金融经济学研究

[1] 鲁政委，方琦.金融监管与绿色金融发展：实践与研究综述[J].金融监管研究，2018(11).

[2] 朱宁，赖晓璇.我国绿色信贷效率评价及改善路径研究[J].金融监管研究，2020(6).

[3] Smith J.A.,Grill M.,and Lang J.H.,2020.The Leverage Ratio,Risk-taking and Bank Stability.Journal of Financial Stability,http://dx.doi.org/10.2139/ssrn.3284435.

[4] 蒋海，张小林，唐绅峰，等.货币政策、流动性与银行风险承担[J].经济研究，2021(8).

[5] 吴东霖，赵玮.商业银行资本监管与金融风险传递[J].金融论坛，2020(8).

[6] 张琳，王宝东，廉永辉.绿色信贷如何影响银行风险承担?——基于中国银行业数据的实证研究[J].武汉金融，2022(5).

[7] 丁宁，任亦侬，左颖.绿色信贷政策得不偿失还是得偿所愿?——基于资源配置视角的PSM-DID～1成本效率分析[J].金融研究，2020(4).

[8] Luo S.,Yu S.,and Zhou G.,2021.Does Green Credit Improve the Core Competence of Commercial Banks?Based on Quasi-natural Experiments in China.Energy Economics,Vol.100,https://doi.org/10.1016/j.eneco.2021.105335.

[9] 孙红梅，姚书淇.商业银行经营风险与财务绩效——基于绿色业务影响的视角[J].金融论坛，2021(2).

[10] Zhou X.,Caldecott B.,and Hoepner A.,2022.Bank Green Lending and Credit Risk:An Empirical Analysis of China,s Green Credit Policy.Business Strategy and the Environment,Vol.31,No.4:1623-1640.

[11] 张晨，董晓君.绿色信贷对银行绩效的动态影响——兼论互联网金融的调节效应[J].金融经济学研究，2018(6).

[12] 邵传林，闫永生.绿色金融之于商业银行风险承担是“双刃剑”吗——基于中国银行业的准自然实验研究[J].贵州财经大学学报，2020(1).

[13] 于波，陈红，周宁.绿色信贷、金融科技与商业银行盈利能力[J].统计与决策，2021(14).

[14] Dimaggio P.,and Powell W.,1983.The Iron Cage Revisited:Institutional Isomorphism and Collective Rationality in Organizational Fields.American Sociological Review,Vol.48,No.2:147-160.

[15] Lian Y.,Gao J.,and Ye T.,2022.How Does Green Credit Affect the Financial Performance of Commercial Banks?——Evidence from China.Journal of Cleaner Production,Vol.344,https://doi.org/10.1016/j.jclepro.2022.131069.

[16] 詹小颖.我国绿色金融发展的实践与制度创新[J].宏观经济管理，2018(1).

[17] 童中文，解晓洋，邓熳利.中国银行业系统性风险的“社会性消化”机制研究[J].经济研究，2018(2).

[18] 徐明东，陈学彬.中国微观银行特征与银行贷款渠道检验[J].管理世界，2011(5).

[19] Abedifar P.,Molyneux P.,and Tarazi A.,2018.Non-Interest Income and Bank Lending.Journal of Banking & Finance,Vol.87,No.3:411-426.

[20] 李志辉，李梦雨.我国商业银行多元化经营与绩效的关系——基于50家商业银行2005-2012年的面板数据分析[J].南开经济研究，2014(1).

[21] 王擎，吴玮.资本监管与银行信贷扩张——基于中国银行业的实证研究[J].经济学动态，2012(3).

[22] Borio C.,and Zhu H.,2012.Capital Regulation,Risk-taking and Monetary Policy:A Missing Link in the Transmission Mechanism?Journal of Financial Stability,Vol.8,No.4:236-251.

[23] Jokipii T.,and Milne A.,2008.The Cyclical Behaviour of European Bank Capital Buffers.Journal of Banking & Finance,Vol.32,No.8:1440-1451.

[24] 张琳，廉永辉.我国商业银行资本缓冲周期性研究——基于银行资本补充能力的视角[J].管理世界，2015(7).

[25] 杨天宇，钟宇平.中国银行业的集中度、竞争度与银行风险[J].金融研究，2013(1).

[26] 张一林，林毅夫，龚强.企业规模、银行规模与最优银行业结构——基于新结构经济学的视角[J].管理世界，2019(3).

[27] Goetz M.R.,and Laeven L.,Levine R.,2016.Does the Geographic Expansion of Banks Reduce Risk?Journal of Financial Economics,Vol.120,No.2:346-362.

[28] Zhang B.,Yang Y.,and Bi J.,2011.Tracking the Implementation of Green Credit Policy in China:Top-down Perspective and Bottom-up Reform.Journal of Environmental Management,Vol.92,No.4:1321-1327.

[29] 吕思聪.外部监管和货币政策对中国商业银行流动性创造能力的影响研究[J].国际金融研究，2018(5).

[30] Godfrey P.C.,2005.The Relationship Between Corporate Philanthropy and Shareholder Wealth:A Risk Management Perspective.The Academy of Management Review,Vol.30,No.4:777-798.

[31] Wang H.,Qi S.Z.,and Zhou C.,Zhou J.G.,and Huang X.Y.2022.Green Credit Policy,Government Behavior and Green Innovation Quality of Enterprises.Journal of Cleaner Production,Vol.331,https://doi.org/10.1016/j.jclepro.2021.129834.

[32] Davis S.J.,Liu D.,and Sheng X.S.,2019.Economic Policy Uncertainty Index:Mainland Papers for China[R].Working Paper.

[33] 田国强，李双建.经济政策不确定性与银行流动性创造：来自中国的经验证据[J].经济研究，2020(11).

[34] Sobel M.E.,1987.Direct and Indirect Effects in Linear Structural Equation Models.Sociological Methods & Research,Vol.16,No.1:155-176.

[35] 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(3).

(1)174家商业银行其中包括5家大型国有商业银行、12家股份制商业银行、109家城市商业银行和48家农村商业银行。

(2)本文样本研究区间内,部分银行因成立时间或者银行间存在合并重组等原因,使得银行并非每年都有观测值,故样本为非平衡面板数据。为了避免潜在数据结构不合理问题,本文也采用2008—2020年中国商业银行年度平衡面板数据进行分析,结果依然稳健。考虑到采用面板数据为样本进行分析时,观测值仅占非平衡面板数据的29%左右,样本容量较小,故本文以中国商业银行非平衡面板数据为研究对象。此外,本文数据结构属于大N小T型短面板数据,因此无需对变量进行平稳性检验。

(3)参考田国强和李双建(2020)[33]的研究,传统Lerner指数内在假定银行具有完全成本效率,不存在给定价格情况下资源浪费与资源次优分配问题。然而,转型期的中国,银行业尚存在资源配置效率低下和配置结构失衡等问题,因此本文采用经税前利润调整的Lerner指数作为银行市场势力的代理变量。具体计算过程备索。

(4)本文进一步以绿色信贷占比(GCR)作为核心解释变量,以63家商业银行的412个样本观测值,采用面板多元OLS进行进一步讨论,研究发现绿色信贷与商业银行风险承担之间呈项先下降后上升的非线性“U”关系,即在短期内绿色信贷会增加商业银行风险承担水平,但长期来看,绿色信贷会降低商业银行的风险承担水平。本文的结论再次得到验证。更为重要的是,这一结论进一步揭示了现有研究未形成一致性结论的原因:一是从商业银行盈利结构来看,纵然绿色信贷可以提高商业银行的中间业务收入水平,但是仅仅使用商业银行的绿色信贷余额占比数据来衡量商业银行在绿色信贷政策方面的表现,会忽略商业银行通过积极贯彻绿色信贷政策,履行企业社会责任所衍生的声誉效应等更大的潜在影响价值;二是从可持续发展理论、企业社会责任理论以及信号传递理论等来看,绿色信贷对商业银行的积极影响将在长期显现,但现实是不少商业银行的绿色信贷余额占比仍然偏低,短期内价值无法显现。此外,当前中国绿色金融的发展正处于初始阶段,商业银行贯彻绿色信贷政策的时间不同,规模不同,风险评估等绿色金融审核系统和技术不同,导致不少商业银行在政策前期成本投入偏大,影响了商业银行的风险承担水平。

(5)需要说明的是,为确保回归结果的准确性和可靠性,本文依据F统计量检验、LR统计量检验和Hausman检验的结果,最终选取固定效应模型进行回归分析。最后,通过修正Wald检验、Wooldridge检验和Breusch-Pagan LM检验,本文发现样本数据存在异方差性、序列相关性和截面相关性等问题,故采用Driscoll-Kraay标准误对模型进行修正。

(6)限于篇幅,结果备索。

(7)组间系数差异性检验主要Chow检验、似无相关模型检验方法(Suest)和费舍尔组合检验(Permutation Test),其中,Chow检验需要引入交互项,且需要假定控制变量的系数不随组别发生变化,适用条件较为苛刻;似无相关模型的检验方法允许不同组别间控制变量存在差异,但该方法可能存在样本选择偏误问题;费舍尔组合检验则基于自抽样思路,通过不断抽样模拟总体样本特征,适用范围较为广泛。因此,本文使用费舍尔组合检验通过“自抽样法(Bootstrap)”来检验组间系数的差异性。此外,本文还采用其他两种方法进行检验,结果并未发生改变,检验结果备索。下同。