信用利差視角下綠色金融改革創新試驗成效研究

陳震 王銘瑞 陽艷梅 孫芳城

(重慶工商大學會計學院/長江上游經濟研究中心，重慶 400000)

一、引言

黨的二十大報告中指出：“推動綠色發展，促進人與自然和諧共生。”發展綠色金融是實現綠色發展的重要舉措，綠色金融改革是發展綠色金融的創新之舉。2017年6月23日中國人民銀行等七部委印發浙江省湖州市、衢州市等五省(自治區)八地的綠色金融改革創新試驗區總體方案，標志著我國綠色金融發展進入“自上而下”頂層設計與“自下而上”試點探索有機互動的新階段。這一改革取得了階段性成果，綠色金融機制逐步建立、綠色金融供給顯著增加。截至2022年9月末，試驗區綠色貸款占全部貸款的比重為12.58%，超過全國綠色貸款占全部貸款比重的平均水平2.93個百分點。然而，鮮有研究定量分析綠色金融改革推動企業綠色發展成效及微觀機理，并基于此提煉總結可復制的經驗和模式。

企業是綠色發展的重要行動者，也是綠色金融發展和改革的重要參與者。綠色金融發展和改革必然對企業產生深刻影響。現有研究多分析《綠色信貸指引》等全國性綠色金融政策對企業的影響(Sun et al.，2019；陸菁等，2021)[11][23]，較少分析綠色金融改革試驗等區域性試點改革對企業的影響；多分析綠色金融政策對企業綠色創新(王馨和王營，2021)[32]、全要素生產率等企業層面的影響(王修華等，2021)[33]，鮮有分析對企業信用利差等金融市場層面的影響。債券信用利差作為經濟活動“信息最豐富、最可靠”的金融指標(Faust et al.，2013)[5]，能有效反映包括各類政策沖擊、企業變革轉型等對企業價值和風險的影響。因此，從信用利差視角下對綠色金融改革創新試驗成效進行研究，不僅有利于深化對區域性綠色金融試點改革微觀機制的認識，也有利于從債券市場角度觀察到綠色金融改革對企業價值和風險的影響。

本文利用2012-2020年非金融企業信用債的日度信用利差數據，對綠色金融改革創新試驗成效及作用機制進行了研究。本文學術貢獻主要體現在：第一，深化了對綠色金融改革創新試驗政策成效和微觀機理的認識，為提煉可復制的綠色金融發展模式提供學理支撐。研究揭示綠色金融改革創新試驗政策一方面通過增加綠色金融供給，降低企業債務融資成本，有效促進了非重污染企業發展；另一方面存在對中小企業和民營企業支持不足、對重污染企業約束不夠等問題。第二，信用利差基于交易數據，有效彌補了基于財務數據構建的債務融資成本等指標靈敏度不足等問題。第三，豐富了信用債定價研究。以往信用利差研究考慮信用風險等影響因素較多，而分析政策沖擊較少。本文基于綠色金融改革創新試驗，揭示了政策沖擊對信用利差的影響，補充完善了信用債定價相關問題的研究。

二、制度背景與文獻綜述

(一)綠色金融改革制度背景

黨的十八大以來，以習近平同志為核心的黨中央高度重視綠色金融，推動綠色金融服務綠色發展。按照黨中央、國務院決策部署，我國在綠色金融體系構建上進行了系統謀劃，推動形成綠色信貸、綠色債券等金融工具和相關政策支持經濟向綠色化轉型的制度安排。其中，設立綠色金融改革創新試驗區，是推動區域性綠色金融服務體系建設的重要一環，是全國性綠色金融改革的試點探索。2017年6月23日，經國務院同意，中國人民銀行會同有關部門在浙江省湖州市和衢州市、貴州省貴安新區、新疆哈密市和昌吉州及克拉瑪依市、廣東省廣州市、江西省贛江新區五省(自治區)八地開啟了綠色金融改革創新試驗。

五年來，試驗區充分發揮先行先試、示范帶頭作用，推動綠色金融機構變革、機制優化等，為完善綠色金融服務體系、推動綠色金融發展、助力經濟綠色轉型發揮了重要作用。以綠色信貸為例，2018-2021年，試驗區綠色信貸年均增長21.03%，高于試驗區全部貸款平均增幅5.59個百分點(中國人民銀行研究局課題組，2023)[48]。試驗區綠色金融改革主要舉措包括：組建領導小組、編制綠色金融發展規劃(應兆祥，2021)[44]；通過財政、貨幣等系列政策引導金融機構加大綠色金融供給(殷興山，2018)[43]；搭建綠色金融信息平臺以解決綠色金融信息不對稱問題(張雁云，2021)[47]；積極探索綠色認定(賈瑛瑛，2021)[18]、綠色績效評價(馬天祿，2021)[25]、綠色監管評級(喻曉嵐，2019)[45]等。這些舉措有利于增加綠色金融供給、解決綠色項目的信息不對稱以及強化金融機構綠色投資的激勵機制和內生動力。

(二)綠色金融與債券信用利差的文獻綜述

綠色金融當前多研究其環境效應和經濟效應。在環境效應方面，Wunder(2005)[12]提出綠色金融能夠發揮市場的監督效應與激勵機制，從而篩選出最有效的生態服務提供者。馬駿(2015)[24]提出綠色金融工具通過改變企業、居民和政府的目標函數從而將綠色投資和生態保護的外部性內化，進而推動生態保護。如綠色信貸、綠色債券等金融工具通過減少對高污染、高能耗行業的投資或增加對低污染、低能耗行業的投資，實現減污降碳協同并促進生態大保護(陳幸幸等，2019；陸菁等，2021)[15][23]。在經濟效應方面，綠色金融可以促進企業創新轉型(謝喬昕和張宇，2021)[39]，引導產業結構向“綠色化”轉變(王遙等，2019)[34]，實現經濟高質量增長與低碳轉型(潘冬陽等，2021；文書洋等，2022)[27][35]。以重污染行業為例，其作為資本密集型行業對債務融資的依賴度較高(Dong et al.，2020)[3]，綠色金融通過引導資金流向，可以遏制重污染行業投資擴張。綠色金融政策使得投資者將環境風險因素納入投資決策，通過發揮融資約束效應與投資抑制效應，收緊重污染企業融資渠道(斯麗娟和曹昊煜，2022)[29]，提高重污染企業融資成本，降低重污染企業經營業績(蘇冬蔚和連莉莉，2018)[30]，倒逼重污染企業綠色轉型升級(丁杰，2019)[16]。

債券信用利差反映債券投資者對債券發行主體索取風險溢價的程度，體現債券本身的投資價值(祁懷錦和劉斯琴，2021)[28]。基于結構模型的債券信用利差主要受到無風險報酬率、契約中限制條款以及發債主體違約風險的影響(Merton，1974)[10]。然而，結構模型不能完全解釋債券信用利差的水平或變化(Collin-Dufresne et al.，2001；Huang and Huang，2012)[1][8]。因此，大量文獻從宏觀、企業以及債券契約等層面進一步解釋債券信用利差的影響因素。宏觀層面，多關注“一帶一路”倡議(徐思等，2022)[40]、環保法庭設立(高昊宇和溫慧愉，2021)[17]、政策不確定性(Kaviani et al.，2020)[9]等因素對信用利差的影響。微觀層面，多關注員工持股計劃(孫曉燕和林晚發，2022)[31]、杠桿收購公告(Eisenthal-Berkovitz et al.，2020)[4]、會計穩健性(楊爾稼等，2022)[41]等因素對信用利差的影響。債券契約層面，多關注債券募集說明書中負面語調(林晚發等，2021)[20]、限制性條款(劉辰嫣和肖作平，2022)[21]、交叉違約條款(楊國超和蔣安璇，2022)[42]等因素對信用利差的影響。

與本文相關度最高的綠色債券與信用利差文獻，目前關注焦點在于是否存在綠色溢價。有學者認為并不存在綠色溢價(蔣非凡和范龍振，2020)[19]，然而較多研究發現存在綠色溢價，即綠色債券信用利差低于普通債券(祁懷錦和劉斯琴，2021；張麗宏等，2021)[28][46]。綠色溢價意味著企業發行綠色債券會降低債務融資成本，發行綠色債券還會降低企業的隱含資本成本(Zhang et al.，2021)[13]和同行業的債務融資成本(吳育輝等，2022)[37]。

綜上，已有大量關于綠色金融的環境、經濟效應，債券信用利差影響因素的文獻，以及少量關于綠色金融和債券信用利差的文獻。鮮有將綠色金融改革試驗與債券信用利差兩者聯系起來的研究。

三、研究假說

鑒于中國企業普遍存在“短貸長投”的現實情況(劉貫春和葉永衛，2022)[22]，本文參考已有研究(吳文鋒和胡悅，2022)[36]，構建信用利差模型。假設企業存在一個兩期的項目，期初融資D，而金融市場只提供一期的短期負債。資產與負債的期限錯配意味著企業在期初融資(T=0)，并在第二期期初進行再融資；若企業無法進行第二期融資則企業違約。債券市場投資者基于對企業的各項資金來源大小的預期判斷企業的違約風險，并據此對債券信用利差定價。因此，構建模型如下：

其中，k為投資者風險偏好決定的單位風險溢價；h為企業在第二期期初(T=1)能成功再融資的概率；A為企業可用于融資抵押的自有資產價值。從模型(1)可見，當企業成功再融資的概率增大時企業的信用風險下降，這將導致企業的信用利差下降。企業成功再融資概率受到金融機構投資偏好、金融機構與企業信息不對稱程度等的影響。在金融機構投資增速快、與企業信息不對稱程度低、企業自身財務較為穩健等情況下，企業成功再融資概率更高。

綠色金融改革試驗核心舉措是兩條：一是通過財政補貼、強化綠色考核等方式增加綠色信貸等綠色金融供給；二是通過搭建信息平臺等緩解金融機構與企業信息不對稱程度。基于模型(1)，當綠色金融改革導致該地區信貸規模增加時，企業獲得再融資的概率將增大，特別是獲得綠色信貸的概率將增大。綠色金融改革一個重要的特點是綠色信貸等金融供給快速增加。例如，截至2021年9月末，江西省綠色貸款余額達3608.60億元，同比增長39.51%，高于各項貸款增速25.7個百分點；浙江試驗區2017年至2020年綠色信貸余額年均增長43%，超出整體信貸增速24個百分點(張雁云，2021)[47]。因此，綠色金融改革導致該地區綠色信貸等金融供給增加，從而該地區企業獲得再融資的概率增大，導致債券信用利差下降。

基于模型(1)，當綠色金融改革使企業與金融機構之間信息不對稱程度緩解時，也會導致企業獲得綠色再融資的概率增大。綠色金融改革一個重要的舉措是搭建綠色金融信息平臺以解決綠色金融信息不對稱問題(張雁云，2021)[47]。例如，湖州上線“綠貸通”平臺，匯集全市銀行機構的綠色信貸產品信息和企業環保現場調查記錄等信息，通過緩解銀企環保信息不對稱，增加企業再融資概率。又如，貴安新區搭建了綠色金融綜合服務平臺，提供企業環境信息披露、項目認證、綠色金融產品服務等功能模塊以緩解銀企信息不對稱問題。

基于此，本文提出如下研究假設：

H1：綠色金融改革創新試驗能夠降低該地區企業的債券信用利差。

從理論上講，綠色金融改革一方面促進非重污染企業發展，另一方面倒逼重污染企業轉型升級，全面助力經濟綠色轉型。綠色金融對重污染企業的約束體現在對重污染企業融資規模的限制，使企業成功再融資概率下降，導致信用利差上升。然而，現實中地方政府既面臨綠色金融改革的任務，又面臨經濟增長的考核壓力。在經濟增長考核壓力下，部分地方政府難以嚴格約束重污染企業融資、限制其發展。目前綠色金融改革政策更多聚焦于如何促進非重污染企業發展上。這意味著，綠色金融改革試驗區的重污染企業獲得再融資的概率將不會發生變化，其債券信用利差也不會發生變化。因此，目前綠色金融改革試驗的各類政策主要對非重污染企業產生效果，而對重污染企業影響較小。

基于此，本文提出如下研究假設：

H2：綠色金融改革創新試驗主要降低非重污染企業的債券信用利差，對重污染企業影響較小。

四、研究設計

(一)樣本選擇與數據來源

研究選取中國2012-2020年所有在銀行間和交易所市場發行的信用債作為樣本。債券數據來自CSMAR數據庫和CNDRS數據庫，并用Wind數據庫和中國貨幣網以及上交所和深交所網站公布的債券發行公告和募集說明書進行修正。本文只保留非金融企業信用債券，刪除非公開債券、項目債券、資產支持證券和資產支持票據、超短期融資券、短期融資券，最后包含品種為企業債券、公司債券、中期票據。同時，刪除了含有看漲期權和看跌期權的債券、可轉換債券、可交換債券、城投債券，刪除信用利差為負值的樣本。最終，得到320608個債券日度觀測值和1776只債券，其中處于綠色金融改革創新試驗區中的債券共188只。

重污染企業和非重污染企業的行業分類，參考潘愛玲等(2019)[26]的研究，依據中華人民共和國生態環境部印發的《上市公司環保核查行業分類管理名錄》與中國證券監督管理委員會2012年修訂的《上市公司行業分類指引》，將行業代碼為B06、B07、B08、B09、C17、C19、C22、C25、C26、C28、C29、C30、C31、C32、D44的這15個行業設定為重污染行業，非重污染行業為這15個行業類型外的其他行業。

(二)變量定義

本文的被解釋變量為債券信用利差。參考Kaviani et al.(2020)[9]的方法，債券信用利差(Spread)為債券到期收益率減去最近期限的無風險收益率。其中，無風險利率采用國債收益率。本文債券信用利差(Spread)為日度數據，考慮到不同時間段國債收益率曲線包含的期限不同，本文進行了分階段處理。比如，在2012年1月2日到2016年1月3日期間國債收益率曲線包含的期限分別是1至10年以及15年、20年、30年、40年、50年；而2016年1月4日國債收益率曲線缺失2年、4年、8年、9年的數據。

本文核心解釋變量為綠色金融改革創新試驗虛擬變量。全國率先實行綠色金融改革創新試驗五省(自治區)八地包括：新疆(昌吉、克拉瑪依、哈密)、江西(贛江新區)、浙江(衢州、湖州)、廣東(廣州)以及貴州(貴安新區)，因蘭州新區和重慶綠色金融改革創新試驗區獲批時間較晚暫不納入考慮。債券發行企業所在城市為綠色金融改革創新試驗區中的八個地區，且債券觀測值年度處在2017年及之后，則綠色金融改革創新試驗區試點虛擬變量(DID)取1，否則取0。

控制變量參考Kaviani et al.(2020)[9]的研究，本文控制了來自債券層面與企業層面的變量。債券層面的變量包括債券發行規模(Lnis)與債券發行期限(Term)。企業層面控制了四大審計(Big4)、產權性質(State)、第一大股東持股比例(Top1)、是否上市(List)、企業規模(Lnasset)、資產收益率(Roa)、資產負債率(Lev)、利息保障倍數(Cover)、流動資產比例(Lassetr)、流動負債比例(Ldebtr)等企業特征變量，以及年份(Year)、行業(Indus)以及城市(City)變量。

具體的變量定義如表1所示。

表1 變量定義

(三)模型設定

為檢驗本文提出的假設，借鑒已有研究(Kaviani et al.，2020)[9]，本文構建如下模型：

其中，Spreadi,j,t為模型(2)的被解釋變量即信用利差的代理變量，為債券i在注冊地所在城市j第t時的信用利差。DIDi,j,t為債券i在注冊地所在城市j第t時綠色金融改革創新試驗的虛擬變量。為防范潛在的內生性問題，Ctrlsi,j,t-1代表滯后一期的控制變量。模型同時控制年份(Year)、企業所在行業(Indus)以及企業所在城市(City)的固定效應。為了控制異常值對于模型估計帶來的影響，本文對所有連續變量在雙側1%分位進行縮尾處理。本文采用OLS估計，結果中報告的是基于企業層面集聚的穩健標準誤。

(四)描述統計分析

變量的描述性統計結果如表2所示。信用利差均值為2.3082%，最小值為0.1657%，最大值為9.4920%。信用利差四分之一分位數為126BP，四分之三分位數為290BP。綠色金融改革創新試驗區的樣本占比為9.36%。債券發行規模對數均值為20.8350，對應規模約為11.1820億元，最小規模約為1.8999億元，最大值約為59.9985億

表2 變量的描述統計結果

元。債券期限均值為5.4250年，最小值為1年，最大值為15年。四大會計事務所審計的企業占比15.76%。國有企業占比66.98%，第一大股東持股比例均值為65.59%。上市公司占比為42.19%。債券發行人資產規模對數均值為24.5951，對應資產規模約為480.3040億元。資產收益率均值約為2.67%，資產負債率均值為62.31%。利息保障倍數均值為4.7669倍，中位數為2.7360倍，從標準差來看，各個企業的利息保障倍數差異較大。流動資產占比均值為43.68%，流動負債占比均值為60.55%。

五、實證結果與分析

(一)基準回歸

本文以信用利差(Spread)為因變量，綠色金融改革創新試驗虛擬變量(DID)為自變量，采用逐步回歸法進行回歸分析。表3列(1)中綠色金融改革創新試驗虛擬變量(DID)為-1.1629且在1%水平下顯著。在列(2)中加入控制變量與年份固定效應后，綠色金融改革創新試驗虛擬變量(DID)系數為-0.7794，且在1%水平下顯著。在列(3)加入行業固定效應、列(4)加入城市效應后，綠色金融改革創新試驗虛擬變量(DID)系數仍然在1%水平下顯著為負。

表3 基準回歸結果

從經濟意義看，綠色金融改革創新試驗使企業債券信用利差降低約59B P。從相對比例看，綠色金融改革創新試驗導致債券信用利差平均下降比例約為25.5350%(=-0.5894/2.3082)，相對比例較高。或者，企業處于綠色金融試點政策試驗區的概率每增加1個標準差，企業債券信用利差會降低79.35%(=(1.6062/0.2912)×-0.5894×100%)。以上回歸結果顯示假設H1得到驗證，即綠色金融改革創新試驗有效降低了企業的債券信用利差，但是綠色金融改革創新試驗導致債券信用利差降低的機制有待進一步檢驗。

表3列(4)顯示，在控制變量方面，可以看到債券發行規模越大，其信用利差水平越低，四大會計師事務所審計企業和國有企業的信用利差更低；企業資產規模越大和盈利能力越強，債券信用利差越低；企業流動負債比例越高，企業發行債券信用利差越大。列(1)調整R2為4.5%，加入城市、行業、年份等變量后調整R2提升到50.4%，這表明模型對信用利差的解釋力度較強。

表3列(5)(6)顯示，對污染企業和非重污染企業分組回歸，發現綠色金融改革創新試驗虛擬變量(DID)與非重污染企業的債券信用利差顯著負相關；而重污染企業不顯

著，假設H2得到驗證。這說明現階段主要是非重污染企業在債務融資成本上享受了綠色金融改革創新試驗帶來的優勢和便利，而對重污染企業沒有影響。

(二)綠色金融改革創新試驗實施效果的動態效應檢驗

分析綠色金融改革創新試驗實施效果的動態效應，即按年份分析綠色金融改革創新試驗對試驗區內發債主體信用利差的影響，回歸結果如表4所示。在2017年，無論是否加入控制變量，信用利差的綠色金融改革創新試驗虛擬變量(DID)和2017年的交乘項(DID×2017)均不顯著。自2018年起，不論是否加入控制變量，信用利差的綠色金融改革創新試驗虛擬變量和年份的交乘項(DID×2018、DID×2019與DID×2020)系數均在1%水平下顯著為負。原因可能在于2017年6月正式下發綠色金融改革創新試驗區的總體方案，相關改革措施在短時間內尚未落實，因此存在一定的時間滯后效應。從2018年起綠色金融改革創新試驗對試驗區內發債主體信用利差的影響變得顯著，這表明措施開始落地見效。

表4 動態效應檢驗結果

同樣，通過對比污染企業和非重污染企業可以發現，非重污染企業的綠色金融改革創新試驗虛擬變量(DID)與年份的交乘項與整體樣本類似；而重污染企業的綠色金融改革創新試驗虛擬變量(DID)與年份的交乘項均不顯著。這說明在綠色金融改革創新試驗期間，相關政策支持非重污染企業發展是有效的，對重污染企業沒有顯著影響。

(三)平行趨勢檢驗

雙重差分模型的基本假設為平行趨勢假設。即在政

策實施之前，試驗地區和非試驗地區的企業債券信用利差沒有顯著差異；在政策實施之后，試驗區企業債券信用利差相對于非試驗區存在顯著的趨勢變化。

參考已有研究(王修華等，2021)[33]，生成一系列綠色金融改革創新試驗前后的虛擬變量。以2012年作為基期進行回歸，平行趨勢檢驗結果如圖1所示。綠色金融改革創新試驗前，全樣本、非重污染企業與重污染企業的處理組和對照組在信用利差上不存在顯著差異，滿足雙重差分模型平行趨勢假設。同時，除重污染企業外，從全樣本、非重污染企業在試驗落地后1至3年的回歸系數趨勢圖來看，綠色金融改革創新試驗后3年對于試驗區內的企業債券信用利差存在持續效應。這說明相關措施逐步落地，對于降低企業債券信用利差的作用是逐步實現的，且主要降低非重污染企業的債券信用利差。

圖1 平行趨勢檢驗結果

(四)安慰劑檢驗

本文根據全樣本中實行綠色金融改革創新試驗的樣本所占比例，隨機抽取試驗地區與非試驗地區樣本后使用雙重差分模型進行回歸分析，重復1000次進行安慰劑檢驗，結果如圖2、圖3所示。隨機抽樣進行安慰劑檢驗中綠色金融改革創新試驗虛擬變量(DID)的系數與t值大多分布在0附近，回歸系數不具有統計意義上的顯著性。結果表明，若隨機指定債券發行人是否處于綠色金融改革創新試驗區內，綠色金融改革創新試驗降低債券信用利差的效果不再顯著，安慰劑檢驗通過。這說明主回歸中債券信用利差的降低并非隨機分組導致，而是綠色金融改革創新試驗產生的效果。

圖2 安慰劑檢驗系數結果

圖3 安慰劑檢驗t值結果

(五)其他穩健性檢驗

此外，本文還進行了擴大綠色金融改革試驗區、使用信用利差年度和月度數據、債券剩余期限橫跨政策實施時間點、采用雙向固定效應模型以及變更會計事務所控制變量等穩健性檢驗(限于篇幅，檢驗結果略)，結果都支持本文結論。

六、機制檢驗

為理解綠色金融改革創新試驗對債券信用利差的影響機制，本文建立模型(3)進行討論。

其中Mi,j,t為可能的影響路徑，包括債券i對應的企業主體在注冊地所在城市j第t時的融資約束，Ctrlsi,j,t-1代表債券i對應的企業主體在注冊地所在城市j第t時的控制變量，除去債券發行規模與期限外，其余控制變量與前文一致。由于機制檢驗只能采用債券發行主體-年度數據，因此樣本量發生了變化。

(一)融資約束機制

綠色金融改革創新試驗區的試點政策一個核心舉措是通過綠色金融提供融資便利、增加金融供給，從而緩解試驗區企業的融資約束。具體措施包括積極深化綠色信貸產品創新、推動綠色基金投放、打造綠色金融專營模式、加強財政支持、綜合運用多種貨幣政策工具，引導金融機構加大對綠色低碳領域的信貸支持。如果綠色金融改革創新試驗區政策的融資約束機制成立，則綠色金融改革創新試驗會導致發債企業的融資約束有所改善。融資約束的改善會導致企業成功再融資的概率增大，從而使企業的信用風險下降，導致企業的信用利差下降(Zhang and Zhao，2022)[14]。

融資約束常用SA、KZ和WW等指數測度，其中KZ指數計算需要托賓Q值，WW指數需要分紅數據；鑒于本文有非上市企業，故選擇SA指數作為機制變量，衡量企業融資約束。SA指數來源于Hadlock and Pierce(2010)[7]的計算方法：SA=-0.737×Size+0.043×Size2-0.040×Age。其中，Size為企業總資產(單位：百萬元)的自然對數，Age為企業年齡。由此該指數為負，取絕對值后，該值越大表示面臨的融資約束越嚴重。如果融資約束機制成立，則預期模型(3)中綠色金融改革創新試驗虛擬變量(DID)的估計系數顯著為負。

表5列(1)(2)顯示在綠色金融改革創新試驗(DID)系數在5%水平下顯著為負，表明綠色金融改革創新試驗顯著緩解了試驗區發債企業的融資約束。具體來看，實施綠色金融改革創新試驗后，試驗區內債券發行主體融資約束(SA)下降為0.8288%(-0.0110/1.3272)，這說明試驗中強

表5 機制檢驗：綠色金融改革創新試驗對融資約束的影響

化綠色信貸產品創新、推動綠色基金投放等增加綠色金融供給措施，確實緩解了企業的融資約束。列(3)(4)對比非重污染企業和重污染企業可以發現，綠色金融改革創新試驗(

DID

)系數在非重污染企業中顯著，在重污染企業中系數不顯著，表明政策主要有效地緩解了非重污染企業的融資約束，對重污染企業沒有顯著影響。

(二)信息機制

綠色金融改革試驗另一核心舉措是搭建綠色金融信息平臺，例如湖州上線“綠貸通”平臺、廣州依托人民銀行廣州分行“粵信融”平臺建設綠色金融融資對接系統等。綠色金融信息平臺理論上能緩解金融機構和企業之間的信息不對稱問題，從而導致債券信用利差下降。信息不對稱會導致企業債券投資者因無法了解企業的真實財務狀況而承擔較高的投資風險，因此投資者需要索取更高的回報作為補償；而更高的信息披露質量會緩解信息不對稱程度，從而降低債券信用利差。高質量的企業信息披露可能與自身披露的及時性(謝璐和韓文龍，2017)[38]、媒體覆蓋度(Gao et al.，2020)[6]等相關。綠色金融改革試驗搭建綠色金融信息平臺作為一種信息披露機制，可以推動企業提高信息披露質量，進而緩解金融機構和企業之間的信息不對稱程度。如果信息機制成立，綠色金融改革創新試驗會導致企業的信息披露質量有所提高，從而降低信用利差。

本文使用可操控應計項目的絕對值(ABS_DA)衡量企業信息披露質量，ABS_DA采用分年度行業的Jones模型求得(Dechow et al.，1995)[2]。ABS_DA越大則表明企業盈余管理程度越大，信息透明度越低。如果信息機制成立，則預期模型(3)中綠色金融改革創新試驗虛擬變量(DID)的估計系數顯著為負。

表6列(1)(2)顯示綠色金融改革創新試驗(DID)對可操控應計項目(ABS_DA)的回歸系數不顯著，這說明綠色金融改革創新試驗(DID)對信息披露質量沒有顯著的改善。由列(3)(4)可知，綠色金融改革創新試驗(DID)對信息披露質量的影響，在重污染企業和非重污染企業中均不顯著，即綠色金融改革創新試驗試點政策沒有改善兩類企業的信息披露質量。信息機制沒有發揮作用的原因可能是地方政府搭建的信息披露平臺對于債券市場開放程度不夠，債券市場投資者無法通過平臺及時獲取信息，因此未能達到緩解信息不對稱的效果。

表6 機制檢驗：綠色金融改革創新試驗對信息質量披露的影響

綜上，綠色金融改革創新試驗主要通過緩解融資約束降低信用利差，而信息機制沒有發揮作用。

七、異質性檢驗

(一)企業所有制的異質性

為探索綠色金融改革創新試驗對債券的影響是否在不同所有制企業間存在差異，本文將總樣本按國有企業和非國有企業進行分組回歸，同時在國有企業和非國有企業中進一步區分非重污染企業和重污染企業。如表7所示，非國有企業中的綠色金融改革創新試驗虛擬變量(DID)系數不顯著，而國有企業的綠色金融改革創新試驗虛擬變量(DID)系數在1%水平下顯著為負。結果顯示，綠色金融改革創新試驗對非國有企業信用利差沒有影響，但會降低國有企業信用利差。進一步，通過比較列(2)和列(5)可觀察到對所有的非重污染企業而言，綠色金融改革創新試驗虛擬變量(DID)系數均顯著為負；而列(3)和列(6)顯示對重污染企業而言，系數均不顯著。

表7 不同所有制企業差異分析

(二)企業規模的異質性

為探索綠色金融改革創新試驗對信用利差的影響在不同規模企業間是否存在差異，本文將樣本分為小規模(企業資產規模小于等于所在行業資產規模中位數)和大規模(企業資產規模大于所在行業資產規模中位數)進行分組回歸，同時進一步區分非重污染企業和重污染企業。表8列(1)和列(4)顯示，對信用利差的回歸中，小規模企業的綠色金融改革創新試驗虛擬變量(DID)系數不顯著，而大規模企業的綠色金融改革創新試驗虛擬變量(DID)系數在1%水平下顯著為負。這意味著，綠色金融改革創新試驗主要降低大規模企業的信用利差，而對小規模企業整體沒有影響。進一步，對比列(2)和列(5)可觀察到對所有的非重污染企業而言，綠色金融改革虛擬變量(DID)系數均顯著為負；而列(3)和列(6)顯示對重污染企業而言，小規模企業系數不顯著，大規模企業系數顯著為負。這意味著，對非重污染企業而言，無論小規模企業還是大規模企業均能從綠色金融改革創新試驗中受益；對于重污染企業而言，綠色金融改革創新試驗對小規模企業沒有影響，但是會降低大規模企業的信用利差。

表8 不同規模企業差異分析

(三)交易場所的異質性

為探索綠色金融改革創新試驗對信用利差的影響是否因交易場所不同而存在差異，本文將樣本分為交易所交易債券和銀行間市場交易債券進行分組回歸，再進一步區分非重污染企業和重污染企業。表9列(1)和列(4)顯示，對信用利差的回歸中，交易所交易債券的綠色金融改革創新試驗虛擬變量(DID)系數顯著為負，而銀行間交易債券的綠色金融改革創新試驗虛擬變量(DID)系數不顯著。這意味著，綠色金融改革創新試驗對信用利差的影響，只在交易所市場發揮效果，在銀行間市場不發揮效果。進一步，通過比較列(2)和列(5)發現對非重污染企業而言，交易所流通債券綠色金融改革創新試驗虛擬變量(DID)系數顯著為負，而銀行間流通債券不顯著；而列(3)和列(6)顯示對重污染企業而言系數均不顯著。這意味著綠色金融改革創新試驗政策只會降低交易所非重污染企業的信用利差。一個可能的原因是銀行間市場的機構投資者在信用債上更多以配置為主，相對于交易所市場投資者而言，信息驅動的交易較少。綠色金融改革創新試驗這一政策變化沒有成為銀行間市場機構投資者調整配置的經濟邏輯，而交易所市場的信息驅動型投資者更愿意對此政策做出反應。

表9 不同交易場所的差異

八、結論與啟示

本文基于綠色金融改革創新試驗區改革方案印發這一準自然實驗，利用2012-2020年中國非金融企業債券日度信用利差數據，運用雙重差分模型分析綠色金融改革創新試驗的債券市場反饋及其作用機制。

研究表明：第一，綠色金融改革創新試驗政策顯著地降低了試驗區整體企業債券的信用利差，在通過安慰劑檢驗等穩健性檢驗后結論仍然成立。進一步，綠色金融改革創新試驗政策主要顯著地降低了非重污染企業的債券信用利差，對重污染企業的債券信用利差沒有顯著影響。第二，機制分析表明，綠色金融改革創新試驗主要通過融資機制來降低債券信用利差。綠色金融改革創新試驗通過增加綠色金融供給，緩解企業融資約束發揮作用。信息機制檢驗表明綠色金融改革創新試驗區搭建的信息平臺未能發揮緩解信息不對稱的作用，背后原因可能是信息平臺開放度不夠，債券市場投資者無法從中獲取增量信息。第三，從所有制來看，綠色金融改革創新試驗帶來的債券信用利差下降主要在國有企業中發揮作用，這說明綠色金融改革創新試驗帶來的金融供給主要向國有企業傾斜。第四，從企業規模來看，對非重污染企業而言，無論小規模企業還是大規模企業綠色金融改革創新試驗均會導致其信用利差下降；對重污染企業而言，綠色金融改革創新試驗對小規模企業沒有影響，但是會降低大型企業信用利差。第五，從交易場所來看，綠色金融改革創新試驗主要降低交易所流通債券企業的信用利差，而對在銀行間市場流通債券企業沒有影響。進一步，對比重污染企業和非重污染企業發現，綠色金融改革創新試驗僅會導致非重污染企業在交易所流通的債券的信用利差下降。

本文結論具有重要的實踐啟示：第一，綠色金融改革創新試驗在增加綠色金融供給上有效地發揮了作用，但對重污染企業發展沒有約束和影響。因此，需加強重污染企業金融約束、強化綠色金融資金用途監管。第二，加強地方綠色金融平臺信息開放程度，提高企業綠色信息披露質量和債券投資者綠色信息可得性。第三，加強投資者綠色投資績效考核，激勵投資者增加綠色債券投資規模。

盡管本文從債券信用利差視角利用雙重差分模型實證檢驗了綠色金融改革創新試驗的成效，但對于各個地區綠色金融改革創新試驗的具體政策成效，如搭建綠色金融信息平臺、綠色標準認定、綠色績效評價、加強金融機構綠色考核等政策的成效，缺乏微觀直接檢驗。如何更精準地檢驗各項政策的具體成效及其發揮的機制，對后續制定更微觀的綠色金融改革政策具有重要的現實意義，值得未來進一步研究。■