APP下载

绿色信贷政策对企业融资的影响效果研究

2022-08-24魏婷杨文静翟向利

区域金融研究 2022年7期
关键词:信贷政策差分信贷

魏婷 杨文静 翟向利

(中国人民银行郑州中心支行,河南 郑州 450018)

一、引言

当前我国已从经济高速增长向高质量发展阶段转变。为有效解决改革开放四十多年来经济高速发展伴随的碳排放过量、生态环境污染、资源消耗浪费等问题,我国出台多项绿色金融政策,引导资源偏向绿色产业,支持污染企业绿色创新转型,从而达到发展绿色经济、促进节能减排、保护生态环境的目的。绿色金融融合了金融和绿色经济,实质上是一种能够有效配置资金的金融形态。绿色金融指通过绿色信贷、绿色债券、绿色股票指数、绿色保险等金融工具,为支持环境改善、促进资源节约、应对气候变化提供金融服务。绿色信贷作为我国绿色金融体系的重要组成部分,通过转变传统的融资方式,引导资金投向绿色、低碳、环保行业,最终实现经济与环境协调发展。

1995 年,央行发布《关于贯彻信贷政策与加强环保工作有关问题的通知》,明确银行业金融机构要将环境表现作为发放企业贷款的考虑因素。自此,央行、银保监会、环保部门等陆续出台一系列政策,旨在加强信贷和环保的协调配合,其中包括原银监会2012 年针对如何开展绿色信贷制定的《绿色信贷指引》,围绕绿色环保信贷业务进行了非常详尽的操作指导,意味着我国的绿色信贷政策进入精细化管理阶段,具有重要意义。之后,党的十九大明确指出要发展绿色金融,聚焦“碳达峰、碳中和”目标,将绿色金融确定为“十四五”时期一项重点工作,绿色信贷制度体系也逐步趋于完善。但绿色信贷政策如何改善生态环境?能否影响企业融资?本文将针对这些问题开展深入研究。

二、文献综述

(一)绿色信贷政策对银行的影响研究

绿色信贷政策是绿色金融最重要的组成部分,目前我国的绿色信贷政策突出“差别化”,本质目标是改变传统的“先污染、后治理”模式,通过资源配置加大对绿色、循环、低碳经济的支持,激励绿色企业发展,引导污染企业转型。钱水土等(2019)认为绿色信贷是在绿色金融的框架下解决银行信贷和经济可持续发展问题,并根据企业环保是否达标来实施信贷资源配置。

现有从银行角度对绿色信贷政策进行的研究,大多考虑社会责任履行、银行风险、经营绩效等因素。陈雁(2008)认为,绿色信贷能督促银行积极履行社会责任,通过信贷资金配置将利润最大化和环境责任相结合。倪娟和孔令文(2016)认为绿色信贷政策的实施可以为银行带来声誉效益,由于承担社会责任能提升社会公众好感,促使其更容易通过吸收社会资本提升盈利能力。Angus &Nancy(2018)研究发现绿色信贷政策的实施与银行经济绩效正相关,该政策能通过各方利益的均衡激励银行考虑可持续发展因素。相较于其他银行,规模越小、流动性越高的银行,绿色信贷政策对其财务水平的提升作用越明显(张琳和廉永辉,2019)。但也有学者持不同意见,一方面,由于绿色信贷利率一般低于其他利率,在信贷资源有限的情况下,银行机会成本会增加;另一方面,绿色环保项目贷款常具有短期收益率低、资金回收期限长的特点,银行的流动性风险增加,对经营收益将产生不利影响(光琳等,2017)。

(二)绿色信贷政策对企业的影响研究

根据绿色信贷政策的目标,政策的实施效果除了银行还取决于企业的反应。Porter &Linde(1995)认为环境规制能刺激企业开展技术创新,以“创新补偿效应”刺激经济增长,即“波特假说”,但此假说在微观企业层面的研究结论仍存在争议。有学者研究发现,长期来看绿色信贷对企业产出的影响效果是无效的,它增加了企业面临的不确定因素和成本,阻碍生产率提高(王丽霞等,2017)。牛海鹏等(2020)认为绿色信贷政策能够为环保企业提供便利,提高企业全要素生产率,但无法显著降低融资成本,若受到信贷约束,企业就未必能通过增加创新投入实现转型。以重污染企业为样本,曹廷求等(2021)证明绿色信贷政策对企业的融资约束抑制了其绿色创新行为,但对积极履行社会责任的企业仍具有促进作用。也有其他学者发现绿色信贷政策不仅增加重污染企业融资难度,还抑制其投资扩张(苏冬尉和连莉莉,2018)。梅国平等(2018)以节能企业为研究对象,实证检验绿色信贷是否具有节能效应,发现二者关系是非线性的,绿色信贷规模小于阈值时节能效应增强,绿色信贷规模过大时不利于节能效应的发挥。Chen et al.(2019)同样建立阈值模型,验证结果表明绿色信贷对企业环保技术研发存在正向影响,也是非线性的。

综上,已有研究对绿色信贷政策的具体实施效果观点不一。基于此,本文将从企业融资角度检验绿色信贷政策的实施效果。本文边际贡献在于:第一,从理论角度分析绿色信贷政策的传导机制,运用倾向匹配方法,构建双重差分模型、三重差分模型,实证检验绿色信贷政策对绿色环保企业、污染企业融资的影响效果,可以更清晰地了解不同企业对绿色信贷政策的反应,为如何推进政策实施和提高绿色信贷政策的有效性提供理论借鉴和有益参考。本文研究绿色信贷政策的实施效果是基于当前我国正积极运用绿色信贷政策工具协调经济环境发展这一现实背景,对加强绿色信贷政策精准性以更好地促进绿色经济发展具有重要意义。第二,在样本和数据选择方面,以往的研究大多关注环保企业或者重污染企业的影响效果,本文同时选取A股上市的两类企业数据开展研究,样本相对完善,更具可比性。此外,本文根据产权性质和不同地域将样本进行划分,能够更深层次分析绿色信贷政策影响企业融资的异质性,为强化绿色信贷政策实施效果提供借鉴与启示,促使其能够更精准地通过影响企业融资作用于环境。第三,本文选用具有可比性的绿色环保企业、污染企业借款占比作为被解释变量进行实证研究,一方面可以从数据上观测出银行实施绿色信贷政策的具体情况;另一方面本文的实证检验结果也是在肯定绿色信贷政策实施成效的基础上对现有研究的扩充。

三、理论基础

绿色信贷政策是对传统信贷政策的创新,传统信贷市场关注的主要是投资项目的盈利性,缺乏对投资项目中的环境与社会因素的考虑,而绿色信贷政策将环境和社会风险因素纳入金融机构的日常管理和绩效考核中,以市场激励为主导,以行政规制为辅助,通过合理规划金融资源,实现金融投资向“绿色”转变,引导信贷资金投向低能耗、低污染行业,促进经济结构优化,实现环境与经济的双赢。绿色信贷政策具体的传导机制见图1。

图1 绿色信贷政策影响机制

(一)绿色信贷政策影响商业银行绿色信贷偏好

绿色信贷将环保指标纳入贷款风险评估体系,绿色信贷政策要求银行等金融机构审慎评估贷款项目的环境风险,对污染企业设置更严格的信贷约束,有助于提高商业银行对绿色企业和环保项目的偏好。

首先,绿色信贷政策有助于商业银行加强环境风险管理。对商业银行而言,环境风险主要是指贷款企业在运作中因违反环保标准被监管部门罚款或停业整改,造成企业财务状况恶化,贷款无法按时收回的风险。此外,商业银行的环境风险还包括因对高污染企业提供信贷资金支持而面临的行政处罚风险、法律诉讼风险和声誉受损风险。随着环保政策日趋严格,污染惩治力度不断加大,为规避高污染企业造成的未来潜在的坏账损失或监管部门的处罚,商业银行借助绿色信贷政策加强贷前环境要素审核、设置差异化贷款利率,规避贷款企业的环境风险,提升环境风险管理能力。

其次,绿色信贷政策有助于商业银行提升差异化竞争力。在商业银行同质化竞争日益激烈的情况下,新兴的绿色信贷业务的开展可能成为新的竞争点,拓宽商业银行业务收入来源,为贷款者提供绿色信贷相关的信息服务,如为客户提供绿色信贷相配套的财务咨询、资金管理等,有助于商业银行催生绿色信贷业务新模式,促进信贷产品创新和发展,改善商业银行经营理念,优化利润结构。

最后,绿色信贷政策有助于商业银行提升社会形象。绿色信贷政策推出后,商业银行积极开展绿色信贷业务,深化与绿色企业的合作,能够向社会传递出自身绿色信贷方面的意愿和能力的信号,是积极响应国家号召、主动承担社会责任的表现,有助于其在金融市场树立良好的社会形象,提高自身的社会影响力,形成良好的绿色声誉效应。

(二)商业银行绿色信贷偏好影响企业融资

绿色信贷政策通过设立准入标准,降低绿色环保企业融资难度和成本,从而实现绿色信贷资源的帕累托改进。商业银行绿色信贷偏好对企业融资的作用机制主要体现在两个方面。

一方面,商业银行绿色信贷偏好影响企业贷款规模。绿色信贷政策明确了绿色信贷重点支持方向和领域,根据绿色信贷原则,商业银行将环境与社会风险指标作为信贷的重要依据,实行差别化授信,对污染企业进行更为严格的信贷评估,从而引导高污染企业低碳转型,实现信贷资源重新配置。商业银行积极响应绿色信贷政策要求,推出各种绿色信贷产品,为环保企业拓宽外部融资渠道,填充融资缺口。因此,信贷资金流向绿色领域,绿色环保企业获取信贷资金更加便利,获得更多的信贷资源,贷款出现相对增长。

另一方面,商业银行绿色信贷偏好影响企业融资成本。绿色信贷政策要求商业银行动态评估申请企业的信贷环境和社会风险,对污染企业和绿色环保企业实行差别化定价,并有针对性地制定不同的风险缓释措施。商业银行为提升自身绿色评级会提高放贷门槛,可能会对绿色环保企业实行相对较低的贷款利率,差别化定价使环保企业的融资成本下降。绿色信贷政策对重污染企业的信贷融资约束只是手段,其目的并非仅在于抑制污染企业融资,而是将企业环境风险显性化,通过行业资本配置约束倒逼污染企业转型升级,主动通过技术创新等方式提升全要素生产率,摆脱高耗能、高污染的传统生产模式,促进污染企业向节能环保转型。

四、绿色信贷政策对企业融资的影响分析

(一)样本选择

1.样本选择与数据来源。环保企业样本选择中,本文选择环保产业概念和水利、环境、公共设施管理业上市公司,从中筛选出2010 年之前上市的环保企业,主营业务种类包括水利水电、新能源发电、风力发电、光伏发电、余热发电、环保器械、园林工程、环卫服务、污水处理等。污染企业样本选择中,本文选择采矿业、电力、热力、燃气及水生产和供应业上市公司,从中筛选出2010 年之前上市的污染企业,主营业务种类包括矿业、石油开采、火电、热力、水泥、化工、肥料、纺织、金属冶炼等,从中剔除ST 类、*ST 类上市公司和一些数据缺失的样本后,得到30 家环保企业样本和79家污染企业样本。

2012 年《绿色信贷指引》出台,对于推动传统产业绿色转型,建立低碳循环发展产业体系具有重要意义,因此本文将绿色信贷政策实施时间定为2012年。为了减轻选择性偏误的影响,本文以2011 年底作为匹配时间,运用倾向分值匹配方法进行匹配。

为了研究实施绿色信贷政策是否改善环保企业的信贷环境,需要选定环保企业作为处理组,污染企业作为对照组。本文选取企业规模(SIZ)、成长性(GRO)、资产负债率(LEV)、净资产收益率(ROE)四个指标对环保企业和污染企业进行匹配,确保处理组和对照组样本在绿色信贷政策颁布前具有相似的融资能力、业绩水平和风险程度。采用倾向分值匹配方法(PSM)对30 家环保企业进行样本匹配,利用Logit 模型进行1:1匹配后,得到与这些企业最为接近的30家污染企业,即为绿色信贷政策实施效果研究的处理组和对照组(如表1所示)。

表1 绿色信贷政策实施效果的处理组和对照组

本文所使用的上市企业财务数据和相关资料均来源于Wind数据库,考虑到数据的可获取性,样本期间定为2010—2020 年。在实证分析前,对所有样本进行预处理,剔除ST类、*ST类和数据缺失企业样本,并对相关指标进行测算。

(二)变量说明

1.被解释变量:选用企业贷款金额和融资成本两个指标作为绿色信贷政策实施效果的代理变量,分别从贷款金额和贷款价格两个维度分析绿色信贷政策效应。贷款金额指标设定为企业当期短期贷款、长期贷款及一年内到期的长期贷款变动值之和占期初总资产的比重,消除企业间贷款金额数量级不同的影响。融资成本指标设定为利息支出占本期、上期有息负债均值的比重。由于每家公司的融资渠道很多,贷款融资和债券发行等债务融资方式之间具有很强的替代性,本文用债务成本近似代替贷款利率,解决贷款利率不易获得的问题。

2.解释变量。绿色信贷政策个体虚拟变量:若个体是环保企业,则该变量赋值为1;若个体是污染企业,则该变量赋值为0。绿色信贷政策时间虚拟变量:我国绿色信贷政策的首次颁布时间为2012 年2月,若时间在此之前,该变量赋值为0,若时间在此之后,该变量赋值为1。双重差分估计量:个体虚拟变量和时间虚拟变量的乘积,用来评估绿色信贷政策效应是否显著。

3.控制变量。企业规模选用总资产作为企业规模的代理变量,取对数处理。成长性选用营业收入占总资产比重作为企业成长性的代理变量。资产负债率是反映公司风险程度和盈利能力的重要指标,选用总负债占总资产比重来衡量。净资产收益率又称股东权益报酬率,反映股东权益收益水平和公司运用自有资本的效率,是衡量公司业绩水平的重要指标,选用公司税后利润占净资产比重来测算。市净率是反映公司投资价值的重要指标,市净率较低则投资价值较大,选用每股股价占每股净资产比重来衡量。股价波动率用于描述金融资产价格的波动程度,股价波动率在一定程度上反映了公司的风险水平,选用年化波动率来衡量。前十大股东持股比例即股权集中度是衡量公司股权分布状态的主要指标,也是衡量公司稳定性强弱的重要指标,用排名前十位股东持股合计数占公司总股本的比重来测算。

各变量具体说明见表2。

表2 变量说明

(三)模型构建

1.双重差分估计方法。检验绿色信贷政策是否改善环保企业的融资环境,既要检验政策实施后环保企业的贷款金融和融资成本是否明显变化,又要检验政策实施对于环保企业和污染企业的影响是否具有显著差异。

双重差分法是评估政策效应的重要方法,该方法可以通过对事前差异进行控制,精确评估出政策影响的真实效果。双重差分模型(DID)具有两个主要优势:一是政策相对于宏观经济主体而言一般是外生的,不存在逆向因果问题,使用固定效应估计缓解了遗漏变量偏误问题,可以很大程度上避免内生性问题的干扰。二是相较传统模型而言,模型设计中不仅运用直观变量,而且加入分组和政策实施两个虚拟变量的乘积,可以更加准确估计出政策效应,方法简单有效。双重差分法既可以控制样本之间的个体差异,又可以控制时间变化产生的总体差异,从而得到政策效果的无偏估计。

2.双重差分计量模型。双重差分方法需要对两组数据进行研究,第一组为处理组,即政策实施对象,第二组为对照组,即非政策实施对象。DID基准模型设置如下:

其中,du为分组虚拟变量,若个体i受到政策实施的影响,则个体i属于处理组,对应的du取值为1,若个体i没有受到政策实施的影响,则个体i属于对照组,对应的du取值为0。dt为政策实施虚拟变量,政策实施之前dt取值为0,政策实施之后dt取值为1。du*dt为分组虚拟变量和政策虚拟变量的交互项。

双重差分的基本思想是通过对政策实施前后对照组和处理组之间的差异进行比较,从而构造出反映政策效果的双重差分统计量。如表3所示,横向为时间差分,得到两个组在政策实施前后的差异;纵向为组间差分,消除组间差异;时间和组间双重差分后就分离出政策的净效果,α3即为政策实施的净效应。

表3 双重差分后的政策实施效果

3.模型设计。本文在研究绿色信贷政策效应时,将30 家环保企业作为处理组,30 家污染企业作为对照组。构建两个二元虚拟变量D和GP,D=1表示环保企业,D=0表示污染企业,GP=1表示绿色信贷政策颁布后(即2012年及以后),GP=0表示绿色信贷政策颁布前,模型设计如下:

其中,i=1,2,…,N,表示不同企业,t=1,2,…,T,表示不同年份。

(四)绿色信贷政策效应分析

本文利用Stata软件对DID模型进行实证分析,根据F检验和Hausman检验结果,采用固定效应模型进行回归,同时采用稳健标准误,结果如表4所示。表4中第2、3列分别为模型2、模型3的回归结果。

1.模型估计结果。绿色信贷政策对环保企业贷款金额影响的实证结果见表4 第二列。从检验结果可以看出,D*GP的系数估计值为0.1065,不显著;LEV和ROE的系数为0.6334、-0.0026,分别在5%、1%的水平下显著;PBR和HOL的系数显著为-0.0056、0.8047;SIZ、GRO、VOL的影响均不显著,说明绿色信贷政策实施后,对环保企业贷款金额具有正向促进作用,但并不显著,这可能是受政策本身实施力度的影响;资产负债率和前十大股东持股比例这两个因素是影响环保企业贷款额的主要原因,具有正面推动作用;但是净资产收益率和市净率越高,环保企业借款需求越小,越不愿意增加贷款金额。

表4 绿色信贷政策对环保企业影响的实证结果

绿色信贷政策对环保企业融资成本影响的实证结果见表4 第三列。D*GP的系数估计值为-0.0170,在10%的水平下显著为负;GRO的系数在1%水平下显著,为0.0251;ROE和HOL系数为-0.0005、-0.0725,分别在1%、10%的水平下显著;与第一列结果不同,LEV、PBR的影响均不显著。由此可以看出,相对于污染企业,绿色信贷政策能显著降低环保企业的融资成本,反映出绿色信贷利率显著低于其他贷款利率,为环保企业带来更实惠的信贷资源;且成长性好的环保企业,获得绿色信贷资源的成本越高;净资产收益率和前十大股东持股比例对环保企业融资成本的影响显著为负。

2.双重差分平行趋势检验。图2、图3 分别为绿色信贷政策对环保企业贷款金额和融资成本影响的双重差分平行趋势检验结果,current 为2012 年底。从图2 可以看出,绿色信贷政策颁布前后三年时间里,对环保企业贷款金额的影响在0 附近波动,影响不显著。从图3 可以看出,绿色信贷政策颁布以后,环保企业的贷款成本逐渐下降,政策效果显著。

图2 LOA-DID双重差分平行趋势检验

图3 COS-DID双重差分平行趋势检验

五、绿色信贷政策的异质性效应分析

为了进一步探索绿色信贷政策的出台对环保企业信贷资源和融资成本的影响机制,本文采用三重差分DDD 模型,从企业产权性质和企业所在地两个维度分析绿色信贷政策对企业的异质性影响。

(一)不同产权性质企业实证结果及分析

在我国制度背景下,大部分国有企业的最终实际控制人是政府部门,为了保证就业和社会稳定,政府通常会对国有企业给予政策优惠和风险援助,无形中增加了国有企业的商业信用。市场中,金融机构普遍认为国有企业风险小且稳定性强,而民营企业稳定性相对较差。因此,民营企业在银行信贷方面可能会面临着信贷歧视,金融机构向国有企业提供信贷支持的条件比民营企业宽松许多。所以,同样的政策可能会对不同产权性质的企业产生不同的影响。本文根据企业属性将环保企业和污染企业分为国有、非国有两组产权性质不同的企业。设定企业产权性质(SOE)虚拟变量,若个体是国有企业,则该变量赋值为1;若个体是非国有企业,则该变量赋值为0。国有企业为处理组,非国有企业为对照组。

1.模型估计结果。三重差分模型是在双重差分模型的基础上新增加一个虚拟变量,即新增一组处理组和对照组,通过加入企业分组、绿色信贷政策实施和企业产权性质三个虚拟变量的乘积,可以更加准确估计出绿色信贷政策效应对不同产权性质企业的异质性,D*GP*SOE的系数即为基于不同产权性质企业的绿色信贷政策异质性效应。基于产权性质的企业异质性三重差分模型实证结果如表5所示。表5中第二列结果显示,D*GP*SOE的系数估计值为-0.0683,不显著;SIZ、VOL在1%的水平下显著为正,系数分别为0.2800、0.0293;GRO的系数为-0.1305,在10%水平下显著;LEV的系数最大,为0.7928,在5%的水平下显著。第三列结果显示,D*GP*SOE的系数估计值为0.0392,在1%的水平下显著为正;GRO的系数为0.0249,在5%水平下显著;ROE的系数为0.0006,在1%水平下显著;其他控制变量均不显著。由此可见,绿色信贷政策没有增加国有环保企业的贷款金额,其反向作用也并不显著;企业规模、财务杠杆、股价波动率对贷款金额具有正向促进作用,企业规模、财务杠杆、股价波动率越大的国有企业,更容易受绿色信贷政策的影响增加贷款金额,其中财务杠杆是影响国有企业获取绿色信贷的重要原因。对于融资成本,绿色信贷政策对国有环保企业具有正向影响,即绿色信贷政策的实施增加了国有企业的融资成本;企业的成长性越好,净资产收益率越高,国有企业通过绿色信贷政策获得的贷款成本越高。综合来看,相对于非国有企业,国有企业在金融领域的融资优势被削弱,绿色信贷政策不仅没有增加其贷款额度,还显著提升了其融资成本。

表5 不同产权性质企业的异质性检验

2.三重差分平行趋势检验。图4、图5 分别为考虑企业产权性质因素后,绿色信贷政策对环保企业贷款金额和融资成本影响的三重差分平行趋势检验结果,current 为2012 年底。对比图2、图4 可知,对国有企业来说,绿色信贷政策对其贷款金额的促进作用不显著,甚至降低了国有企业的贷款优势。对比图3、图5可知,绿色信贷政策抑制了国有企业低融资成本的优势,融资成本下降幅度较小。

图4 LOA-SOE-DDD三重差分平行趋势检验

图5 COS-SOE-DDD三重差分平行趋势检验

(二)不同区域企业实证结果及分析

在我国,不同区域的经济发展水平和产业结构差异均较大,相同的政策对不同区域的企业影响可能不同。根据地理区位和经济发展水平,本文将环保企业和污染企业分为东部、中西部两组区域不同的企业。设定企业区域PRO虚拟变量,若个体是东部企业,则该变量赋值为1;若个体是中西部企业,则该变量赋值为0。东部企业为处理组,中西部企业为对照组。

1.模型估计结果。通过加入企业分组、绿色信贷政策实施和企业区域分布三个虚拟变量的乘积,来估计政策效应对不同区域企业的异质性,D*GP*PRO的系数即为基于不同区域企业的绿色信贷政策异质性效应。基于区域的企业异质性三重差分模型实证结果如表6 所示。表6 中第二列结果显示,D*GP*PRO的系数估计值为-0.1958,在1%的水平下显著;GRO的系数为-0.1261,在1%水平下显著;LEV、HOL在1%的水平下显著为正,系数分别为0.8084、1.1344;HOL的系数最大。第三列结果显示,D*GP*PRO的系数估计值为0.0151,在1%的水平下显著为正;GRO、LEV的系数分别为0.0255、0.0401,在1%水平下显著;VOL的系数为0.0183,在5%水平下显著;其他控制变量均不显著。说明对于东部地区的环保企业来说,绿色信贷政策并未显著增加其融资规模;成长性越好的企业,贷款金额越少;财务杠杆越大、前十大股东持股比例越高的东部企业,越愿意接受绿色信贷政策影响增加贷款金额,其中前十大股东持股比例的影响较大。由于经济发展水平的差异,中西部地区的金融条件较为落后,绿色信贷政策对中西部地区融资成本的降低作用更明显,对东部地区的政策效果有待进一步提升;企业的成长性越好、财务杠杆越高,融资成本越高;企业的股价波动率高对其融资成本也具有正向推动作用。由此可以看出,绿色信贷政策实施效果在中西部地区相对更好一些。

表6 不同区域企业的异质性检验

2.三重差分平行趋势检验。图6、图7 分别为考虑企业区域分布因素后,绿色信贷政策对环保企业贷款金额和融资成本影响的三重差分平行趋势检验结果,current 为2012 年底。对比图2、图6 可知,绿色信贷政策对东部经济发展水平较高地区企业贷款金额的促进作用不显著,在零位水平线附近波动。对比图3、图7 可知,在融资成本方面,绿色信贷政策对经济发展较慢的中西部地区,政策效果更明显。

图6 LOA-PRO-DDD三重差分平行趋势检验

图7 COS-PRO-DDD三重差分平行趋势检验

六、结论与建议

(一)结论

1.《绿色信贷指引》发布后,绿色信贷政策虽然降低了环保企业的融资成本,但没有显著提升其融资金额,说明该政策一定程度上改善了环保企业的融资环境,政策的绿色信贷偏好和差别化定价使得环保企业的融资成本显著低于污染企业,但还没有充分引导金融机构将信贷资源流向环保企业。

2.在绿色信贷政策实施效果的影响因素中,企业的资产负债率和前十大股东持股比例具有正向推动作用,是影响环保企业贷款额的主要原因;但企业的净资产收益率和市净率越高,借款需求越小,使得贷款金额减少。同时,成长性越好的环保企业,通过绿色信贷政策获得的信贷资源成本更高;而净资产收益率和前十大股东持股比例能够显著降低环保企业的融资成本。

3.将样本按照不同产权性质进一步划分发现,绿色信贷政策没有将更多的信贷资源流向国有环保企业,其融资成本也没有显著降低。相对于非国有企业,该政策削弱了国有企业在金融领域的融资优势,一定程度上能够改善国有企业和非国有企业之间的不公平竞争。

4.考虑到不同区域的经济发展水平,将企业划分东部、中西部两组进行检验发现,经济发达的东部地区受绿色信贷政策的影响较小,其融资金额与中西部地区的企业相比显著降低,融资成本明显增加,说明绿色信贷政策对企业融资的影响与地域有关,中西部地区的实施效果较优。

(二)建议

1.完善激励约束机制,激发主体参与动力。绿色信贷投资回报周期长、短期内收益率低,商业银行推广绿色信贷内在动力不足。因此,为了进一步提升商业银行绿色信贷业务规模,需要通过适当的金融激励措施,加强激励力度,运用市场化手段,为商业银行推行绿色信贷提供充足的动力。监管部门应积极制定和执行绿色信贷的补贴奖励标准,并结合实际,推行绿色信贷贴息、定向降低存款准备金率、再贷款等有效的激励措施。对于企业来说,绿色信贷政策仍以约束控制为主,除了充分发挥绿色信贷政策对重污染企业的融资约束效应,还需要加强相应的政策激励和支持,建立支持污染企业环保技术创新、绿色转型的激励机制,激发企业的内在转型动力。

2.完善信息披露机制,构建沟通共享平台。在信息披露方面,应完善商业银行绿色信贷信息披露机制,制定信息披露清单,明确规定披露内容和披露标准,将定期披露与及时披露相结合,并进一步强化日常监督管理。同时,也应要求企业加强生产经营相关的环境信息披露和绿色信贷资金使用情况披露,最大化减弱信息不对称。在沟通共享方面,一方面,加强官方信息沟通机制建设,建立金融监管部门、环保部门、司法部门等与商业银行的信息交流共享平台,搭建与企业相关的环境信息沟通桥梁,实现企业违法生产、污染处罚等环保信息及时共享,提高风险监控效率和信息传递的及时性、流动性和可获取性,确保绿色信贷实施的针对性和可操作性;另一方面,构建商业银行间绿色信贷信息共享平台,形成各企业的环境信息网络,商业银行能够充分、有效评估企业绿色信贷的环境风险,降低贷前信息审查成本和信息获取成本,提高业务效率。

3.建立效果评估制度,推进政策探索实践。对绿色信贷政策实施效果进行科学评估,有利于深入了解政策实施成效、政策执行偏向性及推进过程中面临的难点、堵点,对深入推进绿色信贷政策体系建设具有重要意义。目前对于绿色信贷政策实施效果的评估相较于绿色信贷探索实践,具有明显的滞后性,因此,有必要完善绿色信贷政策实施效果评估制度。加快构建完善的绿色信贷统计监测指标体系,加强绿色信贷实施情况的监测评价,制定合理的环境风险评价体系,统一绿色信贷效果评价标准,进一步从顶层制度设计上将绿色信贷政策效果评估纳入绿色信贷政策设计和执行流程中。

猜你喜欢

信贷政策差分信贷
RLW-KdV方程的紧致有限差分格式
符合差分隐私的流数据统计直方图发布
绿色信贷政策与企业债务融资关系的实证研究
数列与差分
聚焦Z世代信贷成瘾
供给侧改革背景下商业银行信贷政策调整及风险防控
中小企业融资问题研究
相对差分单项测距△DOR
国际货币体系和俄罗斯的货币信贷政策