文探究環境規制趨嚴之下，金融科技在助力工業綠色化發展中扮演怎樣的角色。

四、強環境規制下金融科技對區域工業綠色水平提升的補償效應

圍繞金融科技對工業綠色發展水平提升所發揮的助推作用，進一步探討強環境規制之下金融科技對工業綠色水平提升的補償效應，或有助于在工業綠色化的科學發展方面獲得新的政策啟示。

（一）三重差分模型的實證檢驗

為了對強環境規制之下金融科技對工業綠色化發展的補償效應進行識別，將金融科技發展（FINTECHI）與地方政府環境治理力度（ENVIRON）的交互項加入第三部分第（二）小節中基準模型（5）。由于金融科技發展（FINTECHI）核心組成指標來自我國頭部金融科技公司借貸信息，一方面微觀企業成立和業務開拓相對于宏觀的工業綠色發展具有隨機性;另一方面觀察該微觀大數據集發現，在該企業成立并開展網絡借貸的2010年度內，上海、重慶、海南、山西、青海、陜西、寧夏和云南均未有客戶與該企業交易，具有很強的漸進雙重差分特征。上述地區包含發達和欠發達地區，與環境規制政策試點地區顯著不相關，因此該指標包含漸進雙重差分的全部信息。地方政府環境治理力度（ENVIRON）是以從政府工作報告提取的環保相關詞頻來衡量，外生性較強，適合作為三重差分（DDD）模型的最后一重差分。借鑒任勝鋼等（2019）[30]的研究，將三重差分模型設定如下：

GREENIi，j，t=α0+β1×FINTECHIi，t×

ENVIRONj+β2×FINTECHIi，t+

β3×ENVIRONj+xi，tβ+μi，t+λt+εi，t（6）gzslib202204011820

其中，GREENIi，j，t變量與前文定義保持一致。FINTECHIi，t×ENVIRONj代表更嚴格的環境規制下的金融科技發展。β1為三重差分估計量，代表某地區在接受更嚴格環境規制后發展金融科技對工業綠色發展的平均效應。結果如表5所示。

根據表5，列（1）為采用普通標準誤的雙向固定效應，列（2）OLS的簡單回歸作為對照。列（3）為采用聚類穩健標準誤的雙向固定效應。利用動態面板GMM模型天然具備工具變量的優勢進行重新估計，列（4）采用核心解釋變量金融科技水平（FINTECHI）及交互項的滯后1期作為其GMM式工具變量，用被解釋變量工業綠色發展的滯后2期作為其GMM式工具變量。綜合不同模型結果，三重差分項顯著正效應，保持良好穩健性，意味著在更嚴格環境規制后，金融科技程度越高的地區對該地區工業綠色發展產生越顯著的正面影響。

（二）影響機制分析

強環境規制下金融科技對工業綠色發展正向傳導機制是否有不同表現？同樣對所有準則層和子準則層指標進行逐次實證檢驗，所采用實證模型與本部分第（一）小節一致，部分準則層及子準則層維度檢驗結果見表6。

本部分與第三部分第（三）小節類似，不斷將被解釋變量替換為工業綠色發展指標的所有準則層和子準則層的熵值法得分，以探究強環境規制下金融科技對工業綠色發展的影響傳導機制。不同在于使用三重差分模型，且均控制個體和時間雙向固定效應。如表6所示，強環境規制下金融科技發展對工業綠色發展水平的助推作用主要體現在資源環境壓力[列（1）]和綠色政策支持[列（3）]，尤其通過兩者分別下屬的工業資源消耗[列（2）]和環?；A投入[列（4）]進行傳導。綜合上述結果，并與第三部分第（三）小節金融科技單變量的傳導機制進行比較發現：一是對于工業綠色增長，金融科技與環境規制互補效應不明顯。金融科技未能如第三部分第（三）小節中繼續對工業綠色增長，尤其是綠色發展潛力產生額外正向影響。這是因為較強環境規制地區，企業創新研發意愿足夠強烈，金融科技對企業融資約束緩解邊際效應不明顯，也由于當前金融科技瞄準信用資質并不優異的小微企業等長尾群體，強環境規制下小微企業因技術水平和體量劣勢未能將新獲得資金投入創新研發活動。二是對于資源環境壓力，金融科技對環境規制影響產生顯著催化效應。結合第三部分第（三）小節金融科技單變量負向影響發現，強環境規制下企業能更好地將從金融科技新業態獲得的資金用于加強環保措施等，以滿足環境監管要求，而非“環境非友好型”業務擴張。三是對于綠色政策支持尤其是環保基礎投入，金融科技與環境規制產生顯著互補效應。對比金融科技單變量對環?；A投入影響結果并不顯著，說明在強環境規制壓力下金融科技能使政府獲得額外融資渠道，進而提升政府對環保資金支持能力。

五、研究結論與政策啟示

基于2001-2019年我國30個省、區、市平均數據，對工業綠色發展進行評價，并以省級面板數據雙向固定效應作為基準模型，從金融科技角度探討工業綠色水平提升傳導機制，并進一步運用三重差分模型，分析強環境規制下金融科技對工業綠色水平提升補償效應。結果發現，我國工業綠色發展水平較低，金融科技對工業綠色發展提升具有正效應，這種作用通過工業綠色增長尤其是綠色發展潛力渠道，說明金融科技創新金融業態，使地區工業創新融資約束得到緩解，支持企業進行研發及新產品推廣等活動。金融科技對緩解企業融資約束具有普惠性，不僅對企業研發創新投入給予資金支持，也緩解企業粗放型增長、環境不友好型業務融資約束;為眾多在銀行缺乏信用記錄而難以獲得貸款的中小微及初創企業提供借貸渠道。強環境規制下金融科技程度越高的地區對該地區工業綠色發展水平提升作用越明顯，這種作用體現在資源環境壓力和綠色政策支持，尤其通過工業資源消耗和環?；A投入進行傳導。對于工業綠色增長，金融科技與強環境規制補償效應不明顯;對于資源環境壓力，金融科技對環境規制影響產生顯著催化效應;對于綠色政策支持特別是環?；A投入，金融科技與環境規制產生了顯著補償效應?？傊?，更嚴格環境規制后，金融科技快速發展對工業綠色發展水平提升發揮了越加重要的作用。

由上述研究所獲政策啟示：一是推動工業綠色協調發展。在區域工業發展極不平衡狀態下，不同地區需結合工業稟賦和主體功能定位，建立區域間溝通機制，開展工業綠色發展戰略協同，為綠色要素自由流通搭建橋梁。二是推進工業數字化、智能化、網絡化、綠色化改造。促進信息要素共享，實現工業綠色與互聯網融合。推動工業企業使用先進設備和信息化手段開展能源消耗和污染物排放全面動態監控和管理，提升資源利用效率。三是加快工業綠色技術創新。鼓勵工業企業與高校、科研機構、服務機構共建實驗室、中試基地等創新載體，建設若干國家綠色創新示范企業和綠色技術創新中心。加強綠色制造關鍵核心技術知識產權儲備，構建以產業化導向的專利組合和戰略布局。四是豐富金融科技手段。發揮供應鏈金融、P2P能源交易、碳信用交易等金融科技作用，賦予工業綠色發展新動能。完善綠色金融體系，大力發展綠色債券、綠色股票等，實施綠色金融推動工業綠色轉型專項行動。五是加強資金流向引導監管。發展金融科技助力工業綠色發展提升的同時，引導資金流向高附加值、高創新價值企業。實行“監管沙箱”模式，規避部分企業假創新之名行向“僵尸企業”、高資源消耗等企業輸血之實。六是發揮金融科技補償效應。環境規制越嚴的地區在制定工業綠色發展政策時，應在環保資金投入和環境基礎設施建設上與金融科技企業開展廣泛合作，以更市場化、更可持續方式引導社會資金投入工業綠色發展。

參考文獻：

[1] 盛丹，張國峰.兩控區環境管制與企業全要素生產率增長[J].管理世界，2019，35（2）：30-48，204.

[2] Deng X，Huang Z，Cheng X.FinTech and sustainable development：evidence from China based on P2P data[J].Sustainability，2019，11（22）：1-19.gzslib202204011820

[3] 劉思華.綠色經濟論[M].北京：中國財政經濟出版社，2001.

[4] Graedel T E，Allengby B R，Comrie P R.Matrix approaches to abridged life cycle assessment[J].Environmental Science and Technology，1995，29（3）：134-139.

[5] Fay M， Hallegatte S，Vogt-Schilb A.Green industrial policies：when and how[R].World Bank Policy Research Working Paper WPS 6677，2013.

[6] 鄭紅霞，王毅，黃寶榮.綠色發展評價指標體系研究綜述[J].工業技術經濟，2013，33（2）：142-152.

[7] 彭星，李斌.不同類型環境規制下中國工業綠色轉型問題研究[J].財經研究，2016，42（7）：134-144.

[8] 盧強，吳清華，周永章，等.工業綠色發展評價指標體系及應用于廣東省區域評價的分析[J].生態環境學報，2013，22（3）：528-534.

[9] 韓晶，藍慶新.中國工業綠化度測算及影響因素研究[J].中國人口·資源與環境，2012，22（5）：101-107.

[10]FSB.Fintech：Describing the landscape and a framework for analysis[R].2016（3）.

[11]Hinson R，Lensink R，Mueller A.Transforming agribusiness in developing countries：SDGs and the role of FinTech[J].Current Opinion in Environmental Sustainability，2019，41（12）：1-9.

[12]Nassiry D.The role of FinTech in unlocking green finance：Policy insights for developing countries[R].ADBI Working Paper Series，2018.

[13]巴曙松，楊春波，姚舜達.中國綠色金融研究進展述評[J].金融發展研究，2018（6）：3-11.

[14]Buera F J，Kaboski J P，Shin Y.Finance and development：a tale of two sectors[J].American Economic Review，2011，101（5）：1964-2002.

[15]Laeven L，Levine R，Michalopoulos S.Financial innovation and endogenous growth[J].Journal of Financial Intermediation，2015，24（1）：1-24.

[16]李林漢，田衛民.金融深化、科技創新與綠色經濟[J].金融與經濟，2020（3）：68-75.

[17]王會娟，廖理.中國P2P網絡借貸平臺信用認證機制研究——來自“人人貸”的經驗證據[J].中國工業經濟，2014（4）：136-147.

[18]Agarwal S，Alok S，Ghosh P，et al.Fintech and credit scoring for the millennials：evidence using mobile and social footprints[R].Available at SSRN 3507827，2019.

[19]盛天翔，范從來.金融科技、最優銀行業市場結構與小微企業信貸供給[J].金融研究，2020（6）：114-132.

[20]王宜虎，陳雯.工業綠色化發展的動力機制分析[J].華中師范大學學報（自然科學版），2007（1）：125-129.

[21]劉紅明.工業綠色化的內涵及影響因素分析[J].現代經濟探討，2008（11）：54-57.

[22]景維民，張璐.環境管制、對外開放與中國工業的綠色技術進步[J].經濟研究，2014，49（9）：34-47.

[23]Rennings K，Rammer C.The impact of regulation-driven environmental innovation on innovation success and firm performance[J].Industry and Innovation，2011，18（3）：255-283.

[24]Cole M A， Elliott R J R，Shimamoto K.Industrial characteristics，environmental regulations and air pollution：an analysis of the UK manufacturing sector[J].Journal of Environmental Economics and Management，2005，50（1）：121-143.

[25]Kathuria V.Informal regulation of pollution in a developing country：evidence from India[J].Ecological Economics，2007，63（2）：403-417.gzslib202204011820

[26]Drry S，Schulz C.Green financing，interrupted.Potential directions for sustainable finance in Luxembourg[J].Local Environment，2018，23（7）：717-733.

[27]Tovlliver C，Fujii H，Keeley A R，et al.Green innovation and finance in Asia[J].Asian Economic Policy Review，2021（16）：67-87.

[28]國家金融與發展實驗室，中國社會科學研究院金融研究所，宜信宜人貸.Fintech視角下金融服務實體經濟報告[R].2018.

[29]李江龍，徐斌.“詛咒”還是“福音”：資源豐裕程度如何影響中國綠色經濟增長？[J].經濟研究，2018，53（9）：151-167.

[30]任勝鋼，鄭晶晶，劉東華，等.排污權交易機制是否提高了企業全要素生產率——來自中國上市公司的證據[J].中國工業經濟，2019（5）：5-23.

（責任編輯：王鐵軍）

Financial Technology， Strict Environmental Regulation

and Development of Regional Industrial Green

LIU? Jing1，2，ZHANG Yao3

（1.School of Urban Economics and Public Administration， Capital University of Economics and Business，

Beijing? 100070，China; 2.School of Finance，Qilu University of Technology，Ji'nan，Shandong 250100， China;

3.Institute of International Economy，University of International Business and Economics，Beijing 100029，China）

Abstract：Based on industrial green growth， resource and environment pressure， and green policy support， this paper constructs the industrial green quality evaluation system， and measures the industrial green quality of 30 provinces and cities in China by using Analytic Hierarchy Process （AHP）. On this basis， it analyzes the transmission mechanism of financial technology development on industrial green quality improvement， and further explores the additional effect of financial technology on the improvement of industrial green quality under strict environmental regulation by using the triple difference model. The overall progress of Chinas industrial green quality is remarkable， the coastal areas is higher， followed by the middle， and lower in the West. The development of financial technology has a positive effect on the improvement of industrial green quality， especially under the strict environmental regulation， the higher the level of financial technology development， the more significant the effect of provinces and cities on the improvement of industrial green quality. Therefore， there is an urgent need to promote the coordinated development of industrial green， it is also crucial to utilize new financial technology formats and new models to drive green industrialization to improve quality and efficiency when formulating industrial green development policies in areas with strict environmental regulation.

Key words：financial technology;strict environmental regulation;development of industrial green;the triple difference model;transmission mechanism

收稿日期： 2021-09-21; 修回日期： 2022-01-08

基金項目：? 2021年度山東省重點研發計劃（軟科學）一般項目（2021RKY04081）