碳中和目标下绿色信贷影响因素探析_王红莉.pdf

西部金融 2023年第1期碳中和目标下绿色信贷影响因素探析王红莉（中国人民银行商洛市中心支行，陕西商洛726000）摘要：本文梳理了碳中和、碳达峰相关文献基础上筛选绿色信贷影响因素，构建影响因素Logistics回归模型，结合相关数据进行实证分析，获得碳中和背景下绿色信贷发展的主要影响因素。结果表明，影响绿色信贷发展的重要因素为金融发展水平、工业污染治理完成投资情况、污染惩罚力度、第二产业比重、政府环保补贴，最后从提升金融服务水平、加大处理工业污染的投资额、完善相关法律法规等方面提出的建议。关键词：碳中和目标；绿色信贷；影响因素中图分类号：F830.2文献标识码：A文章编号：1674-0017-2023（1）-0085-07一、引言全球碳排放量持续增多，气候变暖日益加剧，进一步导致两极冰川融化、海岸线上移、暴雨灾害等极端天气频发，生态系统发生了不可逆转的变化，气候问题已成为全人类需要共同应对的重要议题，倡导绿色转型、绿色经济发展迫在眉睫。2020年9月，在第75届联合国大会上，习近平总书记郑重宣布长期战略减排目标：“于2030年前，碳排放力争达到峰值，采取加倍措施，努力争得2060年前实现碳中和”。2021年人民银行工作会议再次提及“落实碳达峰碳中和重大决策部署，完善绿色金融政策框架和激励机制”。为了实现碳中和目标，党中央、国务院高度重视绿色金融发展，绿色金融已经上升为国家的重要战略规划，其中绿色信贷对于绿色金融、绿色经济发展的支持作用至关重要。二、文献综述碳达峰、碳中和目标已上升为国家战略。刘晓龙和崔磊磊（2021）认为：碳达峰和碳中和是碳减排目标的两个阶段。碳达峰是指二氧化碳的排放量在某一时间点达到峰值，然后逐步回落。碳中和是指因经济生产活动排出的二氧化碳通过自然系统和人工等多种方式被完全吸收或抵消，最终实现二氧化碳的相对零排放。卞希栋（2021）认为：现存关于碳达峰以及碳中和的研究大多集中在以下三方面：第一，关于碳达峰与碳中和的研究碳中和影响因素的研究；第二，关于碳达峰和碳中和的实现路径研究；第三，一些研究还对碳达峰与碳中和目标下行业发展的挑战与机遇进行了讨论。张晓宇（2021）认为：供应链在一个完整的生产过程中，产生的碳排放是实现碳中和需要抵消的，采用可持续的生产原料，运用可持续的生产方法或者的生产过程中使用清洁能源都能使供应链的碳排放有效减少。陈玉玉和李帮义（2020)认为：碳达峰与碳中和最终要落实、要执行，宏观层面的指导很有必要，但也不能忽视了具体微观个体和市场主体的行动。多数学者认为通过开展绿色信贷可以有效降低银行信用风险。程俊杰(2015)认为限制贷款资金在“两高一剩”（即高污染、高耗能与产能过剩）产业方面的投放能有效降低银行的信贷风险。因为这样可以避免资金过度投资于“两高一剩”产业，分散风险，同时提高了贷款资金的使用效率。葛林和黄海峰(2016)运用KMV模型对两高产业和新能源产业上市公司的信用风险进行实证研究，结果表明信贷资金配置绿色资产能优化银行信贷结构，从而降低银行信用风险。郝清民(2016)对12家上市商业银行进行实证分析后表明，58.3%的银行推行绿色信贷且减少信贷资源流入“两高一剩”行业，可以降低信贷风险，提升经营效益。孙光收稿日期：2022-12作者简介：王红莉（1984.1-），女，陕西商洛人，硕士，经济师，现供职于中国人民银行商洛市中心支行。注：本文为作者观点，文责自负。金融实务85DOI:10.16395/ki.61-1462/f.2023.01.006西部金融 2023年第1期林(2017)认为，银行不良贷款率攀升与产能过剩密切相关，因而银行开展绿色信贷，减少“两高一剩”行业贷款，可以在一定程度上减小银行信贷风险；并根据国有五大银行的季度数据分析了绿色信贷对信用风险的影响效果，结果表明绿色信贷对商业银行不良贷款率有明显的改善作用。碳中和又被称为抵消碳排放，在一个以碳中和为目标的系统当中，通过对可能产生碳排放的流程的规划梳理，从多个方面了解不同部分的碳排放水平，然后T WichKonrad,W Lke,Oles M,et al(2020)通过碳收集或者捕获的方式，使得系统整体净碳排放量为零或将其控制在系统目标的范围内。Antonio et al(2018)目前大部分国家都将缓解环境危机的目标设定为碳中和的增长，也就是碳排放补偿的增长逐年增加吸收碳排放的量。这也是 巴黎协定 能使得大部分国家参与进来的基础。Dorji et al(2018)谈到了新兴国家在碳中和方面也可以做出自己的贡献。这有赖于该国的法律背景和民众意愿都更倾向于环境保护，这是气候改善的策略能够被认可接受执行的前提基础。加上该国自身的森林覆盖率较高，有实现碳中和的基础和增加碳吸收的可能，保持碳中和的目标据需要将碳排放量控制在植被可吸收量的范围内。在Franciscoet al(2020)中，采用AHP方法，研究了在CMS和ISO14001认证的两个环境认证标准中，环境可持续性和经济战略似乎对成本承担的一方更重要。Weill和Podpiera(2012)以俄罗斯各大银行的净资产收益率、负债比率和每股现金流量为指标，分析了影响银行信贷风险的各种因素。研究结果显示，上述三项金融指标对商业银行的信贷风险有一定的影响。Saurina和Salas(2012)以意大利银行为例，对信贷风险进行了微观分析，发现信贷风险与其规模和偿债能力呈负相关关系。Vouldis and Louzis(2013)还发现，宏观经济因素如GDP增长率、失业率等对银行信贷风险的影响较大，而公司的运营效率和银行放款利率也会对其产生重大的影响。Niluthpaul和Shamsun(2018)通过对22家银行的银行面板数据进行了实证研究，发现银行的盈利能力、资本规模、银行规模与银行信贷风险之间存在着负相关关系。综上所述，对于影响绿色信贷发展这一问题的探知与研究上，国内外学者从国内生产总值增长率、失业率和企业经营效率及银行贷款利率等进行了较为深入的研究，且我国高度重视绿色金融发展，本研究为能够进一步分析影响绿色信贷发展的因素，本文对我国绿色信贷发展的影响因素进行了深入的分析，构建影响因素Logistics回归模型，研究碳中和背景下绿色信贷发展的主要影响因素，对我国绿色经济的稳定发展有着十分重要的理论和实践价值。三、绿色信贷发展现状（一）绿色信贷的含义所谓“绿色信贷”，就是银行和其他金融机构为其客户提供信用额度时，要根据其日常生产活动对生态环境的影响而采用差异利率贷款。在 关于落实环境保护政策法规防范信贷风险的意见 中，国家环境保护部将其解读为：金融机构通过信贷方式来推动节能减排的一系列政策、制度安排和实践。一是在财政政策制定过程中，要考虑到对环境的影响，会不会对生态建设造成损害，进而造成污染；二是依托金融机构的信用方式，改变企业的投资观念，为环保工程提供充分的资金支持，推动传统工业节能技术的转型和新的绿色发展。（二）绿色信贷规模绿色信贷就是“green-creditpolicy”，词源最早出现于银监会2012年发布的 绿色信贷指引 中，绿色信贷政策的提出是为了遏制高耗能高污染产业的盲目扩张，引导资金流向低能耗绿色环保产业项目，实现经济环境可持续发展。2020年，我国在联合国大会上明确提出“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”，这既是中国作为一个负责任大国对国际社会所应该承担的责任，也体现了我国经济社会发展全面绿色转型的内在要求。绿色信贷是实体经济绿色低碳发展的重要资金来源，大力发展绿色信贷，始终是我国绿色金融体系建设的重要任务。2021年我国绿色金融总量将近18亿，其中中国本外币绿色信贷余额达15.9万亿元，较2020年增加了4.0万亿元，同比增长33.05%，存量规模居全球第一。这些绿色信贷资金主要投向碳减排项目。目前绿色信贷占整个绿色金融资金总额的90%以上，在碳中和的绿色金融矩阵中发挥主体作用。据相关数据如图1、图2所示，2018年到2021年，中国本外币绿色贷款余额逐年增加，同时中国本外币绿色贷款余额占金融机构人民币贷款余额的比例也在逐年攀升，中国本外币绿色贷款余额占金融机构人民币贷款余额的8.25%，较2018年的6.04%增长了2.21%。金融实务86西部金融 2023年第1期图12018-2021年中国绿色贷款图22018-2021年中国本外币绿色贷款余额余额统计占金融机构人民币贷款余额的比例走势图资料来源：中国人民银行（三）绿色信贷存在的问题现阶段相关的法律及激励机制尚未完善，基于理性经济人的假设，银行参与绿色信贷的热情并不高。绿色信贷的发展仍是处在初级阶段，银行会出于短期收益的考虑，将信贷资金更多的流向收益回报率高、收款周期短、担保物充足、现金流稳定的项目。信贷的安全性和收益率是银行放贷考虑更多的问题，所以实际参与绿色信贷的积极性不高。从统计数据图1看出，2018-2021年绿色信贷余额逐年增加，但是中国本外币绿色贷款余额占金融机构人民币贷款余额的比重仍然比较小，一直未超过10%，这一数据说明绿色信贷政策需要继续完善，进一步提高绿色信贷水平。根据各家银行的CSR报告（企业社会责任报），对11家银行在2018年到2021年期间的绿色信贷余额进行了较为全面的分析。从表1可以看出，各大银行的绿色信贷结余每年都在增长。在这些指标中，大型国有商业银行的绿色信贷余额高于股份银行，这与其自身的规模有关。由此可见，不同银行实施绿色信用的程度不同。浦发、招商两家股份制银行的绿色信贷规模在2018-2021年均超过了1000亿元，华夏银行与光大银行的绿色信贷规模在2020-2021年均超过了1000亿元，中信银行的绿色信贷规模在2021年突破1000亿元的规模。由此可见，平安银行对绿色信贷的参与程度还有待进一步提高，其规模和质量都有待进一步提高。表111家银行绿色信贷余额（亿元）机构名称工商银行建设银行农业银行中国银行交通银行浦发银行招商银行华夏银行光大银行中信银行平安银行2018年12377.5810422.6105046326.672830.542175.151660.33566.99784629.37262.842019年13508.3811758.02119107375.72985.62260.531767.73798.44906.99651.48242.732020年18457.1913427.07151498967.983629.162629.152071.331800.431037.23661.95358.972021年24806.2119631.2919778140864767.633113.52638.422084.771245.922054.25729.74四、绿色信贷发展影响因素分析（一）影响因素选取绿色信贷发展是一个复杂的系统性概念，影响因素比较多，情况比较复杂，各因素之间有些互相促进，有些又互相排斥。对于绿色信贷发展影响因素指标的选取，根据指标选取的可靠性、权威性和可获得性原金融实务87西部金融 2023年第1期则，结合现阶段国家绿色信贷发展的具体情况以及已有研究的梳理，选取8个变量构成绿色信贷发展影响因素指标体系。根据中国银行业监督管理委员会发布的 绿色信贷统计制度，以绿色贷款余额除以金融机构贷款余额作为衡量指标，反映了我国绿色信贷的发展程度。绿色信贷余额中有很多子项目，例如环保、节能、环保、战略性环保产业贷款等，因此在统计口径上难以统一。绿色信贷余额在2013年以前仅计入能源和环境保护的总额度，而在2013年之后，则包含了节能环保项目和环境战略领域的贷款。目前，大多数学者都是采用节能环保贷款总额表示绿色信贷余额。本文以2011-2021年为参照，参考现有资料进行采集国家统计局发布的绿色信贷余额除以金融机构贷款余额作为绿色信贷发展水平，将该变量作为因变量。选取国家财政支出中的环境保护支出占比作为政府环保补贴；选用绿色信贷不良贷款率作为绿色信贷风险；环境相关税收与税收总收入比值作为污染惩罚力度；金融行业增加值除以 GDP 表示金融发展水平；第二产业增加值对 GDP的比率代表了产业结构；工业污染治理完成投资额作为工业污染治理完成投资情况；废气中主要污染物排放量作为环境空气污染情况；废水中主要污染物排放量作为环境水污染情况。在现有的实证资料基础上，选择了表2中的各变量，对我国绿色信贷的影响进行了实证分析。由于绿色信贷的影响因素很多，所以其各个因子的关系存在多重共线性关系。具体变量选取和指标计算方法介绍如下表所示：表2绿色信贷发展影响因素指标体系指标名称绿色信贷发展水平Y政府环保补贴x1绿色信贷风险x2污染惩罚力度x3金融发展水平x4第二产业比重x5工业污染治理完成投资情况x6环境空气污染情况x7环境水污染情况x8指标定义绿色信贷余额与金融机构贷款总额比值国家财政支出中的环保支出与财政总支出比值绿色信贷不良贷款率环境税收与税收总收入比值金融行业增加值与GDP比值第二产业增加值与GDP比值工业污染治理完成投资额废气中主要污染物排放量废水中主要污染物排放量单位%万元万吨万吨（二）研究数据的来源根据多元线性回归模型，在统计年鉴，中国人民银行，WIND数据库，各银行的 社会责任报，可持续发展报告，年报 等网站上查取了2011-2021年共计11年的与此次研究相关的八个变量数据：政府环保补贴（%）、绿色信贷风险（%）、污染惩罚力度（%）、金融发展水平（%）、第二产业比重（%）、工业污染治理完成投资情况（万元）、环境空气污染情况（万吨）、环境水污染情况（万吨）。五、实证分析（一）多元线性回归模型绿色信贷发展水平受多个影响因素的影响，设绿色信贷发展水平为Y，即绿色信贷余额与金融机构贷款总额比值为Y，Y为因变量，八个影响因素（x1x8）为自变量，然后建立多元线性回归模型：公式：Y=c+1x1+2x2+3x3+4x4+5x5+6x6+7x7+8x8（1）其中，C为常数项，（18）为因变量对自变量(x1x8)的回归系数。（二）多元线性回归分析本文使用SPSS19.0统计分析软件进行多元线性回归分析，采取逐步回归方式，计算结果如下：金融实务88西部金融 2023年第1期表1模型汇总表模型12345a.预测变量:(常量),金融发展水平。b.预测变量:(常量),金融发展水平,工业污染治理完成投资情况。c.预测变量:(常量),金融发展水平,工业污染治理完成投资情况,污染惩罚力度。d.预测变量:(常量),金融发展水平,工业污染治理完成投资情况,污染惩罚力度,第二产业比重。e.预测变量:(常量),金融发展水平,工业污染治理完成投资情况,污染惩罚力度,第二产业比重,政府环保补贴。f.因变量:绿色信贷发展水平R.910a.968b.984c.991d.997eR 方.828.937.968.983.994调整 R方.807.919.952.969.986标准 估计的误差.0084837.0054801.0042230.0034115.0022526更改统计量R 方更改.828.109.031.015.011F 更改38.55912.1735.7884.1947.468df111111df287654Sig.F 更改.000.010.053.096.052表2方差分析表模型12345a.预测变量:(常量),金融发展水平。b.预测变量:(常量),金融发展水平,工业污染治理完成投资情况。c.预测变量:(常量),金融发展水平,工业污染治理完成投资情况,污染惩罚力度。d.预测变量:(常量),金融发展水平,工业污染治理完成投资情况,污染惩罚力度,第二产业比重。e.预测变量:(常量),金融发展水平,工业污染治理完成投资情况,污染惩罚力度,第二产业比重,政府环保补贴。f.因变量:绿色信贷发展水平回归残差总计回归残差总计回归残差总计回归残差总计回归残差总计平方和.003.001.003.003.000.003.003.000.003.003.000.003.003.000.003df189279369459549均方.003.000.002.000.001.000.001.000.001.000F38.55952.29160.63370.731131.279Sig.000a.000b.000c.000d.000e从表1模型汇总表可以看到，回归模型R2为0.994，调整R2为0.986，说明模型具有较高的拟合优度，对实际的解释力较强。表2方差分析表的作用是检验回归模型的回归效果是否显著，即检验因变量和自变量之间的线性关系是否显著，从表2可知，模型显著性水平P值0.05，说明模型的自变量和因变量存在显著的线性关系。金融实务89西部金融 2023年第1期表3回归分析表模型12345a.因变量:绿色信贷发展水平(常量)金融发展水平(常量)金融发展水平工业污染治理完成投资情况(常量)金融发展水平工业污染治理完成投资情况污染惩罚力度(常量)金融发展水平工业污染治理完成投资情况污染惩罚力度第二产业比重(常量)金融发展水平工业污染治理完成投资情况污染惩罚力度第二产业比重政府环保补贴非标准化系数B-.0561.584-.0631.324.381-.063.936.5481.921-.3331.779.4643.901.468-.3391.929.4624.741.520-1.295标准 误差.019.255.012.181.045.010.213.147.798.132.447.1351.162.229.087.300.121.826.152.474标准系数试用版.910.761.362.538.523.2771.022.442.563.6881.108.440.684.765-.154t-2.9696.210-5.0717.3223.489-6.5734.3865.0192.406-2.5213.9854.7643.3572.048-3.8886.4337.1845.7353.419-2.733Sig.018.000.001.000.010.001.005.002.053.053.010.005.020.096.018.003.002.005.027.042从表3可以看到，在8个自变量之中，金融发展水平x4、工业污染治理完成投资情况x6、污染惩罚力度x3、第二产业比重x5、政府环保补贴x1这5个自变量通过检验进入模型，显著性水平P值依次为0.003、0.002、0.005、0.027、0.042，均小于0.05，说明这五个解释变量的整体线性效果显著。而绿色信贷风险、环境空气污染情况、环境水污染情况未通过检验进入最终模型之中。因此，结合运算结果，可以得出该模型的多元线性回归方程为：公式：Y=c+1x1+3x3+4x4+5x5+6x6+e（2）即：Y=-0.339-1.295x1+4.471x3+1.929x4+0.52x5+0.462x6（3）其中Y表示绿色信贷发展水平，x1表示政府环保补贴，x3表示污染惩罚力度，x4表示金融发展水平,x5第二产业比重，x6表示工业污染治理完成投资情况。六、结论与建议（一）结论本文通过选取我国2011-2021年年度的政府环保补贴（%）、绿色信贷风险（%）、污染惩罚力度（%）、金融发展水平（%）、第二产业比重（%）、工业污染治理完成投资情况（万元）、环境空气污染情况（万吨）、环境水污染情况（万吨）。采用多元线性回归模型分析了影响我国绿色信贷发展的主要因素，基于实证研究，最后得出了以下五个与绿色信贷发展更为相关的因素：金融发展水平、工业污染治理完成投资情况、污染惩罚力度、第二产业比重、政府环保补贴。第一，金融增加值体现了金融行业的绝对规模，而金融服务业增加值的比重则是其相对规模的体现，两者结合起来，体现了我国金融业在国民经济中的地位和发展水平。金融发展水平与绿色信贷发展水平呈正相关，如果金融发展水平指标越高说明我国绿色信贷发展水平越高。金融实务90西部金融 2023年第1期第二，工业污染治理完成投资情况是以工业污染治理完成投资额为评判依据，工业污染控制是指通过治理、预防、变害为利的方式，对环境和对人类造成的危害进行治理和预防。工业生产中产生了大量的垃圾，对生态环境造成了严重的污染，威胁着人类健康。工业污染治理完成投资情况与绿色信贷发展水平呈正相关，工业污染治理投资指标越高，这表明，我国的生态文明建设状况越好，对我国的经济发展也是有益的。与此同时，也促进我国绿色信贷的发展。第三，污染惩罚力度是以环境税收在税收总收入中的比重为评判依据，环境税是指将社会对环境造成的污染、生态损害进行内化，并以市场机制进行配置的一种经济方式。可持续发展理念在世界范围内越来越为人们所接受。污染惩罚力度与绿色信贷发展水平呈正相关，如果污染惩罚力度指标越高说明我国绿色信贷发展水平越高。第四,第二产业比重是第二产业增加值与GDP比值，其数据说明产业结构的变化。第二产业比例愈高，则经济发展程度愈高，加之我国提倡发展绿色经济并大力推广绿色信贷，且从前面的研究数据可以得出第二产业比重与绿色信贷发展水平呈正相关，如果第二产业的比重较高，说明我国的绿色信贷发展程度较高。第五,绿色信贷政策的出台，目的在于抑制高能耗、高污染行业的盲目扩张，并将资金投向节能、环保、低能耗的行业，实现经济环境可持续发展。而政府的环境补贴，是指在财政支出政策上增加绿色支出、增加绿色元素、以绿色资金支持发展绿色产业，进而促进绿色转变和发展。这与绿色信贷本身的目的不谋而合，若政府环保补贴指标越高则我国绿色信贷发展水平越低。（二）对策建议完善金融机构的产业和区域布局，构建多层次、覆盖范围广、差异化的金融组织系统；在提升金融创新能力、提升金融服务水平、降低银行贷款成本、因地制宜地引导金融机构发展的基础上，着力提升金融服务实体经济的效率，从而推进绿色信贷发展。加大处理工业污染的投资额，加强对生产过程中产生的危险物质和大量废弃物的治理，减少工业固体废物的产生，提高工业固体废物的利用率。一些企业在生产和运营过程中产生的废物污染，对环境造成了严重的影响，必须要对其进行法律制裁，并采取相应的惩罚措施，从而使企业更加注重环境保护，增加对环境的投资。参考文献 1 习近平.在第七十五届联合国大会一般性辩论上的讲话（全文）EB/OL.新华网,2020-09-22.2 梁铃洁.“碳中和”目标下的绿色信贷监管J.河北金融,2022，(05):39-43.3 刘晓龙,崔磊磊,李彬,杜祥琬.碳中和目标下中国能源高质量发展路径研究J.北京理工大学学报(社会科学版),2021,23(03):1-8.4 卞希栋.碳中和目标背景下JF公司绿色发展战略与路径选择研究C.中国矿业大学,2021:2-3.5 张晓宇.时尚供应链碳中和方法研究以G企业为例C.东华大学,2021:7-8.6 陈玉玉,李帮义,柏庆国,徐健腾,王哲.碳交易环境下再制造企业生产及减排投资决策J.控制与决策,2020,35(03):695-703.7 程俊杰.中国转型时期产业政策与产能过剩基于制造业面板数据的实证研究J.财经研究,2015.41(08):131-144.Exploring the Influencing Factors of Green-creditUnder the Carbon Neutrality TargetWANG Hongli(Shangluo Municipal Sub-branch PBC,Shangluo Shaanxi 726000)Abstract：The article reviews the literature on carbon neutrality and peak carbon dioxide emissions,exploring the influencing factors of green-credit and constructs a logistic regression model.An empirical analysis of the data and a searchfor the main factors influencing the development of green-credit in a carbon neutral context.The results show that the important factors affecting the development of green-credit are the level of financial development,the investment in industrial pollution control,the strength of pollution penalties,the proportion of secondary industry,and government environmental protection subsidies.Finally,the recommendations made in terms of improving the level of financial services,increasingthe amount of investment in dealing with industrial pollution and improving the relevant laws and regulations.Key words：the carbon neutrality target,green-credit,influence factors责任编辑、校对：钱晓东金融实务91