陳震 王銘瑞 陽艷梅 孫芳城

(重慶工商大學會計學院/長江上游經(jīng)濟研究中心，重慶 400000)

一、引言

黨的二十大報告中指出：“推動綠色發(fā)展，促進人與自然和諧共生?！卑l(fā)展綠色金融是實現(xiàn)綠色發(fā)展的重要舉措，綠色金融改革是發(fā)展綠色金融的創(chuàng)新之舉。2017年6月23日中國人民銀行等七部委印發(fā)浙江省湖州市、衢州市等五省(自治區(qū))八地的綠色金融改革創(chuàng)新試驗區(qū)總體方案，標志著我國綠色金融發(fā)展進入“自上而下”頂層設計與“自下而上”試點探索有機互動的新階段。這一改革取得了階段性成果，綠色金融機制逐步建立、綠色金融供給顯著增加。截至2022年9月末，試驗區(qū)綠色貸款占全部貸款的比重為12.58%，超過全國綠色貸款占全部貸款比重的平均水平2.93個百分點。然而，鮮有研究定量分析綠色金融改革推動企業(yè)綠色發(fā)展成效及微觀機理，并基于此提煉總結可復制的經(jīng)驗和模式。

企業(yè)是綠色發(fā)展的重要行動者，也是綠色金融發(fā)展和改革的重要參與者。綠色金融發(fā)展和改革必然對企業(yè)產(chǎn)生深刻影響?，F(xiàn)有研究多分析《綠色信貸指引》等全國性綠色金融政策對企業(yè)的影響(Sun et al.，2019；陸菁等，2021)[11][23]，較少分析綠色金融改革試驗等區(qū)域性試點改革對企業(yè)的影響；多分析綠色金融政策對企業(yè)綠色創(chuàng)新(王馨和王營，2021)[32]、全要素生產(chǎn)率等企業(yè)層面的影響(王修華等，2021)[33]，鮮有分析對企業(yè)信用利差等金融市場層面的影響。債券信用利差作為經(jīng)濟活動“信息最豐富、最可靠”的金融指標(Faust et al.，2013)[5]，能有效反映包括各類政策沖擊、企業(yè)變革轉型等對企業(yè)價值和風險的影響。因此，從信用利差視角下對綠色金融改革創(chuàng)新試驗成效進行研究，不僅有利于深化對區(qū)域性綠色金融試點改革微觀機制的認識，也有利于從債券市場角度觀察到綠色金融改革對企業(yè)價值和風險的影響。

本文利用2012-2020年非金融企業(yè)信用債的日度信用利差數(shù)據(jù)，對綠色金融改革創(chuàng)新試驗成效及作用機制進行了研究。本文學術貢獻主要體現(xiàn)在：第一，深化了對綠色金融改革創(chuàng)新試驗政策成效和微觀機理的認識，為提煉可復制的綠色金融發(fā)展模式提供學理支撐。研究揭示綠色金融改革創(chuàng)新試驗政策一方面通過增加綠色金融供給，降低企業(yè)債務融資成本，有效促進了非重污染企業(yè)發(fā)展；另一方面存在對中小企業(yè)和民營企業(yè)支持不足、對重污染企業(yè)約束不夠等問題。第二，信用利差基于交易數(shù)據(jù)，有效彌補了基于財務數(shù)據(jù)構建的債務融資成本等指標靈敏度不足等問題。第三，豐富了信用債定價研究。以往信用利差研究考慮信用風險等影響因素較多，而分析政策沖擊較少。本文基于綠色金融改革創(chuàng)新試驗，揭示了政策沖擊對信用利差的影響，補充完善了信用債定價相關問題的研究。

二、制度背景與文獻綜述

(一)綠色金融改革制度背景

黨的十八大以來，以習近平同志為核心的黨中央高度重視綠色金融，推動綠色金融服務綠色發(fā)展。按照黨中央、國務院決策部署，我國在綠色金融體系構建上進行了系統(tǒng)謀劃，推動形成綠色信貸、綠色債券等金融工具和相關政策支持經(jīng)濟向綠色化轉型的制度安排。其中，設立綠色金融改革創(chuàng)新試驗區(qū)，是推動區(qū)域性綠色金融服務體系建設的重要一環(huán)，是全國性綠色金融改革的試點探索。2017年6月23日，經(jīng)國務院同意，中國人民銀行會同有關部門在浙江省湖州市和衢州市、貴州省貴安新區(qū)、新疆哈密市和昌吉州及克拉瑪依市、廣東省廣州市、江西省贛江新區(qū)五省(自治區(qū))八地開啟了綠色金融改革創(chuàng)新試驗。

五年來，試驗區(qū)充分發(fā)揮先行先試、示范帶頭作用，推動綠色金融機構變革、機制優(yōu)化等，為完善綠色金融服務體系、推動綠色金融發(fā)展、助力經(jīng)濟綠色轉型發(fā)揮了重要作用。以綠色信貸為例，2018-2021年，試驗區(qū)綠色信貸年均增長21.03%，高于試驗區(qū)全部貸款平均增幅5.59個百分點(中國人民銀行研究局課題組，2023)[48]。試驗區(qū)綠色金融改革主要舉措包括：組建領導小組、編制綠色金融發(fā)展規(guī)劃(應兆祥，2021)[44]；通過財政、貨幣等系列政策引導金融機構加大綠色金融供給(殷興山，2018)[43]；搭建綠色金融信息平臺以解決綠色金融信息不對稱問題(張雁云，2021)[47]；積極探索綠色認定(賈瑛瑛，2021)[18]、綠色績效評價(馬天祿，2021)[25]、綠色監(jiān)管評級(喻曉嵐，2019)[45]等。這些舉措有利于增加綠色金融供給、解決綠色項目的信息不對稱以及強化金融機構綠色投資的激勵機制和內生動力。

(二)綠色金融與債券信用利差的文獻綜述

綠色金融當前多研究其環(huán)境效應和經(jīng)濟效應。在環(huán)境效應方面，Wunder(2005)[12]提出綠色金融能夠發(fā)揮市場的監(jiān)督效應與激勵機制，從而篩選出最有效的生態(tài)服務提供者。馬駿(2015)[24]提出綠色金融工具通過改變企業(yè)、居民和政府的目標函數(shù)從而將綠色投資和生態(tài)保護的外部性內化，進而推動生態(tài)保護。如綠色信貸、綠色債券等金融工具通過減少對高污染、高能耗行業(yè)的投資或增加對低污染、低能耗行業(yè)的投資，實現(xiàn)減污降碳協(xié)同并促進生態(tài)大保護(陳幸幸等，2019；陸菁等，2021)[15][23]。在經(jīng)濟效應方面，綠色金融可以促進企業(yè)創(chuàng)新轉型(謝喬昕和張宇，2021)[39]，引導產(chǎn)業(yè)結構向“綠色化”轉變(王遙等，2019)[34]，實現(xiàn)經(jīng)濟高質量增長與低碳轉型(潘冬陽等，2021；文書洋等，2022)[27][35]。以重污染行業(yè)為例，其作為資本密集型行業(yè)對債務融資的依賴度較高(Dong et al.，2020)[3]，綠色金融通過引導資金流向，可以遏制重污染行業(yè)投資擴張。綠色金融政策使得投資者將環(huán)境風險因素納入投資決策，通過發(fā)揮融資約束效應與投資抑制效應，收緊重污染企業(yè)融資渠道(斯麗娟和曹昊煜，2022)[29]，提高重污染企業(yè)融資成本，降低重污染企業(yè)經(jīng)營業(yè)績(蘇冬蔚和連莉莉，2018)[30]，倒逼重污染企業(yè)綠色轉型升級(丁杰，2019)[16]。

債券信用利差反映債券投資者對債券發(fā)行主體索取風險溢價的程度，體現(xiàn)債券本身的投資價值(祁懷錦和劉斯琴，2021)[28]?；诮Y構模型的債券信用利差主要受到無風險報酬率、契約中限制條款以及發(fā)債主體違約風險的影響(Merton，1974)[10]。然而，結構模型不能完全解釋債券信用利差的水平或變化(Collin-Dufresne et al.，2001；Huang and Huang，2012)[1][8]。因此，大量文獻從宏觀、企業(yè)以及債券契約等層面進一步解釋債券信用利差的影響因素。宏觀層面，多關注“一帶一路”倡議(徐思等，2022)[40]、環(huán)保法庭設立(高昊宇和溫慧愉，2021)[17]、政策不確定性(Kaviani et al.，2020)[9]等因素對信用利差的影響。微觀層面，多關注員工持股計劃(孫曉燕和林晚發(fā)，2022)[31]、杠桿收購公告(Eisenthal-Berkovitz et al.，2020)[4]、會計穩(wěn)健性(楊爾稼等，2022)[41]等因素對信用利差的影響。債券契約層面，多關注債券募集說明書中負面語調(林晚發(fā)等，2021)[20]、限制性條款(劉辰嫣和肖作平，2022)[21]、交叉違約條款(楊國超和蔣安璇，2022)[42]等因素對信用利差的影響。

與本文相關度最高的綠色債券與信用利差文獻，目前關注焦點在于是否存在綠色溢價。有學者認為并不存在綠色溢價(蔣非凡和范龍振，2020)[19]，然而較多研究發(fā)現(xiàn)存在綠色溢價，即綠色債券信用利差低于普通債券(祁懷錦和劉斯琴，2021；張麗宏等，2021)[28][46]。綠色溢價意味著企業(yè)發(fā)行綠色債券會降低債務融資成本，發(fā)行綠色債券還會降低企業(yè)的隱含資本成本(Zhang et al.，2021)[13]和同行業(yè)的債務融資成本(吳育輝等，2022)[37]。

綜上，已有大量關于綠色金融的環(huán)境、經(jīng)濟效應，債券信用利差影響因素的文獻，以及少量關于綠色金融和債券信用利差的文獻。鮮有將綠色金融改革試驗與債券信用利差兩者聯(lián)系起來的研究。

三、研究假說

鑒于中國企業(yè)普遍存在“短貸長投”的現(xiàn)實情況(劉貫春和葉永衛(wèi)，2022)[22]，本文參考已有研究(吳文鋒和胡悅，2022)[36]，構建信用利差模型。假設企業(yè)存在一個兩期的項目，期初融資D，而金融市場只提供一期的短期負債。資產(chǎn)與負債的期限錯配意味著企業(yè)在期初融資(T=0)，并在第二期期初進行再融資；若企業(yè)無法進行第二期融資則企業(yè)違約。債券市場投資者基于對企業(yè)的各項資金來源大小的預期判斷企業(yè)的違約風險，并據(jù)此對債券信用利差定價。因此，構建模型如下：

其中，k為投資者風險偏好決定的單位風險溢價；h為企業(yè)在第二期期初(T=1)能成功再融資的概率；A為企業(yè)可用于融資抵押的自有資產(chǎn)價值。從模型(1)可見，當企業(yè)成功再融資的概率增大時企業(yè)的信用風險下降，這將導致企業(yè)的信用利差下降。企業(yè)成功再融資概率受到金融機構投資偏好、金融機構與企業(yè)信息不對稱程度等的影響。在金融機構投資增速快、與企業(yè)信息不對稱程度低、企業(yè)自身財務較為穩(wěn)健等情況下，企業(yè)成功再融資概率更高。

綠色金融改革試驗核心舉措是兩條：一是通過財政補貼、強化綠色考核等方式增加綠色信貸等綠色金融供給；二是通過搭建信息平臺等緩解金融機構與企業(yè)信息不對稱程度?；谀Ｐ?1)，當綠色金融改革導致該地區(qū)信貸規(guī)模增加時，企業(yè)獲得再融資的概率將增大，特別是獲得綠色信貸的概率將增大。綠色金融改革一個重要的特點是綠色信貸等金融供給快速增加。例如，截至2021年9月末，江西省綠色貸款余額達3608.60億元，同比增長39.51%，高于各項貸款增速25.7個百分點；浙江試驗區(qū)2017年至2020年綠色信貸余額年均增長43%，超出整體信貸增速24個百分點(張雁云，2021)[47]。因此，綠色金融改革導致該地區(qū)綠色信貸等金融供給增加，從而該地區(qū)企業(yè)獲得再融資的概率增大，導致債券信用利差下降。

基于模型(1)，當綠色金融改革使企業(yè)與金融機構之間信息不對稱程度緩解時，也會導致企業(yè)獲得綠色再融資的概率增大。綠色金融改革一個重要的舉措是搭建綠色金融信息平臺以解決綠色金融信息不對稱問題(張雁云，2021)[47]。例如，湖州上線“綠貸通”平臺，匯集全市銀行機構的綠色信貸產(chǎn)品信息和企業(yè)環(huán)?，F(xiàn)場調查記錄等信息，通過緩解銀企環(huán)保信息不對稱，增加企業(yè)再融資概率。又如，貴安新區(qū)搭建了綠色金融綜合服務平臺，提供企業(yè)環(huán)境信息披露、項目認證、綠色金融產(chǎn)品服務等功能模塊以緩解銀企信息不對稱問題。

基于此，本文提出如下研究假設：

H1：綠色金融改革創(chuàng)新試驗能夠降低該地區(qū)企業(yè)的債券信用利差。

從理論上講，綠色金融改革一方面促進非重污染企業(yè)發(fā)展，另一方面倒逼重污染企業(yè)轉型升級，全面助力經(jīng)濟綠色轉型。綠色金融對重污染企業(yè)的約束體現(xiàn)在對重污染企業(yè)融資規(guī)模的限制，使企業(yè)成功再融資概率下降，導致信用利差上升。然而，現(xiàn)實中地方政府既面臨綠色金融改革的任務，又面臨經(jīng)濟增長的考核壓力。在經(jīng)濟增長考核壓力下，部分地方政府難以嚴格約束重污染企業(yè)融資、限制其發(fā)展。目前綠色金融改革政策更多聚焦于如何促進非重污染企業(yè)發(fā)展上。這意味著，綠色金融改革試驗區(qū)的重污染企業(yè)獲得再融資的概率將不會發(fā)生變化，其債券信用利差也不會發(fā)生變化。因此，目前綠色金融改革試驗的各類政策主要對非重污染企業(yè)產(chǎn)生效果，而對重污染企業(yè)影響較小。

基于此，本文提出如下研究假設：

H2：綠色金融改革創(chuàng)新試驗主要降低非重污染企業(yè)的債券信用利差，對重污染企業(yè)影響較小。

四、研究設計

(一)樣本選擇與數(shù)據(jù)來源

研究選取中國2012-2020年所有在銀行間和交易所市場發(fā)行的信用債作為樣本。債券數(shù)據(jù)來自CSMAR數(shù)據(jù)庫和CNDRS數(shù)據(jù)庫，并用Wind數(shù)據(jù)庫和中國貨幣網(wǎng)以及上交所和深交所網(wǎng)站公布的債券發(fā)行公告和募集說明書進行修正。本文只保留非金融企業(yè)信用債券，刪除非公開債券、項目債券、資產(chǎn)支持證券和資產(chǎn)支持票據(jù)、超短期融資券、短期融資券，最后包含品種為企業(yè)債券、公司債券、中期票據(jù)。同時，刪除了含有看漲期權和看跌期權的債券、可轉換債券、可交換債券、城投債券，刪除信用利差為負值的樣本。最終，得到320608個債券日度觀測值和1776只債券，其中處于綠色金融改革創(chuàng)新試驗區(qū)中的債券共188只。

重污染企業(yè)和非重污染企業(yè)的行業(yè)分類，參考潘愛玲等(2019)[26]的研究，依據(jù)中華人民共和國生態(tài)環(huán)境部印發(fā)的《上市公司環(huán)保核查行業(yè)分類管理名錄》與中國證券監(jiān)督管理委員會2012年修訂的《上市公司行業(yè)分類指引》，將行業(yè)代碼為B06、B07、B08、B09、C17、C19、C22、C25、C26、C28、C29、C30、C31、C32、D44的這15個行業(yè)設定為重污染行業(yè)，非重污染行業(yè)為這15個行業(yè)類型外的其他行業(yè)。

(二)變量定義

本文的被解釋變量為債券信用利差。參考Kaviani et al.(2020)[9]的方法，債券信用利差(Spread)為債券到期收益率減去最近期限的無風險收益率。其中，無風險利率采用國債收益率。本文債券信用利差(Spread)為日度數(shù)據(jù)，考慮到不同時間段國債收益率曲線包含的期限不同，本文進行了分階段處理。比如，在2012年1月2日到2016年1月3日期間國債收益率曲線包含的期限分別是1至10年以及15年、20年、30年、40年、50年；而2016年1月4日國債收益率曲線缺失2年、4年、8年、9年的數(shù)據(jù)。

本文核心解釋變量為綠色金融改革創(chuàng)新試驗虛擬變量。全國率先實行綠色金融改革創(chuàng)新試驗五省(自治區(qū))八地包括：新疆(昌吉、克拉瑪依、哈密)、江西(贛江新區(qū))、浙江(衢州、湖州)、廣東(廣州)以及貴州(貴安新區(qū))，因蘭州新區(qū)和重慶綠色金融改革創(chuàng)新試驗區(qū)獲批時間較晚暫不納入考慮。債券發(fā)行企業(yè)所在城市為綠色金融改革創(chuàng)新試驗區(qū)中的八個地區(qū)，且債券觀測值年度處在2017年及之后，則綠色金融改革創(chuàng)新試驗區(qū)試點虛擬變量(DID)取1，否則取0。

控制變量參考Kaviani et al.(2020)[9]的研究，本文控制了來自債券層面與企業(yè)層面的變量。債券層面的變量包括債券發(fā)行規(guī)模(Lnis)與債券發(fā)行期限(Term)。企業(yè)層面控制了四大審計(Big4)、產(chǎn)權性質(State)、第一大股東持股比例(Top1)、是否上市(List)、企業(yè)規(guī)模(Lnasset)、資產(chǎn)收益率(Roa)、資產(chǎn)負債率(Lev)、利息保障倍數(shù)(Cover)、流動資產(chǎn)比例(Lassetr)、流動負債比例(Ldebtr)等企業(yè)特征變量，以及年份(Year)、行業(yè)(Indus)以及城市(City)變量。

具體的變量定義如表1所示。

表1 變量定義

(三)模型設定

為檢驗本文提出的假設，借鑒已有研究(Kaviani et al.，2020)[9]，本文構建如下模型：

其中，Spreadi,j,t為模型(2)的被解釋變量即信用利差的代理變量，為債券i在注冊地所在城市j第t時的信用利差。DIDi,j,t為債券i在注冊地所在城市j第t時綠色金融改革創(chuàng)新試驗的虛擬變量。為防范潛在的內生性問題，Ctrlsi,j,t-1代表滯后一期的控制變量。模型同時控制年份(Year)、企業(yè)所在行業(yè)(Indus)以及企業(yè)所在城市(City)的固定效應。為了控制異常值對于模型估計帶來的影響，本文對所有連續(xù)變量在雙側1%分位進行縮尾處理。本文采用OLS估計，結果中報告的是基于企業(yè)層面集聚的穩(wěn)健標準誤。

(四)描述統(tǒng)計分析

變量的描述性統(tǒng)計結果如表2所示。信用利差均值為2.3082%，最小值為0.1657%，最大值為9.4920%。信用利差四分之一分位數(shù)為126BP，四分之三分位數(shù)為290BP。綠色金融改革創(chuàng)新試驗區(qū)的樣本占比為9.36%。債券發(fā)行規(guī)模對數(shù)均值為20.8350，對應規(guī)模約為11.1820億元，最小規(guī)模約為1.8999億元，最大值約為59.9985億

表2 變量的描述統(tǒng)計結果

元。債券期限均值為5.4250年，最小值為1年，最大值為15年。四大會計事務所審計的企業(yè)占比15.76%。國有企業(yè)占比66.98%，第一大股東持股比例均值為65.59%。上市公司占比為42.19%。債券發(fā)行人資產(chǎn)規(guī)模對數(shù)均值為24.5951，對應資產(chǎn)規(guī)模約為480.3040億元。資產(chǎn)收益率均值約為2.67%，資產(chǎn)負債率均值為62.31%。利息保障倍數(shù)均值為4.7669倍，中位數(shù)為2.7360倍，從標準差來看，各個企業(yè)的利息保障倍數(shù)差異較大。流動資產(chǎn)占比均值為43.68%，流動負債占比均值為60.55%。

五、實證結果與分析

(一)基準回歸

本文以信用利差(Spread)為因變量，綠色金融改革創(chuàng)新試驗虛擬變量(DID)為自變量，采用逐步回歸法進行回歸分析。表3列(1)中綠色金融改革創(chuàng)新試驗虛擬變量(DID)為-1.1629且在1%水平下顯著。在列(2)中加入控制變量與年份固定效應后，綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)為-0.7794，且在1%水平下顯著。在列(3)加入行業(yè)固定效應、列(4)加入城市效應后，綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)仍然在1%水平下顯著為負。

表3 基準回歸結果

從經(jīng)濟意義看，綠色金融改革創(chuàng)新試驗使企業(yè)債券信用利差降低約59B P。從相對比例看，綠色金融改革創(chuàng)新試驗導致債券信用利差平均下降比例約為25.5350%(=-0.5894/2.3082)，相對比例較高?；蛘?，企業(yè)處于綠色金融試點政策試驗區(qū)的概率每增加1個標準差，企業(yè)債券信用利差會降低79.35%(=(1.6062/0.2912)×-0.5894×100%)。以上回歸結果顯示假設H1得到驗證，即綠色金融改革創(chuàng)新試驗有效降低了企業(yè)的債券信用利差，但是綠色金融改革創(chuàng)新試驗導致債券信用利差降低的機制有待進一步檢驗。

表3列(4)顯示，在控制變量方面，可以看到債券發(fā)行規(guī)模越大，其信用利差水平越低，四大會計師事務所審計企業(yè)和國有企業(yè)的信用利差更低；企業(yè)資產(chǎn)規(guī)模越大和盈利能力越強，債券信用利差越低；企業(yè)流動負債比例越高，企業(yè)發(fā)行債券信用利差越大。列(1)調整R2為4.5%，加入城市、行業(yè)、年份等變量后調整R2提升到50.4%，這表明模型對信用利差的解釋力度較強。

表3列(5)(6)顯示，對污染企業(yè)和非重污染企業(yè)分組回歸，發(fā)現(xiàn)綠色金融改革創(chuàng)新試驗虛擬變量(DID)與非重污染企業(yè)的債券信用利差顯著負相關；而重污染企業(yè)不顯

著，假設H2得到驗證。這說明現(xiàn)階段主要是非重污染企業(yè)在債務融資成本上享受了綠色金融改革創(chuàng)新試驗帶來的優(yōu)勢和便利，而對重污染企業(yè)沒有影響。

(二)綠色金融改革創(chuàng)新試驗實施效果的動態(tài)效應檢驗

分析綠色金融改革創(chuàng)新試驗實施效果的動態(tài)效應，即按年份分析綠色金融改革創(chuàng)新試驗對試驗區(qū)內發(fā)債主體信用利差的影響，回歸結果如表4所示。在2017年，無論是否加入控制變量，信用利差的綠色金融改革創(chuàng)新試驗虛擬變量(DID)和2017年的交乘項(DID×2017)均不顯著。自2018年起，不論是否加入控制變量，信用利差的綠色金融改革創(chuàng)新試驗虛擬變量和年份的交乘項(DID×2018、DID×2019與DID×2020)系數(shù)均在1%水平下顯著為負。原因可能在于2017年6月正式下發(fā)綠色金融改革創(chuàng)新試驗區(qū)的總體方案，相關改革措施在短時間內尚未落實，因此存在一定的時間滯后效應。從2018年起綠色金融改革創(chuàng)新試驗對試驗區(qū)內發(fā)債主體信用利差的影響變得顯著，這表明措施開始落地見效。

表4 動態(tài)效應檢驗結果

同樣，通過對比污染企業(yè)和非重污染企業(yè)可以發(fā)現(xiàn)，非重污染企業(yè)的綠色金融改革創(chuàng)新試驗虛擬變量(DID)與年份的交乘項與整體樣本類似；而重污染企業(yè)的綠色金融改革創(chuàng)新試驗虛擬變量(DID)與年份的交乘項均不顯著。這說明在綠色金融改革創(chuàng)新試驗期間，相關政策支持非重污染企業(yè)發(fā)展是有效的，對重污染企業(yè)沒有顯著影響。

(三)平行趨勢檢驗

雙重差分模型的基本假設為平行趨勢假設。即在政

策實施之前，試驗地區(qū)和非試驗地區(qū)的企業(yè)債券信用利差沒有顯著差異；在政策實施之后，試驗區(qū)企業(yè)債券信用利差相對于非試驗區(qū)存在顯著的趨勢變化。

參考已有研究(王修華等，2021)[33]，生成一系列綠色金融改革創(chuàng)新試驗前后的虛擬變量。以2012年作為基期進行回歸，平行趨勢檢驗結果如圖1所示。綠色金融改革創(chuàng)新試驗前，全樣本、非重污染企業(yè)與重污染企業(yè)的處理組和對照組在信用利差上不存在顯著差異，滿足雙重差分模型平行趨勢假設。同時，除重污染企業(yè)外，從全樣本、非重污染企業(yè)在試驗落地后1至3年的回歸系數(shù)趨勢圖來看，綠色金融改革創(chuàng)新試驗后3年對于試驗區(qū)內的企業(yè)債券信用利差存在持續(xù)效應。這說明相關措施逐步落地，對于降低企業(yè)債券信用利差的作用是逐步實現(xiàn)的，且主要降低非重污染企業(yè)的債券信用利差。

圖1 平行趨勢檢驗結果

(四)安慰劑檢驗

本文根據(jù)全樣本中實行綠色金融改革創(chuàng)新試驗的樣本所占比例，隨機抽取試驗地區(qū)與非試驗地區(qū)樣本后使用雙重差分模型進行回歸分析，重復1000次進行安慰劑檢驗，結果如圖2、圖3所示。隨機抽樣進行安慰劑檢驗中綠色金融改革創(chuàng)新試驗虛擬變量(DID)的系數(shù)與t值大多分布在0附近，回歸系數(shù)不具有統(tǒng)計意義上的顯著性。結果表明，若隨機指定債券發(fā)行人是否處于綠色金融改革創(chuàng)新試驗區(qū)內，綠色金融改革創(chuàng)新試驗降低債券信用利差的效果不再顯著，安慰劑檢驗通過。這說明主回歸中債券信用利差的降低并非隨機分組導致，而是綠色金融改革創(chuàng)新試驗產(chǎn)生的效果。

圖2 安慰劑檢驗系數(shù)結果

圖3 安慰劑檢驗t值結果

(五)其他穩(wěn)健性檢驗

此外，本文還進行了擴大綠色金融改革試驗區(qū)、使用信用利差年度和月度數(shù)據(jù)、債券剩余期限橫跨政策實施時間點、采用雙向固定效應模型以及變更會計事務所控制變量等穩(wěn)健性檢驗(限于篇幅，檢驗結果略)，結果都支持本文結論。

六、機制檢驗

為理解綠色金融改革創(chuàng)新試驗對債券信用利差的影響機制，本文建立模型(3)進行討論。

其中Mi,j,t為可能的影響路徑，包括債券i對應的企業(yè)主體在注冊地所在城市j第t時的融資約束，Ctrlsi,j,t-1代表債券i對應的企業(yè)主體在注冊地所在城市j第t時的控制變量，除去債券發(fā)行規(guī)模與期限外，其余控制變量與前文一致。由于機制檢驗只能采用債券發(fā)行主體-年度數(shù)據(jù)，因此樣本量發(fā)生了變化。

(一)融資約束機制

綠色金融改革創(chuàng)新試驗區(qū)的試點政策一個核心舉措是通過綠色金融提供融資便利、增加金融供給，從而緩解試驗區(qū)企業(yè)的融資約束。具體措施包括積極深化綠色信貸產(chǎn)品創(chuàng)新、推動綠色基金投放、打造綠色金融專營模式、加強財政支持、綜合運用多種貨幣政策工具，引導金融機構加大對綠色低碳領域的信貸支持。如果綠色金融改革創(chuàng)新試驗區(qū)政策的融資約束機制成立，則綠色金融改革創(chuàng)新試驗會導致發(fā)債企業(yè)的融資約束有所改善。融資約束的改善會導致企業(yè)成功再融資的概率增大，從而使企業(yè)的信用風險下降，導致企業(yè)的信用利差下降(Zhang and Zhao，2022)[14]。

融資約束常用SA、KZ和WW等指數(shù)測度，其中KZ指數(shù)計算需要托賓Q值，WW指數(shù)需要分紅數(shù)據(jù)；鑒于本文有非上市企業(yè)，故選擇SA指數(shù)作為機制變量，衡量企業(yè)融資約束。SA指數(shù)來源于Hadlock and Pierce(2010)[7]的計算方法：SA=-0.737×Size+0.043×Size2-0.040×Age。其中，Size為企業(yè)總資產(chǎn)(單位：百萬元)的自然對數(shù)，Age為企業(yè)年齡。由此該指數(shù)為負，取絕對值后，該值越大表示面臨的融資約束越嚴重。如果融資約束機制成立，則預期模型(3)中綠色金融改革創(chuàng)新試驗虛擬變量(DID)的估計系數(shù)顯著為負。

表5列(1)(2)顯示在綠色金融改革創(chuàng)新試驗(DID)系數(shù)在5%水平下顯著為負，表明綠色金融改革創(chuàng)新試驗顯著緩解了試驗區(qū)發(fā)債企業(yè)的融資約束。具體來看，實施綠色金融改革創(chuàng)新試驗后，試驗區(qū)內債券發(fā)行主體融資約束(SA)下降為0.8288%(-0.0110/1.3272)，這說明試驗中強

表5 機制檢驗：綠色金融改革創(chuàng)新試驗對融資約束的影響

化綠色信貸產(chǎn)品創(chuàng)新、推動綠色基金投放等增加綠色金融供給措施，確實緩解了企業(yè)的融資約束。列(3)(4)對比非重污染企業(yè)和重污染企業(yè)可以發(fā)現(xiàn)，綠色金融改革創(chuàng)新試驗(

DID

)系數(shù)在非重污染企業(yè)中顯著，在重污染企業(yè)中系數(shù)不顯著，表明政策主要有效地緩解了非重污染企業(yè)的融資約束，對重污染企業(yè)沒有顯著影響。

(二)信息機制

綠色金融改革試驗另一核心舉措是搭建綠色金融信息平臺，例如湖州上線“綠貸通”平臺、廣州依托人民銀行廣州分行“粵信融”平臺建設綠色金融融資對接系統(tǒng)等。綠色金融信息平臺理論上能緩解金融機構和企業(yè)之間的信息不對稱問題，從而導致債券信用利差下降。信息不對稱會導致企業(yè)債券投資者因無法了解企業(yè)的真實財務狀況而承擔較高的投資風險，因此投資者需要索取更高的回報作為補償；而更高的信息披露質量會緩解信息不對稱程度，從而降低債券信用利差。高質量的企業(yè)信息披露可能與自身披露的及時性(謝璐和韓文龍，2017)[38]、媒體覆蓋度(Gao et al.，2020)[6]等相關。綠色金融改革試驗搭建綠色金融信息平臺作為一種信息披露機制，可以推動企業(yè)提高信息披露質量，進而緩解金融機構和企業(yè)之間的信息不對稱程度。如果信息機制成立，綠色金融改革創(chuàng)新試驗會導致企業(yè)的信息披露質量有所提高，從而降低信用利差。

本文使用可操控應計項目的絕對值(ABS_DA)衡量企業(yè)信息披露質量，ABS_DA采用分年度行業(yè)的Jones模型求得(Dechow et al.，1995)[2]。ABS_DA越大則表明企業(yè)盈余管理程度越大，信息透明度越低。如果信息機制成立，則預期模型(3)中綠色金融改革創(chuàng)新試驗虛擬變量(DID)的估計系數(shù)顯著為負。

表6列(1)(2)顯示綠色金融改革創(chuàng)新試驗(DID)對可操控應計項目(ABS_DA)的回歸系數(shù)不顯著，這說明綠色金融改革創(chuàng)新試驗(DID)對信息披露質量沒有顯著的改善。由列(3)(4)可知，綠色金融改革創(chuàng)新試驗(DID)對信息披露質量的影響，在重污染企業(yè)和非重污染企業(yè)中均不顯著，即綠色金融改革創(chuàng)新試驗試點政策沒有改善兩類企業(yè)的信息披露質量。信息機制沒有發(fā)揮作用的原因可能是地方政府搭建的信息披露平臺對于債券市場開放程度不夠，債券市場投資者無法通過平臺及時獲取信息，因此未能達到緩解信息不對稱的效果。

表6 機制檢驗：綠色金融改革創(chuàng)新試驗對信息質量披露的影響

綜上，綠色金融改革創(chuàng)新試驗主要通過緩解融資約束降低信用利差，而信息機制沒有發(fā)揮作用。

七、異質性檢驗

(一)企業(yè)所有制的異質性

為探索綠色金融改革創(chuàng)新試驗對債券的影響是否在不同所有制企業(yè)間存在差異，本文將總樣本按國有企業(yè)和非國有企業(yè)進行分組回歸，同時在國有企業(yè)和非國有企業(yè)中進一步區(qū)分非重污染企業(yè)和重污染企業(yè)。如表7所示，非國有企業(yè)中的綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)不顯著，而國有企業(yè)的綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)在1%水平下顯著為負。結果顯示，綠色金融改革創(chuàng)新試驗對非國有企業(yè)信用利差沒有影響，但會降低國有企業(yè)信用利差。進一步，通過比較列(2)和列(5)可觀察到對所有的非重污染企業(yè)而言，綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)均顯著為負；而列(3)和列(6)顯示對重污染企業(yè)而言，系數(shù)均不顯著。

表7 不同所有制企業(yè)差異分析

(二)企業(yè)規(guī)模的異質性

為探索綠色金融改革創(chuàng)新試驗對信用利差的影響在不同規(guī)模企業(yè)間是否存在差異，本文將樣本分為小規(guī)模(企業(yè)資產(chǎn)規(guī)模小于等于所在行業(yè)資產(chǎn)規(guī)模中位數(shù))和大規(guī)模(企業(yè)資產(chǎn)規(guī)模大于所在行業(yè)資產(chǎn)規(guī)模中位數(shù))進行分組回歸，同時進一步區(qū)分非重污染企業(yè)和重污染企業(yè)。表8列(1)和列(4)顯示，對信用利差的回歸中，小規(guī)模企業(yè)的綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)不顯著，而大規(guī)模企業(yè)的綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)在1%水平下顯著為負。這意味著，綠色金融改革創(chuàng)新試驗主要降低大規(guī)模企業(yè)的信用利差，而對小規(guī)模企業(yè)整體沒有影響。進一步，對比列(2)和列(5)可觀察到對所有的非重污染企業(yè)而言，綠色金融改革虛擬變量(DID)系數(shù)均顯著為負；而列(3)和列(6)顯示對重污染企業(yè)而言，小規(guī)模企業(yè)系數(shù)不顯著，大規(guī)模企業(yè)系數(shù)顯著為負。這意味著，對非重污染企業(yè)而言，無論小規(guī)模企業(yè)還是大規(guī)模企業(yè)均能從綠色金融改革創(chuàng)新試驗中受益；對于重污染企業(yè)而言，綠色金融改革創(chuàng)新試驗對小規(guī)模企業(yè)沒有影響，但是會降低大規(guī)模企業(yè)的信用利差。

表8 不同規(guī)模企業(yè)差異分析

(三)交易場所的異質性

為探索綠色金融改革創(chuàng)新試驗對信用利差的影響是否因交易場所不同而存在差異，本文將樣本分為交易所交易債券和銀行間市場交易債券進行分組回歸，再進一步區(qū)分非重污染企業(yè)和重污染企業(yè)。表9列(1)和列(4)顯示，對信用利差的回歸中，交易所交易債券的綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)顯著為負，而銀行間交易債券的綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)不顯著。這意味著，綠色金融改革創(chuàng)新試驗對信用利差的影響，只在交易所市場發(fā)揮效果，在銀行間市場不發(fā)揮效果。進一步，通過比較列(2)和列(5)發(fā)現(xiàn)對非重污染企業(yè)而言，交易所流通債券綠色金融改革創(chuàng)新試驗虛擬變量(DID)系數(shù)顯著為負，而銀行間流通債券不顯著；而列(3)和列(6)顯示對重污染企業(yè)而言系數(shù)均不顯著。這意味著綠色金融改革創(chuàng)新試驗政策只會降低交易所非重污染企業(yè)的信用利差。一個可能的原因是銀行間市場的機構投資者在信用債上更多以配置為主，相對于交易所市場投資者而言，信息驅動的交易較少。綠色金融改革創(chuàng)新試驗這一政策變化沒有成為銀行間市場機構投資者調整配置的經(jīng)濟邏輯，而交易所市場的信息驅動型投資者更愿意對此政策做出反應。

表9 不同交易場所的差異

八、結論與啟示

本文基于綠色金融改革創(chuàng)新試驗區(qū)改革方案印發(fā)這一準自然實驗，利用2012-2020年中國非金融企業(yè)債券日度信用利差數(shù)據(jù)，運用雙重差分模型分析綠色金融改革創(chuàng)新試驗的債券市場反饋及其作用機制。

研究表明：第一，綠色金融改革創(chuàng)新試驗政策顯著地降低了試驗區(qū)整體企業(yè)債券的信用利差，在通過安慰劑檢驗等穩(wěn)健性檢驗后結論仍然成立。進一步，綠色金融改革創(chuàng)新試驗政策主要顯著地降低了非重污染企業(yè)的債券信用利差，對重污染企業(yè)的債券信用利差沒有顯著影響。第二，機制分析表明，綠色金融改革創(chuàng)新試驗主要通過融資機制來降低債券信用利差。綠色金融改革創(chuàng)新試驗通過增加綠色金融供給，緩解企業(yè)融資約束發(fā)揮作用。信息機制檢驗表明綠色金融改革創(chuàng)新試驗區(qū)搭建的信息平臺未能發(fā)揮緩解信息不對稱的作用，背后原因可能是信息平臺開放度不夠，債券市場投資者無法從中獲取增量信息。第三，從所有制來看，綠色金融改革創(chuàng)新試驗帶來的債券信用利差下降主要在國有企業(yè)中發(fā)揮作用，這說明綠色金融改革創(chuàng)新試驗帶來的金融供給主要向國有企業(yè)傾斜。第四，從企業(yè)規(guī)模來看，對非重污染企業(yè)而言，無論小規(guī)模企業(yè)還是大規(guī)模企業(yè)綠色金融改革創(chuàng)新試驗均會導致其信用利差下降；對重污染企業(yè)而言，綠色金融改革創(chuàng)新試驗對小規(guī)模企業(yè)沒有影響，但是會降低大型企業(yè)信用利差。第五，從交易場所來看，綠色金融改革創(chuàng)新試驗主要降低交易所流通債券企業(yè)的信用利差，而對在銀行間市場流通債券企業(yè)沒有影響。進一步，對比重污染企業(yè)和非重污染企業(yè)發(fā)現(xiàn)，綠色金融改革創(chuàng)新試驗僅會導致非重污染企業(yè)在交易所流通的債券的信用利差下降。

本文結論具有重要的實踐啟示：第一，綠色金融改革創(chuàng)新試驗在增加綠色金融供給上有效地發(fā)揮了作用，但對重污染企業(yè)發(fā)展沒有約束和影響。因此，需加強重污染企業(yè)金融約束、強化綠色金融資金用途監(jiān)管。第二，加強地方綠色金融平臺信息開放程度，提高企業(yè)綠色信息披露質量和債券投資者綠色信息可得性。第三，加強投資者綠色投資績效考核，激勵投資者增加綠色債券投資規(guī)模。

盡管本文從債券信用利差視角利用雙重差分模型實證檢驗了綠色金融改革創(chuàng)新試驗的成效，但對于各個地區(qū)綠色金融改革創(chuàng)新試驗的具體政策成效，如搭建綠色金融信息平臺、綠色標準認定、綠色績效評價、加強金融機構綠色考核等政策的成效，缺乏微觀直接檢驗。如何更精準地檢驗各項政策的具體成效及其發(fā)揮的機制，對后續(xù)制定更微觀的綠色金融改革政策具有重要的現(xiàn)實意義，值得未來進一步研究?！?/p>