綠色信貸對中國商業銀行經營績效的影響分析
——基于多家銀行的面板數據

□李雅聰 張瑞彬

改革開放以來，我國的經濟發展呈現出高速增長的局面，引起了全世界的關注，然而伴隨著經濟發展而來的是一系列的環境問題。現如今，經濟發展與環境問題的矛盾日益突出，要想取得經濟的高質量發展首先最為重要的就是要解決環境問題。綠色信貸在2007年第一次被公開提出，國家正式提出要通過信貸的手段來規范企業的污染排放問題，以此達到保護環境、防范風險的目的。2016年，央行發布了《關于構建綠色金融體系的指導意見》，該意見提出一系列的措施來鼓勵綠色信貸的發展。綠色信貸業務的發展需要商業銀行先行起到帶頭作用，銀行的支持可以促進該項業務的發展壯大，反過來，該項業務也會對銀行的經營產生影響。

一、文獻綜述

目前，關于綠色信貸與商業銀行經營績效之間的關系，綠色信貸對商業銀行經營績效究竟是正效應影響還是負效應影響，我國各界學者都有自己不同的觀點。

王建瓊、董可(2019)對12家商業銀行的面板數據進行了實證分析，結果顯示:發布綠色信貸業務將減少或者削弱大型商業銀行的資產和盈利能力，但是總貸款金額的增加在整體上也提高了商業銀行的資產和盈利能力[1]；杜金榮(2020)研究發現開展綠色信貸業務對銀行經營績效造成的影響是負向的[2]；唐亞蘭(2021)認為商業銀行開展綠色信貸業務，從短期來看，不利于銀行的盈利增長[3]。

李爽爽(2015)通過實證檢驗得出，中國商業銀行越是加大對綠色信貸政策的執行力度，其經濟績效就越好，兩者之間是正向的關系[4]；龔玉霞、張新等人(2018)通過建立動態面板模型進行研究，發現開展綠色信貸業務有助于銀行整體經營績效的提高[5]；高曉燕(2020)通過主成分分析、面板回歸等方法對銀行進行分析，得出銀行開展綠色信貸業務有益于其經營績效的提高[6]。

由此可見，雖然學者們對銀行的綠色信貸業務與其經營績效之間的關系各持己見，但是大方向上還是認為從長期來看，銀行開展綠色信貸業務有利于其經營績效的提升。因此，本文在參考現有文獻的基礎上，使用了Stata14對11家商業銀行的綠色信貸余額的數據進行分析，來研究其對銀行經營績效的影響。

二、研究設計

(一)指標選擇與測度。本文參考現有文獻，選取資產回報率作為被解釋變量，將綠色信貸余額選作解釋變量。控制變量選取的是銀行規模、存貸比、不良貸款率和非利息收入占比，其中對銀行規模的衡量，選取的是年度銀行總資產，由于其數額較大，因此對其數值采用了對數處理。

(二)數據來源。本文選取2010年～2020年11家上市商業銀行的相關數據進行研究。所有數據均取自銀行社會責任報告和同花順iFinD數據庫。

表1 各變量統計描述

從表1的各變量描述統計中可觀，整體商業銀行資產回報率的平均值是1.06%，說明商業銀行擁有較優水平的盈利能力，但是各個銀行還是存在差異性。綠色信貸余額的標準差是所有數據中最大值，為3969.21，極差為18444.71，說明各個銀行之間的綠色信貸業務存在較大差異；銀行規模取對數后均值為9.79，說明所選取的11家銀行規模較大，極差為10.87，表明各銀行還是存在差異性；存貸比的均值為77.74%，超過了國家規定的最高比例75%，樣本中最大值為111.2%，最小值為55.77%，說明部分銀行的存貸比遠遠超過了最高比例，而標準差11.85，說明各銀行存貸比之間存在較大的差異性；不良貸款率的標準差為0.44，說明相對于資產回報率而言，各銀行不良貸款率差異更大；非利息收入占比均值為25.59%，處于較高水平，說明銀行的中間業務收入在總收入中占據了較大的比重。

(三)模型設定。通過上文的檢驗分析，構建如下的回歸模型：

ROA=α+β1LS+β2LN+β3CDB+β4BL+β4FLX+ε

其中ROA指銀行資產回報率，LS指綠色信貸余額，LN指取對數后的銀行資產規模，CDB指存貸比，BL指不良貸款率，FLX指非利息收入占比，ε為隨機誤差項。

三、實證結果分析

本文使用了Stata14對11家商業銀行2010年至2020年的數據進行了研究分析，對其資產回報率、綠色信貸余額、銀行規模、存貸比和非利息收入占比做了回歸分析，分析結果如下：

表2 綠色信貸對商業銀行經營績效的影響

本文通過豪斯曼檢驗得出，Prob>chi2的值為0.0003，所以選擇采用固定效應回歸方式進行分析，具體結果見表2。從模型(1)和模型(3)的結果可以看出，在不考慮控制變量的情形下，綠色信貸余額對商業銀行的經營績效在1%的水平下顯著為負，影響系數為-3.46e-5，加入控制變量之后，綠色信貸余額對商業銀行經營績效的影響系數為-1.64e-5，且同樣在1%水平下顯著，說明不管是未加控制變量還是加入控制變量的情況下，綠色信貸余額對商業銀行的經營績效起到的是抑制作用。從模型(3)來看，商業銀行規模系數為0.03，但并不顯著，可能是因為雖然資產規模會促進經營績效，但是過大也不好，因此對其經營績效的效果并不顯著。存貸比和不良貸款率都在1%的水平下顯著為負，系數值分別為-0.01和-0.21，表明存貸比和不良貸款率過高都會對銀行經營產生不利影響，而非利息收入占比在5%的水平下顯著，系數為4.98e-3，說明非利息收入的提升有利于銀行經營績效的提高。

由于政策的實施效果具有時滯性，因此本文還對滯后一期的綠色信貸余額對商業銀行經營績效的影響進行了回歸檢驗，從模型(2)和(4)的結果可以看出，未加控制變量和加入控制變量的滯后一期的綠色信貸余額分別在1%和5%的水平下顯著為負，系數值為-4.65e-5和-1.71e-5，說明滯后一期的綠色信貸對銀行經營績效的影響也是負向。

本文以國有和非國有為劃分標準對11家銀行的數據進行分組討論，具體見表3。

表3 異質性檢驗

(續表3)

從上述模型中可以看出，未加控制變量和加入控制變量的綠色信貸余額對國有商業銀行的影響系數分別為-3.24e-5和-3.65e-5，且都在1%的水平下顯著，表明綠色信貸余額對國有商業銀行經營績效的影響是負效應，但其數值較小，說明這個負面影響是很微弱的。由表3中的模型(7)和模型(8)中可觀，加入控制變量后，當期的綠色信貸余額和滯后一期的綠色信貸余額對非國有商業銀行的經營績效的影響是正向，其系數值分別為1.26e-5和3.87e-5，但卻并不顯著，這可能是因為非國有商業銀行發展綠色信貸業務目前還在初期階段，該業務尚不成熟，所以綠色信貸余額對非國有商業銀行經營績效的正向影響不太顯著。

四、結論與建議

基于上述檢驗可知，綠色信貸余額對商業銀行整體經營績效的影響是負向，其中對國有商業銀行是顯著負效應影響，對股份制銀行是非顯著的正效應影響。原因可能有兩個，一是本文選取的區間是2010年至2020年，數據的時間跨度較小使得實證結果為負值，從其結果來看，綠色信貸余額的系數是-3.46e-5，對銀行經營績效影響微弱，從長遠發展來看，隨著國家政策的不斷推進，商業銀行逐漸增加綠色信貸業務方面的資金，那么該系數可能會在某一個年份轉為正數；二是我國綠色金融的發展與他國相比起步較晚，銀行對綠色信貸業務開展還在摸索中，因此對其的經營績效尚在不利影響階段。

從商業銀行每年公布的數據來看，綠色信貸業務呈現出了逐年上漲的趨勢。從長遠來看，擴大綠色信貸業務對銀行經營績效的影響是正面的，這是一項可持續發展戰略，特別在當今社會，碳中和和綠色金融已經成為了發展的潮流，從商業銀行的角度看，推動綠色信貸業務的開展從長期來看對其自身發展是有利的。因此，商業銀行應該采取措施來進一步擴大其綠色信貸業務。

(一)商業銀行應加強專業人才培養。綠色金融是目前我國金融發展的一個新興產業領域，對于擁有相關金融知識，且知曉法律，尤其是環保方面法律的復合型人才需求較大。對于這一方面，我國商業銀行可以派出相關專員去國際頂級的金融機構進行實地調研考察，加強我國與他國的關于綠色金融領域的交流與合作，借鑒國際金融機構培養人才的經驗，以此來提高我國綠色信貸工作人員的專業素質。在通過交流與合作積累一定的經驗基礎后，商業銀行可以依據自身的業務特點和發展情況成立專門的綠色經營機構，培養專于綠色信貸業務的高水平人才并且對商業銀行的綠色信貸發展業務進行監督管理。

商業銀行可以建立薪資激勵政策，利用高薪資來吸引綠色金融業務方面的人才，還可以對其內部的員工進行培訓并且建立相關的獎懲制度，通過培訓來增加員工的綠色信貸知識和環保意識，并通過獎懲機制來督促員工進行自我素質的提升。商業銀行在綠色金融領域的地位是十分顯著的，其身上所肩負的社會責任也十分的重，這致使銀行必須把綠色信貸的理念逐步發展深化成為其企業文化中的一部分，用其理念來指揮員工的行動，這是商業銀行發展壯大綠色信貸業務的重要一環。

(二)商業銀行應加大綠色信貸產品創新的力度。創新是綠色金融發展的動力，我國商業銀行也必須從創新方面踐行低碳發展理念。商業銀行應該在其產品的設計中貫穿低碳發展的綠色理念，積極研發符合綠色項目特點的產品，在滿足不同消費群體的特點和需求的研究上，設計多角度、多領域的綠色信貸產品，推進綠色工農業等各個領域的信貸產品創新。

(三)商業銀行應做好風險防控和內部控制。商業銀行在開展綠色信貸業務的同時一定要做好風險防控，應該對申請綠色信貸業務的項目進行深入的實地考察，做好貸款審批的準備工作，選擇那些盈利能力較強、發展前景可觀的項目，在發放貸款的過程中，還可以采取分批次投放資金的方法，以此來降低信用風險，更好地進行風險防控。同時，商業銀行應該加強其綠色信貸風險評估體系的建設。銀行可以成立專門的信貸風險管控部門，對項目可能會出現的風險進行評估，對綠色信貸業務進行專業化管理。商業銀行還可以通過設計信貸風險評估模型，制定合理有效機制判斷企業項目的風險違約可能性，并進行分級管理，通過明確綠色信貸風險的等級分界，來提高其實施效率。