资讯中心

文献分析 | 绿色信贷是否影响重污染企业的投融资行为

2024/2/5 8:48:30
22134
来源:中央财经大学绿色金融国际研究院 李凌皓
关键词:绿色金融重污染企业
导读:本篇首次从企业债务成本和投融资行为的视角,对绿色信贷政策的实施效果进行定量研究。
  原文标题:绿色信贷是否影响重污染企业的投融资行为
 
  原文作者:苏冬蔚,连莉莉
 
  发表期刊:金融研究
 
  关键词:绿色信贷;重污染企业;投融资行为;债务成本;绿色金融
 
  一、引言
 
  随着我国工业化和城镇化的快速推进,生态环境问题日趋严峻。坚持节约资源和保护环境的基本国策,加快转变经济发展方式,坚定走高效清洁、安全和谐以及低碳循环的绿色发展道路,推进美丽中国建设,已成为适应和引领经济新常态的必然选择。绿色信贷要求银行业金融机构以节约资源、治理污染、保护环境、促进国民健康以及维护生物多样性等因素作为信贷决策的重要依据,通过合理配置信贷资源,引导全社会使用尽可能低的资源能源消耗,实现尽可能高的经济生态效益,从而最大限度地扭转环境恶化、补齐生态短板并促进社会与环境协调、可持续发展。
 
  本文的创新点和贡献表现在以下两个方面:第一,首次从企业债务成本和投融资行为的视角,对绿色信贷政策的实施效果进行定量研究。第二,本文重新计算各行业的污染排放强度,并根据污染排放强度的中位数将39个工业部门划分为重污染和非重污染行业,在此基础上构建处理组与控制组样本,保证研究成果具有较高的可靠性。
 
  二、研究背景
 
  中国银监会颁布的《绿色信贷指引》主要实施三项重要举措:一是要求银行业金融机构从战略高度推进绿色信贷,落实激励约束措施,确保绿色信贷持续有效开展;二是要求银行业金融机构充分考虑信贷业务所涉环境与社会风险,拒绝对环境和社会表现不合规的企业或项目进行授信;三是明确中国证监会和银行业监管机构的监督职责,同时完善银行业金融机构绿色信贷业务及其环境和社会风险管理的监督管理。
 
  三、理论分析与研究假设
 
  《指引》可通过以下三条途径抑制重污染企业的融资行为:第一,金融市场供给面因素影响企业融资决策,如果商业银行严格控制信贷门槛,重污染企业的融资成本上升,以银行贷款为主导的负债融资必然显著减少,特别是长期负债融资。第二,政府与金融部门共享企业环保信息,有助于实现环境保护与金融信贷之间的联动,同时,可向资本市场传递有关强化企业环境信息披露管理和监督的信号,从而降低外部债权人提供债务资本的意愿。第三,《指引》正式实施后,重污染企业势必承受较大的舆论压力和道德谴责,甚至可能面临环境诉讼风险,导致外部债权人撤资或拒绝贷款展期,因此重污染企业的负债融资水平下降。
 
  假设1(融资惩罚效应):《指引》颁布后,相对于非重污染企业,重污染企业有息债务融资、流动性负债和长期负债融资均显著下降。
 
  随着国家进一步加强环境治理,重污染企业面临大额污染税、巨额处罚、勒令退出及停产关闭等行政干预,因此必须重估未来资金状况和市场发展前景,更加审慎的选择投资,同时,在扩大产能与转型升级之间进行抉择。陆旸(2011)发现,重污染企业倾向于削减或推迟生产性投资以增加治污投资,但在企业自由现金流下降的情况下,总投资支出仍将减少。
 
  假设2(投资抑制效应):《指引》颁布后,相对于非重污染企业,重污染企业的投资显著降低。
 
  鉴于国企享有政府担保和融资便利(李广子和刘力,2009),同时承担了更多的国家政策导向性任务,而非国企则常常面临信贷歧视,通过银行业金融机构获取的信贷资金明显低于国企,因此绿色信贷对国有重污染企业的惩罚效应更强。
 
  假设3:《指引》颁布后,国企承受的融资惩罚效应和投资抑制效应大于非国企。
 
  其次,绿色信贷政策颁布之前,大型重污染企业凭借其较强的还款能力和较低的融资约束获取了大量的金融机构信贷资金,因此绿色信贷政策实施后,金融机构针对重污染企业的惩罚效应也将主要作用于大企业。
 
  假设4:《指引》颁布后,大企业所受融资惩罚效应和投资抑制效应均高于小企业。
 
  最后,考虑到空气中的SO2主要来自火电、有色金属冶炼、化工以及钢铁等重工业活动,本文统计了31个省区工业SO2排放量的中位数,并利用企业注册地进行匹配,进一步将样本分为高排放地区和低排放地区两个子样本,在此基础上研究绿色信贷政策影响企业投融资行为的地区差异。
 
  假设5:《指引》颁布后,高排放地区企业所受融资惩罚效应和投资抑制效应均大于低排放地区企业。
 
  四、研究设计
 
  (1)样本选取与数据来源
 
  本文以2008至2016年间我国A股上市公司为原始样本,通过构建行业污染排放强度指标形成实验组和对照组。其中,重污染行业为对照组。人民币基准贷款利率取自中国人民银行数据中心,上市公司财务数据源于CSMAR数据库,财务费用数据来源于WIND数据库。
 
  (2)模型设计与变量定义
 
  根据上市公司所属行业类别及其污染强度,将样本归类为重污染(实验组)和非重污染(对照组)行业,另外,删除所有ST和PT类公司、财务数据严重缺失的公司以及资产负债率大于1的公司。经上述处理后,最终样本包含867家上市公司,其中,实验组483家,对照组384家,总观测值为7803。
 
图片
  本文以重污染行业上市公司为实验组,使用以下固定效应双重差分模型考察绿色信贷政策对重污染企业投融资行为的影响:
 
图片
  其中,Yit为企业投融资指标;treatedi为组别虚拟变量,实验组企业取值为1,对照组企业取值为0;aftert为事件虚拟变量,2012年及以后取值为1,否则取值为0;treatedi×aftert为双重差分变量;Xit包括一系列企业层面控制变量;δi为个体固定效应;λt为时间固定效应;εit为随机扰动项。可见,β3为双重差分系数,衡量事件对实验组的影响。为了评估《指引》正式实施后的动态政策效应,本文使用组别虚拟变量与政策颁发后各年度虚拟变量的交叉项代替treatedi×aftert,构建以下扩展后的双重差分模型:
 
图片
  其中,postYeart为《指引》正式实施后各年度虚拟变量;treatedi×postYeart为新的双重差分变量,记作DID_yearit;θt为双重差分系数,衡量绿色信贷政策的动态效应。
 
  五、实证结果与政策启示
 
  除假设2外,其他假设均不可以被拒绝。
 
  第一、绿色信贷政策实施后,重污染企业的融资成本显著提高,政策取得了阶段性的效果。
 
  第二、但绿色信贷对重污染企业投融资的抑制作用具有一定的局限性,如未能有效遏制重污染企业的流动性负债,仅对国有和大型重污染企业的新增投资具有抑制作用而对非国有和小型企业的投资则没有影响等。
 
  第三、短期内绿色信贷的惩罚效应有助于督促重污染企业淘汰落后产能,但过度惩罚可能导致一些企业无法成功转型,从而背离政策的最终目标。
 
  六、原文摘要
 
  在“十三五”供给侧改革和建设美丽中国的新时期,如何更好地推进绿色金融创新、淘汰落后产能并加大对环境友好型企业的金融支持,从而引导和推动产业转型升级已成为一个亟待研究和解决的重要课题。本文以2012年《绿色信贷指引》正式实施为事件构造准自然实验,首次运用双重差分法考察绿色金融政策对重污染企业投融资行为的影响,发现重污染企业的有息债务融资和长期负债均显著下降且高排放地区国有大型企业的降幅最大,同时,国有、大型重污染企业的新增投资显著减少,另外,重污染企业的债务成本显著上升且经营绩效大幅下滑,表明绿色信贷具有显著的融资惩罚效应和投资抑制效应。本文的研究结果表明,大力推动绿色信贷、不断完善绿色融资、切实引导资金流向资源技术节约型和生态环境保护型产业,是加快转变经济发展方式和促进生态文明建设的重要任务。
 
  原标题:文献分析 | 绿色信贷是否影响重污染企业的投融资行为

热门评论

上一篇:IIGF专刊丨2023中国碳市场年报

下一篇:2023年12月份建筑材料行业运行情况简报

相关新闻