綠色信貸政策如何影響企業債務融資成本？
——兼論“碳泡沫”是否存在

■ 鐘獻兵，馬福春，魏 妍，謝婉蕓，李柏潤

一、引言

中國提出力爭在2030年前碳排放達到峰值，在2060年前實現碳中和。2021年中央經濟工作會議和政府工作報告也提出扎實做好碳達峰、碳中和各項工作。而碳排放總量的限制會加大高污染企業的財務風險，金融市場對這些風險的忽視會導致高污染企業價值被高估，可能導致“碳泡沫”。綠色金融作為實現碳達峰、碳中和目標的重要途徑，如何緩解“碳泡沫”并實現高質量發展備受關注。近些年來，綠色金融在建設環保制度中發揮了重要作用，通過金融工具優化高污染行業的資本配置，引導信貸資源投向綠色產業，遠離高污染的、落后的、低產能的行業，從而抑制“碳泡沫”的存在，對我國經濟起到“調結構、轉方式、促發展”的重要作用（陸菁等，2021；張云輝和趙佳慧，2019）。

發展綠色金融的重點和關鍵環節在于推行綠色信貸政策。2007年7月12日，中國人民銀行等部委發布的《關于落實環保政策法規防范信貸風險的意見》，提出了環保和信貸工作相結合，引導銀行對綠色生產、環境保護、低污染等行業和領域內的企業提供優惠性低利率、加大資金扶持等政策；而對“兩高一剩”企業，通過提高貸款成本、降低融資額度等約束性措施，在一定程度上限制信貸資金過度流入“兩高一剩”企業，降低“兩高一剩”信貸融資風險。強化銀行信貸環保要求，通過信貸約束引導污染排放，降低銀行信貸市場存在的金融風險，此《意見》首次將綠色信貸作為保護環境與節能減排的重要市場手段。

筆者嘗試通過實證研究，分析綠色信貸政策執行中幾個重要問題：銀行信貸市場是否存在“碳泡沫”？綠色信貸政策能否抑制“碳泡沫”的產生？綠色信貸政策效應具體表現在哪些方面？影響綠色信貸政策效應的作用機制是什么？異質性分析產生的非對稱性影響？主要從以下三方面進行分析：（1）將企業債務融資水平納入分析模型中，分別從時間與空間雙重維度探討銀行信貸市場是否有“碳泡沫”存在。（2）運用雙重差分法檢驗綠色信貸政策對企業債務融資成本的影響，深入探討綠色信貸政策抑制“碳泡沫”的主要機制和渠道。（3）考察綠色信貸政策影響企業債務融資水平的異質性。

綜上，邊際貢獻在于：一是提供了綠色信貸政策風險定價的證據，分析了銀行信貸市場“碳泡沫”是否存在。二是拓展了綠色金融研究框架，從內部、外部兩個維度分別論證了綠色信貸政策的異質性。三是豐富了綠色金融研究。現有關于綠色金融的研究，主要是從環境治理政策、企業排污、排污權交易等宏觀層面來研究綠色金融以及環境治理效應，關于綠色信貸政策風險定價在微觀層面的實施效果及經濟效應研究相對較少。

二、文獻綜述與研究假說

首先，高污染企業因為受到環境規制等政策的影響，其碳排放總量會受到限制，導致高污染企業無法使用儲備資產，進而導致大量儲備成為“擱淺資產”，會給企業帶來巨大財務風險。盡管如此，高污染企業仍舊在持續尋找投資和發展新能源儲備。持續的投資加上現存的大量擱淺資產情況表明，金融市場忽略了高污染企業資產變為“擱淺”資產的可能性，導致“碳泡沫”存在即高污染企業價值被高估。而綠色信貸政策的實施是否有助于抑制高污染企業“碳泡沫”的產生（Mcglade & Ekins，2015）？因此，提出以下假設。

假設1：綠色信貸政策實施前，銀行信貸市場可能存在“碳泡沫”。

其次，綠色信貸的實施將對高污染企業的融資情況加以約束。一是通過高利率水平從供給端控制信貸投放。如果銀行能夠嚴格落實綠色信貸政策，將企業的環境保護情況納入信貸審批的重要指標來考慮，通過提高利率水平來控制信貸門檻，那么高污染企業的融資成本會上升，從銀行獲取的融資將明顯減少，特別是“兩高一剩”企業的新增銀行借款和企業長期負債融資將顯著降低（Michael et al.，2005；蔡海靜等，2019；張穎和吳桐，2018）。二是企業環保信息對稱有助于銀行更好地了解企業環評信息，在發放貸款時更加審慎。同時，企業環保信息披露也將傳遞到資本市場，影響外部債權人的判斷，進而降低企業的資本融資。三是綠色信貸政策實施后，社會各界更加關注企業發展中的環境污染情況，在環境問題中缺失倫理道德的企業將面臨重大負面輿論，甚至可能面臨法律訴訟風險，導致債權人撤資或銀行拒絕貸款延期、展期，因此高污染企業的債務融資水平下降，并且由于政策對高污染企業的信貸抑制，顯著提高了高污染企業的債務融資成本（李新功和朱艷平，2021）。四是通過實施懲罰性高利率，有效地抑制高污染行業的投資行為，在短期、中期內能減少高污染行業的產出，從而遏制高污染企業的負債融資和投資水平（劉婧宇等，2015；丁杰，2019）。 因此，提出以下假設。

假設2：綠色信貸政策實施后，高污染企業債務融資成本顯著上升，高于低污染企業，“碳泡沫”進一步緩解。

最后，綠色信貸政策效應的大小可能會受到企業的類型、規模等因素影響。一是按產權性質劃分，由于國有企業在擔保和融資等方面相較民營企業而言有先天優勢，同時承擔著更多社會責任和國家政策導向性任務，因此銀行對國企提供的信貸資金較民營企業更為充足。高污染國有企業在綠色信貸政策方面受到的信貸融資約束更為明顯，在企業資本投資方面抑制作用也更為顯著，國有高污染企業的懲罰效應反而更強（李廣子和劉力，2009；蔡海靜等，2019；丁杰，2019）。二是從企業規模看，規模較大的高污染企業往往具備較強的還款能力及較低的融資約束，更易獲得銀行的融資支持，因此綠色信貸政策的實施對規模較大的高污染企業的懲罰效應也愈加凸顯。此外，綠色信貸政策的實施會抑制規模較大的高污染企業的技術創新投入（蘇冬蔚和連莉莉，2018；陸菁等，2021）。三是從地區污染程度看，不同區域的碳排放量、人均碳排放量、碳排放強度、污染程度存在明顯不同，導致不同污染地區之間綠色信貸政策處罰程度存在較大差異。有學者研究發現，綠色信貸政策對高排放地區企業的債務融資和長期負債存在顯著的抑制作用。在環境污染較嚴重的省份，政府需更為謹慎地處理經濟增長和環境保護的關系，可能會更為關注當地節能減排、綠色信貸的實施情況，因此綠色信貸政策的實施也會在一定程度上加大對高排放地區企業的投融資行為的抑制效應（蘇冬蔚和連莉莉，2018；蔡海靜等，2019；薛儉和朱迪，2021）。因此，提出以下假設。

假設3：綠色信貸政策實施對企業規模、產權性質、地區污染程度不同的高污染企業債務融資成本存在異質性。

三、研究設計

（一）模型設定

為分析綠色信貸政策出臺對企業債務融資成本的效應，采用雙重差分法（DID）進行分析。以綠色信貸政策的出臺為背景，構造準自然實驗需要的實驗組和對照組。從綠色信貸政策對象看，高污染企業受綠色信貸政策的直接影響更明顯，因此選取高污染企業為實驗組，低污染企業為對照組（陸菁等，2021）。因為企業目前沒有披露污染排放數據，無法直接獲取企業的污染程度，結合證監會發布的行業標準和環保部規定的煤炭、采礦、紡織等16個重污染行業作為企業污染程度識別的重要依據（丁杰，2019；蔡海靜等，2019；李新功和朱艷平，2021）。為驗證假說1和2，構建如下雙重差分模型（DID）：

其中，i表示企業，t表示年份。Debt為債務融資成本，Pollute用來表示企業污染程度，1表示為實驗組（高污染企業），0為控制組（清潔企業）；將政策沖擊時間指標變量定義為Grpolicy2007，以綠色信貸政策執行（2007年）為政策發生的時間點，將綠色信貸政策執行后的各年賦值為1，綠色信貸政策執行前各年賦值為0。將企業、省份兩個層面的控制變量分別定義為X、Z；μ，λ，ε分別表示企業、時間兩個維度的固定效應和隨機擾動項。主要關注的是Pollute×Grpolicy2007的系數β，其衡量了綠色信貸政策出臺前后企業債務融資成本的變動情況。

（二）數據說明

選取中國2000—2019年A股上市公司為研究樣本，原始財務數據選取自國泰安數據庫和銳思數據庫。為提高參數估計的有效性，根據以下原則對初始數據進行預處理：一是剔除金融類和ST、PT類的上市公司；二是將變量數據缺失嚴重的樣本觀測值剔除；三是剔除負債率大于100%，總資產成長率大于200%的公司；四是為避免異常值對估計結果可能造成的干擾，對所有時間序列變量進行縮尾處理（前后各1%水平）。選取包括各省份的人均GDP、第二產業增加值占GDP比重、信貸總額占GDP比重、各類污染物排放數據等宏觀層面的數據，數據主要來自《中國統計年鑒》《中國金融年鑒》《中國環境統計年鑒》。最終采用的樣本包含3291家上市企業、31402個觀測值的非平衡面板。

（三）變量的選取

1.變量定義

被解釋變量：企業債務融資成本（Debt），為了數據可得以及研究的普遍性，主要選取企業利息支出除以總負債來衡量企業債務融資水平。

機制分析相關變量：（1）新增貸款（loans），短期借款與長期借款之和的本期變化值取對數；（2）新增長期貸款（loans_l），長期借款的本期變化值取對數；（3）新增短期貸款（loans_d），長短期借款的本期變化值取對數；（4）企業外部融資約束程度（FC），按企業的經營性凈現金流等5個因素作為表征融資約束的代理變量，通過回歸分析進而構建了一個綜合指數來衡量企業的融資約束程度（魏志華等，2014）。

企業層面特征變量：（1）資產負債率（Lev），負債總額除以資產總額；（2）現金持有量（Cash），貨幣資金加交易性金融資產除以總資產；（3）投資水平（Invt），當年購建固定資產、無形資產以及其他長期資產支付的現金除以期初總資產；（4）托賓Q（Tobin），直接采用國泰安數據庫中托賓Q值A；（5）應收類資產比例（Arnr），應收票據凈額和應收賬款凈額之和除以資產總計；（6）無形資產占比（Itang），無形資產凈額占總資產的比重；（7）公司規模（Size），總資產的自然對數；（8）企業年齡（Age），調查年份減去企業成立年份；（9）利潤率（Pr），利潤總額除以營業收入；（10）企業潛在融資需求（Ext），Ext=（TA-TA）/TA-ROE/（1-ROE），其中，TA表示企業的總資產，ROE表示企業的凈資產收益率；（11）銷售增長率（Salegrowth），企業營業收入的年度增長率。

省級層面特征變量：（1）各省人均GDP（GDP_r），各省份人均GDP取自然對數；（2）各省貸款余額占比（Credit），省級銀行貸款余額占GDP比重；（3）各省SO排放量（SO），各省份SO排放量取對數。

2.變量統計描述

對變量進行描述性統計，結果為表1。可以看出企業債務融資成本的均值為2.23%，標準差為1.92%。標準差較大，表明企業債務成本水平波動明顯，浮動區間較大，為驗證綠色信貸政策對企業債務融資成本的影響提供了良好的數據基礎。將樣本企業按照融資成本分為從小到大的四分位，然后計算不同融資成本分位數下不同污染程度企業的均值，以便考察不同融資成本程度的企業是否存在差異。從分析結果可以看出，不同分位數下企業融資成本存在顯著差異，且高污染企業的差異性更大。

表1 樣本描述性統計

四、綠色信貸政策實施對債務融資成本效應分析

企業銀行貸款和融資成本在綠色信貸政策前后的變化特征，主要表現為：一是政策出臺前高污染企業與低污染企業的銀行借款總額差距較大，政策出臺后企業的借款總額差距逐步收斂，呈相同變化趨勢（圖1）。二是政策出臺后高污染行業的新增借款明顯下降，而且在2012年以后低于低污染行業；就新增借款分布而言，高污染企業波動較大（圖2）。三是綠色信貸政策出臺前低污染企業的債務融資成本高于高污染企業（圖3），說明銀行在進行信貸定價時，針對高污染和低污染企業并未有顯著的歧視性定價處理，并未充分考慮到高污染企業可能面臨的資產風險，在信貸定價中可能存在“碳泡沫”的問題。而在綠色信貸政策出臺后高污染企業的債務融資成本迅速上升，明顯高于低污染企業，表明綠色信貸政策通過信貸約束來提高高污染企業債務融資成本，抑制了“碳泡沫”的產生，驗證了假說1。

圖1 企業銀行借款總額變化圖

圖2 企業新增銀行借款變化圖

圖3 企業債務融資成本變化圖

表2 被解釋變量分位數統計

（一）平行趨勢假設檢驗

雙重差分分析的首要條件是進行平衡趨勢檢驗，即如果沒有綠色信貸政策出臺這一外生沖擊，高污染企業和低污染企業的債務融資成本應該不存在顯著差異，應該保持相同的變化趨勢。因此，需要檢驗不同污染程度的企業債務融資成本變動在綠色信貸政策出臺前是否滿足平行趨勢假設（李建明和羅能生，2020）。以綠色信貸出臺年份為基期，構建年度虛擬變量，并將實驗組和對照組（Pollute）與年度虛擬變量交乘，通過模型（1）進行估計，估計結果為圖4。可以看出在綠色信貸政策出臺之前，綠色信貸政策對企業的債務融資成本影響在0期間內，表明政策發生前企業債務融資成本不存在顯著差異，而在政策實施之后差異明顯，滿足平行趨勢假設。這也進一步驗證了在綠色信貸政策實施前，銀行對不同污染程度的企業來說不存在歧視性定價。

圖4 平衡趨勢檢驗

（二）基準回歸分析

通過雙重差分模型分析綠色信貸政策出臺對高污染企業的債務融資成本的影響，并檢驗綠色信貸政策是否抑制“碳泡沫”的形成。第1列回歸結果顯示，Grpolicy2007_pollute的系數估計值為0.56，并在1%的統計水平上顯著；第2列是控制特征變量的回歸結果，結果顯示Grpolicy2007_pollute的系數估計值為0.31，仍在1%的統計水平上顯著。結果表明，與低污染企業相比，高污染企業的債務融資成本在綠色信貸政策的實施后顯著提升，表明銀行向污染程度比較高企業增加貸款利差；綠色信貸政策執行每增加一個標準差，2007年后的高污染的企業比2007年前高污染企業以及低污染企業債務融資成本高出30%左右，驗證了假說2。

表3 綠色信貸政策對企業融資成本的影響：基準分析

續表3

（三）穩健性檢驗

為檢驗基準回歸估計結果的穩健性，通過調整時間窗口、改變被解釋變量以及進行非參數檢驗等方式，對回歸結果進行穩健性檢驗。

表4 綠色信貸政策對企業融資成本的影響：穩健性檢驗

一是調整時間窗口。采用時間窗口為2000—2019年的上市企業進行實證分析，考慮到分析結果的效應可能是其他因素導致的。因此，對時間窗口進行調整，并對調整后的時間區間進行穩健性檢驗。首先，考慮到回歸結果可能是由綠色信貸政策以外的其他因素所導致，故提前了時間節點，獲取政策執行前2005—2006年的數據，分析不同污染程度企業的債務融資成本差異是否在綠色信貸政策出臺前就已經存在。將2006年設置為識別政策沖擊時間節點，設置虛擬變量Grpolicy2006，可以看出，Grpolicy2006_pollute的系數估計值在統計學意義上不顯著，表明在政策出臺之前并不存在高污染企業債務融資成本上升的情況。其次，進一步改變時間窗口，以2003—2009年為時間窗口進行穩健性檢驗。Grpolicy2007_pollute的估計系數在5%的統計水平上顯著為正，實證結果與基準回歸分析結果保持一致。

二是改變債務融資成本指標。再次采用財務費用除以企業總負債作為債務融資成本的測度，并進行穩健性檢驗（李廣子和劉力，2009）。Grpolicy2007_pollute的系數估計值仍然在1%的水平上顯著為正。

三是采用傾向得分雙重差分方法。為避免由于反向因果關系和樣本選擇偏差等原因造成的內生性問題，采取傾向得分雙重差分方法進行穩健性檢驗。分別采用最鄰近匹配法、核匹配法等進行檢驗，發現Grpolicy2007_pollute的估計系數均在1%的水平上顯著為正，進一步驗證了結果的穩健性。

四是非參數置換檢驗。為檢驗綠色信貸政策對高污染企業融資成本影響結果是否受其他遺漏變量的影響，導致估計結果產生偏誤，故采用非參數置換檢驗的方法進行安慰劑檢驗，主要是將綠色信貸政策的影響隨機分配給高污染樣本企業。可以發現，隨機生成處理組政策效果的估計系數均值接近于0，表明隨機生成的“偽處理組”并沒有產生政策效果。同時，實際估計系數在安慰劑檢驗的估計系數中明顯屬于異常值，該結果表明綠色信貸政策抑制“碳泡沫”作用并沒有因為遺漏變量導致嚴重偏誤，這些結果進一步說明實證的穩健性。

五、綠色信貸政策實施對債務融資成本效應的異質性分析

進一步考察政策對異質性企業的影響效應差異，采用三重差分模型進行了異質性分析。回歸模型設定如下：

基于模型（2）分別對企業固定資產占比、規模、產權性質、地區污染程度以及金融市場化程度進行異質性分析。其中，H表示固定資產占比、規模、產權性質、地區污染程度以及金融市場化程度等異質性變量，其余變量與模型（1）一致，分析結果為表5。

表5 綠色信貸政策對企業融資成本的影響：異質性分析

一是對企業固定資產占比進行異質性分析。Grpolicy2007_pollute_Tang的系數在1%的水平上顯著為正，表明固定資產占比高的高污染企業債務融資成本受到的沖擊較大。二是對企業規模進行異質性分析。Grpolicy2007_pollute_Size的系數為正，且在5%的統計水平上顯著，表明規模較大的高污染企業在綠色信貸政策實施后融資成本更高，受到的正向沖擊相對更大。三是對企業產權性質進行異質性分析。Grpolicy2007_pollute_Soe的系數在10%的水平上顯著為正，表明國有高污染企業的債務融資成本受到的沖擊比民營企業更大。四是對地區污染程度進行異質性分析。Grpolicy2007_pollute_SO的系數在1%的水平上顯著為正，表明相比低污染地區，高污染地區的高污染企業的融資成本受到的沖擊更大，高污染地區環境保護監管更加嚴格，對政策的執行也將進一步加大。五是對地區金融市場化程度進行異質性分析，Grpolicy2007_pollute_Fin的系數為負，在統計學意義上不顯著，說明對于不同的金融市場化程度的地區，綠色信貸政策實施對債務融資成本效應沒有差異。

六、綠色信貸政策影響高污染企業融資成本的機制檢驗

以上研究結果表明，綠色信貸政策的實施能顯著地提升高污染企業的債務融資成本。那么是什么原因導致這一現象的產生？根據前文研究知道，綠色信貸政策可以通過提高貸款門檻、增加融資約束、提升貸款利率等渠道來影響企業債務融資成本。一是綠色信貸政策直接通過提高貸款利率等方式，加大高污染企業的信貸約束，抑制信貸資金的流向，對高污染行業的發展產生了一定限制，導致高污染企業可能采用其他方式進行融資。二是銀行在授信過程中將企業環境保護作為貸款審批的重要條件，倒逼高污染企業進行技術創新、投資決策和資源配置，將會激發高污染企業節能減排的力度（蔡海靜等，2019）。而信貸約束作為綠色信貸政策影響途徑的主要依托，參照相關文獻構造了融資約束指標（FC），按企業的經營性凈現金流等5個因素作為表征融資約束的代理變量，通過回歸分析進而構建了一個綜合指數來衡量企業的融資約束程度（魏志華等，2014）。分析結果見表6。

表6 綠色信貸政策對企業融資成本影響的渠道機制檢驗：信貸約束機制

從結果可以看出，Grpolicy2007_FC的估計系數在不同污染程度的企業中均為顯著，但對于高污染企業是顯著為負，低污染企業是顯著為正。表明綠色信貸政策出臺后，綠色信貸政策對企業的信貸約束較為明顯，可以看出政策的實施減少了高污染企業信貸融資，增加了低污染企業信貸。為進一步分析綠色信貸政策產生的信貸約束主要分布的異質性，進一步將貸款分為短期貸款和長期貸款進行分析。從分析結果看，綠色信貸政策的信貸約束對高污染企業的長期貸款增量顯著為負，對低污染企業的長期貸款增量顯著為正；綠色信貸政策的信貸約束對高污染企業的短期貸款增量影響顯著為負，對低污染企業的短期貸款增量影響為正但不顯著。綠色信貸政策主要通過對高污染企業長期貸款的控制，進而抑制“碳泡沫”的產生，從而間接驗證了信貸約束機制是綠色信貸政策抑制高污染企業“碳泡沫”產生的主要渠道。

七、結論及啟示

運用雙重差分法評估綠色信貸政策對企業的債務融資成本的影響，分析了銀行信貸市場是否存在“碳泡沫”，從微觀企業債務融資成本的視角評估了綠色信貸政策的效應。通過實證研究發現：一是在綠色信貸政策出臺前，銀行在進行信貸定價時，對高污染企業并未有顯著的歧視性定價處理，未充分考慮到高污染企業可能面臨的資產風險，在信貸定價中可能存在“碳泡沫”的問題。二是綠色信貸政策實施后，銀行向污染程度較高企業增加貸款利差，顯著提升了高污染企業的債務融資成本，具有顯著的融資懲罰效應。銀行信貸市場存在潛在的“碳泡沫”現象，在綠色信貸政策實施（2007年）之后有了較大改觀，根據綠色信貸政策要求，銀行在信貸定價上做了相應調整，抑制了“碳泡沫”的產生。三是綠色信貸政策對異質性企業的債務融資成本呈現顯著的非對稱性影響。所在區域污染程度高、固定資產占比高的大規模國有企業債務融資成本受到的沖擊更顯著。

基于以上研究結論，提出如下對策啟示：

第一，筑牢“綠色信貸”門檻，倒逼企業創新提質產品及服務。銀行應繼續堅持以綠色信貸理念指引信貸經營行為，嚴格控制信貸門檻，有效擴大綠色金融服務范圍和覆蓋面。進一步開拓創新，不斷優化綠色信貸工作機制和流程，提高業務水平，確保綠色信貸政策實施的持續性和穩定性。第二，建立“綠色信貸”獎懲機制，讓綠色信貸政策更有針對性。加大對轉型升級企業的融資支持力度。在激勵機制方面，應加強對企業技術創新的鼓勵。在綠色信貸標準和風險管理方面，銀行應更加關注行業特點，精準施策。對不同類型企業有針對性地開展環境風險壓力測試，并為其“量身定制”綠色信貸產品和服務。第三，完善“綠色信貸”評估制度，推動綠色信貸投放。政府在制定綠色信貸評估時應充分考慮地區差異，欠發達地區綠色信貸政策的效率應引起更多關注。應根據當地的行業和經濟狀況采取具體措施，以增強綠色信貸政策的效果。