| 3,707 | 1 | 491 |
| 下载次数 | 被引频次 | 阅读次数 |
企业漂绿现象已成为生态文明建设中的一道“不和谐”音符。基于机器学习算法使用文本分析和词向量模型构建银行金融科技指数和企业漂绿指标，以2012—2022年中国A股上市企业和商业银行为研究对象，考察金融科技应用对企业漂绿的影响。研究发现，银行金融科技应用能够显著抑制企业漂绿行为。机制分析表明，银行金融科技通过缓解企业融资约束和改善企业绿色管理水平来抑制企业漂绿行为。异质性分析表明，银行金融科技对企业漂绿行为的抑制作用在中小民营企业，以及所在地区银行竞争度较小、市场化水平较低的企业中更为明显。进一步研究发现，金融科技对企业漂绿的抑制作用能够显著促进企业绿色创新产出。因此，应鼓励商业银行开展数字发展战略，积极应用金融科技，提高金融服务实体经济效率，有效推动实体经济高质量发展。
Abstract：The phenomenon of corporate greenwashing has emerged as a discordant note in the symphony of ecological civilization construction.By employing machine learning algorithms, a text analysis, and word vector models, a banking fintech index and corporate greenwashing indicator were constructed in this study.The focus was on China's A-share listed companies and commercial banks for the period 2012-2022 to examine the impact of fintech applications on corporate greenwashing behaviors.The findings revealed that the application of banking fintech significantly inhibited such behaviors.A mechanism analysis indicated that banking fintech curtailed corporate greenwashing by alleviating financing constraints and enhancing the level of corporate green management.A heterogeneity analysis demonstrated that the inhibitory effect of banking fintech on greenwashing was more pronounced in small-and medium-sized private enterprises and in enterprises located in regions with less competitive banking environments and lower levels of marketization.Further research has suggested that the inhibitory effect of fintech on corporate greenwashing significantly fosters green innovation output in enterprises.Therefore, commercial banks should pursue digital development strategies, actively employ fintech, and enhance the efficiency of financial services for the real economy, thereby effectively promoting the real economy's high-quality development.
陈东晖，于学伟，张骏.银行ESG偏好能否抑制企业漂绿行为?—来自银企信贷匹配的经验证据[J].生态文明研究，2024(4).
陈东晖.贷款银行金融科技、信贷决策与借款企业可持续发展[J].金融理论与实践，2024(7).
陈奉功，张谊浩.绿色债券发行、企业绿色转型与市场激励效应[J].金融研究，2023(3).
陈庆江，王彦萌，万茂丰.企业数字化转型的同群效应及其影响因素研究[J].管理学报，2021(5).
樊纲，王小鲁，马光荣.中国市场化进程对经济增长的贡献[J].经济研究，2011(9).
方先明，那晋领.创业板上市公司绿色创新溢酬研究[J].经济研究，2020(10).
郭娜，张骏.金融科技应用与银行主动风险承担行为——基于银行信贷供给的理论和实证研究[J].经济学家，2024(5).
李晓溪，饶品贵，岳衡.银行竞争与企业杠杆操纵[J].经济研究，2023(5).
李逸飞，李茂林，李静.银行金融科技、信贷配置与企业短债长用[J].中国工业经济，2022(10).
李哲，王文翰.“多言寡行”的环境责任表现能否影响银行信贷获取——基于“言”和“行”双维度的文本分析[J].金融研究，2021(12).
刘岩，秦海林.绿色信贷政策能否抑制重污染企业金融化——基于《绿色信贷指引》的准自然实验[J].金融监管研究，2022(10).
邱晗，黄益平，纪洋.金融科技对传统银行行为的影响——基于互联网理财的视角[J].金融研究，2018(11).
文书洋，刘浩，王慧.绿色金融、绿色创新与经济高质量发展[J].金融研究，2022(8).
吴华强，张承鹫，才国伟.高铁建设与企业信贷配置研究——来自上市公司贷款公告的经验证据[J].金融经济学研究，2024(5).
谢绚丽，王诗卉.中国商业银行数字化转型：测度、进程及影响[J].经济学(季刊),2022(6).
徐斯旸，张雪兰，杨先旭，辛冲冲.银行资本监管失灵与僵尸贷款的“泥流效应”[J].金融经济学研究，2021(2).
岳宇启，柏玉馨.金融科技赋能企业高质量发展：影响效应和作用机制[J].统计学报，2024(5).
张金清，李柯乐，张剑宇.银行金融科技如何影响企业结构性去杠杆?[J].财经研究，2022(1).
张骏，郭娜，刘彦迪.金融科技对银行风险的影响研究——基于流动性创造与经营效率的分析[J].南开经济研究，2023(11).
张雪兰，李佳宁.“太相似而不能倒”:银行信贷同群效应与系统性风险[J].南方经济，2023(2).
张雪兰，王剑，徐子尧，申程程.惟精惟勤，玉汝于成：信贷专业化与企业新质生产力发展[J].金融经济学研究，2024(5).
Adbi A.,and S.Natarajan,2023.Fintech and Banks as Complements in Microentrepreneurship.Strategic Entrepreneurship Journal,17(3):585-611.
Balyuk T.,2023.FinTech Lending and Bank Credit access for Consumers.Management Science,69(1):555-575.
Buchak G.,G.Matvos,T.Piskorski,and A.Seru,2018.Fintech,Regulatory Arbitrage,and the Rise of Shadow Banks.Journal of Financial Economics,130(3):453-483.
Cheng M.,and Y.Qu,2020.Does Bank FinTech Reduce Credit risk?Evidence from China.Pacific-Basin Finance Journal,63:101398.
Collevecchio F.,F.Cappa,and E.Peruffo,2024.When do M&As with Fintech Firms Benefit Traditional Banks?British Journal of management,35(1):192-209.
Fan C.,S.Bae,and Y.Liu,2024.Can FinTech Transform Corporate Liquidity?Evidence from China.Innovation and Green Development,3(2):100114.
He X.,Q.Jing,and H.Chen,2023.The Impact of Environmental Tax Laws on Heavy-polluting Enterprise ESG Performance:A Stakeholder Behavior Perspective.Journal of Environmental Management,344:118578.
Hu Y.,and L.Yin,2024.Can Adoption of Financial Technology Change Corporate Client Structure in Chinese Banking?Journal of Financial Risk Management,13(1):163-181.
(1)金融科技具体构建步骤如下:首先,按照“金融科技直接称呼”“底层技术”以及“应用场景”(智能营销、风险防控和运营管理)三大维度选取32个与银行金融科技高度相关的关键词(表3),选取逻辑与漂绿指标相同;其次,基于百度搜索引擎资讯板块的原始信息,爬取含有上述关键词的新闻资讯,形成词频数据;最后,采用熵值法将关键词词频数据合成“银行—年度”层面的金融科技发展指数
(2)其中,FINTECHi,n,t为企业i在t期对应的银行n的金融科技水平;LOANi,n,t为企业i在t期对应的银行n的贷款规模;LOANi,t为企业i在t期对应的所有银行贷款规模总计。因此,FINTECHi,t就是企业i在t期对应的银行金融科技指数按照企业逐笔贷款规模占总贷款规模加权到企业上,FINTECH可以理解为企业受银行金融科技的影响,该指标越大,企业受到的影响越深。此外,为缓解可能存在的内生性问题,本文将银行金融科技滞后一期,使用L.FINTECH作为本文核心解释变量。
(3)为确保实证结果的稳健性,每列回归均控制时间固定效应、行业固定效应和地区固定效应,表6～10同。
(4)由于篇幅所限,文章内生性处理与稳健性检验结果留存备索。
(5)已有研究发现银行数字化转型具有一定的同群效应(陈庆江等,2021),规模相近的银行通常具有相似的金融科技发展水平,但进一步本文考虑到工具变量相关性和数据可得性问题,本文使用同一省份规模相近的商业银行金融科技发展水平作为工具变量。因此,本文工具构造按照如下步骤:对于同一年度同一企业的各大贷款银行,分别使用与之规模最相近且该年度未向该企业放贷的银行代替;以该年该企业在各个贷款银行的贷款金额为权重,将对应的替代银行的金融科技指标进行加权来合成工具变量。由于这些商业银行并没有向对应的样本企业进行放贷,因此难以通过融资效应和治理效应来影响企业漂绿行为,该指标满足工具变量相关性和外生性两个条件。
(6)使用北京大学公布的省级数字普惠金融指数取对数作为宏观数字经济发展水平(MDE)的代理变量。
(7)该指数基于银行年报、网络平台和数字金融相关部门从战略数字化(14.89%)、业务数字化(31.32%)和管理数字化(53.88%)三个维度来构建指标体系,并且该指数综合了文本挖掘法以及专利分析法,从而全面客观对银行金融科技水平进行衡量。该指标在一定程度上能够克服本文金融科技指标的低估问题,但由于指标仅截至到2021年,所以同样进行滞后一期。
(8)本文使用国泰安数据库中的SA指数作为企业融资约束的代理变量;通过汇总五个指标来衡量企业绿色管理水平,具体为国泰安环境数据库中上市公司环境监管与认证披露情况表中列示的是否通过ISO14001认证、是否通过ISO9001认证,上市公司管理披露情况表中列示的环保管理制度体系、环保教育与培训、环保专项行动,通过加总获得综合得分并取对数作为企业绿色管理(GM)的代理指标。
(9)根据公司经营性净现金流、股利、现金持有、资产负债率以及TobinQ等财务指标构建KZ融资约束指数,该指数越大,说明企业面临的现金约束程度越高。
(10)本文根据银行获得流动性资金的难易程度、交易成本和所需时间,将资产负债表和表外业务中的各科目分为流动性、半流动性和非流动性三类,设定流动性创造=-0.5×(非流动性资产+流动性负债+非流动性表外业务)+0×(半流动性资产+半流动性负债+半流动性表外务)+0.5×(半流动性负债+流动性资产+流动性表外业务)。为剔除规模因素对银行流动性创造的影响,本文采用单位资产流动性创造水平(LC)作为银行流动性创造的代理变量,即LC=流动性创造规模除以银行贷款规模。
(11)企业规模的具体分组方式为:将各企业样本期内资产规模进行排序并找出中位数,将资产规模高于全部企业中位数的企业分为大型企业,低于或等于中位数的企业分为中小企业;企业所有权的具体分组方式为:按照所有权性质分为国有企业和私营企业。
(12)本文基于市级和省级层面数据构建异质性研究框架,银行竞争水平为市级指数,地区市场化为省级指数。银行竞争参考李晓溪等(2023)的研究,使用分支机构数量占比来度量各地银行竞争状况;地区市场化水平使用樊纲等(2011)构建的各省份市场总指数作为地区市场化水平的代理变量。
(13)银行竞争的具体分组方式为:计算各企业样本期内所在地区的银行竞争水平并进行排序,将银行竞争水平高于全部地区中位数的地区分为高银行竞争地区,低于或等于中位数的地区分为低银行竞争地区;地区市场化分组方式类似。
基本信息:
DOI：
中图分类号:X322;X196;F832.51
引用信息:
[1]郭娜,陈东晖,刘岩.银行金融科技能否抑制企业漂绿行为——来自机器学习与文本分析的经验证据[J].金融经济学研究,2025,40(02):130-144.
基金信息:
国家社会科学基金后期资助项目(23FJYB033); 教育部人文社会科学研究青年基金项目(23YJC790038); 国家自然科学基金青年项目(71903142)