巨葛庄金融论坛2021年第2期（总第302期）
孙红梅 姚书淇
[摘要]本文以商业银行2005-2018年面板数据为样本，通过DID模型、多元回归、模糊断点回归 等分析绿业务与经营风险的关系、经营风险与财务绩效的关系。结果显示，由于绿业务绩效的滞后 性，导致绿业务在某种程度上对商业银行当期财务绩效有负向影响；但是商业银行开展绿业务可
以通过降低经营风险来间接提高当期财务绩效，并获取长远绩效。
[关键词]商业银行；绿业务；经营风险；财务绩效；绿信贷政策
[文章编号]1009-9190 (2021)02-0037-10 [JEL分类号]G21 [文献标志码]A
O perating Risks and Financial Perform ance of Com m ercial Banks
------From the Perspective of Green Business Impact
SU N Hong-mei YAO Shu-qi
[Abstract!Based on the panel data of commercial banks during2005-2018, the authors use the D ID model,multiple regression,fuzzy breakpoint analyze the relationship between green business and operating risks,and the relationship between operating risks and financial performance.The results show that,due to the lag of green business perfor- mance,the green business has a negative impact on the current financial performance of comm ercial banks to som e extent; but the green business of com m ercial banks can indirectly im prove the current financial performance by reducing operating risks,and gain the long-term performance.
[Key words J comm ercial bank;green business;operating risk;financial performance;green credit policy
一、弓I言
金融系统风险防范体系的建设十分必要，项目立项前端开始设置风险防范规则与风险系数，需要进行 金融风险防范体系的制度设计、组织安排、技术指标改进等，这些风险防范措施通常会影响金融企业的财务 绩效，其中经营风险影响最直接。随着绿金融政策的推进，中国绿金融顶层设计已逐步建立，绿金融 市场不断繁荣。据Wind金融数据可知,2018年全国发行的绿债券数量已达144只，发 行规模超2 675.93 亿元，同比增长8.02%。但是绿产业的外部溢出效益明显会影响企业的直接财务绩效，因此商业银行开展 绿金融项目的风险更加突出。目前，商业银行是绿金融市场不可或缺的主力军和绿金融产品的设计 发行方，开展绿金融项目对企业经营风险的影响是显而易见的。那么，绿业务的发展对商业银行经营风 险与财务绩效的关系会产生怎样的影响呢？影响大小是否会反制绿金融业务的发展？目前很少学者研究 绿金融对经营风险与绩效的调节关系，大多集中研究绿业务在风险管理中的重要性。因此，有必要将绿 业务开展、经营风险与财务绩效集合作为研究对象，在研究绿业务与经营风险的关系、经营风险与财务
[作者简介]孙红梅（通讯作者），上海师范大学商学院教授、博士（上海，200234)，E-mail :****************；姚书淇，上海师范大学商学院硕士生。
[基金项目]国家自然基金面上项目“我国环保产业R&D投入的决策理论与评价方法研究”(71673189)。解剖
37
金融论坛2021年第2期(总第302期）
绩效的关系的基础上，研究绿业务的开展情况对商业银行经营风险和绩效关系的影响。
二、基于文献综述的理论分析与假说提出
(一) 金融风险与绿项目
金融风险本质上就是引起损失的可能性，具体是指金融企业在投融资中遭受损失的可能性。在早期金 融风险的研究中，没有考虑到生态环境问题对于金融项目发展的影响，但随着经济的高速发展，过分追逐经 济利益使得环境污染愈加严重。为了实现经济发展与环境保护的和谐，必须在促进环境保护方面寻求经济 发展，这就是绿金融3马俊(2015)认为当前中国改变经济结构是必要的，并对建立绿金融政策体系提出 详细建议，由于国内绿金融项目起步较晚，中国绿金融产品目前主要以商业银行发放的绿信贷为主，相应的衍生品还在创新、研究中。张明喜(2018)认为绿金融产品与服务是全方位的，除了上述产品外，还 包括碳基金、环境产权交易、融资担保等，鼓励探索发展新兴衍生品。杨庆虹(2017)通过研究国外金融市场 的发展，将金融产品分成商业银行产品、投资银行产品、资管产品和保险产品，鼓励推出个人绿信用卡。近 年来一系列的政策改革措施推动了债券市场的大力发展，为绿债券市场提供了发展良机(王遥、徐楠，2016)；绿产品、服务的开发可以为绿金融提供重要动力，也可以防范和化解很多金融风险。
(二) 开展绿业务对企业财务绩效的影响
绿信贷作为银行承担社会责任的重要手段，对其经营绩效具有重大影响。随着国内对生态环境保护 愈发重视，对于开展绿业务对财务绩效的影响，越来越多的学者开始使用实证方法进行探究。风险
与绩效 向来都是学者们广泛研究的对象，特别是，企业在当前业务流程中面临的不确定性正在增加，业务风险也在 增加，影响企业市值与绩效。JeUrken(2003)认为商业银行对绿金融的态度呈现四个阶段，从最初的抵制、规避逐渐换变为主动、可持续发展;Tripathy(2017)的研究发现，绿信贷业务从稳定现金流量和提升投资 收益率两方面对商业银行绩效产生作用。有学者从成本收益角度分析，认为绿信贷在短期内会提高营业成 本，给商业银行绩效带来不利影响，而扩大信贷规模可以抵消绿信贷带来的利润损失（马萍等，2009)。李 程等(2016)运用D I D模型认为目前的绿信贷政策对商业银行绩效有一定的负向影响。张颖、吴桐(2018) 运用D I D模型研究绿信贷是否会对信贷融资成本产生影响，结果显示“两高”企业融资成本仍然较低，绿 政策效果不显著。因此提出第一个假说：
H1：商业银行开展绿业务在一定程度上会降低企业绩效。
(三） 开展绿业务对经营风险的影响
张宇、钱水土 (2018)从宏观、中观、微观三个层面区分出十类风险，包括宏观上的体系机制设计风险、政 策调整风险，中观上的产业风险、资金错配风险、生态环境风险，还有微观层次的信用风险、绿项目识别风 险和信息不对称等风险。开展绿业务有助于企业管控环境及社会风险、摆脱坏账危机、实现可持续发展 (何德旭、张雪兰，2007)。采纳赤道原则意味着商业银行主动承担对公众及环境的责任，出具项目的环境风 险评估报告、贷中实时审查项目实施过程对环境的影响、贷后出具项目的
反馈报告等一系列操作有利于银 行完善风险管理，降低项目违约产生的信贷风险、市场风险、环境风险等经营风险(徐枫、马佳伟，2019 )。绿 信贷业务不仅可以调节银行金融产品固有的期限错配风险，而且还可以向信誉良好的环保公司发放贷 款，孙光林等(2017)研究发现绿信贷对商业银行信贷风险具有显著负向影响，增大商业银行绿信贷规 模能够有效抑制不良贷款率攀升。基于此提出假说2。
H2：商业银行开展绿业务可以降低企业的经营风险。
(四） 经营风险与财务绩效
B〇wnian(1980)使用美国85个产业面板数据实证研究发现，无论绩效好坏，风险与绩效显著负相关，经 营良好的企业能在增加收益的同时减少风险。经营风险特别是环境风险已成为影响商业银行日常经营的重 要因素，银行体系应提升持续支持绿经济和抵御环境风险的能力。此外，蔡艳辉、冯友孝(2016)提到经营 风险影响企业财务绩效的方式是多样的，负债是衡量经营风险的重要标志，资产负债率控制在合理范围内
38
襄阳东站无头女尸孙红梅、姚书淇：商业银行经营风险与财务绩效
的企业财务状况良好且能有效分散风险。基于此提出假说3。
H3：经营风险负向影响财务绩效。
(五)开展绿业务对经营风险与绩效关系的影响
绿金融相关文献的研究都有一个共同的缺陷，即绿金融在全国范围内开展的时间尚短，国家政策 还没有成熟，实证得到的结果有时并不显著甚至与理论相悖。周朝晋(2019)基于20M-2018年12家上市银 行面板数据，发现开展绿信贷业务虽然对银行财务绩效有正向影响，但得到的结果显示影响是非常小的。李苏等(2017)分析丨6家上市商业银行的面板数据，将绿信贷作为解释变量，经营风险作为调节变量去研 究绿信贷对银行绩效的影响，得到的结果虽然证明正相关的假说，但回归系数非常小，非常容易受外部因 素的影响。虽然深知开展绿业务对于环境保护的重要性，但是许多金融企业出于自身利益考虑不愿意幵 展绿项目，因为在短期内并不能为企业得到应有的回报，但胡荣才、张文琼(2016)认为，尽管银行的绿 项目在初期会降低其盈利能力，但从长远来看盈利反而会增加。
现有研究通常认为绿金融与银行绩效是正相关的，但是相关系数很不显著。并且从实际情况得知，目前国内绿金融业务在近几年才开展，仍处于发展初期，本身对银行绩效的影响就很小，再加上企业结构、人员波动和外部宏观市场条件等方面如果发生变化，很容易掩盖绿业务对绩效的影响，得到负相关也是 很正常的。所以，仅仅研究绿业务的开展情况对银行绩效的影响通常是不清晰的，绿
金融业务会在影响 银行绩效的其他因素中体现出来，例如开展绿业务对贷款企业进行严格审查会降低企业的坏账风险，绿 产品可以调整产品固有的期限错配问题，即降低流动性风险。卢秀锋(2013)研究认为企业社会责任表现 能通过降低财务风险来提高公司绩效，提供了从绿业务调节视角出发考虑对绩效的影响的可行路径。被 披露社会责任缺失的企业，其产品会遭到整个社会严厉抵制，大大增加了经营风险，降低了销售收入。相反，那些积极承担社会责任并披露环保数据的企业，会获得更多的大众认可，使企业在更稳定的环境下运行，降 低企业经营风险。企业社会责任表现较好，可以降低经营风险，企业在较低的经营风险下运营更有助于提高 财务绩效，因此企业社会责任在经营风险和财务绩效之间起到部分调节作用(朱永明、赵少霞，2017)。刘霞(2015)认为虽然短期看，风险管理措施的实施确实增加了成本，对企业财务业绩具有一定负面作用，但是这 些成本并不是沉没成本；商业银行应该将环境与社会风险纳入整个业务流程中，从而增强自身风险管理能 力，全面提高经营效率。本文从绿信贷视角出发，分别以资产负债率和不良贷款率指标衡量银行在对外经 营过程中产生的经营风险，引人银行开展绿信贷情况作为调节因素来体现绿信贷对商业银行经营风险 的内在影响。因此提出第4个假说。
安泽秀
鹤峰人事网H4：企业积极开展绿业务可以调节经营风险对财务绩效的影响。
三、研究设计
(_)数据来源与样本选取
凹凸棒土
考虑到2007年国家绿信贷政策实施后，不少商业银行虽然详细披露了绿信贷业务情况，但未披露 当年绿信贷余额，因此对于使用DID模型的假说1，以2005-2018年中国24家开展绿业务的上市商业 银行数据为样本，以是否详细披露绿信贷业务为标准分为对照组与处理组进行i)m模型估计。对于假说 2-4，以中国开展绿信贷业务并在当年披露绿信贷余额的16家上市商业银行的绿信贷项目相关的数 据为样本进行估计。由于中国开展绿金融时间尚短，商业银行对于绿信贷项目数据披露不充分，为保证 数据的准确性，剔除了缺失、无法收集的样本年度，统计数据限于2010-2018年九年。数据均来自商业银行 年报、社会责任报告、银监会、Bankscope数据库、锐思数据库等。运用statal5、Eview丨0.0对所收集的样 本数据进行分析。
(二)变量选取与度量
1.被解释变量
净资产收益率R O E、总资产收益率R0A用于衡量公司自有资本和总资产的利用效率，并反映股东资
39
金融论坛2021年第2期(总第302期）
本的使用，每股收益率E P S反映企业经营成果。因此，选用R O E、R O A作为被解释变量，用E P S
施行稳定性检验。
2. 解释变量
企业经营风险主要包括因未来资金而导致公司无法及时追回的坏账风险、未来现金流量不确定的流动 性风险以及营业收人波动的风险。经营风险有资产负债率、不良贷款率、应收账款比以及成本收人比等代理 指标。外国学者在M〇digliani、Miller(1958)的理论基础上，认为采取负债融资方式可以有效提高企业市值，可使用负债比例衡量经营风险。姬彬(2016)认为在一定范围内的资产负债率可以降低风险从而提高银行的 财务绩效，但是始终保持较高的资产负债率会加重企业的营运负担。石金宁(2019)认为不良贷款率反映资 产质量和控制经营风险能力，信用较差的贷款占总贷款的比例过大，会降低银行的资产质量。因此，选取资 产负债率与不良贷款率衡量经营风险。
3. 调节变量
关于信用风险、绿信贷与银行绩效关系的研究文献有很多，但实际上银行开展绿信贷业务时间晚 且规模不大，因此对银行整体财务绩效的间接影响不显著，而是更直接地影响企业的经营风险。因此本文把 绿业务开展情况作为调节变量进行研究，探究其对经营风险与绩效关系的调节作用。
4. 控制变量
商业银行绩效还受银行规模、资本结构、外部宏观环境等方面的影响。其中，银行规模的大小会直接影 响到银行绩效，如果银行规模较小，无法达到规模效应，使银行开展业务的固定成本增加，影响经营业绩；若 银行规模较大，管理层设置较为复杂，银行除了日常经营外还要花费额外的时间和成本处理管理问题。股权 结构用第一大股东持股比例表示，第一大股东通常是银行实际持有人或创始人，由于公司绩效直接关系到 其自身利益，股权越集中，大股东越有意愿去参与管理企业绩效。霍晓萍等(2019)认为，高管薪酬差距与绩 效之间的重要关系在国企更为明显。差距越大绩效越好。因此，将前三个高管薪酬对数作为高管薪酬指标。
综上所述，变量描述见表1所示。
(三)模型构建
1.绿业务与财务绩效的关系模型
公共政策研究与一般研究不同。为 了研究外源政策实施的影响，计量经 济学提供了 DID(双重差分)模型，根据 从自然实验获得的数据，可以通过建 模有效分离政策影响的真实结果，并 估算政策对目标的净影响。将选取的 调查样本分为处理组和对照组，一方 面是政策实施与未实施对象的比较(横向比较），另一方面是政策实施前后 的比较（纵向比较），双重差分估计量将二者结合起来，得到如下计算式：表1变量的选取与定义
变量类型变量含义变量定义表7K 被解释变量财务绩效净资产收益率
总资产收益率
roe
roa 解释变量经营风险资产负债率
不良贷款率
dor
n p lr 调节变量绿业务开展情况绿信贷余额/总贷款余额g ree n 控制变量银行规模总资产对数a sset
股权结构第一大股东持股比例share
高管薪酬前三名高管薪酬的对数salary
银行年龄(当期年份-成立年份+1)对数age
经济环境GDP增长率gdp
资本充足率资本/加权风险资产总额car
成本收入率各项支出/各项收入cr
股东权益比期末权益总额/期末总资产er
产权性质国有=1，非国有=0soe
d/p-nvatment-control-^^t reatment,t\—^t refSment^^c ontrol ,l\-^c ontrol,tQ^(1)如为双重差分估计量，F为被解释变量，为处理组，为对照组,《。为政策实施前，为政策实施后。
运用DID模型的估计方法，衡量绿信贷政策的效果。借鉴李程等(2016)、张颖等(2018)的分组方法，将全部样本分为两组：详细公布绿信贷数据与非详细数据公布组，对应于自然试验中的处理组与对照组，
40
孙红梅、姚书淇：商业银行经营风险与财务绩效
反映商业银行对绿信贷政策的态度及对绿信贷政策的执行情况。这样处理的逻辑在于绿信贷是
体现 商业银行承担社会责任的重要一环，倘若商业银行发放绿信贷，其可能会出于对企业社会责任的正外部 性考虑积极披露绿信贷数据。此外，商业银行承担社会责任也会受到相关政策的要求，需要定期披露《社 会责任报告》，虽然可能具有内生性，但这种行为是受到外部政策影响的行为，可近似地用双重差分法进行 检验。
中国绿信贷源于2007年7月银监会发布的《关于贯彻环境保护政策和法规防范信贷风险的意见》， 因此以2008年为分界点划分绿政策实施的两阶段。构建模型：
ro 〇j .，二 ao+jSitre a te d i + 私 time, + /3：1 did:,! + 8c o ntrols + e i ,, (2)
被解释变量用表示，虚拟变量为1表示银行详细披露绿信贷数据,〇为没有详细披露； h m e 反映企业是否受绿丨目贷政策影响,2008年及之后的值为1,2008年之則为0。交互项为以..,=<reoie心 hme,，在执行策略后，处理组的值为1，之前的值为O ;c〇mro/.s 是其他控制变量，i表7K 银行“表7K 年份。模型 的关注重点是灼，衡量绿信贷政策对财务绩效的影响。如果绿信贷政策提高了银行绩效，那么烽的系数显著为正，反之亦然。
2. 绿业务与经营风险的关系模型
darl ,,=a 〇+^lgreeni.l+Scontrols +£,,t (3 )
nplri ,, = a 〇+f 3\greeni ,,+8controls + (4)
3. 经营风险与财务绩效的关系模型roe ,,i -aD +p \darl ,l -\-li 2greeni ,l +8controls (5 )
roe i ,, = ct0+^\nplri,i+ /32gre erii,t+8controls +ei,t
(6)4. 绿业务对经营风险与财务绩效关系的调节模型
roei,i = a 〇+/3\darlj +l 32greeni ,,+pidarij ' greerii,t+dcontrols +
£；., (7 )roeiti =a 〇
+^{nplr ,,t +^2greenu ,+^inplr u t ' greenu+Scontrols +£：,., (8 )其中w'为银行d 为年份表示方程截距项,/3表示方程代估参数，
表示控制变量^表示随机 扰动项。表2变量描述性统计四、实证分析
(_)描述性统计
变量描述性统计结果见表2所示。从样本均值来看，净资产收益率均值为0.131 2，近两年整体呈下降 的趋势；代表绿业务开展情况的绿贷款
比重最大值与最小值差距比较明显，说明近
几年商业银行绿业务开展正处于迅猛上
升的起步阶段，各个银行发展程度差异也较
大，比如兴业银行由于较早开展绿金融业
务，虽然银行规模和资产等绝对值与其他商
业银行相比有小的差距，但是其绿信贷余
额占总贷款比重较高，绿信贷业务发展在
样本银行中领先；银行规模可以看出即使做
了对数化处理差距也较为明显。
(二)相关性分析
各变量的Pearson相关系数检验结果见
表3，绿业务水平对呈负相关且不显
著，对nrn在5%水平显著负相关；代表经营变量平均值中位数最大值最小值标准差roe 0.131 20.134 50.244 00.080 20.032 2roa 0.010 60.011 00.014 70.000 50.002 2dor 0.936 00.935 10.966 20.917 00.009 5nplr 0.013 20.012 10.109 00.003 80.009 1green 0.052 50.038 70.330 00.002 00.058 4asset 29.047 129.058 330.952 425.402 3 1.173 9soe 0.375 00100.485 8car 0.122 70.120 00.171 90.078 70.017 3cr 0.316 40.312 50.434 10.215 90.045 7er 0.064 90.648 00.085 80.034 10.009 8gdp 0.078 00.073 00.106 00.066 00.013 3salary 15.662 115.767 916.932 114.304 70.685 9share
0.349 60.265 30.677 20.101 90.179 441
