绿色信贷对商业银行流动性风险的影响研究
秦佳丽 刘笠 黄祺超

      【摘要】我国于 2020 年首次提出“碳达峰”“碳中和”的发展战略，面对激烈的竞争环境，商业银行想要提高自身的竞争力需要不断提高自身实力。因此，探究绿色信贷对商业银行流动性风险的影响，不仅有利于我国绿色信贷的不断发展，而且对商业银行风险防范能力的提升大有裨益。本文从理论与实证角度探究绿色信贷对商业银行流动性风险的影响。在理论方面，详细阐述绿色信贷对商业银行流动性风险的影响机制；在实证方面，选取了我国 16 家商业银行 2015 年—2022 年的数据为样本，对面板数据进行回归分析。基于以上研究，我们得出了以下结论：开展绿色信贷业务会提升银行资金的流动性。最后，本文在此基础上为商业银行在绿色信贷领域的发展提供建议。
      【关键词】绿色信贷；商业银行；流动性风险
引言
      2020 年 9 月，中国在第七十五届联合国大会上向世界郑重承诺，力争在 2030 年前实现“碳达峰”，在 2060 年前实现碳中和，党的二十大报告进一步强调了这一战略，预示着绿色经济和产业的发展潜力巨大。为实现“双碳”目标和绿色经济转型，金融行业迎来了新的增长点，展现出了良好的发展势头。“十四五”是“碳达峰”的关键期、窗口期。做好金融支持绿色低碳高质量发展工作，是新时期新阶段党中央、国务院赋予金融体系的光荣使命和重要任务。近年来，我国绿色贷款余额持续增长，绿色金融市场正迅速扩容，其成熟度和影响力将不断提升。 
      其中，绿色信贷作为绿色金融的重要组成部分，受到政策层面的高度关注。自2018 年起，央行全面开展商业银行的绿色信贷业绩评价，并于 2021 年将其升级为绿色金融评价。为支持商业银行开展绿色信贷业务，央行还创新性地推出了碳减排支持工具和专项再贷款等货币政策工具，为符合条件的贷款提供低成本资金支持，减轻商业银行开展绿色信贷业务的成本压力。
一、理论分析与研究假设
      银行在开展绿色信贷业务的过程中，由于绿色信贷业务具有周期长的特点，因此，开展该业务会导致银行资金在短期内被占用，无法快速收回，这对银行资金的流动性会造成负面影响。但是从长远的角度来看，该业务的实施有利于其自身绿色声誉的提升，得到社会公众的认可，从而获得更多的存款，增加银行资金的流动性。从长期来看，推动绿色信贷的发展有助于构建完善的信贷评价体系，从而更便捷地筛选出目标客户给予贷款，降低了银行运营成本的同时提升了银行的还款率，进一步增强了银行资金的流动性。
      综上分析，本文提出了模型 H1 的假设：绿色信贷比率与流动性比率呈正相关关系。
二、数据来源、变量说明和模型设定
      （一）数据来源
      本篇文章选取 2015 年—2022 年 16 家银行的数据作为研究样本，这些银行包括农行、中行、工行、建行、交行、邮储、浦发、招商、中信、兴业、光大、民生、平安、南京、宁波和青岛银行。由于上述商业银行的资产规模和业务规模都处于该类型银行的前列，因此能够更好地反映出我国银行业的状况。
      本文的数据来自各银行年报、社会责任报告和国家统计局网站，采用 Stata17 进行数据分析，并对数据采用缩尾的方法进行处理，以减少极端值对研究的影响。
      （二）变量说明
      1. 被解释变量
      本文选取流动性比率作为衡量银行资金流动性的指标。流动性比率是流动资产对流动负债的比率，该比率越高，表明资产的流动性越好，运用资产的效率就越高。
      2. 解释变量
      龚玉霞（2018）通过绿色信贷比率衡量银行绿色信贷的发展水平，此做法在考虑了银行的整体规模的同时，又能反映出银行开展该业务的积极性。因此，本文选用绿色信贷比率作为绿色信贷的衡量指标。
      3. 控制变量
      在控制变量的选取方面，为排除宏观环境对银行流动性风险的影响，本文选取广义货币供应量增长率作为控制变量；为排除银行盈利能力对流动性风险的影响，本文选取总资产收益率作为控制变量；为排除银行资产质量风险对流动性的干扰，本文选取不良贷款率作为控制变量。
      以上变量的描述性统计如表 1 所示。
      （三）模型设定
      根据前文的论述，本文通过商业银行流动性风险影响

      绿色信贷的理论机制，构建面板回归模型，模型公式设定如下：

      GCR 为绿色信贷比率；NPL 为不良贷款率；ROA 为总资产收益率水平；LR 为流动性比率；M2 为广义货币供应量的增长率； 为残差；t 为年份， 为截距项，i 为银行；为变量系数。
三、模型实证结果分析
      （一）相关性检验
      本文通过相关性检验进一步检验变量之间的关系，通过表 2 可知，各变量之间的相关系数的值都小于 0.5，各变量之间的相关性程度不高，因此本文构建的模型不存在多重共线性。

      （二）Hausman 检验
      本文通过 Hausman 检验对面板数据模型进行判定，以检验采用固定效应模型还是随机效应模型进行回归。经过检验，该模型的 P-value 值为 0.6903，没有拒绝原假设。因此，采用随机效应模型进行回归。
      （三）基准回归分析
      根据以上分析，本文采用 Stata17 软件对模型采用随机效应模型进行回归，回归结果如表 3 所示。
      在以上回归结果中，GCR 的回归系数为 0.148，且在10% 的显著性水平下显著，即绿色信贷比率增加 1 个单位，流动性比率也上升 0.148 个单位，流动性比率与资金的流动性呈正相关关系。由此可以看出，绿色信贷业务的开展会使银行资金的流动性提高，验证了 H1 的假设。
      （四）稳健性检验
      模型的回归结果与模型中控制变量的个数有关。为检验模型的稳健性，现将模型中控制变量的个数依次减少一个进行回归分析，回归结果如表 4 所示。

      表 4 可知，当该模型依次缩减 1 个控制变量进行回归时，GCR 的值仍为正数，且回归结果仍然显著，由此可以判断该模型通过了稳健性检验。
四、结论及政策建议
      本文通过对绿色信贷与银行流动性风险的关系进行研究，并得出了以下结论：实施绿色信贷业务会增加银行资金的流动性。一方面，银行实施绿色信贷业务会提高社会公众的满意度，对银行的绿色声誉产生影响，从而吸纳更多的存款，有利于银行资金流动性的提升。另一方面，实施绿色信贷业务有利于建立绿色信贷评价体系，提高企业的信用级别，促进银行贷款资金的回收，从而增加了银行资金的流动性。
      根据以上研究结论，本文提出了以下针对性的政策建议：
      第一，健全和完善绿色信贷相关的政策和法律法规是发展绿色信贷的关键。目前，我国的绿色信贷相关政策和法律法规不够完善，存在部分企业为了获得高利润，不顾环境保护，从事高污染的生产行为的问题，这给环境保护带来巨大的压力。部分商业银行为了自身的利益，为这些高污染的企业提供贷款，这就需要政府及相关部门完善相应的政策与法律法规，采取相应措施对其行为进行限制。
      第二，完善绿色信贷的激励约束机制。目前我国银行实施绿色信贷业务的能动性低下，主要原因在于绿色信贷业务的实施需要银行在前期耗费大量的资金成本，且该业务具有投资回报周期长的特点。因此，在绿色信贷业务中引入外部的激励约束机制是十分必要的。建立一套可信赖的绿色信贷激励机制，能够充分发挥商业银行的主导作用，形成绿色信贷的内生动力，促进我国绿色信贷业务的发展。
      第三，构建多部门的环境信息共享平台。通过构建银行、政府和企业之间的环境信息共享平台有利于我国绿色信贷业务的发展。通过环境信息共享平台，可以让企业快速了解到当前的绿色信贷政策和环保的相关信息，减少了企业因为信息不对称因素给环境造成的污染。
参考文献
[1] 田嘉莉 , 黄文艳 , 彭甲超 , 等 . 绿色金融赋能碳中和的传导机制与空间效应 [J]. 西部论坛 ,2022,32(05):44-62.[2] 绿色金融发展及“十四五”展望 [J]. 中国金融 ,2021(08):12-14.
[3] 张琳 , 廉永辉 , 曹红 . 绿色信贷如何影响银行财务绩效——基于地区绿色发展异质性的视角[J].贵州财经大学学报,2020,(03):22-32.
[4]Yonghui L, Jieying G, Tao Y. How does green credit affectthe financial performance of commercial banks? ——Evidencefrom China[J]. Journal of Cleaner Production, 2022, 344.
[5] 王纪鹏 , 张阳 , 席雁冰 . 绿色信贷对商业银行流动性风险的影响——基于邮储银行的分析 [J]. 邮政研究 ,2022,38(06):40-48.
[6]Cilliers E J,Diemont E,Stobbelaar D J,etal.Sustainable greenurban planning:the Green Credit Tool[J].Journal of Place Management&Development,2010,3(1):57-66.
[7] 刘昊 . 绿色信贷、风险管理文化与商业银行高质量发展 [J]. 财经理论与实践 ,2021,42(05):2-8.
[8] 张琪露 , 斯琴塔娜 . 互联网金融对商业银行流动性的影响 [J].投资与创业 ,2022,33(16):11-13.
[9] 龚玉霞 , 张新 , 王茹 . 绿色信贷对商业银行经营绩效的影响——基于动态面板系统 GMM 的研究 [J]. 会计之友 ,2018(09):18-2