语言

 

中文

 

English

 

CopyRight  © 2017 中科聚信信息技术(北京)有限公司 All Rights Reserved.       京ICP备14046623号-3

绿色信贷对我国银行财务绩效的影响研究——之一

来源:
www.scai-global.com
发布时间:
2019/05/27 10:50
【摘要】:
金融市场结构变化对系统性金融风险的影响

作者:张琳,经济学博士,讲师,北京工商大学经济学院

廉永辉,金融学博士,讲师,首都经济贸易大学金融学院

本文来源:《金融监管研究》2019年第2

 

摘要:随着绿色经济的快速发展,商业银行逐步增加了绿色信贷投放力度,以期在满足绿色融资需求的同时开拓新的利润增长点。本文系统地梳理了绿色信贷对银行财务绩效的作用机制,并基于2007—2017 年我国29家商业银行的数据,实证检验了绿色信贷对银行财务绩效的 异质性影响。实证结果表明:绿色信贷占总贷款比重上升有助于提高商业银行的净息差;对规模较小、流动性水平较高的银行而言,绿色信贷对银行财务绩效的改善效果更强,但资本充足水平对绿色信贷和财务绩效的关系并无明显影响。本文研究为商业银行积极开展绿色信贷业务提供了经验依据,并且从鼓励中小银行发展绿色信贷、推动绿色信贷资产证券化和绿色金融债发行、降低绿色信贷风险权重等方面,为进一步推进绿色信贷发展提出了具体建议。

 

关键词:绿色信贷;财务绩效;银行异质性

 

三、研究设计

(一)模型设定和变量选择

为了检验银行绿色信贷对财务绩效的影响,本文参考孙光林等(2017)、何凌云等(2018) 采用的普通最小二乘法(OLS),运行如下计量模型:

其中,εi,t 为随个体和时间而改变的扰动项。为减少扰动项不规则带来的问题,本文所有回归均采用了银行层面聚类稳健的标准误。模型中各变量解释如下:

(1)因变量:银行财务绩效fp。本文借鉴熊启跃等(2016)、彭建刚等(2016)采用净息差nim,即净利息收入与生息资产之比,衡量银行财务绩效。净利息收入是商业银行的主要收 入来源,绿色信贷对财务绩效的影响,一方面会直接反映在利息收入上;另一方面,也可能因 为声誉效应而影响银行的融资成本,间接反映在利息支出上。

(2)核心解释变量:银行绿色信贷gl。本文采用绿色信贷余额占总贷款的比重衡量商业银行的绿色信贷实施情况。绿色信贷是商业银行投向清洁能源、绿色交通、资源循环利用、工业 节能节水等节能环保项目与服务领域的贷款。

(3)控制变量。参考吴晓云和王峰(2012)、刘信群和刘江涛(2013)的做法,选取如下可能影响银行财务绩效的银行微观特征变量:银行规模size,以资产总额的自然对数衡量;资本充足率car,为监管资本与风险加权资产的比值,反映银行自有资本吸收风险的能力;存贷 比ld,为贷款总额与存款总额的比值,反映银行流动性状况;不良贷款率npl,为次级、可疑 和损失三种贷款占总贷款的比重,反映银行资产质量;成本收入比cir,为业务及管理费用与营业收入的比值,反映银行的运营效率。为减少模型可能存在的内生性问题,绿色信贷和银 行微观特征变量均取滞后一期。鉴于不同梯队银行在资产规模、产权属性以及经营区域方面存 在明显差异,模型还参考郭晔等(2018)控制了与银行所属梯队对应的虚拟变量type2和type3。 样本为全国性股份制银行时,type2取1,否则取0;样本为城市及农村商业银行时,type3取1, 否则取0。此外,宏观经济环境和其他未考虑到的时变因素也可能影响银行绩效,对此本文统 一在模型中加入年度固定效应予以控制。

为进一步检验银行微观特征对其绿色信贷与财务绩效之间关系的影响,本文在方程(1)中通过增加交互项gl×size、gl×car、gl×ld来依次考察不同资产规模、资本充足率和流动性水平的银行开展绿色信贷的绩效差异,为此得到方程(2),其中z分别代表size、car、ld,x代表各个控制变量:

(二)样本选择与描述性统计

本文研究样本为我国2007—201729家商业银行的年度非平衡面板数据。按照原银监会的分类标准,其中包括5家大型商业银行、10家全国性股份制银行、12家城市商业银行和2家农村商业银行。截至2017年年底,样本银行总资产占我国商业银行的79.92%,因而具有较高的代表性。选择这一样本区间的原因在于:一方面,2007年国家环保总局、中国人民银行和原银监会联合发布了《关于落实环保政策法规防范信贷风险的意见》,同年商业银行开始在《社会责任报告》中披露绿色信贷相关信息,因此将2007年作为样本时间的起点;另一方面,我们手工收集了2007年以来所有发布《社会责任报告》的商业银行的数据,其中29家银行披露了详细的绿色信贷余额数据。数据来源方面,绿色信贷数据根据商业银行《社会责任报告》手工搜集得 到,其余银行财务数据均取自Wind数据库。

表1列示了主要变量的描述性统计结果。绿色信贷占比gl的均值为3.253%,表明用于节能 环保项目的贷款占总贷款的比重较低,我国商业银行绿色信贷发展不足。图1进一步绘制了不同类型银行绿色信贷占比均值的变化趋势(上下柱分别代表当年样本的正负1单位标准差)。虽然绿色信贷占比绝对水平较低,但是整体仍呈现不断上升的趋势。特别是2012年原银监会发布《绿色信贷指引》以后,绿色信贷发展明显加快。另外,不同类型银行绿色信贷发展情况存在差异,大型商业银行及全国性股份制银行的绿色信贷在总贷款中的比重明显高于城市商业 银行及农村商业银行。具体而言,净息差nim的均值为2.611%,标准差为0.488,表明我国商业 银行业务模式同质化程度较高,因此净息差也差异不大;资本充足率car的均值为12.214%,高于《商业银行资本管理办法》中要求的2018年底达标标准10.5%(系统性重要银行为11.5%), 但是最小值为9%,表明一些银行的资本补充压力较大;存贷比ld的均值为67.818%,低于监管部门曾经设置的75%红线;不良贷款率npl的均值为1.138%,虽然2008年金融危机之后,我国商业银行的不良贷款率有所攀升,但信贷风险整体处于可控范围;成本收入比cir的均值为 32.515%,最大值超过均值将近20%,表明一些银行运营管理效率较低。

表2列示了各变量之间的相关系数。各解释变量之间相关系数的绝对值多数在0.4以下,可 以认为模型中的多重共线性问题并不严重。值得注意的是,gl和nim的相关系数显著为正,这意味着在不控制其他因素影响的前提下,绿色信贷和财务绩效具有正相关关系,不过更为准确 的结论还有待深入的实证分析。

 

四、实证结果分析

(一)基准回归结果

表3显示了模型(1)的回归结果,其中被解释变量为银行净息差,核心解释变量为银行绿 色信贷占比。为保证结论的稳健性,本文在核心解释变量的基础上逐步加入控制变量,第1列 仅控制了年度虚拟变量,gli,t-1的系数在5%的置信水平上显著为正;第2列进一步加入了银行所 有权性质变量,gli,t-1的系数在1%的置信水平上显著为正;第3列则同时控制了银行微观特征变 量、所有权性质变量和年度虚拟变量,gli,t-1的系数仍然在1%的置信水平上显著为正。由此可 见,商业银行增加绿色信贷投放有助于提升财务绩效,从而证实了假说H1a。一方面,绿色信贷业务帮助商业银行获取了绿色经济领域的新客户,拓展了盈利来源;另一方面,因为目前绿色信贷额度小,银行能够优先选择其中发展前景较好的绿色项目,从而提升了盈利能力。

在明确绿色信贷对银行净息差具有显著正向影响的基础上,我们以第3列回归结果为基准 进一步分析这一影响是否同时具有经济意义上的显著性。首先,根据gli,t-1的系数大小和gli,t-1 与nimi,t的数据统计特征,通过计算可知,在其他变量不变的情况下,绿色信贷占比增加一个标 准差会导致净息差0.24个标准差的变动。其次,将影响银行净息差的因素分为绿色信贷因素、 银行微观特征因素和时间因素,借鉴Israeli(2007)采取基于夏普里分解的方法,量化各影响因素对模型拟合优度的贡献。通过对第3列的R2进行分解可知,绿色信贷因素对R2的贡献大约占到7.06%。虽然低于银行微观特征因素集合(51.57%)和年度固定效应(41.37%)的贡献, 但是在绿色信贷本身发展水平较低的情况下,这一影响还是比较显著的。综合而言,绿色信贷对银行财务绩效的正向影响同时具有统计意义和经济意义上的显著性。 控制变量方面,size的系数在第3列显著为负,表明中小银行的净息差相对较高。中小银行主要服务于中小企业,因中小企业经营风险大,向其发放贷款的利率也相对较高。car的系数显著为正,表明资本充足水平较高的银行,有更大的空间开拓各类业务,盈利能力更强。ld系数显著为负,在近几年商业银行负债成本不断上升、资产质量有所下降的背景下,保持较高存贷比反而降低了银行的盈利水平。type2、type3系数为正且type2在1%的置信水平上显著,表明相比大型商业银行,其他类型银行净息差更高。这也与size系数为负一致。

 

(二)银行异质性特征对绿色信贷影响财务绩效的调节效应

表4汇总了模型(2)的估计结果。三列回归依次加入了绿色信贷占比与银行资产规模、资 本充足率和存贷比的交叉项。

第一,gli,t-1×sizei,t-1的系数在1%置信水平上显著为负,即规模较小的银行开展绿色信贷更能提升绩效水平,从而支持了假说H2b。小银行在传统业务范围的竞争力相对较弱,发展绿色信贷、开拓新领域对其提升财务绩效的作用更大。相比国有大型银行投放绿色信贷具有较强 的支持政府绿色金融政策的意图,小银行则更多考虑绿色信贷的盈利属性,在资源有限的情况下会优先选择盈利前景更好的绿色项目。

第二,gli,t-1×cari,t-1的系数为负,但并不显著,表明不同资本充足水平的银行开展绿色信贷没有明显的绩效差异,不支持假说H3。这可能与绿色信贷规模较小,不构成对银行资本补充的明显压力有关。此外,已有学者提出应对绿色信贷实施优惠性的信用风险权重设置(王遥和潘冬阳,2015),但目前相关政策尚未实施,绿色信贷尚无法起到资本节约的作用。投放绿色信贷和其他一般性贷款对银行资本充足率的影响没有差异,因此,资本充足率对绿色信贷的经济效应也没有表现出特殊影响。

第三,gli,t-1×ldi,t-1的系数在5%置信水平上显著为负,表明流动性水平较高的商业银行开 展绿色信贷更能改善财务绩效,从而支持了假说H4。绿色项目周期普遍较长,绿色信贷相比其他贷款更会加剧银行的期限错配,因此较高的流动性,特别是负债稳定性,是保证绿色信贷经济效益的重要因素。存贷比低的银行拥有更充分的低成本稳定资金来支持绿色信贷,以获得较高息差;而存贷比高的银行则需要更频繁地滚动成本较高的短期批发融资来支持加大期限错配,并有可能在流动性不足时,发生抽贷情况,使绿色信贷难以实现预期的经济效益。尽管表4的估计结果表明规模较小、流动性较高的银行投放绿色信贷对绩效的改善效应更强,但交互项系数的估计值仅仅反映了平均意义上调节效应的大小,无法直观地反映绿色信贷的经济效益如何随银行规模和流动性的变化而变化。为此,本文在模型(2)两边对gli,t-1求偏导,从而得到绿色信贷对银行绩效的边际影响:β1+β2zi,t-1(式中,z代表银行规模size或存贷比ld);然后,根据表4第1、3列的估计结果,在全样本sizei,t-1和ldi,t-1中,以10%为间距取分位数,绘制了银行资产规模和存贷比指标不同分位数上,绿色信贷影响净息差的大小及其95%的置信区间。

图2的两条直线斜率均为负,表明随着银行规模的扩大和流动性水平的下降,绿色信贷对 财务绩效的改善效应有所减弱。需要注意的是,当sizei,t-1的取值大于全样本80%分位数后,0值出现在边际影响的置信区间,表明银行规模高出一定阈值后,绿色信贷对净息差的正向影响不再显著。我国的大型银行,由于国有股占比很高,其国有股股东除了要通过利润最大化实现国有股权的保值增值外,还必须承担支持政府经济金融政策的责任,因此在投放绿色信贷时体现出更强的支持国家绿色金融政策的意图,而对绿色信贷经济效益的考虑则相对较弱,导致绿色信贷对银行净息差没有明显的提升效果。

 

(三)稳健性检验

(1)替换财务绩效指标。绿色信贷除了直接影响银行净利息收入外,也可能因为带来更多客户而增加中间业务收入,并会影响营业成本,故本文选用反映银行综合绩效水平的指标ROA重新进行回归。ROA是税后利润与银行总资产的比率,能够很好地反映各银行因规模、经营管理水平的不同带来的竞争力差异。 回归结果中gli,t-1的系数始终显著为正,三个交互项的系数符号和显著性也与基准回归一致。这表明,改变绩效衡量指标不影响本文结论。此外,控制变量的系数显著性有所提升,npl和cir始终显著为负,表明不良率和成本收入比较低的银行综合财务绩效更好。

(2)删除绿色信贷占比过高和过低的样本。为使结论更具普遍性,本文删除了绿色信贷占比均值处于上5分位数以上和下5分位数以下的样本回归结果中,gli,t-1的系数均显著为正,绿色信贷有助于财务绩效提升,依然支持假说H1a;gli,t-1×sizei,t-1和gli,t-1×ldi,t-1的系数均显著为负,gli,t-1×cari,t-1的系数显著性差,与前文结论一致。此外,控制变量系数的符号和显著性也变化不大,表明本文结论是稳健的。

(3)划分不同的时间段。原银监会2012年发布的《绿色信贷指引》,首次系统地对绿色信 贷发展提出了指导意见,引导我国绿色信贷进入了稳步增长期。因此,本文以2012年为界,将全样本划分为两部分回归。2012年及之后的样本中,绿色信贷占比及交互项的符号和显著性与基准回归一致;但2012年之前样本的回归系数大多显著性较差。这一方面表明,绿色信贷发展初期,对银行财务绩效的积极影响并不明显,另一方面也可能与前期样本过少有关。

(4)变换估计方法。银行净息差的调整可能具有动态一致性,即本期净息差与上期净息 差存在较强的相关关系。据此本文在计量模型(1)和(2)中引入被解释变量的滞后一期项 nimi,t-1,以将回归方程扩展为动态模型,并采用动态面板GMM方法进行估计。由于差分GMM造成了一定的样本信息损失,系数估计的有效性会有所降低;而系统GMM可同时估计包含变量水平值的原估计方程和进行一阶差分后的方程,较之差分GMM更为有效(Blundell and Bond,1998),故本文将采用系统GMM估计方法。具体而言,先遵循Bond(2002)的建议采取单步GMM估计,并设定银行类型和年度虚拟变量为外生变量,银行规模为前定变量,其余银行微观特征变量和交互项为内生变量。为避免因工具变量过多导致自由度大幅降低,本文限定最多使用变量的滞后2期作为工具变量,Sargan检验无法拒绝所有工具变量有效的原假设。 序列相关检验结果显示,扰动项的差分存在一阶自相关,但不存在二阶自相关,故认为模型扰 动项无自相关,工具变量有效,可以进行下一步分析。与基准回归相比,变量的显著性有所下降,但绿色信贷占比和交互项的系数符号没有发生改变,且除gli,t-1×cari,t-1外,均在10%水平上显著,依然支持本文结论。

 

(四)进一步分析

为进一步分析绿色信贷对银行净息差的影响途径,本文参考熊启跃等(2016)将nim分解 为价格效应spread和规模效应scale的乘积(式3)。其中nii为银行净利息收入,ea为生息资产,ta为总资产。spread为净利息收入与总资产的比值,反映了净利息收入变化对净息差的影响。 净利息收入的变化往往是由于银行调整资产负债的价格和结构引起的,所以spread(nii/ta)刻画了净息差变动的价格(结构)效应。scale为总资产与生息资产的比值,反映了银行生息资产 规模相对资产总额的变化对净息差的影响,所以scale(ta/ea)体现了银行业务结构调整的规模效应。

绿色信贷会影响生息资产的扩张速度,即通过规模效应影响净息差,也会通过影响贷款结 构即价格效应引起净息差的变化。因此本文分别将spread和scale作为被解释变量重新回归模型。

(1)结果如表5第(1)、(2)列所示:绿色信贷占比gli,t-1对spreadi,t具有显著的正向影响,对scalei,t 影响为正但显著性较差,表明绿色信贷占比提升主要通过价格效应改善银行净息差,规模效应较弱。在环保执法趋严的背景下,“两高一剩”贷款的收益下降、风险上升,而环保产业属于战略新兴产业,发展势头良好,因此商业银行将贷款投向环保企业能获得较高收益。特别是在 目前绿色信贷投放额较少的情况下,商业银行可以优先选择收益更好的绿色项目,从而可显著提升银行净利息收入的占比,增强净息差的价格效应。但由于目前绿色信贷发展不足、投放额小,因此尚未能显现出较强的规模效应。此外,本文还将spread作为被解释变量重新回归模型。

(2)以考察不同微观特征的商业银行投放绿色信贷对价格效应的差异化影响,结果如表5第 (3)—(5)列所示。gli,t-1×sizei,t-1和gli,t-1×ldi,t-1的系数均显著为负,gli,t-1×cari,t-1的系数不显著,表明绿色信贷对净利息收入占比的改善效应,对于规模较小、流动性较高的银行更显著。

五、研究结论与启示

本文以我国2007—2017年29家商业银行为研究样本,实证考察了绿色信贷对银行财务绩效的影响。研究结果表明,银行发放绿色信贷有助于提升财务绩效,并且规模较小、流动性水平较高的银行开展绿色信贷对财务绩效的提升效应更强,但并未发现资本充足率影响绿色信贷和银行财务绩效关系的证据。上述研究结论对于商业银行绿色信贷实践和政府部门完善绿色信贷政策具有重要的启示:

第一,提升对绿色信贷经济回报的认识。绿色信贷有助于提升财务绩效,意味着绿色信贷 是银行新的利润增长点。目前,一方面银行业务同质化显著、竞争加剧;另一方面,环境保护政策趋严、传统客户环境风险上升。在这种形势下,商业银行应积极寻找绿色经济发展机遇,尽早开展绿色信贷相关业务,以获取绿色金融领域的先发优势,抢占更大的市场份额。同时,商业银行不能仅把绿色信贷作为树立良好社会形象的工具,而应将其纳入发展战略,加强绿色信贷体系建设、提高绿色信贷投放力度,以充分收获绿色信贷带来的经济效益。

第二,鼓励支持中小银行积极开展绿色信贷。虽然研究表明,规模较小的银行开展绿色信 贷对财务绩效有更大的推动作用,但在实际中,大银行的绿色信贷投放力度更大,在总贷款中的占比也更高,而小银行绿色信贷的发展水平则普遍很低。对中小银行而言,虽然开展绿色信贷走差异化发展道路,能在激烈的同质化竞争中更快地提升品牌知名度,但是也面临较多的阻力和障碍:一方面,中小银行一般为区域性银行,受地方政府干预较多,可能不得不为当地经济影响较大的过剩污染产能发放贷款;另一方面,中小银行资源有限,无法投入充足的人力、 物力、财力来保障绿色信贷业务的顺利开展。因此,应加大环保指标在地方政府绩效考核中的比重,促使地方政府树立绿色发展理念;同时,推动政府部门通过完善企业环保信息库、对绿色项目贴息和担保等措施,降低中小银行开展绿色信贷的成本。

第三,推动绿色金融债发行和绿色信贷资产证券化,以缓解银行期限错配的问题。绿色项 目期限较长,需要稳定的资金支持,本文研究也表明,流动性水平高的银行开展绿色信贷更能提升绩效。绿色金融债和绿色信贷资产支持证券有助于缓解绿色信贷面临的期限错配问题:就绿色金融债而言,由于其期限较长,一般以3年期和5年期为主,因而能为商业银行投放绿色信贷提供稳定的资金支持;就绿色信贷资产证券化而言,其能提升银行资产流动性、减少资金占用,从而可支持更多节能环保项目。但从目前看,绿色金融债和绿色信贷资产支持证券的发行规模均较小:2017年,绿色金融债发行44只,发行规模1234亿元;绿色资产支持证券发行10只, 发行规模146.05亿元,两者合计仅占国内全部债券发行量的0.73%。因此应进一步通过明确绿色债券的界定、分类和披露标准,以及培育第三方绿色债券评估机构等措施,推动银行发行绿色债券和绿色信贷资产支持证券。

第四,放宽绿色信贷风险权重计量标准,节约绿色信贷资本占用。商业银行在配置资产时会考虑不同类型资产的资本消耗和成本,因此资产的风险权重会影响其增长情况。当前,绿色与非绿色融资的风险权重完全一样,对商业银行开展绿色信贷的激励不足。鉴此,未来应研 究对绿色信贷实施优惠性的风险权重设置。一方面,绿色信贷具有更高的资产质量,完全有理由降低其风险权重。根据原银监会的统计,截至2017年6月末,国内主要银行节能环保项目和服务的不良贷款余额为241.7亿元,不良率为0.37%,比各项贷款的不良率低1.32%。另一方面, 监管机构已有通过调整特定类型企业或产业贷款的风险权重鼓励其发展的先例,如《商业银行资本管理办法》要求对符合规定的涉农贷款和小微企业贷款使用75%的风险权重,以通过差异化的风险容忍度来鼓励普惠金融。因此未来可以借鉴类似政策,适度放宽绿色信贷风险权重的计量标准,使其具有节约资本的优势,从而鼓励商业银行投放绿色信贷。

 

媒体联系

 

电话: +8610 8302 0198

传真: +8610 8302 0197

邮箱: marketing@scai-global.com