金融科技對綠色信貸的影響及作用機制

黃磊 黃思剛 楊承佳

摘? ?要：數(shù)字經(jīng)濟時代，金融科技能否賦能綠色信貸發(fā)展，從而推動商業(yè)銀行實現(xiàn)數(shù)字化綠色轉型？本文創(chuàng)新性地從商業(yè)銀行內(nèi)部視角出發(fā)，基于2012—2021年22家中國上市商業(yè)銀行數(shù)據(jù)，利用文本挖掘法構建金融科技發(fā)展指數(shù)，探究金融科技對綠色信貸的影響。研究發(fā)現(xiàn)，金融科技通過緩解信息不對稱、調(diào)整信貸配置和降低信貸風險顯著促進了綠色信貸的投放。異質(zhì)性分析表明，金融科技對綠色信貸投放的促進作用在規(guī)模小、資本充足率高的商業(yè)銀行以及城市商業(yè)銀行中表現(xiàn)得更加明顯。因此，商業(yè)銀行應持續(xù)推進金融科技發(fā)展，以助力我國綠色金融的發(fā)展以及“雙碳”目標的實現(xiàn)。

關鍵詞：金融科技；綠色信貸；商業(yè)銀行；文本挖掘；信息不對稱

中圖分類號：F832? 文獻標識碼：A? 文章編號：1674-2265（2023）07-0073-10

DOI：10.19647/j.cnki.37-1462/f.2023.07.009

一、引言

生態(tài)環(huán)境問題是“十四五”規(guī)劃中著力要解決的重點問題。作為遏制高耗能、高污染產(chǎn)業(yè)擴張進而推動企業(yè)綠色轉型的一項信貸政策（田超和肖黎明，2021）[1]，綠色信貸政策逐漸成為國內(nèi)生態(tài)環(huán)境治理的重要抓手。但與此同時，投放力度不足、實施效果不佳等問題的存在使綠色信貸仍具有較大發(fā)展空間（張小可和葛晶，2021）[2]。究其原因，主要在于信貸投放方即商業(yè)銀行的風險規(guī)避。由于信息不對稱，“標綠”企業(yè)和“染綠”項目的騙貸案例層出不窮（張可等，2022）[3]，為避免損失，商業(yè)銀行收緊綠色信貸投放，綠色信貸陷入發(fā)展停滯期。

近年來，互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈等新興信息技術在金融領域的融合應用為商業(yè)銀行提供了新發(fā)展機遇。中國人民銀行在《金融科技發(fā)展規(guī)劃（2019—2021年）》中指出，金融科技能推動金融機構在盈利模式、業(yè)務形態(tài)、資產(chǎn)負債、信貸關系、渠道拓展等方面持續(xù)優(yōu)化，不斷增強核心競爭力，為金融業(yè)轉型升級持續(xù)賦能。具體來看，金融科技主要是通過創(chuàng)造新的技術應用、產(chǎn)品服務與業(yè)務模式來提高金融服務的效率（趙鷂，2016；易憲容，2017；何涌和謝磊，2022）[4-6] ，并通過“技術溢出效應”與“競爭效應”兩種渠道來緩解銀企間的信息不對稱，改進商業(yè)銀行貸款技術和優(yōu)化商業(yè)銀行信貸配置（孟娜娜等，2020；Fuster等，2019）[7，8]，很可能有助于解決商業(yè)銀行綠色信貸的現(xiàn)存問題（盛天翔和范從來，2020）[9]。實際數(shù)據(jù)顯示，2021年，中國工商銀行和中國建設銀行金融科技投入分別為259.87億元和235.76億元，較上年增長9.1%和6.6%。同期，兩家商業(yè)銀行的綠色信貸余額分別增加6349.02億元和6204.22億元，同比增長34.4%和46.21%。金融科技投入和綠色信貸余額的雙雙提升引發(fā)了我們的思考：商業(yè)銀行發(fā)展金融科技是否會促進綠色信貸的投放？金融科技影響綠色信貸的作用機制又是什么？既有研究主要考察商業(yè)銀行發(fā)展金融科技對其經(jīng)營績效（王道平等，2022；趙清波和卜林，2022）[10，11]、盈利能力（于鳳芹和于千惠，2021）[12]、風險承擔（邱晗等，2018；郭品和沈悅，2019）[13，14]、信貸配置（徐曉萍等，2021；亓鵬和韓慶瀟，2022）[15，16]乃至市場結構（孟娜娜等，2020）[7]的影響，鮮有學者從商業(yè)銀行自身角度出發(fā)，探究金融科技對綠色信貸投放的影響。在中國經(jīng)濟轉型的攻關期，厘清二者之間的關系對于推動商業(yè)銀行數(shù)字化轉型和綠色發(fā)展，深化銀行業(yè)供給側結構性改革，從而助力我國高質(zhì)量發(fā)展以及“雙碳”目標的實現(xiàn)具有重要的理論價值和現(xiàn)實意義。

基于上述背景，本文使用文本挖掘法構建了商業(yè)銀行金融科技發(fā)展指數(shù)，結合2012—2021年22家中國上市商業(yè)銀行數(shù)據(jù)，考察商業(yè)銀行金融科技發(fā)展水平對其綠色信貸投放的影響及作用機制。與以往文獻相比，本文可能的創(chuàng)新和貢獻在于：第一，基于文本挖掘法，創(chuàng)建金融科技關鍵詞詞庫，采用機器學習的方法爬取各商業(yè)銀行年報，對金融科技關鍵詞詞頻數(shù)進行統(tǒng)計，創(chuàng)新性地構建了商業(yè)銀行金融科技發(fā)展指數(shù)，為相關研究提供有益借鑒。第二，目前與金融科技相關的研究主要集中在其對企業(yè)、商業(yè)銀行和區(qū)域經(jīng)濟的影響方面，而在商業(yè)銀行層面的研究中，鮮有文獻將金融科技與綠色信貸直接聯(lián)系起來，本文從商業(yè)銀行視角出發(fā)，探究金融科技對綠色信貸的影響，為金融科技賦能綠色信貸進而助力高質(zhì)量發(fā)展提供微觀經(jīng)驗證據(jù)。第三，基于緩解信息不對稱、調(diào)整信貸配置和降低信貸風險三條路徑，深入剖析了金融科技對綠色信貸的影響機制，不僅豐富了現(xiàn)有的理論研究，還為商業(yè)銀行如何利用金融科技推動綠色信貸發(fā)展和自身數(shù)字化轉型提供有益的政策思考。

二、文獻回顧、理論分析與研究假說

（一）文獻回顧

根據(jù)使用主體的不同，金融科技可分為外部金融科技和商業(yè)銀行內(nèi)部金融科技（Cheng和Qu，2020）[17]，分別對應互聯(lián)網(wǎng)金融企業(yè)和商業(yè)銀行，二者本質(zhì)上都涵蓋了各類利用數(shù)字化、電子化技術進行交易的產(chǎn)品和服務（李建軍和姜世超，2021）[18]，并對商業(yè)銀行的行業(yè)結構和傳統(tǒng)經(jīng)營模式產(chǎn)生了深刻影響。從整個行業(yè)來看，外部金融科技的發(fā)展賦予互聯(lián)網(wǎng)金融企業(yè)信息技術優(yōu)勢，使其在獲取客戶方面搶占先機，擠壓了商業(yè)銀行的盈利空間，迫使商業(yè)銀行進行改革創(chuàng)新，發(fā)展商業(yè)銀行內(nèi)部金融科技，從而影響整體銀行業(yè)結構（孟娜娜等，2020）[7]。從商業(yè)銀行的單一視角來看，商業(yè)銀行內(nèi)部金融科技顛覆了傳統(tǒng)的銀行行為，具體體現(xiàn)在信息獲取能力、貸款審批與風險管理方式的變化。一方面，金融科技賦能下，商業(yè)銀行通過大數(shù)據(jù)、物聯(lián)網(wǎng)等信息技術手段獲取借款企業(yè)的經(jīng)營狀況、信用資質(zhì)等“軟”信息，以此判定企業(yè)是否符合放貸標準，這就打破了以往需要借款企業(yè)足值抵押物等“硬”資質(zhì)的傳統(tǒng)貸款方式（盛天翔和范從來，2020）[9]。另一方面，金融科技以區(qū)塊鏈、人工智能等新興技術幫助商業(yè)銀行建立企業(yè)信用評估模型，降低商業(yè)銀行風險評估成本。此外，金融科技還有助于擴大信貸市場的信息共享范圍，使得商業(yè)銀行可在豐富的貸款信息集中選擇信用資質(zhì)良好的客戶進行交易，降低篩選和監(jiān)控成本，同時以信息共享來約束借款人行為，降低信貸風險（Sutherland，2018）[19]。由此可見，金融科技確實對商業(yè)銀行信貸業(yè)務產(chǎn)生了深遠的影響。

商業(yè)銀行綠色信貸的投放力度和實施效果受到多方面因素的影響。借款企業(yè)層面，企業(yè)信息披露水平和環(huán)境責任表現(xiàn)對商業(yè)銀行綠色信貸決策有著顯著影響（李哲和王文翰，2021）[20]。放款銀行層面，有學者發(fā)現(xiàn)了綠色信貸和商業(yè)銀行財務績效的動態(tài)交互關系（張琳等，2019）[21]。政府層面，地方政府環(huán)境規(guī)制和地方官員特征也是影響綠色信貸發(fā)展的重要因素（林柏強和潘婷，2022；韋朕韜等，2023）[22，23]。上述關于綠色信貸影響因素的分析多集中于企業(yè)和政府層面，對商業(yè)銀行內(nèi)部因素與綠色信貸關系的研究甚少，而綠色信貸主要是通過商業(yè)銀行進行投放，商業(yè)銀行內(nèi)部因素對綠色信貸的影響不可忽視。尤其是在現(xiàn)代信息化與科技化的大背景下，商業(yè)銀行內(nèi)部發(fā)展金融科技勢必會對綠色信貸業(yè)務的發(fā)展造成沖擊。

（二）金融科技與綠色信貸

基于微觀經(jīng)濟學不完全信息理論，商業(yè)銀行與企業(yè)之間的信息不對稱是造成道德風險和逆向選擇的主要原因，這些問題都將導致信貸資源錯配（宋敏等，2021）[24]，類似的問題在綠色信貸這類政策性貸款的實施過程中表現(xiàn)得更加嚴重。目前各商業(yè)銀行主要根據(jù)信貸申請企業(yè)的經(jīng)營范圍和行業(yè)類型來判斷其是否屬于綠色企業(yè)或綠色項目，一方面，按照傳統(tǒng)的貸款方式，一些申請綠色信貸的企業(yè)在滿足正常申請條件的同時，需要依靠足值抵押物等“硬”資質(zhì)來通過商業(yè)銀行的信貸審核，這就使得部分符合綠色信貸申請條件但缺少硬性資產(chǎn)的中小企業(yè)被排斥在商業(yè)銀行綠色信貸投放范圍之外；另一方面，由于商業(yè)銀行與借款企業(yè)之間的信息不對稱，部分企業(yè)通過“漂綠”“染綠”等方式騙取綠色信貸，并將綠色信貸挪作他用，部分信用不良和還貸能力差的企業(yè)在得到綠色信貸后出現(xiàn)違約行為，導致商業(yè)銀行利潤和資產(chǎn)流動性下降，金融風險水平攀升。經(jīng)過借款企業(yè)的上述一系列負向操作，商業(yè)銀行對綠色信貸的投放越發(fā)謹慎，秉持“寧可不投，也不錯投”的保守態(tài)度。由此，商業(yè)銀行陷入不愿投放但礙于政策因素又必須適量投放綠色信貸的困境。金融科技賦予商業(yè)銀行全新的應用技術、產(chǎn)品形態(tài)與業(yè)務模式，商業(yè)銀行在大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等技術的幫助下，信息獲取、信貸配置和風險控制三個方面的能力得到提高（李春濤等，2020）[25]，綠色信貸的投放很可能也會受到影響。

在信息獲取方面，一方面，大數(shù)據(jù)、智能識別、數(shù)據(jù)挖掘等技術手段增強了商業(yè)銀行的信息獲取能力（盛天翔和范從來，2020）[9]，獲取海量客戶信息和歷史數(shù)據(jù)的同時，可將綠色信貸申請企業(yè)的“軟”信息“量”化，通過“軟”“硬”信息的結合商業(yè)銀行能夠多維度、深層次地對企業(yè)進行綠色評價，并以信息技術手段綜合判斷是需要足值抵押物等“硬”資產(chǎn)來發(fā)放擔保貸款，還是可以憑借企業(yè)良好的綠色聲譽和綠色信用以及項目的低風險等“軟”資質(zhì)發(fā)放信用貸款，有助于商業(yè)銀行為更多符合綠色信貸申請資質(zhì)的中小企業(yè)提供綠色信貸，一定程度上提高了綠色信貸服務的包容性（譚常春等，2023）[26]，增加了商業(yè)銀行綠色信貸投放。另一方面，商業(yè)銀行可以利用金融科技有效辨別綠色企業(yè)與綠色項目的真?zhèn)?，緩解銀企之間的信息不對稱，隨著信息掌握程度的提高，商業(yè)銀行對于綠色信貸投放的保守態(tài)度逐漸轉向積極，進而放寬綠色信貸申請及發(fā)放條件，刺激綠色信貸的投放?；诖耍疚奶岢黾僭O1和假設2：

假設1：商業(yè)銀行發(fā)展金融科技能夠顯著增加綠色信貸的投放量。

假設2：金融科技通過緩解銀企間的信息不對稱，促進商業(yè)銀行綠色信貸的投放。

在信貸配置方面，由于市場信息的缺乏，商業(yè)銀行存在惜貸等情況，存貸比和利息收入低于市場均衡水平。在金融科技有效緩解銀企間信息不對稱的基礎上，商業(yè)銀行風險承擔意愿增強，信貸配置有所調(diào)整，存貸款比例會顯著上升。特別是在綠色信貸業(yè)務上，風險承擔意愿的增強賦予銀行在信貸業(yè)務方面更多的操作空間，雖然綠色信貸相較其他信貸來說利息較低、周期較長，但為贏得綠色聲譽以及礙于政策指標，商業(yè)銀行會傾斜增加綠色信貸的投放。據(jù)此，本文提出假設3：

假設3：金融科技通過調(diào)整商業(yè)銀行信貸配置，促進商業(yè)銀行綠色信貸的投放。

在風險控制方面，一方面，商業(yè)銀行能夠利用金融科技建立綠色信用評估模型（Livshits等，2016）[27]，過濾違約風險高的綠色信貸申請企業(yè)，排除非綠企業(yè)和非綠項目，防止企業(yè)“標綠”“染綠”以騙取綠色信貸，提高的風險處理能力；另一方面，商業(yè)銀行能夠運用大數(shù)據(jù)、區(qū)塊鏈等技術實時監(jiān)測綠色信貸資金流向，當綠色信貸申請企業(yè)將綠色資金挪作他用時，商業(yè)銀行能夠及時凍結并收回已發(fā)放的綠色信貸資金，這將有助于提高商業(yè)銀行的風險控制能力，降低商業(yè)銀行的信貸風險（張妤舟，2021）[28]。風險控制能力的提高和信貸風險的下降又會增強商業(yè)銀行投資信心，使其向市場發(fā)放更多的綠色信貸以謀求更多的收益。基于以上分析，本文提出假設4：

假設4：金融科技通過降低商業(yè)銀行信貸風險，促進商業(yè)銀行綠色信貸的投放。

三、研究設計

（一）研究樣本和數(shù)據(jù)處理

本文以2012—2021年22家中國上市商業(yè)銀行為研究對象，商業(yè)銀行金融科技發(fā)展指數(shù)來自對各商業(yè)銀行年報進行爬蟲得到的數(shù)據(jù)，商業(yè)銀行經(jīng)營數(shù)據(jù)及財務數(shù)據(jù)來自國泰安數(shù)據(jù)庫、Choice金融數(shù)據(jù)庫和各商業(yè)銀行年報，綠色信貸余額來自馬克數(shù)據(jù)網(wǎng)、各商業(yè)銀行社會責任報告和可持續(xù)發(fā)展報告。部分缺失數(shù)據(jù)通過各商業(yè)銀行年報、社會責任報告和可持續(xù)發(fā)展報告手工收集，剩余少量缺失數(shù)據(jù)通過線性插值法補齊。此外，為消除極端數(shù)據(jù)值對實證結果造成的影響，對所有連續(xù)型變量進行雙側1%的縮尾處理，最終得到2012—2021年22家商業(yè)銀行的220個觀測值。

（二）模型構建

基于前文理論分析，為探究金融科技與綠色信貸之間的關系，本文構建以下模型：

[GRi，t=α+βFintechi，t+γControls+δi+μi+εi，t] （1）

其中，被解釋變量[GRi，t]代表商業(yè)銀行[i]在[t]年份的綠色信貸投放量，使用商業(yè)銀行的綠色信貸余額來度量；核心解釋變量[Fintechi，t]代表商業(yè)銀行[i]在[t]年份的金融科技發(fā)展水平，使用爬取到的各商業(yè)銀行年報中金融科技關鍵詞詞頻的對數(shù)來度量；[Controls]是商業(yè)銀行微觀層面和國內(nèi)宏觀經(jīng)濟層面的控制變量；[δi]表示銀行個體固定效應，由于省份固定效應會被商業(yè)銀行個體固定效應吸收，因此，實質(zhì)上本文也控制了省份固定效應；[μi]表示時間固定效應；[εi，t]代表隨機誤差項。

（三）變量定義

1. 綠色信貸投放量（GR）。參照以往文獻，使用商業(yè)銀行社會責任報告中的綠色信貸余額來衡量。

2. 金融科技發(fā)展水平（Fintech）?，F(xiàn)有研究對于金融科技發(fā)展水平的測度主要有三類方法：一是采用北京大學數(shù)字金融研究中心編制的中國數(shù)字普惠金融指數(shù)（郭峰等，2020）[29]，該指數(shù)根據(jù)螞蟻金服的底層交易數(shù)據(jù)編制，從覆蓋廣度、使用深度和數(shù)字化程度三個維度來反映金融科技發(fā)展水平。二是采用地區(qū)金融科技公司的數(shù)量來衡量地區(qū)金融科技發(fā)展程度（宋敏等，2021）[24]。三是采用文本挖掘法，以金融科技關鍵詞檢索結果來衡量金融科技發(fā)展水平（郭品和沈悅，2019）[14]。前兩種測度方法多用于全國與省市級層面的宏觀研究，而基于文本挖掘法所構建的商業(yè)銀行金融科技指數(shù)更適合對商業(yè)銀行進行微觀分析。因此，本文借鑒李春濤等（2020）[25]和翟勝寶等（2023）[30]的方法，通過機器學習的方法，從各商業(yè)銀行年報中提取涵蓋人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)、線上化與移動化等六個維度的124個金融科技關鍵詞詞頻數(shù)（見表1），對所得結果做對數(shù)化處理，得到各年度各商業(yè)銀行的金融科技發(fā)展水平。

3. 控制變量。按照以往研究，商業(yè)銀行層面微觀特征、國內(nèi)宏觀經(jīng)濟發(fā)展水平與貨幣政策等均會影響商業(yè)銀行的綠色信貸水平。因此，本文選取的控制變量在微觀上主要包括能夠反映商業(yè)銀行盈利能力的總資產(chǎn)收益率（ROA）、反映信貸壞賬情況的不良貸款率（NPL）、反映經(jīng)營效率的成本收入比（CI）、反映流動性水平的流動性比例（LDR）、反映資本充足水平的資本充足率（CAR）以及反映環(huán)境責任意識的環(huán)境信息披露指數(shù)（EIDQ）；在宏觀上主要包括反映各地區(qū)綠色政策力度的環(huán)境規(guī)制強度（ER）、反映國內(nèi)經(jīng)濟發(fā)展水平的國內(nèi)生產(chǎn)總值（GDP）和反映貨幣政策環(huán)境的貨幣供應量（M2）。具體變量定義及描述性統(tǒng)計見表2。

四、實證結果分析

（一）基準回歸

本文采用的樣本數(shù)據(jù)屬于大N小T的短面板數(shù)據(jù)，常用的估計方法有混合回歸、固定效應和隨機效應模型，需要使用Hausman檢驗確定合適的基準回歸模型。檢驗結果顯示P值為0.0000，在1%的水平上顯著拒絕隨機效應。因此，本文采用固定效應模型（控制個體和時間效應）進行基準回歸，結果如表3所示。

由表3第（1）列可知，沒有加入任何控制變量時，金融科技發(fā)展水平的系數(shù)為0.6184，在1%的水平上顯著為正，這表明商業(yè)銀行金融科技發(fā)展水平對綠色信貸投放具有顯著的促進作用。在考慮商業(yè)銀行自身特征及宏觀經(jīng)濟政策等控制變量后，金融科技發(fā)展水平的系數(shù)降至0.4737，仍在1%的水平上顯著為正，進一步驗證了商業(yè)銀行金融科技發(fā)展水平對綠色信貸投放的正向影響?？紤]到商業(yè)銀行信貸供給受其他因素影響后變動往往具有一定的時滯性，將核心解釋變量與控制變量均滯后一期再使用固定效應模型進行回歸，結果如表3第（3）列所示，金融科技發(fā)展水平的系數(shù)符號和顯著性均未改變，由此，假設1初步成立。

控制變量中，總資產(chǎn)收益率的回歸系數(shù)顯著為負，說明總資產(chǎn)收益率和綠色信貸投放量負相關，與直覺相悖，通常來講，商業(yè)銀行總資產(chǎn)收益率越高，商業(yè)銀行資本積累就越多，越有能力進行綠色信貸投放。一種可能的解釋是，總資產(chǎn)收益率越高，商業(yè)銀行就越有動機保持高收益率，因此，會減少發(fā)展綠色信貸這類非盈利性或低盈利性的政策性貸款。不良貸款率的回歸系數(shù)顯著為負，說明不良貸款率越高，商業(yè)銀行越謹慎，會縮減綠色信貸的投放。資本充足率的回歸系數(shù)同樣顯著為負，這可能與商業(yè)銀行綠色信貸業(yè)務開展不足相關。其余控制變量的顯著性和符號與預期相符，不再贅述。

（二）內(nèi)生性問題

為緩解遺漏變量、金融科技發(fā)展水平測量誤差或反向因果導致的內(nèi)生性問題，本文采用以下方法處理后再檢驗。

1. 工具變量法。Hausman檢驗結果在1%水平上顯著拒絕原假設，表明解釋變量存在內(nèi)生性，使用工具變量法一定程度上能夠消除解釋變量的內(nèi)生性。參照張杰等（2017）[31]和宋敏等（2021）[24]的方法，本文使用與商業(yè)銀行總部所在地級市接壤的其他三個地級市的北京大學數(shù)字普惠金融總指數(shù)的平均值，作為金融科技發(fā)展水平的工具變量（AV_Fin）。一方面，與商業(yè)銀行總部所在地級市接壤的其他三個地級市的數(shù)字普惠金融發(fā)展水平與銀行的金融科技發(fā)展水平正相關，滿足工具變量的相關性要求；另一方面，接壤地級市的數(shù)字普惠金融指數(shù)均值并不直接影響該商業(yè)銀行的綠色信貸投放量，滿足工具變量的外生性要求。因此，工具變量的基本要求得到滿足。

本文先使用兩階段最小二乘法（2SLS）進行工具變量法回歸，回歸結果如表4所示。其中，Anderson LM統(tǒng)計量P值為0.000，顯著拒絕工具變量識別不足的原假設，第一階段F統(tǒng)計量為321.267，大于Stock-Yogo在10%水平上的臨界值16.38，表示不存在工具變量識別不足和弱工具變量問題，因此，本文選用的工具變量有效。表4第（1）列為2SLS第一階段回歸結果，工具變量的回歸系數(shù)在1%的水平上顯著為正，表明商業(yè)銀行總部所在地級市臨近的三個地級市的平均金融科技發(fā)展水平越高，該商業(yè)銀行金融科技發(fā)展水平就越高，工具變量有效的前提得到滿足。表4第（2）列為2SLS第二階段回歸結果，在緩解內(nèi)生性后，金融科技發(fā)展水平對綠色信貸投放量仍具有顯著的正向影響，本文結論仍然成立。

考慮到2SLS工具變量法在消除內(nèi)生性過程中的局限性，本文還使用拓展回歸模型（ERM）中的拓展線性回歸模型（Eregress）子模塊來進行工具變量法回歸?；貧w結果如表4第（3）列所示，殘差相關性系數(shù)在1%的水平上顯著，說明模型存在內(nèi)生性問題，在緩解內(nèi)生性核心解釋各變量的符號和顯著性均未改變，表明本文結論依舊穩(wěn)健。

2. GMM動態(tài)面板分析。綠色信貸政策往往在時間上具有一定的持續(xù)性，當期綠色信貸投放很可能受到上一期綠色信貸投放政策的影響。為消除這種影響帶來的內(nèi)生性問題，本文在式（1）的基礎上引入被解釋變量的一階滯后項作為解釋變量，使用差分GMM和系統(tǒng)GMM回歸來檢驗前文結論的穩(wěn)健性。表5列（1）與列（2）結果均通過二階序列相關檢驗和Hansen過度識別檢驗，且金融科技發(fā)展水平的回歸系數(shù)均在1%的水平上顯著為正，表明在考慮綠色信貸政策的時間序列相關性后，金融科技對綠色信貸投放量的促進作用仍然顯著存在。

（三）穩(wěn)健性檢驗

1. 替換被解釋變量。參照已有文獻，本文使用當期綠色信貸余額占期末貸款總額的比重（GRR）作為綠色信貸投放水平的替代指標，回歸結果如表6第（1）列所示，金融科技發(fā)展水平的回歸系數(shù)在1%水平上顯著為正，商業(yè)銀行金融科技的發(fā)展能夠顯著促進綠色信貸的投放，與前文結論一致。

2. 替換核心解釋變量。本文使用商業(yè)銀行總部所在地級市的北京大學數(shù)字普惠金融總指數(shù)（Digit Fintech）作為文本挖掘法所構建的金融科技發(fā)展水平的替代指標，并對其進行回歸，結果如表6第（2）列所示，替代指標的回歸系數(shù)在1%水平上仍顯著為正，證明金融科技與綠色信貸投放量的正相關性，前文結論可靠穩(wěn)健。

3. 剔除直轄市?？紤]到直轄市金融科技發(fā)展水平較高，當?shù)厣虡I(yè)銀行一般較早開始落實綠色信貸政策，綠色信貸投放水平往往也較高，反向因果問題可能較為嚴重。因此，在剔除直轄市后對剩余樣本進行回歸，結果見表6第（3）列，金融科技發(fā)展水平的回歸系數(shù)依然顯著為正，再次驗證了前文結論的可靠性。

五、機制分析

前文的研究結論表明，商業(yè)銀行發(fā)展金融科技能夠顯著增加綠色信貸的投放量，本節(jié)從緩解信息不對稱、調(diào)整信貸配置和降低信貸風險三個維度出發(fā)，使用結構方程模型（SEM）檢驗中介效應，深入剖析金融科技對綠色信貸的影響機制。

（一）基于緩解信息不對稱

銀企之間的信息不對稱是導致商業(yè)銀行綠色信貸配置效率低下的主要原因。金融科技利用大數(shù)據(jù)、區(qū)塊鏈等技術充分挖掘、收集并精準識別綠色信貸客戶信息，結合“軟”“硬”信息，在有效緩解銀企間信息不對稱的同時為商業(yè)銀行吸納更多符合資質(zhì)的綠色客戶，從而推動商業(yè)銀行投放更多的綠色信貸。銀企的信息不對稱程度會嚴重影響其資產(chǎn)的流動性，交易者為避免信息劣勢給自己帶來損失，往往會選擇信息透明度更高的公司買進股票，因此，商業(yè)銀行股票的流動性越差，則代表銀企間信息不對稱程度越高。本文參照于蔚等（2012）[32]的做法，基于微觀金融市場的交易數(shù)據(jù)，通過提取流動性比率、非流動性比率以及反轉指標綜合合成商業(yè)銀行信息不對稱（ASI）的代理指標，并代入回歸方程，借鑒江艇（2022）[33]關于中介效應的判定方法，以中介效應模型檢驗金融科技能否通過緩解銀企間信息不對稱的方式來增加商業(yè)銀行綠色信貸的投放量。

回歸結果如表7所示，在第（2）列中，金融科技發(fā)展水平的回歸系數(shù)顯著為負，表明商業(yè)銀行發(fā)展金融科技能夠有效緩解銀企間的信息不對稱。同時，第（3）列信息不對稱的回歸系數(shù)顯著為負，說明信息不對稱對綠色信貸的投放具有抑制作用。結合前三列的回歸結果可得到，商業(yè)銀行發(fā)展金融科技確實能夠通過緩解信息不對稱進而促進綠色信貸的投放。Sobel檢驗和蒙特卡羅檢驗均在1%的顯著性水平上拒絕不存在中介效應的原假設，且蒙特卡羅檢驗的置信區(qū)間不包含0，驗證了緩解信息不對稱中介效應的存在性。由此，前文假設2得到驗證。

（二）基于調(diào)整信貸配置

商業(yè)銀行自身對于信貸配置的調(diào)整也是影響其綠色信貸投放量的關鍵因素。金融科技可以提高商業(yè)銀行對于綠色信貸申請企業(yè)的信息獲取能力、改進綠色信貸從申請及發(fā)放的審批流程與技術、完善綠色信用評估機制，在信息真實透明的綠色信貸市場條件下，商業(yè)銀行能夠及時調(diào)整信貸配置，提高信貸配置效率，即商業(yè)銀行風險承擔意愿增強，為獲得綠色聲譽、完成綠色信貸政策指標以及獲取更多的隱性收益，商業(yè)銀行會發(fā)放比原來更多的綠色信貸。參考劉方等（2022）[34]的做法，本文使用商業(yè)銀行的存貸比（LD）來衡量其信貸配置狀況，存貸比越高則代表商業(yè)銀行信貸配置效率越高，以同上的中介效應模型檢驗金融科技是否通過提高商業(yè)銀行信貸配置效率進而促進綠色信貸的投放。表8的估計結果表明，金融科技調(diào)整了商業(yè)銀行的信貸配置，通過提高其信貸配置效率來促進綠色信貸的投放。Sobel檢驗和蒙特卡羅檢驗驗證了信貸配置效率中介效應的存在性。信貸配置效率的提高賦予商業(yè)銀行更多的資本利用機會和試錯空間，往往使得商業(yè)銀行對投放綠色信貸這類政策性貸款保持積極、寬松的態(tài)度。而商業(yè)銀行金融科技的發(fā)展調(diào)整了銀行信貸配置，提高了信貸配置效率，進而使得綠色信貸投放量增多，由此，驗證了前文假設3。

（三）基于降低信貸風險

信貸風險水平是商業(yè)銀行調(diào)整業(yè)務和政策的實時依據(jù)，綠色信貸的投放數(shù)量及發(fā)放政策同樣會受到信貸風險水平的影響。高信貸風險水平會使商業(yè)銀行收緊信貸政策，進而阻礙綠色信貸的申請和投放（王遙和王文蔚，2021；許罡，2022）[35，36]。金融科技能夠幫助商業(yè)銀行建立風險評估與預測模型，實現(xiàn)對包括綠色信貸在內(nèi)的眾多信貸資金流向的實時監(jiān)測，從而降低商業(yè)銀行信貸風險水平，刺激商業(yè)銀行發(fā)放綠色信貸。參照以往研究，本文以風險加權資產(chǎn)占總貸款的比例，即風險加權資產(chǎn)占比（RISK）來衡量商業(yè)銀行信貸風險水平，并使用同上的中介效應模型檢驗其在金融科技與綠色信貸之間的中介效應是否成立?；貧w結果如表9所示，結果表明金融科技可通過降低商業(yè)銀行信貸風險進而增加商業(yè)銀行的綠色信貸投放量。Sobel檢驗和蒙特卡羅檢驗均證明了信貸風險中介效應的存在。左振秀等（2017）[37]認為，從商業(yè)銀行角度來看，阻礙綠色信貸發(fā)放的最大因素是綠色信貸業(yè)務自身的高風險。如果綠色信貸業(yè)務的風險下降，商業(yè)銀行自然會增加綠色信貸的投放量。金融科技通過智能化與信息化交互的技術手段賦能商業(yè)銀行，有效降低綠色信貸風險，進而促進綠色信貸的投放，前文假設4得證。

六、異質(zhì)性分析

（一）基于商業(yè)銀行規(guī)模和所有權性質(zhì)

不同規(guī)模的商業(yè)銀行在人力物力、客戶群體等方面存在差異，商業(yè)銀行金融科技的發(fā)展方式和融入程度亦有所不同，因而金融科技在各商業(yè)銀行的實際應用存在較大差異。為探究不同規(guī)模商業(yè)銀行發(fā)展金融科技對綠色信貸投放量的異質(zhì)性影響，本文選取樣本中所有商業(yè)銀行年度總資產(chǎn)的中位數(shù)作為臨界值，將全樣本劃分為大規(guī)模商業(yè)銀行組和小規(guī)模商業(yè)銀行組。分組回歸結果如表10的第（1）、（2）列所示，金融科技發(fā)展水平的回歸系數(shù)均在1%的水平上顯著為正，但小規(guī)模商業(yè)銀行的回歸系數(shù)遠高于大規(guī)模商業(yè)銀行，說明小規(guī)模商業(yè)銀行發(fā)展金融科技對綠色信貸投放的促進作用更加明顯?？赡艿脑蛟谟?，一方面，大規(guī)模商業(yè)銀行通常對新政策的反應更加迅速，對于綠色信貸這類政策性貸款的投放力度一開始就遠遠高于小規(guī)模商業(yè)銀行，業(yè)務發(fā)展空間有限。相反，小規(guī)模商業(yè)銀行對新政策反應慢、落實力度小與響應周期長，綠色信貸業(yè)務尚有較大發(fā)展空間。另一方面，不同于大規(guī)模商業(yè)銀行，小規(guī)模商業(yè)銀行本身就缺乏與業(yè)務相關的科技產(chǎn)品和先進設備，并且小規(guī)模商業(yè)銀行體量小、決策半徑短、自主性強，能更快適應金融科技帶來的改變。由此看來，金融科技給小規(guī)模商業(yè)銀行帶來的機遇更大。

商業(yè)銀行所有權性質(zhì)不同也會造成其金融科技發(fā)展水平與綠色信貸這類政策性貸款實施效果的差異，本文將全樣本劃分為國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行三個子樣本，考察金融科技對不同所有權性質(zhì)的商業(yè)銀行綠色信貸投放量影響的差異性。表10后三列顯示了分組回歸的結果，表明金融科技在國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行中對綠色信貸投放均有著顯著的促進作用，其中，對城市商業(yè)銀行的影響程度最大。可能的解釋是，由于各個城市接連出臺對金融科技發(fā)展的支持政策并大力吸納金融科技有關人才，城市商業(yè)銀行也容易受到金融發(fā)展的輻射作用。而相比之下，金融科技促進綠色信貸投放的作用在股份制商業(yè)銀行中最小，這與股份制商業(yè)銀行綠色信貸審批程序復雜，以及通常需要召開股東大會討論并做出相關政策決策有關。

（二）基于商業(yè)銀行資本充足率

商業(yè)銀行資本充足率表示銀行以自有資本補償損失的能力，商業(yè)銀行資本充足率與商業(yè)銀行風險呈負相關關系，當資本充足率過低甚至接近最低資本監(jiān)管要求時，商業(yè)銀行會被限制信貸供給。因此，高資本充足率的商業(yè)銀行往往能夠?qū)嵭懈鼘捤傻男刨J政策，金融科技促進綠色信貸投放增加的作用可能更強。

為驗證商業(yè)銀行資本充足率的異質(zhì)性影響，本文選取樣本中所有商業(yè)銀行年度資本充足率的中位數(shù)作為臨界值，將全樣本劃分為高資本充足率組和低資本充足率組。表11的分組回歸結果顯示，金融科技發(fā)展水平的回歸系數(shù)均在1%的水平上顯著為正，并且在高資本充足率組中，金融科技發(fā)展水平的回歸系數(shù)遠高于低資本充足率組。這表明，金融科技在高資本充足率的商業(yè)銀行中對綠色信貸投放量的正向影響更大。究其原因，高資本充足率意味著資本運營效率低和收益不足，商業(yè)銀行會嘗試通過增加業(yè)務量、拓展業(yè)務面等方式以提高資本運營效率和收益。金融科技賦予商業(yè)銀行集透明性、穩(wěn)定性、科學性為一體的全新貸款技術、信用評估機制和風險預測與評估模型等，使商業(yè)銀行在能夠保障綠色信貸質(zhì)量的前提下，降低資本充足率、增加綠色信貸投放量和擴大綠色信貸規(guī)模，實現(xiàn)自身資本運營效率和收益的提高。

七、結論與啟示

（一）研究結論

現(xiàn)代新興信息技術正逐步與金融業(yè)融合，“金融+科技”成為深化銀行業(yè)供給側結構性改革的重要抓手。在此背景下，探究商業(yè)銀行發(fā)展金融科技對綠色信貸的影響及作用機制，對我國綠色發(fā)展和高質(zhì)量發(fā)展以及“雙碳”目標的實現(xiàn)具有重大現(xiàn)實意義。本文基于文本挖掘法，爬取各商業(yè)銀行年報統(tǒng)計金融科技關鍵詞詞頻數(shù)，構建了商業(yè)銀行金融科技發(fā)展指數(shù)，結合2012—2021年22家中國上市商業(yè)銀行數(shù)據(jù)，考察商業(yè)銀行金融科技發(fā)展水平對其綠色信貸投放的影響及作用機制。結果表明：商業(yè)銀行發(fā)展金融科技能夠顯著增加綠色信貸投放量。機制分析表明，金融科技通過緩解銀企之間的信息不對稱、調(diào)整商業(yè)銀行信貸配置和降低商業(yè)銀行信貸風險來促進綠色信貸的投放。進一步研究發(fā)現(xiàn)，金融科技對綠色信貸發(fā)展的促進作用在規(guī)模小、資本充足率高的銀行以及城市商業(yè)銀行中表現(xiàn)得更加明顯。

（二）政策啟示

1.商業(yè)銀行應大力發(fā)展金融科技，加速與金融科技的全方位融合，深化金融供給側結構性改革。商業(yè)銀行應加大對金融科技的投入力度和應用程度，以“金融+科技”顛覆傳統(tǒng)商業(yè)銀行經(jīng)營理論和信貸業(yè)務開展模式，打造集數(shù)字化、信息化和智能化為一體的全新業(yè)態(tài)，并通過自身綠色轉型、數(shù)字化轉型來深化金融供給側結構性改革，促進銀行業(yè)的綠色發(fā)展和高質(zhì)量發(fā)展。此外，商業(yè)銀行應因地制宜，采取符合自身特點的差異化的金融科技發(fā)展方式。

2.政府部門應加強頂層設計和政策指引，出臺有效支持金融科技發(fā)展的配套政策，同時完善相關監(jiān)管機制，加強宏觀審慎管理，防范金融科技發(fā)展與應用過程中可能引發(fā)的重大金融風險。金融科技在為商業(yè)銀行賦能的同時，也可能因應用不當而帶來重大金融風險。為用好金融科技這把“雙刃劍”，一方面，在商業(yè)銀行金融科技發(fā)展過程中，政府需給予政策支持和資金幫扶，吸納金融科技人才，鼓勵銀行進行金融科技產(chǎn)品的創(chuàng)新和開發(fā)；另一方面，政府需加強對金融科技的監(jiān)管力度，提高金融科技產(chǎn)品的準入門檻，防止不合格的金融科技產(chǎn)品投向市場進而引發(fā)系統(tǒng)性金融風險。值得注意的是，政府還需將宏觀審慎與銀行的微觀治理相結合，引導商業(yè)銀行金融科技的合理化、規(guī)范化發(fā)展。

參考文獻：

[1]田超，肖黎明.綠色信貸會促進重污染企業(yè)技術創(chuàng)新嗎？——基于《綠色信貸指引》的準自然實驗 [J].中國環(huán)境管理，2021，13（06）.

[2]張小可，葛晶.綠色金融政策的雙重資源配置優(yōu)化效應研究 [J].產(chǎn)業(yè)經(jīng)濟研究，2021，（06）.

[3]張可，李語晨，趙錦楸.綠色信貸促進了節(jié)能減排嗎 [J].財經(jīng)科學，2022，（01）.

[4]趙鷂.Fintech的特征、興起、功能及風險研究 [J].金融監(jiān)管研究，2016，（09）.

[5]易憲容.金融科技的內(nèi)涵、實質(zhì)及未來發(fā)展——基于金融理論的一般性分析 [J].江海學刊，2017，（02）.

[6]何涌，謝磊.金融科技的內(nèi)涵、風險與監(jiān)管的中國方案：一個基于文獻可視化的研究綜述 [J].金融發(fā)展研究，2022，（04）.

[7]孟娜娜，粟勤，雷海波.金融科技如何影響銀行業(yè)競爭 [J].財貿(mào)經(jīng)濟，2020，41（03）.

[8]Fuster A，Plosser M，Schnabl P，Vickery J. 2019. The Role of Technology in Mortgage Lending [J].The Review of Financial Studies，32（5）.

[9]盛天翔，范從來.金融科技、最優(yōu)銀行業(yè)市場結構與小微企業(yè)信貸供給 [J].金融研究，2020，（06）.

[10]王道平，劉楊婧卓，徐宇軒，劉琳琳.金融科技、宏觀審慎監(jiān)管與我國銀行系統(tǒng)性風險 [J].財貿(mào)經(jīng)濟，2022，43（04）.

[11]趙清波，卜林.銀行發(fā)展金融科技能否提高經(jīng)營績效？——來自我國92家銀行的經(jīng)驗證據(jù) [J].財經(jīng)理論與實踐，2022，43（05）.

[12]于鳳芹，于千惠.金融科技影響商業(yè)銀行盈利能力的機制分析 [J].金融與經(jīng)濟，2021，（02）.

[13]邱晗，黃益平，紀洋.金融科技對傳統(tǒng)銀行行為的影響——基于互聯(lián)網(wǎng)理財?shù)囊暯?[J].金融研究，2018，（11）.

[14]郭品，沈悅.互聯(lián)網(wǎng)金融、存款競爭與銀行風險承擔 [J].金融研究，2019，（08）.

[15]徐曉萍，李弘基，戈盈凡.金融科技應用能夠促進銀行信貸結構調(diào)整嗎？——基于銀行對外合作的準自然實驗研究 [J].財經(jīng)研究，2021，47（06）.

[16]亓鵬，韓慶瀟.金融科技發(fā)展有助于農(nóng)商行業(yè)務回歸本源嗎？——來自縣域農(nóng)商行的微觀證據(jù) [J].金融發(fā)展研究，2022，（07）.

[17]Cheng M，Qu Y. 2020. Does Bank FinTech Reduce Credit Risk？ Evidence from China [J].Pacific-Basin Finance Journal，63.

[18]李建軍，姜世超.銀行金融科技與普惠金融的商業(yè)可持續(xù)性——財務增進效應的微觀證據(jù) [J].經(jīng)濟學（季刊），2021，21（03）.

[19]Sutherland A. 2018. Does Credit Reporting Lead to a Decline in Relationship Lending？ Evidence from Information Sharing Technology [J].Journal of Accounting and Economics，66（1）.

[20]李哲，王文翰.“多言寡行”的環(huán)境責任表現(xiàn)能否影響銀行信貸獲取——基于“言”和“行”雙維度的文本分析 [J].金融研究，2021，（12）.

[21]張琳，廉永輝，趙海濤.綠色信貸和銀行財務績效的動態(tài)交互影響關系——基于中國29家商業(yè)銀行的實證研究 [J].上海金融，2019，（04）.

[22]林伯強，潘婷.環(huán)境管制如何影響綠色信貸發(fā)展？[J].中國人口·資源與環(huán)境，2022，32（08）.

[23]韋朕韜，張騰，陶善信.綠色信貸、地方官員特征與我國工業(yè)產(chǎn)能過剩 [J].財經(jīng)論叢，2023，（02）.

[24]宋敏，周鵬，司海濤.金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角 [J].中國工業(yè)經(jīng)濟，2021，（04）.

[25]李春濤，閆續(xù)文，宋敏，楊威.金融科技與企業(yè)創(chuàng)新——新三板上市公司的證據(jù) [J].中國工業(yè)經(jīng)濟，2020，（01）.

[26]譚常春，王卓，周鵬.金融科技“賦能”與企業(yè)綠色創(chuàng)新——基于信貸配置與監(jiān)督的視角 [J].財經(jīng)研究，2023，49（01）.

[27]Livshits I，Mac Gee J C，Tertilt M. 2016. The Democratization of Creditand the Rise in Consumer Bankruptcies [J].The Review of Economic Studies，83（4）.

[28]張妤舟.金融科技助力商業(yè)銀行履行企業(yè)社會責任 [J].金融科技時代，2021，29（12）.

[29]郭峰，王靖一，王芳，孔濤，張勛，程志云.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征 [J].經(jīng)濟學（季刊），2020，19（04）.

[30]翟勝寶，程妍婷，謝露.商業(yè)銀行數(shù)字化轉型與風險承擔水平 [J].北京工商大學學報（社會科學版），2023，38（02）.

[31]張杰，鄭文平，新夫.中國的銀行管制放松、結構性競爭和企業(yè)創(chuàng)新 [J].中國工業(yè)經(jīng)濟，2017，（10）.

[32]于蔚，汪淼軍，金祥榮.政治關聯(lián)和融資約束：信息效應與資源效應 [J].經(jīng)濟研究，2012，47（09）.

[33]江艇.因果推斷經(jīng)驗研究中的中介效應與調(diào)節(jié)效應 [J].中國工業(yè)經(jīng)濟，2022，410（05）.

[34]劉方，祁跡，胡列曲.金融科技與銀行信貸配置效率——我國143家商業(yè)銀行的經(jīng)驗證據(jù) [J].哈爾濱商業(yè)大學學報（社會科學版），2022，185（04）.

[35]王遙，王文蔚.環(huán)境災害沖擊對銀行違約率的影響效應研究：理論與實證分析 [J].金融研究，2021，498（12）.

[36]許罡.新環(huán)保法實施對重污染企業(yè)融資影響及后果研究 [J].現(xiàn)代財經(jīng)（天津財經(jīng)大學學報），2022，42（02）.

[37]左振秀，崔麗，朱慶華.中國實施綠色信貸的障礙因素 [J].金融論壇，2017，22（09）.