孟令超

（中央财经大学金融学院，北京 102206）

一、引言

近年来，绿色金融这一概念得到了迅速且大范围的普及和发展，成为较热的经济金融话题。绿色金融是指金融部门在日常的业务中融入保护环境的意识，在投资的过程中考虑到对环境的影响、与环境相关的回报，引导社会资源在环保方面上的分配，从而促进社会的可持续发展。虽然我国绿色金融还在发展之中，但已在制度建设、规模体量以及市场建设上取得一定成果。

绿色金融的发展与我国的经济转型密不可分。由于过去粗放的发展模式，我国环境污染的形势十分严峻，污染范围广、污染程度高和污染危害大是不容忽视的问题。大气污染、水污染和固体废弃物污染的数据触目惊心，而雾霾等环境污染的表现已经对居民的身心健康造成了显著的负面效应。据估计，我国在2020年将会因污染而损失将近13%的GDP。如何实现经济转型，即如何从粗放型的经济发展到资源节约型和环境友好型的经济是刻不容缓的问题。这种对经济转型和治理污染的需求促发了我国对绿色金融体系建设的需求。

近年来我国把绿色金融当作一项重点措施不遗余力地大力推行，那么绿色金融当前的发展状况如何，他的发展是否真正地促进了环境治理水平提升呢？以及我国不同地区间的绿色金融发展是否均衡呢？这些问题对于我们审视过去绿色金融的发展状况，以及讨论如何促进绿色金融的未来发展都有着重要作用。为此，本文针对这些问题展开了研究。在后文，本文首先构建了一套绿色金融发展水平测评体系来衡量绿色金融的发展程度，然后运用分位数回归的方法验证了绿色金融的发展效果，并且应用经济增长收敛的相关理论研究了省份之间绿色金融发展水平的差异情况。

本文后文的行文结构如下。第二部分为文章的研究假设，第三部分为绿色金融发展水平测评体系的构建，第四部分为研究设计，第五部分为结论与启示。

二、研究假设

（一）绿色金融的实施效果

绿色金融致力于通过金融保护环境，帮助清洁环保项目募集资金。绿色金融自被提出以来，便受到了国家和社会的大力关注与扶持，国家相关部门针对绿色金融出台了许多指导方针政策，使得绿色金融能够更加科学有效地实施，尽量扩大其改善环境的作用效果。同时，这种作用可能会随着地区污染水平的不同而不同，在环境污染较轻的地区，与传统途径的环保措施相比，绿色金融并不能体现出其优势，因而其改善作用可能相对较弱，改善空间相对较小；而在环境污染较为严重的地区，绿色金融凭借其优势可以使得该地区的环保工作水平大大提高，潜在的环境改善空间极大，远优于于普通环保措施。综上所属，本文的第一个研究假设如下：

H1：绿色金融显著改善了环境污染状况，而且污染越严重的地区，绿色金融的改善作用越明显。

（二）绿色金融在各省份间的发展现状

我国各省市发展绿色金融的基础条件不同，这种发展条件的差异性主要体现在经济基础与产业结构的差异上。经济基础的差异主要体现在各省金融体系发展与完善程度的不同上，金融体系发展较好的省份具有一定的“先天优势”，具备更多的资源来发展绿色金融；产业结构的差异性主要体现在各省经济结构的不同上，例如，绿色环保产业可能在部分省份的经济布局中占有较高的比重，这些省份就更有可能获得国家的支持来发展绿色金融。因此，本文提出了第二个研究假设。

H2：绿色金融在中国各省份的发展存在一定程度的不均衡性。

由于绿色金融是当前国家乃至世界正重点关注的话题，国家的相关部门针对绿色金融出台了众多针对性的措施，绿色金融在我国的发展可谓是年年都有新气象。因此，绿色环保相对落后的地区也会在相关扶持下，逐步提高绿色金融水平，改善其环保水平，实现环境效益的改善。为此，本文提出了第三个假设。

H3：绿色金融在我国各省份间的差距会逐步缩小，并实现收敛。

三、指标构建

（一）绿色金融发展水平测评体系的内容

为了衡量各省市的绿色金融发展水平，本文首先构建了一个绿色金融发展水平测评体系。测评体系的主要内容如下表所示。

表一 绿色金融发展水平测评体系

1.绿色信贷指标。绿色信贷指标是我国绿色金融发展的主体部分，也是各省绿色金融体量的主要部分。绿色信贷指标包括两个细分指标，其一为绿色信贷占比，其二为两高一剩企业信贷占比。绿色信贷占比对绿色金融的发展水平起正向作用，即绿色信贷规模越大，表明绿色金融发展水平较高；两高一剩企业信贷对绿色金融的发展水平起负向作用，由于银行资本流入两高一剩企业后，其投资绿色企业的资本会受到限制。由于各省没有披露绿色信贷数据，本文计算绿色信贷占比的方法为：取中债-中国绿色债券指数成分债券，在债券发行主体中进行挑选，选择上市公司主体，本文认为这些公司都是相对绿的公司。然后从这些公司的年报中获取其当年借款的现金流量数据，作为该公司当年的绿色信贷，再将该数值其除以A股所有上市公司取得借款的现金流量数据，计算得出绿色信贷占比。用同样的方法，计算得出两高一剩企业信贷占比。

2.绿色证券指标。绿色证券指标由环保企业市值占比和两高一剩企业市值占比两个细分指标构成，表现了绿色企业在A股市场的融资水平。环保企业名单根据我国行业目录获得。环保企业市值占比对绿色金融的发展水平起正向作用，两高一剩企业市值占比对绿色金融的发展水平起负向作用。

3.绿色投资指标。绿色投资指标是指除了信贷与证券以外的环保融资。绿色债券是其中重要的组成部分，但由于绿色债券市场的启动较晚，数据可获得性较差，这里主要考虑政府财政投入，将其作为环保投资。根据各个地方政府的财政年报，获得财政支出中环保项目的财政支出，将其除以地方财政总支出，即为环保财政支出占比。该指标为正向指标。

4.碳金融指标。碳金融指标由单位市值碳排放强度表示。单位市值碳排放强度越高，表明对温室效应的贡献作用越强，由此它是一个负向指标。各地区二氧化碳排放量通过以下方法计算得出：测算省级CO2排放量的主要来源为煤炭消费、石油消费（包括汽油、煤油、柴油和燃料油）、天然气消费。排放量数据的计算公式为是指i省t年的二氧化碳排放量，Sit,j是指该省此年二氧化碳第j种排放来源的消费量，ηj为该排放来源的排放系数。煤炭消费、汽油消费、煤油消费、柴油消费、燃料油消费以及天然气消费的排放系数分别为 1.776、3.045、3.174、3.150、3.064 和 21.670。能源消费数据来自《中国能源统计年鉴》。

（二）绿色金融发展水平测评体系的测算方法

1.指标的标准化过程。将细分指标进行标准化。由于指标中既有正向指标又有负向指标，对其采用不同的标准化过程。正向指标的标准化过程为，负向指标的标准化过程为。

2.指标的权重确定。为了尽可能避免在设置权重受到人为因素的过多影响，本文采用等权重法设置权重，赋予主要指标下的细分指标相同的权重，再赋予主要指标相同的权重，从而获得各省绿色金融发展水平得分。

四、实验设计

（一）研究样本和数据来源

本文针对绿色金融在中国各省份间发展状况的相关问题展开研究，为此，本文选择的样本是中国三十个省份、自治区以及直辖市，不包含西藏、台湾、香港以及澳门，因为上述地区的数据难以获得。考虑到2010年之前绿色金融尚未得到发展，以及2016年与2017年的部分最新数据尚未公布，本文选择的数据时间区间为2010年到2015年。数据的时间频度为年度。

（二）模型与变量

本文提出的研究假设有三个，为此，本文构建如下几个模型进行验证。

上述各式中，（1）式为探讨绿色金融发展水平与环境污染之间关系的分位数回归模型，i代表第i个省份，t代表年份，j代表第j分位数。

（2）式为探讨绿色金融发展水平是否存在绝对β收敛的回归模型，各下标含义同上。绝对β收敛，是指发展较弱的地区存在比发展较强的地区有更高的经济增长率，从而使得所有地区的发展水平最终收敛于相同值。

（3）（4）（5）（6）式分别为计算变异系数、泰尔指数、赫芬达尔 -赫希曼指数和基尼系数的公式，（6）式中i，j分别代表第i和第j个省份，其余下标含义同上。这些指数常用来检验σ收敛，这种收敛是指各地区的人均收入水平差异随着时间的推移而趋于减少。

模型中各变量含义如表二。

表二 变量表

环境污染水平变量中包含了三废，即废气污染、废水污染以及固体废弃物污染的信息，其中废气污染由化学需氧量（COD）、废气排放总量和氨氮排放总量代表，废水污染由二氧化硫排放总量、氮氧化物排放总量和烟（粉）尘排放总量代表，固体废弃物污染由一般废弃物产生量和危险废弃物产生量代表。本文首先从《中国环境统计年鉴》中获得相关数据，然后对其进行无量纲化处理，最后将无量纲化后的数据取平均值得到环境污染水平代理变量（Cost）。

五、实证结果

（一）描述性统计

本文研究的主要问题是绿色金融的发展水平，为此，本文首先对绿色金融发展水平指标（GreenScore）进行描述性统计。

上图为2010年到2015年间绿色金融发展水平指标的四分位数变化情况，从整体趋势上来看，三个四分位数在2010年到2015年年间展现出了平稳的上升趋势，这说明在这六年间绿色金融取得了较好的发展，取得了不错的效果。同时，从图中还可以看出，从2010到2015年间，四分位数之间的差距越来越小，这说明省份间的绿色金融发展差异在逐年缩小，与假设H1相一致。

本文制定了一套绿色金融发展水平测评体系，并计算出了2010年到2015年我国30个省份（不含西藏、香港、澳门、台湾）的绿色金融发展水平指标。可以看出，我国省际绿色金融发展水平有较为明显的地理差异性，在一定程度上验证了本文的假设H2。

我国绿色金融发展水平较高的地区有：东北地区（黑龙江、吉林）、东南沿海地区（浙江、福建、广东）、中部地区（山西、陕西、重庆、江西）以及西部地区（新疆、青海、四川）。上述地区的经济条件与自然条件大相径庭，发展绿色金融的基础条件不同，其绿色金融发展水平较高的原因也不同。对东北地区来说，它是我国的传统重工业中心，环境污染较为严重。近年来，我国开始改造东北重工业区，环境保护是其中非常重要的一部分。在东北工业区大改造的背景下，其绿色金融发展水平较高是可以理解的；对中部地区和西部地区来说，这些省份大多处于环境恶劣或环境弱的地区，例如，陕西山西地处黄土高原，水土流失严重，青海地处青藏高原，环境生态脆弱等等。这些地区的环境更加脆弱，更易受到破坏，因此这些地区历来都对环境保护工作有着较大的投入，在这种背景下，绿色金融在这些地区大有用武之地。

此外，绿色金融发展水平较低的几个地区有：华北地区（河北、内蒙古，辽宁、河南、山东）、华南地区（安徽、广西、云南、贵州等）。上述华北地区各省份经济结构中工业所占比例较大，这使得它们的环境污染状况较为严重，有关这些省份污染的信息在新闻中时有出现。在这种情况下，这些地区亟需绿色金融助力来保护环境；而华南地区各省份则是我国几个经济发展相对落后的省份，它们在实施环境保护工作时有可能面临资金不足的问题，从这个角度来说，这些省份亟需绿色金融的融资帮助。

（二）分位数回归结果

本文采用了分位数回归的方法来检验第一个假设H1：绿色金融显著改善了环境污染状况，而且污染越严重的地区，绿色金融的改善作用越明显。

表三选择 0.2，0.4，0.5，0.6，0.8 五个分位数点展示了环境污染与绿色金融发展水平指标以及其他众多控制变量之间的分位数回归结果，同时为了比较其与OLS回归结果的异同，表三还同时展示了OLS估计的回归结果。从表三可以看出，分位数回归结果与OLS回归结果大体相同，绿色金融发展水平指标（GreenScore）的系数都为负值，而且都在统计意义上显著，这说明环境污染与绿色金融发展水平之间存在着负相关关系，即绿色金融可以改善环境污染，绿色金融发展程度越高，环境污染程度越低。同时，观察各不同分位数点GreenScore的分位数回归系数，可以发现，从0.2分位数点到0.8分位数，随着环境污染的条件分布由低向高变动，GreenScore的系数的绝对值也在逐渐扩大，也即绿色金融与环境污染之间的负相关关系在增强。从而验证了本文的假设H1。

表三 分位数回归结果

（三）经济收敛回归结果

下面本文对假设H2（绿色金融在中国各省份的发展存在一定程度的不均衡性）和H3（绿色金融在我国各省份间的差距会逐步缩小，并实现收敛）进行检验。

为了探究中国各省之间绿色金融发展水平的差异，本文首先计算了变异系数、泰尔指数、赫芬达尔-赫希曼指数和基尼系数这四种差异指数，通过观察其在2010年到2015年的数值以及变化情况来判断各省之间绿色金融的发挥状况。

图二 差异指数（2010-2015）

从上图可以看出各省市各年间的四个差异指数均明显区别于0，这说明各省之间绿色金融的发展水平存在着较为明显的差异，而且上述四种差异指数在2010年到2015年间都存在着明显的下降趋势，根据经济收敛的相关理论，中国绿色金融的发展存在着σ收敛的现象，随着绿色金融的不断发展，中国各省之间的差距在逐渐缩小。

下面本文针对中国绿色金融的发展是否存在绝对β收敛进行了实证分析。对回归模型（2）的实证结果如下：

表四 经济收敛回归结果

从收敛性分析的结果可以看出，其回归系数为-0.283，并且在1%的水平显著。这说明各省绿色金融的发展水平与其期初水平是负相关的。也就是说，期初发展水平相对高的省份，其增长速度会放缓，而期初发展水平相对低的省份，其增长速度则会加快。因此，省际绿色金融的发展呈现出绝对β收敛的情况。

综合上述内容，本文的假设H2和H3得到了验证。

七、结论和启发

本文的结论与启发主要有如下几点。

首先，绿色金融可以改善环境污染，而且污染越严重，这种改善作用越明显。这体现出了绿色金融显著的现实意义。绿色金融的的确确对污染环境的改善起到了显著的作用，因此在未来，我国相关部门仍要继续不遗余力地大力推行绿色金融相关政策。

其次，绿色金融在我国各省之间存在差异，我们要重视这种差异的存在。正如同收入差距过大一般，如果不同省份间绿色金融的发展差异过大，那么这对我国整体绿色金融的发展是不利的。因此，在未来发展绿色金融的过程中，有关部门需要更多地关注绿色金融发展较弱的地区，或者推广绿色金融先进地区的发展经验，从而促进全国各地绿色金融的发展一致向前。