金融科技與綠色信貸發(fā)展研究
——以長江經濟帶為例

饒可萱

（貴州財經大學 大數(shù)據(jù)應用與經濟學院，貴州 貴陽 550025）

一、引言

改革開放以來，中國在經濟高速增長的同時，面臨著人口紅利優(yōu)勢喪失、經濟下行壓力與環(huán)境壓力加大等問題，制約了經濟進一步增長。習近平總書記在黨的十八屆五中全會第二次全體會議上提出了創(chuàng)新、協(xié)調、綠色、開放、共享的新發(fā)展理念，首次引入“綠色發(fā)展”的概念。2020年9月，習近平總書記提出要加強生態(tài)文明建設，加快調整優(yōu)化產業(yè)結構、能源結構，倡導綠色低碳的生產生活方式，樹立2030年前碳達峰、2060年前碳中和的目標，“綠色發(fā)展”與“高質量發(fā)展”已然成為我國新時代經濟發(fā)展的主題。然而，要加快調整優(yōu)化產業(yè)結構、實現(xiàn)碳中和需要巨量的資金支持，要以市場化的方式引導金融體系提供所需要的投融資支持，這就需要建立和完善綠色金融體系。目前，我國商業(yè)銀行的綠色金融實踐主要以綠色信貸為主，銀保監(jiān)會發(fā)布的數(shù)據(jù)顯示：截至2020年末，國內21家主要銀行綠色信貸余額超過11萬億元。但是，在綠色信貸發(fā)展過程中有諸多阻礙因素，其中包括信息不對稱帶來的信用風險，現(xiàn)有理論研究表明金融科技的應用可以降低這一風險。同時，長江經濟帶是中國經濟發(fā)展最具活力和潛力的區(qū)域，習近平總書記也曾指出，要使長江經濟帶成為我國生態(tài)優(yōu)先綠色發(fā)展主戰(zhàn)場、引領高質量發(fā)展主力軍。因此，對長江經濟帶上金融科技與綠色信貸發(fā)展之間的關系進行研究，對推動區(qū)域產業(yè)結構升級，實現(xiàn)高質量發(fā)展具有重要意義。

現(xiàn)有關于金融科技的研究主要集中在金融科技與企業(yè)創(chuàng)新、金融科技對商業(yè)銀行的影響等方面。李春濤等（2020）的研究表明，金融科技通過緩解企業(yè)的融資約束及提高稅收返還的創(chuàng)新效應兩個渠道顯著促進了企業(yè)創(chuàng)新；[1]Lin et al.（2013）利用美國Prosper借貸平臺的數(shù)據(jù)，發(fā)現(xiàn)借款人的網(wǎng)絡關系信息可以用于信貸審核，并提高其借款成功的概率和降低融資成本及事后違約風險。[2]邱晗等（2018）通過研究發(fā)現(xiàn)金融科技的發(fā)展使余額寶等金融科技產品瓜分了部分原本屬于商業(yè)銀行的居民閑散資金，從而使商業(yè)銀行負債結構發(fā)生變化，居民存款占比降低，同業(yè)負債占比升高；[3]金洪飛等（2020）認為金融科技的運用可以緩解銀企間的信息不對稱，顯著降低了商業(yè)銀行的風險，從而增加大銀行對小微企業(yè)的貸款。[4]另外，還有一些學者對金融科技與小微企業(yè)融資之間的關系進行了研究，但是只有少數(shù)文獻涉及金融科技對綠色信貸發(fā)展的影響，且這類文獻均為理論分析，沒有進行實證方面的研究。

因此，本文以長江經濟帶上的11個省市為研究對象，以2011—2019年為考察期，采用固定效應模型，對金融科技與綠色信貸發(fā)展之間的關系進行研究。本文收集了金融科技相關關鍵詞的百度搜索指數(shù)，參考盛天翔和范從來（2020）[5]的方法構建金融科技指標，以地區(qū)生產總值、金融發(fā)展程度、居民收入水平、受教育程度和空氣質量作為控制變量，分別從經濟帶整體和分區(qū)域的角度分析金融科技對綠色信貸的影響，結果表明無論是整體回歸還是分區(qū)域回歸，金融科技都能顯著地促進綠色信貸發(fā)展，且中西部地區(qū)的影響大于東部地區(qū)。

已有的關于金融科技與綠色信貸的研究多停留于理論分析層面。本文首次使用省市平衡面板數(shù)據(jù)對金融科技與綠色信貸的影響進行實證分析，從實證的角度驗證了金融科技對綠色信貸發(fā)展的促進作用，期望能為長江經濟帶制定綠色信貸發(fā)展政策或策略提供一些參考。

二、理論分析與研究假設

金融科技（Fintech）一詞是由金融（Finance）與科技（Technology）組合而來（尹振濤和馮心歌，2020），[6]顧名思義就是金融與科技相結合的產物。從廣義的角度看，金融科技是“技術創(chuàng)新帶來的金融服務創(chuàng)新”，這種創(chuàng)新可能體現(xiàn)在商業(yè)模式、技術應用、業(yè)務流程、產品服務等方面，對金融市場、金融機構及金融服務供給產生重大影響（FSB，2016）；[7]從狹義的角度看，金融科技是信息科技企業(yè)等非金融機構利用新興科技（主要包括大數(shù)據(jù)分析、云計算、區(qū)塊鏈、人工智能等）開展或支持傳統(tǒng)金融業(yè)務（如支付結算、資金籌集、提供信息和中介服務、承接金融機構的業(yè)務外包等）（朱太輝，2018）。[8]

根據(jù)經典的微觀銀行理論，銀行與企業(yè)之間的信息不對稱會引發(fā)道德風險和逆向選擇問題，最終導致信貸配給效率低下（Stiglitz and Weiss，1981），[9]并且無論是大企業(yè)還是小微企業(yè)與銀行之間都存在嚴重的信息不對稱問題（楊豐來和黃永航，2006）。[10]但研究表明，將先進的信息技術應用于金融服務中能夠降低金融機構與企業(yè)之間的信息不對稱風險，在“量”上緩解企業(yè)融資約束，在“質”上提高信貸配給效率（宋敏、周鵬和司海濤，2021）。[11]這種作用是多方面的，首先，在信息獲取與共享方面，金融科技中的人工智能、云計算等技術能拓寬金融機構獲取企業(yè)相關信息的渠道，擴大信息的共享范圍，提高信息的準確性（沈悅和郭品，2015；Huang et al.，2018）；[12-13]其次，在信息整合與處理方面，金融科技可以整合并深度處理海量的數(shù)據(jù)，將企業(yè)的“軟”信息轉化為“硬信息”（盛天翔和范從來，2020），Stein（2002）提出“軟”“硬”信息概念：“軟”信息指貸款人的個人品質、市場環(huán)境、經營能力等非正式的、模糊的、推斷的信息，“硬”信息指能按照具體指標測算，易于觀察、傳遞、驗證的客觀信息，將“軟”信息硬化有利于緩解小微企業(yè)信息質量參差不齊的問題，更好地甄別長尾客戶群體的信貸需求，也有利于提高傳統(tǒng)金融機構的信用評估和風控能力；再次，在信息真實性方面，由于金融科技中的區(qū)塊鏈技術可以利用加密鏈式區(qū)塊結構來驗證和存儲數(shù)據(jù)，具有加密和不可篡改等技術特點（馬理和朱碩，2018），[14]因此可以利用區(qū)塊鏈技術將企業(yè)違法違規(guī)信息及信用評級機構獲得的企業(yè)信用記錄、項目內容、信用等級等信息儲存在區(qū)塊鏈上進行共享，為日后金融機構貸款或投資決策提供參考；最后，在金融創(chuàng)新方面，金融科技能夠通過大數(shù)據(jù)技術促進傳統(tǒng)金融機構進行金融創(chuàng)新，加速金融業(yè)結構變革的進程（盛天翔和范從來，2020）。

誠然，在綠色信貸發(fā)展過程中同樣存在著信息不對稱問題，并且由于綠色項目相較于一般項目來說具有融資額度更大、融資周期更長，新興綠色產業(yè)不確定性大等特點，使綠色信貸的信用風險更大，商業(yè)銀行發(fā)放綠色信貸的風險遠高于普通貸款項目。僅依靠環(huán)保部門通報的嚴重污染環(huán)境企業(yè)的“黑名單”無法滿足商業(yè)銀行進行信貸評估的需要，導致商業(yè)銀行使用國家發(fā)布的環(huán)境信息頻率偏低，無法全面評估貸款企業(yè)的環(huán)境風險（Zhang，et al.，2011）。[15]左振秀等（2017）通過調研分析梳理出影響中國商業(yè)銀行執(zhí)行綠色信貸政策的障礙因素，認為綠色信貸的信用風險將影響商業(yè)銀行發(fā)展綠色信貸業(yè)務的積極性，是綠色信貸發(fā)展的阻礙因素之一。[16]而將金融科技與綠色信貸相結合，通過擴大信息獲取和共享范圍、提高信息的準確性和真實性，可以較好地緩解上述問題?；谏鲜龇治?，本文提出假設1。

假設1：金融科技能降低綠色信貸的信息不對稱風險，從而助力綠色信貸發(fā)展。

我國疆域遼闊，長江經濟帶東西部經濟社會發(fā)展差異較大，東部地區(qū)金融科技較發(fā)達，中西部地區(qū)發(fā)展較弱。同時，由于區(qū)域政府、銀行及企業(yè)的發(fā)展目標、對綠色信貸的重視程度、發(fā)展金融科技的積極性與宏觀經濟政策等方面存在異質性，因此區(qū)域間金融科技對綠色信貸發(fā)展的助力程度會有所不同。基于上述分析，本文提出假設2。

假設2：由于長江經濟帶地區(qū)間存在個體差異，金融科技發(fā)展程度有所不同，金融科技對東部地區(qū)和中西部地區(qū)綠色信貸的影響程度存在差異。

三、研究設計

（一）研究樣本與數(shù)據(jù)來源

由于金融科技指標下各維度關鍵詞的百度搜索指數(shù)從2011年開始測算，因此，本文研究起始時間為2011年，鑒于其他數(shù)據(jù)的可獲得性，研究終止時間為2019年。本文以2011—2019年長江經濟帶上11個省市的面板數(shù)據(jù)為研究樣本，共99個樣本點，對于缺失的數(shù)據(jù)采用插值法處理。

數(shù)據(jù)主要來源于歷年《中國區(qū)域經濟統(tǒng)計年鑒》《中國金融統(tǒng)計年鑒》及各省市統(tǒng)計年鑒，綠色信貸數(shù)據(jù)來源于21家主要商業(yè)銀行的《社會責任報告》，金融科技數(shù)據(jù)來源于百度指數(shù)網(wǎng)站。

（二）變量選擇

1.被解釋變量

本文采用地區(qū)綠色信貸貸款余額與地區(qū)貸款余額之比來衡量地區(qū)綠色信貸發(fā)展程度。但由于目前缺乏各地區(qū)的綠色信貸貸款余額統(tǒng)計數(shù)據(jù)，且銀保監(jiān)會所發(fā)布的綠色信貸數(shù)據(jù)都以21家主要商業(yè)銀行為主，因此本文通過21家主要商業(yè)銀行的社會責任報告整理了2011—2019年各銀行國家級的綠色信貸數(shù)據(jù)并加總近似獲得全國的綠色信貸數(shù)據(jù)，再以21家銀行在各地區(qū)的銀行網(wǎng)點數(shù)量總和與21家銀行全國網(wǎng)點數(shù)量總和之比為權重，近似得出各地區(qū)的綠色信貸余額。

2.核心解釋變量

本文借鑒盛天翔和范從來（2020）的做法，按照以下五個維度整理了2011—2019年金融科技相關關鍵詞在各省市的百度搜索指數(shù)匯總后，對于數(shù)值為0的指數(shù)，讓該列數(shù)據(jù)同時加上0.01的平移值，然后采用熵值法確定權重，將多個指數(shù)合成一個綜合指數(shù)。由于現(xiàn)代金融具有支付結算、資源配置、信息傳遞的功能，考慮到百度搜索指數(shù)的可得性，因此支付結算維度的關鍵詞包括“第三方支付、在線支付、移動支付、網(wǎng)上支付”；資源配置維度的關鍵詞包括“網(wǎng)貸、網(wǎng)絡貸款”；信息傳遞維度的關鍵詞包括“網(wǎng)銀、網(wǎng)絡銀行、電子銀行、互聯(lián)網(wǎng)銀行”。另一方面，金融科技是以“大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈、生物識別”為技術基礎的，因此這些關鍵詞包含于技術基礎維度。同時考慮到金融科技的直接稱呼維度，包括“金融科技、互聯(lián)網(wǎng)金融”。由于使用此方法計算得出的指數(shù)數(shù)值較大，因此在回歸前將原數(shù)值除以100。

3.控制變量

根據(jù)已有研究成果，本文選擇各省市的地區(qū)生產總值、金融發(fā)展程度、居民收入水平、受教育程度和空氣質量作為模型中的控制變量，其中地區(qū)生產總值衡量了區(qū)域經濟發(fā)展水平，居民收入水平衡量了城鎮(zhèn)居民個人可支配收入的高低，空氣質量衡量了區(qū)域環(huán)境的污染程度。為消除異方差，本文對非比值變量取對數(shù)處理，詳細變量定義如表1所示。

表1 變量定義

（三）模型構建

為了研究區(qū)域金融科技發(fā)展水平對綠色信貸發(fā)展的影響，本文構建如下固定效應模型：

其中，i=1,2,…,N；t=1,2,…,T。N表示截面成員的個數(shù)，T表示觀測時期數(shù)。Green表示各地區(qū)的綠色信貸發(fā)展水平；β0為常數(shù)項，β1、β2、β3、β4、β5、β6表示各解釋變量的系數(shù)；Fintech表示金融科技變量；GRP、Findev、Resin、Educ、Air均為控制變量；ui表示跨截面變化的個體效應；eit表示隨機誤差項。

四、實證結果分析

（一）描述性統(tǒng)計

本文各變量的描述性統(tǒng)計如表2所示。從表2可以看出，綠色信貸與金融科技指數(shù)兩者的最大值和最小值之間差距較大。綠色信貸變量的均值為0.044，表明長江經濟帶各省市9年間綠色信貸余額對貸款總余額的占比平均為4.4%，最高占比達到7.2%，是最小值的8倍；金融科技指數(shù)的標準差高達1.33，最大值和最小值的差異也十分巨大，說明各省市的金融科技指數(shù)在時間上和地區(qū)上存在相當大的差異。因此，可以認為不同省市之間的綠色信貸發(fā)展程度與金融科技發(fā)展程度均存在較大的差異。

表2 描述性統(tǒng)計

（二）實證結果分析

為比較長江經濟帶各區(qū)域金融科技對綠色信貸發(fā)展的影響，本文使用長江經濟帶上11個省市的面板數(shù)據(jù)為樣本，采用固定效應模型進行分區(qū)域回歸分析，接下來將從長江經濟帶整體、東部、中西部地區(qū)進行回歸分析。

1.整體回歸

表3顯示的是金融科技對綠色信貸發(fā)展的整體回歸結果。模型（1）展示加入核心變量的結果，模型（2）至模型（6）展示逐一加入控制變量的結果。由模型（1）至模型（6）的回歸結果可以看出，金融科技對綠色信貸的發(fā)展具有正向促進的作用，且在加入所有的控制變量后，該系數(shù)在5%的水平上顯著。其含義為：金融科技發(fā)展每增加1%，推動綠色信貸增加0.0017%。驗證了假設1。

表3 金融科技對經濟帶整體綠色信貸發(fā)展影響

從控制變量的估計結果來看，地區(qū)生產總值、金融發(fā)展程度、居民收入水平和空氣質量對綠色信貸的影響均不顯著。受教育程度對綠色信貸的影響在1%的水平上顯著，但這種影響是負面的，地區(qū)受教育程度每增加1%，就會使綠色信貸減少1.6853%。

2.東部地區(qū)回歸

表4是長江經濟帶東部地區(qū)金融科技對綠色信貸影響的回歸結果?？梢钥吹狡浠貧w擬合優(yōu)度較高，接近0.92，說明解釋變量對被解釋變量的解釋性較好?；貧w結果表明金融科技在5%的顯著水平上對綠色信貸發(fā)展具有正向的促進作用，但回歸系數(shù)較表4中的小，為0.0011，意味著相較于長江經濟帶整體來說，在經濟帶的東部地區(qū)，金融科技對綠色信貸的影響更小。但多數(shù)金融科技優(yōu)秀企業(yè)聚集在長三角地區(qū)，例如金融科技企業(yè)排名榜首的螞蟻金融服務集團總部坐落在杭州，互聯(lián)網(wǎng)券商龍頭東方財富總部在上海，以及南京的蘇寧金服等，為什么這一地區(qū)金融科技對綠色信貸的影響更小呢？可能的解釋為：東部地區(qū)的銀行、企業(yè)為了追求高利息和高利潤，對綠色信貸的實施力度和對環(huán)境保護的意識不夠，對綠色信貸的發(fā)展重視度不夠，從而未將金融科技應用于助力綠色信貸更好更快發(fā)展。

表4 金融科技對東部地區(qū)綠色信貸影響

3.中西部地區(qū)回歸

從表5中可以發(fā)現(xiàn)，在長江經濟帶的中西部地區(qū)，金融科技對綠色信貸的影響也是顯著的，且回歸系數(shù)較高，為0.0048，其含義為：金融科技變量每增加1%，綠色信貸變量就增加0.0048%，其影響力是東部地區(qū)的四倍之余。可能的原因為：中西部地區(qū)在金融科技領域的基礎較差，便更加積極發(fā)展金融科技，例如貴州省正在建設的大數(shù)據(jù)中心、四川省成立了金融科技學會等，同時中西部地區(qū)更加重視國家綠色環(huán)保政策的落實，因此金融科技對中西部地區(qū)綠色信貸發(fā)展的促進作用較大。表4和表5的實證分析結果共同驗證了假設2。

表5 金融科技對中西部地區(qū)綠色信貸影響

（三）穩(wěn)健性檢驗

為驗證上述結果的可靠性，本文采取在上述固定效應模型中加入聚類穩(wěn)健標準誤的檢驗方法來檢驗回歸結果的穩(wěn)健性?；谄?，本文只給出金融科技對經濟帶整體綠色信貸影響的穩(wěn)健性檢驗結果，如表6所示。

表6 金融科技對經濟帶整體綠色信貸影響的穩(wěn)健性檢驗

比較表6與表3的回歸結果可以發(fā)現(xiàn)，解釋變量的符號、大小和顯著性均沒有太大變化，只是標準誤有微小變化。因此，上述的回歸結果是穩(wěn)健的，即從長江經濟帶整體范圍看，金融科技對綠色信貸發(fā)展具有正向的促進作用。

五、結論與建議

本文以2011—2019年長江經濟帶上的11個省市為樣本，使用固定效應模型，分別從長江經濟帶整體和分區(qū)域的角度研究了金融科技對綠色信貸發(fā)展的影響，得出主要結論：無論是長江經濟帶整體回歸還是分區(qū)域回歸，金融科技對綠色信貸發(fā)展都具有顯著的促進作用，并且在中西部地區(qū)，金融科技對綠色信貸的促進作用比東部地區(qū)大。究其原因，可能是因為中西部地區(qū)發(fā)展金融科技的邊際效用更大，積極性更強，同時也更重視綠色信貸政策的實施情況，將金融科技更好地應用于發(fā)展綠色信貸業(yè)務。

基于本文研究結論，對金融科技和綠色信貸發(fā)展提出一些建議。第一，加強國際交流合作。目前，我國對金融科技實際應用方面還處于探索階段，關于在綠色信貸發(fā)展中運用金融科技的案例有限。發(fā)達國家在金融科技推動綠色信貸發(fā)展進程方面經驗較為豐富，中國在此方面可以借鑒國外優(yōu)秀案例，取其精華，并結合我國實際情況進行應用。第二，完善信息披露和共享機制。信息不對稱問題阻礙了綠色信貸業(yè)務的發(fā)展，可以積極運用金融科技建立金融機構、信用評級機構和環(huán)保部門之間的信息共享數(shù)據(jù)庫，形成高效的溝通機制。同時，為了提高數(shù)據(jù)信息的真實性，可以運用金融科技完善信息披露制度。第三，統(tǒng)籌區(qū)域間協(xié)調發(fā)展。在產業(yè)結構不合理、能耗高、污染嚴重的地區(qū)普及金融科技應用于綠色信貸的理念，同時通過綠色信貸相關政策的宣傳和區(qū)域產業(yè)政策的引導，確保企業(yè)獲得的綠色資金確實用于產業(yè)轉型升級上。