銀行金融科技發展能降低企業周邊碳排放嗎？

摘 要：銀行金融科技的發展不僅能夠提高在企業信貸市場的競爭力，還能提升銀行服務實體經濟發展的質效，是建設金融強國和實現高質量發展的重要驅動力。文章運用2013—2022年滬深A股上市公司數據，構造企業層面銀行金融科技影響加權指標以及企業周邊碳排放總量指標，分析了銀行金融科技發展對企業碳排放的影響及作用機制。機制分析顯示，銀行金融科技能夠通過提升企業要素配置效率和環境信息披露質量來降低企業周邊碳排放水平。異質性分析顯示，對于規模較大、所在省份金融發展程度較高、非重污染行業的企業以及在國有銀行貸款的企業而言，銀行金融科技的碳減排效應更為明顯。銀行金融科技主要通過引導企業開展事前綠色創新投資活動而非事后污染治理活動來實現碳減排。為此，建議引導銀行大力發展金融科技，提升企業的要素配置效率和環境信息披露質量；同時，實施差異化的金融支持政策，精準有效支持和引導企業降低碳排放。

關鍵詞：銀行金融科技；碳減排；要素配置效率；環境信息披露

中圖分類號：F830 文獻標識碼：A 文章編號：1674-2265（2024）09-0043-11

DOI：10.19647/j.cnki.37-1462/f.2024.09.005

一、引言

2023年，中國的二氧化碳排放量增長了約5.65億噸，達到126億噸，占全球排放總量的1/3以上①。全面實現“雙碳”目標、建設美麗中國任重道遠。企業作為經濟生活的主要單元，是碳排放大戶，其降碳減污擴綠離不開金融創新工具的有效支持。隨著數字經濟的快速發展，金融科技應用能力已經成為銀行業金融機構提升市場競爭力的關鍵。2022年，全球金融科技投資額為770億美元，而我國國有六大行金融科技投入平均同比增長8.42%②。銀行金融科技的深入應用有助于實現政府、銀行、企業數據的互通共享，破除金融供需資源信息壁壘，打造產融平臺，使銀行信貸資金精準高效地服務于低碳環保項目。銀行金融科技是否能夠在促進金融支持實體企業信貸規模不斷擴大的同時，促進經濟社會發展與綠色低碳發展目標實現有效統一？為此，本文運用2013—2022年我國A股上市公司數據，構造企業層面銀行金融科技影響加權指標以及企業碳排放指標，分析銀行金融科技發展對企業碳排放的影響以及實現機制，指出銀行金融科技發展能夠有效解決傳統金融在支持企業發展中的要素錯配問題，并促進企業環境披露及質量提升，抑制“漂綠”行為對企業碳排放造成的負面影響。

本文可能的邊際貢獻在于：第一，研究視角創新?，F有文獻多關注銀行金融科技發展對銀行與企業績效的影響，鮮有從企業綠色行為和環境視角分析銀行金融科技對企業碳排放的影響。第二，研究指標創新?，F有文獻多運用地區數字金融發展或省內金融科技公司數量等指標作為金融科技發展的代理變量，鮮有文獻構造企業個體層級的銀行金融科技指標；同時，已有文獻中的碳排放指標多通過將宏觀區域碳排放和企業成本占比兩項指標相乘來構造，而本文通過提取不同區域碳排放柵格數據以及企業地理位置相關信息，構造企業周邊碳排放指標。與傳統的銀行金融科技指標和碳排放指標相比，本文構造的指標更加細致、精準、客觀和科學。第三，研究機制創新。現有文獻分析銀行金融科技對實體企業的影響機制時，多側重于融資約束緩解、銀行信貸質量及公司治理能力提升等方面，本文提出銀行金融科技發展能夠有效解決要素配置不合理問題以及“漂綠”問題，并能有效提升企業環境信息披露質量，進而促進企業碳減排。研究結論從金融發展視角為實現“雙碳”目標提供了借鑒和指引，對于全面建設美麗中國、提升金融高質量發展的質效具有重要的理論價值和現實意義。

二、文獻綜述及研究假設

（一）文獻綜述

1. 銀行金融科技發展的影響。已有文獻主要關注了銀行金融科技發展對銀行自身和企業的影響。關于對銀行自身的影響，有學者認為，金融科技改變了金融行業的運行模式，通過重塑金融機構的運營模式（Grennan和Michaely，2021）[1]，促進了金融產品的創新，如在線銀行、第三方支付等（Leong等，2017）[2]，通過信用的透明化和信息化，提升了銀行風險管理能力和金融資源配置效率（Norden等，2014）[3]。部分學者則認為，金融科技競爭給銀行業金融機構的盈利能力帶來了下行壓力，減少了銀行業金融機構的利息收入并增加了成本（Bejar等，2022）[4]。在對非金融企業的影響方面，部分學者認為，銀行金融科技的發展能夠提升企業財務質量，并通過信息共享機制增強銀行信息甄別能力，降低企業債務違約風險（馬文婷等，2024）[5]；能夠降低銀企信息不對稱程度，提高銀行風險控制能力，從而緩解企業金融錯配（劉惠好等，2024）[6]；能夠加劇銀行業競爭，從而拓寬企業信貸的多元化渠道（馮玨等，2024）[7]以及有效降低企業金融化水平（李真等，2023）[8]。還有學者發現，銀行金融科技水平的提升能夠通過資金約束緩解和創新激勵機制促進信貸企業數字化轉型水平提升（俞毛毛和盧小祁，2024）[9]。

2. 企業碳減排的影響因素?，F有文獻從企業內部和外部兩個方面關注了企業降低碳排放的影響因素。從內部影響因素來看，企業碳信息披露的完善（郭四代等，2023）[10]、企業數字化轉型（鄧慧慧等，2023）[11]和綠色創新活動（李婉紅等，2023）[12]能夠顯著降低企業碳排放。外部影響因素方面，部分學者關注了環境規制以及金融工具對企業碳排放的影響，如碳排放權交易試點政策帶來的碳減排效應（董康銀和鄧又一，2023）[13]、環境規制通過“倒逼減排效應”對碳排放強度產生的積極影響（李菁等，2021）[14]、綠色金融對企業綠色低碳發展的影響（劉珊和馬莉莉，2023；李紹哲等，2023）[15，16]、金融可得性增加和銀企距離縮短對企業碳排放及污染物排放的影響（王守坤和范文誠，2024；俞毛毛和馬妍妍，2024）[17，18]等。財稅政策方面，宋恒等（2023）[19]認為營改增政策實施能夠提升企業研發能力和能源利用效率，進而顯著降低企業碳排放；李祝平和胡燕芳（2024）[20]認為，環境補貼對企業碳減排具有正向作用，但同時存在滯后性，其中節能減排而非治理補貼發揮主要作用。

3. 文獻評述?，F有文獻圍繞銀行金融科技和企業降低碳排放兩個主題進行了大量有價值的探討，在企業碳排放的影響因素方面，已有研究重點分析了環境政策、金融和財稅政策等對企業碳排放可能產生的影響，但在金融政策工具對企業碳減排的影響方面，鮮有文獻探討金融新業態——銀行金融科技的發展對企業碳排放的影響，這為本文的研究提供了一定的拓展空間。本文對銀行金融科技對企業碳排放的影響機制進行了理論分析與實證檢驗，為發展金融科技賦能金融服務、提高金融政策工具的有效性、降低企業碳排放水平提供了有益參考。

（二）理論分析與研究假設

1. 銀行金融科技發展與企業碳排放。隨著“雙碳”目標的提出，碳排放總量控制已經成為企業面臨的一項重要任務。企業的碳排放主要來源于生產經營過程中的能源使用和消耗，因此，提升單位能源產出效率是碳減排的關鍵。實踐中，企業碳減排的路徑主要有技術性減排和管理性減排等方式（余紅偉等，2024）[21]。技術性減排是通過技術創新、優化資源配置、改進生產工藝流程等，提高生產效率以降低單位產量的碳排放強度，從而實現減排目標（胡珺等，2020）[22]。管理性減排主要通過改善與優化能源管理或實行精細化管控等來減少資源消耗，提高產出效率（孫傳旺等，2022）[23]。企業開展技術創新需要持續大量的資金支持，內部融資通常無法完全滿足企業的資金需求，因而經常依賴外部融資，而金融資金供需雙方的信息不對稱是限制企業融資的最重要因素之一（Fazzari等，1988）[24]。

信息不對稱理論認為，由于企業自身業務及經營狀況存在不透明性，資金供求雙方存在信息不匹配的問題，傳統金融在提升信貸資金匹配度上作用有限，無法有效解決企業面臨的“融資難”和“融資貴”等問題。企業碳減排需要大量綠色投資和新技術研發投資，此類投資多存在不確定性，與傳統項目相比面臨更大的融資難題。而金融科技為傳統金融體系帶來了創新和變革，緩解了信息不對稱。銀行金融科技借助數字技術更好地實現政府、銀行、企業之間的信息聯通，在貸前審查時可以全方位收集企業信息，彌補長尾企業的信用不足，進而提高金融機構資金投放速度，而且還能利用人工智能等技術高效識別綠色項目，撬動資金流向企業，有效降低共享信息成本（譚常春等，2023）[25]。銀行金融科技能幫助銀行有效吸納市場中的金融資源并轉化為企業融資的有效供給（Gomber 等， 2017）[26]，通過數字技術優化審批流程，減少企業融資的時間成本（李真等，2023）[8]，在提高金融機構的融資服務效率的同時，能降低企業綜合融資成本，為企業綠色低碳項目運營提供有效的資金保障，從而幫助企業降低碳排放。同時，金融錯配理論認為，金融資金支持領域的錯配會導致金融資源賦能實體經濟時表現出偏離帕累托最優的狀態，增加企業借貸成本或導致企業為獲得資金支持而進行尋租（劉元雛和華桂宏，2023）[27]。金融資源錯配會造成傳統領域項目獲得更多的資金支持，綠色環保領域則因短期收益低而面臨資金不足的問題。銀行金融科技作為傳統普惠金融的補充，能提高信貸投放的精準度和高效性，提高綠色信貸資源配置效率（王滿倉等，2023）[28]，使得更多綠色創新項目得到信貸資金支持，從而幫助企業降低碳排放。總體而言，銀行金融科技能夠顯著降低銀行的信息獲取成本，同時又能有效彌補普惠金融支持缺位和資金錯配問題，為綠色投資和轉型升級提供更大的資金支持。

根據上述分析，本文提出假設H1：

H1：銀行金融科技發展水平的提升能夠顯著降低信貸企業碳排放水平。

2. 要素配置效率機制。一方面，資源“尋租”與銀行信貸配給現象的存在，造成行業之間和行業內部勞動要素與資本要素的配置比例與最優比例出現偏差，使得勞動與資本要素資源無法在行業與區域內根據要素邊際生產力水平進行自由流動（Xie等，2023）[29]，進而對綠色創新行為產生負面影響，導致企業碳排放增加（Gao等，2021）[30]。從金融錯配本身來看，金融資源錯配會導致資源更多投向能源消耗大、碳排放高、產能過剩的行業，同時金融資源錯配多與信息不對稱、信貸配置存在制度偏向等特征存在相關性（魏麗莉和楊穎，2023）[31]，銀行業競爭又會加劇信貸供給側重考慮項目經濟效益、企業償債能力等因素的傾向，進而導致金融資源向綠色低碳領域配置不足。銀行金融科技能夠顯著提升信貸資源配置效率（劉惠好等，2024）[6]，從而改善行業之間和行業內部勞動要素與資本要素的配置偏差，促進企業綠色創新，減少碳排放。另一方面，金融科技在銀行的應用具有優化公司治理的作用（馬文婷等，2024）[5]，數字技術的應用能夠強化對信貸資金使用的監督，督促企業管理層專注于促進企業生產要素的合理流動和精準匹配，有效提升企業各類生產要素的邊際生產力水平，不斷提高企業財務質量，避免生產要素配置效率低下導致的粗放型生產問題，提高企業產能利用率和集約化發展水平，從而降低企業的碳排放水平。

根據上述分析，本文提出假設H2：

H2：銀行金融科技發展水平提升能夠顯著提升企業要素配置效率，進而降低碳排放水平。

3. 環境信息披露機制。企業碳信息披露具有顯著的碳減排效應（Tomar，2023）[32]。一方面，企業通過環境信息披露向投資者傳遞積極的減排信號，減少了投資者的信息不對稱，降低了不確定性，有利于吸引更多的投資。另一方面，環境信息披露使企業面臨媒體和公眾監督壓力，倒逼企業進行綠色技術創新（付嘉為和范丹，2024）[33]，從而降低碳排放。然而，企業為獲得更多信貸資金支持，可能會選擇隱瞞環境信息或試圖通過“漂綠”行為虛構綠色項目，雖然能夠在短期內獲得低成本融資支持，但相關資金并不一定用于綠色投資領域，從而對碳減排產生負面的影響。

一方面，銀行金融科技發展能有效解決企業環境信息披露質量低下造成的負面影響，進而促進碳減排。目前企業普遍存在環境信息披露不足的問題。銀行可以通過借助人工智能、大數據、區塊鏈等技術手段，高效識別綠色項目，強化對綠色低碳項目的金融支持，這能激勵企業提升環境信息公開化水平和信息披露質量，同時接受更為廣泛的社會監督，從而對企業碳減排產生激勵效應。另一方面，銀行金融科技有助于減少企業“漂綠”行為。銀行金融科技依托區塊鏈等技術對資金用途進行實時監督和追蹤，更好地追蹤綠色信貸資金貸前、貸中和貸后的動態情況（譚常春等，2023）[25]，規范企業資金投入，防范企業“綠漂”行為，從而促進企業降低碳排放。如江蘇銀行通過積極發展金融科技，借助物聯網、大數據、人工智能等技術手段，及時獲取污染物排放、用能、用水、用電等多維度數據，為客戶ESG 評級、“碳畫像”等提供技術和數據支撐，對信息披露充分、轉型成效好的企業，給予貸款利率優惠選擇權，不僅節省企業融資成本，助力企業提升ESG表現，還推動了綠色貸款高質量增長，有效防范了“漂綠”“洗綠”風險。

根據上述分析，本文提出假設H3：

H3：銀行金融科技發展水平提升能夠有效解決企業環境信息披露質量低下問題，降低企業碳排放水平。

三、變量選取、模型建立與數據來源

（一）變量設定

1.被解釋變量：企業周邊碳排放水平?，F有文獻多通過企業自身成本占行業成本的比例以及行業整體碳排放水平數據，近似計算得出上市公司碳排放水平，但此種核算方法并未考慮實際排放狀況，以單位成本碳排放為額定指標。本文基于上市公司樣本所在城市實際碳排放測算水平以及企業實際地理位置間接測算企業周邊碳排放水平。首先，參照張杰和解揚（2015）[34]的分析方法，根據歐盟EDGAR數據庫，得到我國不同城市區域的碳排放數據，并轉化為柵格數據；其次，參照蘇泳嫻等（2013）[35]的分析方法，對所有上市公司辦公地地理坐標進行提取，并以每個上市公司辦公地位置為基準點生成不同半徑的圓形區域，通過R軟件讀取不同區域的碳排放總量的柵格數據；最后，根據上市公司附近范圍不同的圓形區域與碳排放柵格數據的交叉部分，近似計算得出上市公司周邊不同公里的碳排放數據（lnce5、lnce10、lnce20），作為被解釋變量。

2.核心解釋變量：銀行金融科技發展水平。李真等（2023）[8]構造的銀行金融科技指主要反映銀行金融科技發展水平如何通過銀行信貸影響企業行為。銀行金融科技對企業的影響分為兩方面：一方面為銀行自身金融科技發展水平，用銀行當年申請金融科技類專利的數量來表示；另一方面為銀行貸款規模占企業當年新增貸款的比例。二者相乘后通過加權匯總方式得出銀行金融科技指標。計算公式為：

[bankfinit=n=1Nloanintloanit×finpatnt] （1）

其中，[loanint]為[t]年度企業[i]從銀行[n]獲得的信貸金額，[finpatnt]為銀行[n]在[t]年申請的實用新型專利和發明專利中金融科技專利的數量。

具體來看，首先，根據國泰安上市公司數據庫銀行信貸明細數據，計算出上市公司從不同銀行獲得貸款的比例。其次，根據國家知識產權局專利數據庫，獲得2013—2022年各銀行專利申請數量信息，并借鑒中關村互聯網金融研究院發布的《中國金融科技和數字普惠金融發展報告（2020）》以及中國人民銀行發布的《金融科技發展規劃（2022—2025年）》進行金融科技關鍵詞提取，主要分為“ABCD+底層技術”和金融科技應用兩個方面。其中，“ABCD+底層技術”包括人工智能、區塊鏈、云計算和大數據四個方面，而金融科技應用包括互聯技術和安全技術應用a720838f35fbbdf9c340775cc5dfeedd6d2d064ff9531060a067e7d40d28bb27兩個方面③。對每條專利中的摘要信息進行檢索，若出現金融科技詞庫中的關鍵詞，則定義為金融科技專利，從而得到每年銀行申請金融科技專利的數量。最后，將不同銀行信貸規模占比與金融科技專利數相乘，得出企業級別銀行金融科技發展指標（bankfin），作為本文的核心解釋變量。

3. 控制變量。（1）企業財務特征變量，包括：企業規模（size），即年末總資產的對數；企業杠桿率水平（lev），為企業年末總負債和總資產的比值；企業貨幣資金水平（lncash），為年末貨幣資金的對數；固定資產占總資產比例（fxpro）；營業收入增長率（incgrowth）；企業成立年數對數值（lnage）；企業總資產收益率（roa）。（2）企業治理指標變量，包括：前十大股東持股比例（top10）；董事會人數對數值（lnboardnum）；董事長和總經理是否存在兩職合一（dual）。（3）其他企業變量，包括：企業數字化水平（lndgt）；企業是否為高新技術企業（hightech）；企業全要素生產率（tfp_op）。其中，企業數字化水平指標的構建參照吳非等（2021）[36]，主要包括人工智能、大數據、云計算、區塊鏈技術以及數字技術應用等方面，對企業年報文本進行詞頻統計后取對數；企業全要素生產率的構造參照魯曉東與連玉君（2012）[37]，運用OP法計算后取對數得出。（4）其他行業及宏觀指標，包括：不同行業營業收入的赫芬達爾系數（hhi_tsales）；樣本所在省份的人均GDP水平（lnpgdp）；企業所在省份年度信貸余額占GDP的比重（finlp）；企業所在省份的第三產業與第二產業產值之比（thrpro）；企業所在省份出口總額占GDP的比重（eximpro）；企業所在省份環境規制指標（env）④；能源消費結構（engstr），通過計算各省份各年度煤炭消費與能源消費總量的比值得出，其中煤炭消費為七個相關能源最終消費之和，而能源消費總量是20個相關能源終端消費量之和。

4. 機制變量。一是企業要素配置效率（alnKL）。借鑒李艷等（2023）[38]和王文春等（2022）[39]，用企業“資本—勞動比”與該指標行業均值之差的絕對值衡量要素配置效率。企業存在最優“資本—勞動比”，若超出最優比例，則會造成產能過剩和落后產能的過度擴張，進而可能擴大碳排放。對于資源型企業來說，資本深化的過程會對企業全要素生產率產生負面影響（鄭明貴等，2022）[40]。

二是企業EDI指標（lnedi）。本文參照孔東民等（2021）[41]的做法，按照是否貨幣化對環境信息披露進行分類。貨幣化指標主要包括環境負債披露和環境業績與治理信息披露兩部分，若企業同時進行定量和定性披露則指標賦分為2，只進行定性披露則指標賦分為1；非貨幣化披露主要包括環境管理披露、環境認證披露以及環境信息披露載體指標三部分，披露指標賦分為2，非披露指標賦分為0。兩部分共有25個評分項目，將上述項目賦分后加總得到EDI值，在回歸中取對數處理。

三是企業“漂綠”指標（gws）。參照Zhang（2022）[42]和Hu等（2023）[43]的研究構建“漂綠”指標，具體計算公式為：

[gwsit=（ESGdisi，t-ESGdis）δdis-ESGperi，t-ESGperδper] （2）

其中，[i]表示企業，[t]表示樣本年份，[ESGdisi，t]表示彭博的ESG指標，[ESGperi，t]表示萬得披露的ESG指標，[δdis]表示[ESGdis，t]對應的標準差 ，[δper]表示[ESGperi，t]對應的標準差。

（二）實證設計

為驗證假設1，即銀行金融科技發展水平提升對企業碳排放水平的影響，本文構建如下回歸模型：

[lnceit=α0+α1bankfinit+λX+vj+φt+εit] （3）

其中，[i]表示企業，[t]表示樣本年份，[α0]為常數項，[α1]表示銀行金融科技發展水平的待估系數，[λ]為控制變量待估系數矩陣，[X]為所有控制變量構成的矩陣，[bankfin]表示樣本年度對應信貸銀行的金融科技發展指數，[lnce]包括企業附近不同半徑（5km、10km與20km）范圍內的碳排放總量對數值，[vj]表示按照證監會2012版《上市公司行業分類指引》中的一位行業代碼構造的行業固定效應，[φt]表示年度固定效應，[εit]表示隨機擾動項。

（三）數據來源及處理方式

碳排放數據來自EDGAR（Emission Database for Global Atmosphere Research）。商業銀行不同年份專利申請數據來自中國專利數據庫。上市公司銀行信貸數據來自國泰安數據庫。本文對變量進行以下處理：（1）剔除金融類及房地產公司樣本；（2）剔除ST、PT、*S開頭的特殊處理樣本；（3）剔除資產負債率大于1、凈資產小于0的樣本。

f803cec93e2c57719cffbb998aeeb215（四）主要變量描述性統計

主要變量描述性統計如表1所示。企業20km半徑范圍內碳排放對數均值為16.79，金融科技指標均值為1.32。多數樣本金融科技指標為0，主要是由于部分企業未獲得信貸支持或者貸款銀行沒有金融科技專利申請記錄。從財務指標來看，樣本企業平均規模為22.45，平均杠桿率水平為46.5%，平均總資產收益率為3.2%，前十大股東平均持股比例為57.42%，有27.3%的樣本存在“兩職合一”的現象。

四、實證結果分析

（一）基準回歸分析

為驗證假設1，通過面板固定效應分析銀行金融科技發展對企業碳排放的影響。回歸結果如表2所示。從回歸結果可以發現：銀行金融科技發展水平的提升能夠顯著減少企業碳排放；逐步控制企業財務指標、公司治理指標以及企業所在省份宏觀指標后，回歸結果保持穩健。表2列（3）中，銀行金融科技發展水平每提升1個單位，企業5公里范圍內的碳排放總量會降低3.5%；將被解釋變量分別替換為企業周邊10公里和20公里碳排放總量指標后，回歸結果保持穩健，同時銀行金融科技發展對碳排放的影響略有減弱。可能的原因是：一方面，銀行金融科技發展水平的提升能夠緩解企業融資約束，促進企業轉型升級，通過增加綠色投資和推廣應用新質生產力，降低對周邊環境產生的影響；另一方面，銀行金融科技發展能提升信貸投放效率，減小對落后產能和低效率投資領域的支持力度，進而對碳減排產生積極影響。上述分析驗證了假設1，即銀行金融科技發展水平提升能夠顯著降低企業碳排放水平。

（二）穩健性檢驗

1. 控制遺漏變量偏誤。企業碳排放水平除受企業自身投資行為、金融支持狀況和環保投資影響外，還受到其他因素的影響。一是企業所在地區綠化覆蓋率，二是人口密度，三是氣候逆溫狀況。為避免遺漏變量對回歸結果造成的影響，本文在控制變量中進一步加入企業所在城市逆溫天數（revday）、企業所在城市人口密度（popdens）以及企業所在城市植被覆蓋率（grcov）指標⑤進行穩健性檢驗?；貧w結果如表3所示。控制人口、綠化以及逆溫因素后，銀行金融科技發展水平的提升同樣能夠顯著降低企業周邊不同公里的碳排放水平。從新加入控制變量的回歸系數來看，人口密度增加以及逆溫天數增加會顯著提升碳排放水平，而城市綠化覆蓋率水平提升會顯著降低碳排放水平。

2. 重新構造銀行金融科技指標。銀行金融科技指標主要受兩種因素影響，一是企業貸款銀行申請金融科技類專利的數量，二是銀行信貸占企業新增信貸的比例。本文主要關注前者的影響，但銀行金融科技對企業碳排放的影響可能更多由銀行信貸規模（或信貸占比）導致。為解決上述偏誤問題，采用因子分離方式對變量重新進行構造，即分別考察銀行信貸因素和金融科技專利申請因素的影響。參照李真等（2023）[8]，首先，以企業最早貸款銀行金融科技專利逐年申請數量的變化作為銀行金融科技指標（lnpatent_p）；其次，固定最早貸款銀行最早貸款年度的金融科技專利申請數量，將該銀行不同年份信貸占企業信貸總額的比例作為銀行金融科技衡量指標（lnpatent_d）；最后，僅提取不同信貸銀行歷年金融科技專利申請數量的算術平均值及最大值作為銀行金融科技指標變量（lnpatent_mean與lnpatent_max）。回歸結果如表4所示。列（1）中，最早貸款銀行貸款比例指標的逐年變化并不會顯著影響企業碳減排狀況，說明企業碳減排并非主要受到貸款銀行信貸比例的影響；列（3）中，當保持貸款比例不變后，最早貸款銀行專利申請數量的增加會顯著降低企業碳排放規模；列（2）和（4）中，貸款銀行平均專利申請數量的增加和最大專利申請數量的增加，同樣會顯著降低企業碳排放。從上述分析可以看出，信貸銀行金融科技發展水平而非信貸規模具有碳減排效果。

3. 工具變量。參照李逸飛等（2022）[44]，計算企業貸款銀行第一次申請金融科技專利年度與樣本年度的差值并取對數作為銀行金融科技發展的工具變量（lnygap）。從相關性來看，銀行轉型越早，越有動力引入或研發金融科技，所以與金融科技發展存在相關性。從排他性來看，早期申請的金融科技專利對現階段企業碳減排的影響較弱。因此，工具變量選擇滿足相關性和排他性要求。工具變量兩階段最小二乘回歸結果如表5所示。列（1）中，距離信貸銀行第一次申請專利的時間越長，銀行金融科技發展水平越高；列（2）中，從工具變量二階段回歸結果能夠看出，引入工具變量分析方法后，銀行金融科技發展同樣能夠顯著降低企業周邊20km的碳排放水平，同時系數絕對值與主回歸相比有所擴大，說明糾正內生性問題后銀行金融科技的碳減排效應有所增強。從工具變量統計指標來看，一階段Wald F指標顯著均顯著大于0，說明不存在弱工具變量問題，工具變量與內生變量之間存在顯著相關性。列（3）中加入樣本所在城市銀行競爭度（bankhhi）以及是否存在銀企關聯（brel）指標后，銀行金融科技的回歸系數仍顯著為負，說明工具變量滿足“排他性”要求⑥。

（三）異質性分析

進一步地，根據企業規模特征、是否屬于重污染行業、地區金融發展水平以及最大信貸銀行是否為國有銀行進行分組，對銀行金融科技對企業碳排放的影響進行異質性分析?；貧w結果如表6所示。首先，列（1）和（2）中，對于規模較大的企業來說，銀行金融科技發展能夠更為顯著地促進企業碳減排，主要是由于規模較大的企業有更為充裕的資金進行轉型升級；其次，列（3）和（4）中，在金融發展水平較高的地區，銀行金融科技的碳減排效應較為顯著，說明銀行金融科技主要通過與傳統金融發展的互補發揮碳減排作用，使得企業獲得更大程度的資金支持和減排激勵；再次，列（5）和（6）中，銀行金融科技能夠更好地促進非重污染行業碳減排，而對重污染行業企業的作用不顯著，這可能與重污染行業“限貸”狀況有關；最后，列（7）和（8）中，對于國有銀行來說，銀行金融科技發展能夠更大程度地考慮綠色投資理念，更好地促進企業履行社會責任，而非國有銀行對于環境考量相對較弱，因而國有銀行金融科技發展的碳減排效應更為顯著。

五、進一步分析

（一）機制檢驗

1. 要素配置效率提升機制。本文借鑒周煜皓和張盛勇（2014）[45]、呂承超和王志閣（2019）[46]的研究，分別采用企業偏離年度同行業“資本—勞動比”均值的絕對值（alnKL）作為中介變量，通過中介效應模型，分析銀行金融科技發展是否能夠通過提升企業要素配置效率，降低碳排放水平。回歸結果如表7所示。列（1）和（2）中，銀行金融科技發展水平的提升能夠顯著降低企業整體要素錯配狀況，通過要素配置效率的提升促進企業集約化生產，解決由于要素配置不合理造成的碳排放問題，假設2成立。

2. 環境機制。參照孔東民等（2021）[41]的研究，進行環境信息披露質量（lnedi）指標的構造，并參照Zhang（2022）[42]和Hu等（2023） [43]的研究進行企業“漂綠”指標（gws）的構造，通過調節效應模型，分析金融科技如何有效解決企業環境信息披露質量低下帶來的碳排放問題?；貧w結果如表8所示。列（1）中，企業環境信息披露質量的提升能夠顯著降低企業周邊碳排放水平；列（2）中，對于環境信息披露較為充分的企業來說，銀行金融科技發展水平提升能夠更大程度地降低周邊碳排放水平。列（3）中，“漂綠”程度的提升會導致企業周邊碳排放增加；而列（4）中，銀行金融科技發展水平的提升能夠顯著降低漂綠行為產生的環境負面效應。上述分析證明了假設3成立，即銀行金融科技發展水平的提升能夠有效解決環境信息披露質量低下造成的碳排放問題，假設3成立。

（二）綠色創新與污染治理的區分

綠色創新是污染治理的重要一環，企業通過創新行為進行技術革新和工藝流程的優化，銀行金融科技能夠更好地促進創新行為的開展和風險分擔機制的建立，優化企業融資能力，使得更多綠色創新項目得到信貸資金支持。同時，企業也有可能將“后期治理”作為碳排放治理的主要手段。那么，銀行金融科技的碳減排效應是通過推動企業綠色創新實現的，還是通過促進企業污染治理實現的呢？為了回答這一問題，先通過上市公司當年綠色專利申請數據⑦（lngrnpat為企業綠色專利申請數量加1取對數值，lngrnpat1為企業綠色發明專利申請數量加1取對數值，lngrnpat2為綠色實用新型專利申請數量加1取對數值），分析銀行金融科技對綠色創新行為的影響，并構造兩種不同的治理投資指標（gripro為管理費用中環保投資占營業收入的比例，gripro2為在建工程中環保投資占期末總資產的比例），分析銀行金融科技對企業環境治理投資的影響。回歸結果如表9所示。列（1）—（3）中，銀行金融科技發展水平的提升能夠顯著促進企業綠色專利申請總數提升，同時上述效應對于實用新型專利更為顯著；列（4）—（5）中，銀行金融科技發展并不會顯著提升企業環境治理投資水平。因此，銀行金融科技主要通過引導企業開展事前綠色創新投資活動而非后期污染治理活動來實現碳減排效應。

六、結論與政策建議

（一）文章主要結論

本文利用2013—2022年滬深A股上市公司樣本，通過國家知識產權局專利數據庫中銀行專利申請摘要信息，提取出銀行金融科技類專利歷年申請數量，同時提取出上市公司每年從不同銀行貸款金額數據，構造出銀行金融科技發展指標，分析銀行金融科技發展水平的提升對企業碳排放的影響。研究表明：第一，銀行金融科技發展水平的提升能夠顯著降低企業碳排放，該結論經穩健性檢驗后仍然成立，且在規模較大企業、所在地區金融發展水平較高的企業、非重污染行業企業以及國有銀行中該效應更為明顯。第二，銀行金融科技發展水平的提升能夠促進企業要素配置效率和環境信息披露質量的提升、從而降低企業碳排放。第三，銀行金融科技主要通過引導企業開展綠色創新投資活動而非污染治理實現碳減排。

（二）政策建議

一是鼓勵銀行大力發展金融科技，助力金融服務質量提升，強化金融對碳減排目標的支持力度。一方面，鼓勵銀行與科技公司合作，借助大數據、人工智能等技術，增強企業精準畫像能力，建立綠色項目信息庫和環境信息平臺；另一方面，探索開發提供數字化碳減排金融產品，形成“數字科技+綠色低碳+普惠集群”全方位、一體化的數字化碳金融服務方案，提升企業綠色投融資便利化水平。

二是鼓勵銀行加快人工智能、大數據及區塊鏈等技術手段的應用，推動企業提升自身環境信息披露質量。鼓勵銀行業發揮金融科技優勢，積極構建兼顧國際標準和中國特色的ESG評級體系，推廣融資主體ESG評價系統，探索實施金融工具與企業綠色低碳發展目標相掛鉤的貸款融資模式，根據企業環境治理信息披露情況，科學評價企業客戶的綠色低碳發展能力，并根據不同客戶ESG評級結果，提供差異化的綠色金融服務。同時，應積極引入第三方ESG鑒證機制，通過金融科技促進本土化ESG數據庫的建設，逐步延伸數據信息與指標覆蓋范圍，降低ESG披露數據失實對碳排放產生的負面影響。

注：

①數據來源于國際能源署（IEA）發布的《2023年二氧化碳排放量》。

②數據根據《中國金融科技生態白皮書（2023年）》整理得出。

③金融科技主要關鍵詞包括兩大類：第一大類為底層技術類關鍵詞，包括人工智能類、區塊鏈類、云計算類、大數據類；第二類為金融科技應用類關鍵詞，包括互聯技術應用、安全技術類。

④樣本所在省份的環境規制指標，用省份工業污染治理完成投資金額占工業增加值的比重衡量，指標越大說明省份環境規制強度越大。

⑤城市綠化覆蓋率（grcov）：城市綠化覆蓋率（%）=建成區內所有植被的垂直投影面積（km2）/建成區面積（km2）×100； 城市逆溫天數數據（revday，天），根據逆溫層中第一與第二層的氣溫判斷當天是否是逆溫天并進行全年逆溫天數加總得出；城市人口密度（popdens，人/平方公里），根據地區常住人口數量與城市面積之比得出。

⑥所在城市銀行競爭度通過樣本所在城市不同銀行網點數量占比平方和加總得出；某銀行持有企業股份、企業持有銀行股份或高管具有銀行背景三種情況中至少一種存在，則brel=1，否則為0。

⑦綠色專利識別參照齊紹洲等（2018）[47]，根據世界知識產權組織2010年推出的“國際專利分類綠色清單”中的七大分類進行綠色專利識別。

參考文獻：

[1]Grennan J，Michaely R. 2021. FinTechs and the Market for Financial Analysis [J].Journal of Financial and Quantitative Analysis，56（6）.

[2]Leong C，Tan B，Xiao X，Tan F T C，Sun Y. 2017. Nurturing a FinTech Ecosystem：The Case of a Youth Microloan Startup in China [J].International Journal of Information Management，37 （2）.

[3]Norden L，Bustion S，Wagner W. 2014. Financial Innovation and Bank Behavior： Evidence from Credit Markets[J].Journal of Economic Dynamics and Control，（43）.

[4]Bejar P，Ishi K，Komatsuzaki T，Shibata，Sin J，Tambunlertchai S. 2022. Can Fintech Foster Competition in the Banking System in Latin America and the Caribbean？ [J]. Latin American Journal of Central Banking，3（2）.

[5]馬文婷，俞毛毛，范瑞.銀行金融科技發展能夠降低企業債務違約風險嗎？[J].現代財經（天津財經大學學報），2024，（06）.

[6]劉惠好，馮玨，汪穎棟.銀行金融科技與企業金融錯配：緩解還是惡化？[J].金融論壇，2024，（03）.

[7]馮玨，汪穎棟，陳夢潔.銀行金融科技、信貸距離與銀行業競爭——基于信貸多元化的視角 [J].當代財經，2024，（05）.

[8]李真，李茂林，朱林染.銀行金融科技與企業金融化：基于避險與逐利動機 [J].世界經濟，2023，（04）.

[9]俞毛毛，盧小祁.銀行金融科技發展能夠促進企業數字化轉型嗎？——基于融資約束及創新激勵機制的研究 [J].經濟經緯，2024，（03）.

[10]郭四代，雷高文，蘇偉洲，袁子寒.企業碳信息披露的碳減排效應及其作用機制 [J].中國人口·資源與環境，2023，（12）.

[11]鄧慧慧，曾慶閣，趙曉坤.制造業企業數字化轉型、外部壓力與碳績效 [J].浙江社會科學，2023，（10）.

[12]李婉紅，李娜.綠色創新、數字化轉型與高耗能企業碳減排績效 [J].管理工程學報，2023，（06）.

[13]董康銀，鄧又一.碳排放權交易試點政策對企業低碳轉型的影響 [J].財經問題研究，2023，（12）.

[14]李菁，李小平，郝良峰.技術創新約束下雙重環境規制對碳排放強度的影響 [J].中國人口·資源與環境，2021，（09）.

[15]劉珊，馬莉莉.綠色金融對制造業企業綠色化轉型的影響 [J].資源科學，2023，（10）.

[16]李紹哲，李含笑，林麗瓊.綠色金融試點政策抑制重污染企業碳排放嗎？——來自綠色金融改革創新試驗區的證據 [J].金融發展研究，2023，（11）.

[17]王守坤，范文誠. 金融可得性與碳排放——來自金融地理結構的宏觀與微觀證據 [J].數量經濟技術經濟研究，2024，（01）.

[18]俞毛毛，馬妍妍.銀企距離縮短能夠促進企業污染減排嗎？[J].中央財經大學學報，2024，（02）.

[19]宋恒，李川川，宮方茗.稅制改革與制造業企業碳減排——來自“營改增”的準自然實驗 [J].宏觀經濟研究，2023，（07）.

[20]李祝平，胡燕芳.環境補貼能提升企業碳績效嗎——基于A股上市公司實證分析 [J].大連理工大學學報（社會科學版） ，2024，（01）.

[21]余紅偉，林子祥，胡力元，趙晨瑞，張繼宏.高質量發展下中國工業企業碳減排路徑選擇 [J].中國軟科學，2024，（01）.

[22]胡珺，黃楠，沈洪濤.市場激勵型環境規制可以推動企業技術創新嗎？ ——基于中國碳排放權交易機制的自然實驗 [J].金融研究，2020，（01）.

[23]孫傳旺，占妍泓，林伯強.新能源企業增值稅政策的規模效應與創新效應 [J].經濟研究，2022，（09）.

[24]Fazzari S，Hubbard R G，Petersen B C. 1988. Financing Constraints and Corporate Investment. Brookings Papers on Economic Activity [M].The Johns Hopkins University Press， （1）.

[25]譚常春，王卓，周鵬.金融科技“賦能”與企業綠色創新——基于信貸配置與監督的視角 [J].財經研究，2023（01）.

[26]Gomber P，Koch J A，Siering M. 2017. Digital Finance and FinTech：Current Research and Future Research Directions [J]. Journal of Business Economics，87 （5）.

[27]劉元雛，華桂宏.金融科技能否通過緩解金融錯配促進企業創新可持續性——來自戰略性新興產業上市公司的經驗證據 [J].中國科技論壇，2023，（04）.

[28]王滿倉，聶一凡，王耀平，馬芬芬.金融科技、企業融資與信貸資源配置效率 [J].統計與信息論壇，2023，（05）.

[29]Xie G，Cui Z H，Ren S Y，Li K. 2023. Pathways to Carbon Neutrality：How do Government Corruption and Resource Misallocation Affect Carbon Emissions？ [J]. Environmental Science and Pollution Research，（30）.

[30]Gao X，Wang S，Ahmad F，Chandio A A，Xue D. 2021. The Nexus Between Misallocation of Land Resources and Green Technological Innovation：A Novel Investigation of Chinese Cities [J].Clean Technologies and Environmental Policy ，（23）.

[31]魏麗莉，楊穎.金融資源錯配rw7EQT2JT8XUZ3bblaTuMsqsnzSQMbfX8k6+93lDra4=對碳排放的影響研究——基于綠色信貸視角 [J].西北師大學報（社會科學版），2023，（03）.

[32]Tomar S. 2023. Greenhouse Gas Disclosure and Emissions Benchmarking [J].Journal of Accounting Research，61（2）.

[33]付嘉為，范丹.環境信息披露能否激勵企業綠色技術創新——來自中國上市公司的證據 [J].產業經濟評論，2023，（02）.

[34]張杰，解揚.基于能耗視角的我國城市最優規模研究 [J].城市規劃學刊，2015，（06）.

[35]蘇泳嫻，陳修治，葉玉瑤，吳旗韜，張虹鷗，黃寧生，匡耀求.基于夜間燈光數據的中國能源消費碳排放特征及機理 [J].地理學報，2013，（11）.

[36]吳非，胡慧芷，林慧妍，任曉怡.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據 [J].管理世界，2021，（07）.

[37]魯曉東，連玉君.中國工業企業全要素生產率估計：1999—2007 [J].經濟學（季刊），2012，（02）.

[38]李艷，王康寧，陳斌開，白重恩.減稅激勵、企業規模與資本勞動比 [J].經濟學報，2023，（01）.

[39]王文春，殷華，宮汝凱.最低工資標準提高對企業資本勞動比的影響研究 [J].金融研究，2022，（01）.

[40]鄭明貴，董娟，鐘昌標.資本深化對中國資源型企業全要素生產率的影響 [J].資源科學，2022，（03）.

[41]孔東民，韋詠曦，季綿綿.環保費改稅對企業綠色信息披露的影響研究 [J].證券市場導報，2021，（08）.

[42]Zhang， D. 2022. Green Financial System Regulation Shock and Greenwashing Behaviors：Evidence from Chinese Firms [J].Energy Economics，111.

[43]Hu X，Hua R H，Liu Q F，Wang C J. 2023. The Green Fog：Environmental Rating Disagreement and Corporate Greenwashing [J].Pacific-Basin Finance Journal，78（4）.

[44]李逸飛，李茂林，李靜.銀行金融科技、信貸配置與企業短債長用 [J].中國工業經濟，2022，（10）.

[45]周煜皓，張盛勇.金融錯配、資產專用性與資本結構 [J].會計研究， 2014，（08）.

[46]呂承超，王志閣.要素資源錯配對企業創新的作用機制及實證檢驗——基于制造業上市公司的經驗分析[J].系統工程理論與實踐， 2019，（05）.

[47]齊紹洲，林屾，崔靜波.環境權益交易市場能否誘發綠色創新？——基于我國上市公司綠色專利數據的證據 [J].經濟研究，2018，（12）.