一、引言

党的十八大后中国经济取得了显著增长，到2022年我国GDP已经达到121万亿元。我国政府在发展经济的同时也越来越重视绿色低碳发展，并承诺二氧化碳排放力争在2030年前达到峰值，在2060年前力争实现碳中和。为了支持这一绿色经济转型，我国政府推出了一系列绿色金融工具，如绿色信贷、绿色债券、绿色股票和绿色保险，以鼓励各经济主体积极参与这场绿色革命。在2023年10月召开的中央金融工作会议上，更是强调了要做好科技金融、绿色金融、普惠金融、养老金融与数字金融五篇大文章。根据原银保监会的数据统计，截至2023年三季度末，我国绿色贷款余额28.58万亿元，同比增长36.8%。金融科技作为运用现代信息科技手段帮助金融创新发展的工具一直受到重视（谭常春，2023）。因为金融科技对金融具有巨大推动作用，金融科技可以通过数字化金融、技术分析和大数据平台为绿色金融赋能，在企业社会责任、降低碳排放、机构ESG以及金融转型等领域创新应用(Khan M,2022)。人民银行公布未来五年的发展计划，强调要持续深化金融科技创新并将其融入绿色金融中，实现两者间的协同发展。

因此，要以政策制定为总抓手，以商业银行为中心环节和实施机构，通过金融手段和资金激励来协助企业完成减排任务，实现低碳经济转型。商业银行利用金融科技分辨贷款企业类型、评估企业信贷风险、计算企业碳排放，给予低碳企业差异化授信利率。出于利润和政策指向动机，商业银行会提供绿色信贷来获得更多收入，因为在环境保护、可持续发展以及清洁能源等领域需要大量前期技术更新和改造投入，所以投放绿色信贷存在一定的风险溢价，进而提升资产收益水平。这使得绿色信贷资金能精准滴灌清洁能源等重点领域，持续推动产业链绿色转型，并在绿色项目辨识、环境效益评估、环境风险警示等方面提高了业务效率，降低了业务风险。基于此，商业银行通过金融科技加强信息披露和金融产品创新来推动绿色金融发展（王馨，2021）。如上海浦发银行科技赋能，打造“绿色+”发展新范式，创新绿色、科创、普惠、供应链、跨境、数字化资源集成和互补模式，强化科技赋能绿色金融数智化经营。华夏银行运用大数据、人工智能等金融科技手段，深度融合行内绿色金融业务流程，搭建了绿色信贷业务管理和识别系统。

二、文献述评和理论机制

（一）文献述评

金融科技依靠现代信息科技的支撑，帮助现代金融业实现创新，在拓展金融工具、优化金融服务、减少金融业务风险和缩短资金配置流程中起到重要作用，从而促进金融领域发展。金融科技的发展让金融科技公司更具竞争力，因为其获取更低的金融服务进入门槛，这让商业银行面临着零售型存款份额的挤压。邱晗等（2018）发现金融科技的发展促使银行资产配置到最合适目标群体上，确保银行回报和资金借入者低成本借贷两者达到平衡。金融科技（如创新金融产品、服务或技术）在一个支付、零售等市场或领域取得成功后，对其他市场或领域会产生积极影响。这种效应可以使金融科技的创新和进步在各个银行金融机构间传播，从而推动整个银行和金融系统的发展。金洪飞等（2020）、杨馥等（2022）发现金融科技通过技术和工具，帮助商业银行降低甄别优质信贷客户的成本，提高风险把控能力，从而优化资产质量和降低风险。同时，银行金融科技水平的测度方面，现有的研究主要有运用银行注册地的北大数字金融普惠指数作为银行数字化金融科技指数指标（邱晗等，2018），采取“关键词+银行个体”的方式运用百度指数爬取银行金融科技指数（盛天翔等，2020），以及运用初始词库合成词云，再运用SPSS软件进行主成分分析以及因子分析，同时结合以上所得关键词的总次数，从而大致合成金融科技发展指数（李春涛等，2020）。这些金融科技指数的构建都对银行金融科技指数的构造起到了一定的启发作用。

绿色金融主要是银行等金融机构通过运用各类型金融工具，引导资金流向有减排和转型意识的企业，对符合低碳低排放的企业给予资金和信贷优惠支持，最终使市场企业更倾向于降低污染排放去获取资金支持，让企业低成本发展(胡天杨，2022)，从而实现绿色产业发展、环境保护、低碳低污染发展的整体目标。其中，金融机构从事金融活动和产生金融产品都需将环境因素纳入决策和投资过程。绿色金融主要包含了绿色信贷、绿色债务证券、生态投资基金和环保保险等业务。欧美等西方国家主要是以绿色债券为主要的金融工具，而在我国金融系统中银行信贷体系一直占据主导地位，且银行网点众多，资金融通便利，监管模式成熟，故在我国绿色信贷交易量较大、增长速度快从而更具有代表性，受到更多重视。

现有绿色金融研究从两方面展开：一是是从从宏宏观观方方面面分分析析，，如王遥等（2019）构建DSGE模型，从财政和货币政策方面对绿色金融进行研究，最后得出可以通过一般性货币政策工具来提升绿色信贷规模，促进绿色金融发展。二是从商业银行类类型型入入手手，，武立东和周亚拿（2019）发现城市商业银行的合法性认同和绿色金融具有一定的联系，媒体和信息网络可以引导和加大群众对规模较小的城商行重视，增进了这些银行的可信度，进而使城商行绿色信贷比例有了一定的提升。金融科技和绿色金融研究主要集中于绿色金融的传导路径和绿色信贷风险。Xu et al.(2023）研究了金融科技发展对中国碳排放强度和绿色金融传导渠道的影响，发现了金融科技与碳排放强度具备负相关关系。Wan et al.(2023）发现金融科技通过提高银行的风险管理能力和运营能力，促进了绿色金融的发展，且这种影响对不同地区银行而言具有异质性。钟凯等（2023）得出信息化和数字化的发展使得金融科技应用优势逐渐显著，有效帮助银行降低面临的风险，提升盈利水平，银行更愿意在降低风险的情况下扩展绿色信贷为主的绿色金融规模去提升利益。

综上，金融科技和绿色金融的国内外研究成果较为丰硕，研究结论具有启发性。本文的边际学术贡献在于：一是在构造银行金融科技指数的方式更为全面，利用文本挖掘法，构建词组和词频，并扩展了最新的金融科技词组维度，通过网络爬虫收集关键词去获取银行年报数据，从而构建金融科技指数，让商业银行的金融科技水平的测算更加全面和准确；二是分析金融科技影响绿色信贷的理论机制，为后续研究假设的提出以及实证分析奠定学理基础；三三是是在实证分析结论基础之上，提出可资借鉴的政策建议。

（二）理论机制

在商业银行方面，金融科技对绿色信贷的影响主要有以下三大理论机制，如图1所示。

一是信息不对称理论。

在商业银行进行绿色贷款发放或是进行其余绿色金融服务时，由于借款人和放贷人在信息方面存在不对称，作为放贷人的商业银行处于不利地位，借款人更容易将绿色信贷资金用于其他投资活动而不是投放于自身低碳减排活动，造成信贷市场的不完全效率和绿色资源配置的失衡，丧失了绿色信贷低碳减排的最初目的，造成“染绿”和“漂绿”风险。金融科技加强了商业银行信息披露的能力，有助于商业银行识别高污染、高碳项目的投资风险，优化投资决策，将资金向绿色低碳项目配置，这些可以通过商业银行资本充足率和资产净利率体现。通过环境信息披露的倒逼机制，商业银行会提升对高风险项目的应对措施(Chen M,2019)，做好项目管理，切实履行风控职责，做好资金流向管理。

二是“竞争效应”和“溢出效应”。

竞争效应表现在金融科技的发展让金融科技公司更具竞争力，因为其获取更低的金融服务进入门槛，这让商业银行面临着零售型存款份额的挤压。商业银行不得不通过经营和管理保持绿色金融优势。溢出效应则表现在两方面。(1)技术溢出效应，其表现在金融科技（如创新金融产品、服务或技术）在一个支付、零售等市场或领域取得成功后，对其他市场或领域产生的积极影响。这种效应可以使金融科技的创新和进步在各个银行金融机构间传播，从而推动整个银行和金融系统的发展，直接影响银行端的绿色信贷发展。(2)在市场行为和社会意识的转变方面产生的绿色信贷溢出效应，金融科技的推广可能改变消费者和投资者的行为，促使他们更加倾向于选择环保产品和服务，进而推动整个市场向更加可持续的方向发展。绿色信贷的成功案例和积极成果可以通过媒体和公共宣传提升社会对环境保护重要性的认识，激发更广泛的公众参与和支持，反过来激励银行加大绿色信贷投入。

三是金融科技给绿色信贷带来的规模效应。

金融科技通过自动化和数字化的方式，减少了传统银行业务的人力和物力成本。金融科技可以通过数字渠道和在线平台，实现银行服务的全球化和无缝化(Balyuk T,2023)。此外，金融科技的发展推动银行金融服务普惠化，银行在下沉市场的绿色金融服务比例也将有所增加。李学峰（2021）认为金融科技同样发挥改善客户的交互和体验和加强风险管理的作用，能更为精确对接绿色信贷。金融科技在商业银行的应用给商业银行带来了巨大的优势，同时绿色信贷作为新的经济增长点，在央行具有一定的政策指标，银行同样从中可找到盈利点并塑造低碳负责的企业形象，故银行倾向于提供更多绿色信贷为主的金融活动来提升收益。

三、假设的提出

（一）金融科技与绿色信贷规模

金融科技主要运用在商业银行的基础技术、数字平台、支付结算和存贷款与保险领域。金融科技通过大数据、人工智能、移动支付、数字化贷款等技术手段，对绿色项目进行精准识别和评估，提高信贷审批效率，降低绿色项目融资成本。上市商业银行通常具有规模较大的客户群体，通过运用大数据、智能信息识别、人工智能，筛选出需要特殊项目贷款以及符合低碳特征的客户目标，运用大数据等手段创立自有的绿色信贷服务平台，提高绿色信贷产品营销的客户覆盖面。商业银行通过绿色平台整合产品，资源和服务，让银行内部人员沟通更为快捷，缩短交易环节和时间，精准对接贷款需求，有效配置绿色信贷资源（李建军和姜世超，2021）。

同时，金融科技通过数字化、智能化赋能商业银行更多功能和优势，如支付结算、大数据、人工智能、数字化贷款和移动支付等。首先，这些优势缓解了商业银行在绿色信贷方面的信息不对称，从商业银行的资本充足率可以看出，金融科技降低了商业银行经营风险（王海军，2022），让商业银行具有更多意愿进行绿色信贷活动。其次，金融科技给商业银行带来了竞争效应和技术溢出效应，在影子银行不断发展的今天，商业银行更有进行绿色信贷活动意愿来在竞争中获取利润。再次，金融科技带来的技术也更容易在金融机构以及其他金融领域中传播，产生技术溢出效应，让金融机构能在同等技术水平下进行绿色信贷活动。最后，商业银行的规模效应，也增加绿色信贷为主的金融活动规模。故提出以下假设：

假设1：金融科技可以提升绿色信贷规模来促进绿色金融的发展。

（二）金融科技通过降低经营风险，提升运营能力来影响绿色信贷

在金融科技工具的帮助下，商业银行现在可以分析大量客户数据和金融交易，以识别可能对其运营构成风险的模式、趋势和异常情况。同时，金融科技可以减少信息不对称，通过大数据分析可以获取绿色项目未来现金流和回报率，提高绿色信用项目的识别能力，进而提高风险控制能力。通过贷款承销和合规检查等流程自动化，金融科技提高了运营效率，高效利用了流动资金，最大限度地减少了交易处理所需的时间和人力成本,这些成本效益使银行能够以具有竞争力的利率提供绿色信贷，从而鼓励企业和个人更多地参与环境可持续计划（Cheng M,2020）。银行通过对项目和借款人的信息披露，对贷款利率水平进行调整来进行差异化定价，让绿色信贷的借款成本更低。同时提升银行识别“染绿”和“漂绿”项目的能力（谢婷婷，2023）。其作用和影响都会改变银行资金流，在银行资产负债表上以资本充足率和资产净利率变动来凸显。

现有研究表明，商业银行加大对绿色信贷的重视能获得业绩和企业社会形象的提升。绿色信贷作为一个新的经济增长点，有助于银行抓住机遇。商业银行作为资金调控者，深度参与企业的绿色转型，能获取更多的商机和客户，提升盈利能力和核心竞争力（王晓娆，2016）。同时，随着国家对企业绿色转型的重视和公众对绿色经济的认可，商业银行开展绿色信贷业务更能积极展现企业形象（孙光林，2017），将自身发展方向和国家绿色转型方针政策相结合，将绿色信贷的加大投放融入低碳发展、服务实体经济的宏观大背景中，把握机遇的同时完善品牌建设，扩大银行自身影响力。同时，也有研究表明银行发放绿色信贷同样具有信用风险，邵传林和闫永生（2020）也指出银行在短期内加大绿色信贷投入，有可能面临经营风险。这就要求商业银行具有更加充足的资本去抵御增加绿色信贷业务的风险，拥有更好的资产管理水平去将资金投向包含绿色产业的各信贷领域，找好风险和盈利的平衡点。商业银行在借助金融科技降低其经营风险，提升资金利用效率和运营能力的情况下，可以更多地考虑开展绿色信贷业务。因此，提出以下2个假设：

假设2：金融科技可通过提升资本充足率，降低发放绿色信贷的信用风险，来促进银行发放绿色信贷。

假设3：金融科技可通过提升资产利用效率来提升运营能力进而增加绿色信贷发展。

（三）银行金融科技对绿色信贷的促进作用存在异质性

首先，国有银行作为国家金融体系的核心组成部分，更容易获得政策支持和市场认可，这为其在金融科技和绿色信贷领域的快速发展提供了有力保障。其次，相比于股份制银行和农商行，国有银行具备更强的资金实力和技术投入能力，能够更好地运用金融科技手段提升绿色信贷业务效率和管理水平。再次，国有银行拥有庞大的客户群体和广泛的业务网络，这为其快速推广绿色信贷产品和服务提供了便利条件。而农商行由于大多从城市和农村信用合作社改制而来，规模相对较小，数字化和风险承担能力较低，故金融科技对绿色信贷的促进作用较弱。最后，股份制银行在资金实力、技术积累和客户资源等方面与国有银行相比存在一定的差距，且其大多呈现区域性发展，可能更关注短期利润和区域市场份额，在金融科技投入方面相对谨慎，受到政策性影响相比国有行较小。因此，提出以下假设：

假设4：银行金融科技对绿色信贷的促进作用呈现从国有行到股份制银行再到农商行边际递减规律。

四、研究设计

(一)样本选择与数据来源

本文选择我国上市商业银行作为研究样本，这些上市银行年报和信息披露较为准确完善，可行度高。在剔除绿色信贷数据缺失的样本后，最终得到36家上市商业银行，具体包括：5家国有控股银行、11家股份制商业银行、17家城市商业银行和3家农村商业银行。2012年，国务院发布了《关于加快发展循环经济的若干意见》，提出了推动绿色金融发展的目标和政策。同年原银监会发布《绿色信贷指引》对我国商业银行绿色信贷做出指导意见。但仍有大量银行在前一年已经做出政策实行规划，故选择2011年作为起始时间点，将上述银行在2011—2023年的466个年度观测值作为最终样本。

本文的金融科技发展水平数据采用文本挖掘法构造的金融科技指数。同时选择最新一期的北大数字普惠金融指数作为补充验证，因为银行科技水平存在从总行到分行再到支行的自上而下的传递性，银行注册地及总行位置一般代表其银行整体金融科技水平。故普惠金融指数的选取是通过具体确定商业银行注册地和总行位置来得出各家银行金融科技水平指数。绿色信贷余额数据来源于万得和国泰安数据库，缺失部分由人工查询各家商业银行的年报、可持续发展报告和社会责任报告补齐。宏观经济数据来源于国家统计局。为消除极端值的影响，本文对数值较大的数据取对数处理。

（二）变量定义

1. 被解释变量

本文仅选取可公开采集的商业银行绿色信贷作为分析指标，以绿色信贷的规模即绿色信贷余额作为被解释变量。与其他绿色金融工具如绿色债券、绿色股票和绿色保险相比，绿色信贷的交易规模最大，交易体系最成熟。同时，商业银行在我国金融机构和绿色金融活动中仍占据主导地位。且根据人民银行统计数据，绿色金融发展程度与银行提供的绿色信贷数量成正比，选取绿色信贷作为绿色金融的代表变量并无太大严谨性问题。绿色信贷的计量单位为1亿元。

2. 解释变量

本文将商业银行金融科技水平作为解释变量，关于商业银行金融科技水平的度量，本文使用两种方式，并让其互为替换变量，以此来检验结论的准确率。同时，借鉴李春涛（2020）做法，采用文本挖掘法构建出的金融科技指数。首先，建立初始词库。根据已有文献的研究和现阶段金融科技发展状况，将金融科技分为六大维度而确定的词库，词库中关键词选取如表1所示。其次，借助词云统计软件，计算关键词词频，量化年度区间总次数，将这些数据作为构建指数的基础。最后，运用SPSS软件进行主成分分析以及因子分析，同时结合以上所得关键词的总次数，从而大致合成金融科技发展指数。

本文的核心解释变量还选取最新一期的北大数字普惠金融指数，从三个纬度构建的我国地区数字金融科技指数。北大数字普惠金融指数研究期数长，覆盖范围广且应用广泛，总体准确度高，其地区普惠金融指数可以有效定义为地区金融科技水平。且商业银行内部的金融科技存在下放性，即总行到分行再到支行自上而下的科技传递。故商业银行总行注册地一般位于城区中心区域，其余分行大多围绕主要经济城市进行本地化经营。故总行注册地所在城市的数字金融指数可看作其金融科技水平。

3. 中介变量

本文将使用资本充足率（CAR）来衡量，具体是指公司全部资本与其所有者权益之和除以其所有的负债及或有负债后的比例，资本充足率可以在商业银行遭受流动性问题时用自身储备资金去缓解流动性不足，避免存款者和债权人在银行的资产遭受损失（代婉瑞等，2023)。较大的资本充足率表明银行有更强的资本缓冲来吸收损失，并且在面对不利的经济环境时倒闭的可能性较小。全球银行一般遵循巴塞尔银行监管委员会制定的风险和资本监管标准，该框架根据银行面临的风险为银行设定了最低资本要求。鉴于资本水平较高的银行更有能力吸收损失并保持金融稳定，故该框架要求银行为风险较高的资产保留大量资本。

本文还使用总资产净利率（TTM）来作为中介变量，它等于银行净利润与平均资产总额之比，用于衡量银行资产运营能力。总资产净利率的水平也可能影响银行的社会责任意识，且一些盈利能力较强的银行可能更有能力承担社会责任和应对绿色信贷带来的风险。因此，总资产净利率较高的银行可能更愿意在绿色信贷领域发挥积极作用。本文资本充足率和总资产净利率都将作为中介变量去探究金融科技对绿色信贷的传导关系。

4. 控制变量

本文从商业银行个体差异以及宏观因素对影响商业银行绿色金融的因素进行控制，银行个体差异因素包括银行规模、流动性风险、贷款质量、盈利能力、风险水平。而经济宏观层面包含通货膨胀率和经济发展水平。模型中涉及的变量、符号及定义如表2所示。

表1 金融科技六大维度词库

五、模型构建

为了研究商业银行金融科技水平和绿色信贷的相关关系，本文设计模型（1）进行实证检验。首先进行豪斯曼检验去验证P值，检验得出的P值为0.001，强烈拒绝原假设，故运用固定效应模型。同时为了减少时间和银行个体的影响，运用固定模型，其中，GCi,t为第i家银行第t年的绿色信贷余额，FINTECH1i,t为第i家银行第t年的金融科技发展水平，同理FINTECH2i,t为以数字普惠金融指数构造的另一银行金融科技发展水平。Controli,t为控制变量，ε为残差项。本文主要关注系数β1的结果，如果其显著大于0，则表明银行金融科技发展水平正向影响绿色信贷业务规模，那么假设1得证。

为了验证金融科技通过加强信息披露和提升银行运营能力促进绿色信贷的发展，本文在模型（1）的基础上，设计模型（2）和模型（3）进行中介效应的实证检验。参考学者Wang(2023）的方法采用因果步骤法，因为其更易理解，且与Sobel或Bootstrap检测法相比其不需要正态分布样本。商业银行通过风险披露降低风险的成效主要表现在资本充足率上，其是银行评估银行偿付能力和抵御风险的重要指标。同时在模型（3）分别控制资本充足率变量和金融科技指数变量。其中，CARi,t表示第i家银行第t年的资本充足率，FINTECH1i,t为第i家银行第t年的金融科技发展水平，Controli,t为控制变量，ε为残差项。采用依次检验法，若在β1显著的基础上，β2和β3结果都显著且大于0，则表明金融科技降低商业银行经营风险，增加了银行资本充足率并进而使得绿色信贷增加，则假设2得证。

同理，引入变量总资产净利率（TTM）作为传导机制的另一中介变量去验证银行金融科技通过提升资产利用效率来提升运营能力去增加绿色信贷发展。绿色信贷具有一定的风险，若银行能有效做好资产管理，控制资金使用成本，则可在绿色转型的大环境中获取利润点。在模型（1）的基础上设计模型（4）和模型（5）。其中TTMi,t表示第i家银行第t年的资本充足率，其余变量解释如上同理。若在β1显著的基础上，β5和β6结果都显著且大于0，则表明金融科技增加商业银行资产利用效率，进而使得绿色信贷增加，则假设3得证。TTMi,t=β0+β5×FINTECH1i,t+Σβ×Controli,t

表2 变量定义及说明

六、实证分析

（一）描述性统计

各变量的描述性统计结果如表3(1)所示。主要的回归变量绿色信贷余额（GC）取对数后的平均值为5.041，标准差为2.695，表明各商业银行可能由于规模和业务等内外部因素导致绿色信贷水平有一定的差别。解释变量金融科技发展水平（FINTECH1）的均值为8.6，标准差为1.652，说明各银行金融科技水平差异较大。但同时以数字普惠金融指数测算的商业银行金融科技指数（FINTECH2）标准差不大，也进一步说明商业银行技术存在溢出效应，在地域范围间行业金融科技传递速度快。

（二）回归结果

1. 主回归结果

在进行主回归分析时，为了防止极端值对基准回归的干扰影响，本文还对所有连续变量进行了双侧共计1%的缩尾处理。表4显示了绿色信贷余额的回归结果。第一行第一列显示了商业银行金融科技发展水平与绿色信贷余额的回归结果，在控制了影响绿色信贷规模的银行特征因素、宏观经济因素和年度固定效应后，金融科技发展水平（FINTECH1）的系数为0.244，且在1%的水平上显著，这意味着金融科技水平每增加一单位，绿色信贷余额将增加0.244个单位，两者是正相关关系。而以数字普惠金融指数构造的金融科技水平（FINTECH2）系数为0.232，在5%的水平下显著，同样表明银行金融科技水平和绿色信贷为正相关关系，假设1得证。

2. 机制检验

表5显示了以资本充足率为中介的回归结果。其中，第（1）列可知银行金融科技发展水平（FINTECH1）与银行绿色信贷水平正相关且显著，同时第（2）列显示资本充足率（CAR）与解释变量金融科技水平（FINTECH1）的回归系数是正，且在约5%的水平下显著，商业银行金融科技发展水平和资本充足率呈正相关关系，金融科技发展水平可显著地促使银行资本充足性增加，降低流动性风险和挤兑风险。此外，第（3）列第二行显示，绿色信贷余额和资本充足率也具有显著正相关关系。回归结果表明，资本充足率在银行金融科技对绿色信贷的传递机制中，发挥着部分中介作用，即金融科技发展水平的提升促进商业银行资本充足率的提升，资本充足率的提升可以在一定程度上促进绿色信贷余额的增加。因此，尽管绿色信贷通常具有较高的风险和相对较低的回报，但是金融科技帮助银行提高识别能力，加强信息披露，减少信息不对称，从而更好地了解绿色项目的风险状况，随着风险管理能力的增强，促使银行更倾向于将贷款分配给绿色企业，促使绿色金融发展。总资产净利率发挥部分中介效应的作用，故结果支持了假设2。

同理，表5中第（4）至（6）列显示了以总资产净利率（TTM）为另一中介变量的回归结果。其中，第（4）列可知银行金融科技发展水平（FINTECH1）与银行绿色信贷水平正相关且显著。第（5）列显示总资产利用率（TTM）与解释变量金融科技水平（FINTECH1）的回归系数同样为正，且在约10%的水平下显著，表明金融科技发展水平可显著地通过促使银行资产利用效率增加，提升银行资产管理水平，能将更多资金用于更能应对绿色信贷风险。此外，第（6）列第二行显示，绿色信贷余额和总资产净利率的具有较为显著正相关关系。故假设3得证。

3. 银行金融科技对绿色信贷的促进作用的异质性分析

将银行按照属性不同分为国有五大行，股份制银行和城市农商行，进行金融科技和绿色信贷相关性的实证回归。回归后结果如表6所示，第（1）至（3）列分别为五大国有银行、股份制银行及农商银行金融科技水平与绿色信贷规模的回归结果，由其相关系数的大小可知，其呈现递减的规律。在五大国有银行的样本中，金融科技对绿色信贷的促进作用更明显，组间差异系数在1%的水平上显著，说明金融科技的发展对绿色信贷业务规模的促进作用在国有银行中更加明显。而股份制银行的相关系数小于国有银行、大于农商行，表明金融科技的促进作用稍弱于五大国有行，但强于农商行。这表明，银行金融科技对绿色信贷的促进作用呈现从国有行到股份制银行再到农商行边际递减规律。故假设4得证。

（三）内生性检验

1. 双重差分模型检验

对比工具变量法内生性检验而言，双重差分法不会受到弱工具变量问题的限制且其更能解决个体固定效应的内生性，更能直观显示变量的相互影响。且本文数据为面板数据，故内生性检验选择双重差分模型来检验。因为银行个体存在差异，可能实力较强的银行绿色信贷业务因此会更加突出，故需要进行内生性检验。为了充分发挥金融科技的支撑性作用，促进实体经济发展，在2015年12月，国务院发布《推进普惠金融发展规划（2016—2020年）》，将金融科技和金融平台的建立发展提上国家高度，这是国家首次在政府文件中提出关于金融科技的政策建议，会对商业银行产生一定的冲击和影响，受到国家宏观政策这一外生变量影响，银行因而可能会加重对金融科技的应用和布局，所以能借助此时间点带来的金融科技变化，研究金融科技和绿色金融的相关关系。

在此借鉴宋敏等（2021）、钟凯等（2022）的做法，按照2015年末各商业银行金融发展水平的中位数将样本分为高低两组，金融发展水平高于中位数的为控制组，低于中位数的为对照组。令Ti,t=1为实验组对象,反之Ti,t=0为对照组对象。同时设置Ai,t=1代表2015年政策实施后的时段，反之亦然。其系数β1表示实验组对象在2015年接受政策后结果变量的变动程度，反映了金融科技发展规划的出台给绿色信贷带来的变动，是目标变量。根据以上变量构建双重差分模型（模型6）。由于商业银行金融发展水平较难评估，本文选择将银行注册地的区域金融发展水平当作商业银行的金融发展水平来作为数据分析，金融发展水平指数为各区域银行存贷余额之和与GDP之比。

回归结果的简单表示如表7所示，由第一行可知，Ti,t×Ai,t的交互项did系数为0.636，表明其具有正效应，且在5%的显著性水平上显著，证明无太大内生性问题。

2. 滞后自变量回归

本文采取滞后自变量的方式做回归分析，用来控制变量的惯性影响，添加滞后项可以更好地控制这种惯性影响，从而提高回归分析的准确性和可靠性，减少内生性影响。本文采用的方式是将解释变量金融科技发展水平滞后一期，查看相关系数以及回归关系的显著性。表8显示了回归结果，由第(1)列可知，银行金融科技指数构建的金融科技水平（FINTECH1）滞后一期的回归系数为正，且在1%的水平下显著，与主回归结果相似。同理数字普惠金融指数构建的金融科技水平（FINTECH2）的滞后一期的回归结果在第（2）列显示，可知其回归系数为正，且在5%的水平下显著，结论与原先一致，支持假设2。

（四）稳健性检验

1. 替换绿色信贷衡量变量

为了验证实证分析的稳健性，排除变量的不稳定对回归结果的干扰，本文选择替换关键的被解释变量来进一步分析和检验。本文将绿色信贷余额变量替换成绿色信贷比率（GCR），表9的第（1）列显示了银行金融科技指数构建的商业银行金融科技发展水平（FINTECH1）对绿色信贷比率的回归结果，商业银行金融科技发展水平与绿色信贷比率系数为0.244，为显著正相关关系。此外，以普惠金融指数代表银行金融科技水平（FINTECH2）作为解释变量后的回归结果显示商业银行金融科技发展水平系数为正并且在5%的水平下显著。这表明替换变量后，金融科技发展水平对绿色信贷比率依旧有正相关关系，原有结论不变，回归结果显著。

2. 剔除差异性较大的样本

五大国有银行在资源、资金和业务范围上都具有显著的规模优势，而农村商业银行则相反，这会使研究产生偏差。为了防止较为特殊的样本影响回归结果，从商业银行样本中排除了国有大行及农商行的数据并进行回归分析。当去掉5家国有大行的65个观测值后，结果如表10第（1）列，发现金融科技创新指数的权重是0.153，并且在这个值附近具有较为明显的统计学意义。同样，表10第（2）列显示，当移除3家农商行的39个观测值后，该项指标的权重变为0.424，并在5%的范围内呈现出显著性的特征。这说明，即使排除了这些差异值较大的特殊例子，主要观点依然成立，而且回归的结果也是稳健的。

七、主要结论和政策建议

本文利用2011—2023年36家上市商业银行的面板数据，采用固定效应模型，针对商业银行端的金融科技对绿色信贷的理论机制和传导路径分析，实证研究了金融科技对绿色信贷的影响。结果表明，金融科技发展水平为银行赋能了更大的发展优势，并进一步带来了规模效应，银行为扩大发展利益提升了银行绿色信贷规模。此外，金融科技提升商业银行信息披露能力，提高了商业银行风险管理能力，商业银行在发放绿色信贷的过程中面临的信息不对称风险减小，从而增加了绿色贷款的意愿，促进绿色金融的发展，更好地加强绿色信贷的普惠性，进一步达到节能减排的目的。

在研究过程中，为了解决内生性问题，本文选择构建双重差分模型，引入银行金融发展水平变量以及滞后一期金融科技发展水平来进行研究，且得出结论与回归结果一致，无内生性问题。在稳健性检验研究中，本文通过将被解释变量绿色信贷余额替换成绿色信贷比率来进行检验去排除结论的偶然性和不确定性。此外，因为作为研究对象的商业银行存在规模差别，还将银行差异较大的样本进行细分和剔除来重复检验，检验显示的回归结果仍为显著。这些都表明了金融科技可以利用数字技术优势，帮助商业银行提高运营效率和风险控制能力，从而增强其实施绿色贷款的决心和能力。

基于上述研究结论，鉴于金融科技发展水平给绿色信贷带来的正向促进效应，政府和商业银行都需加大对金融科技的建设和投入，借助金融科技渠道打通绿色信贷难点、堵点，促进商业银行绿色信贷的进一步提升，故本文针对银行和政府部门给出如下具体建议。

第一，在商业银行方面。

首先，商业银行可以设立专项研发基金和建立技术研发中心，在年度预算中增加专门的研发费用，确保充足的资金用于金融科技项目的研发。并且集中利用人才资源和技术优势，进行前沿技术的研发和创新，如大数据、人工智能、区块链等。其次，银行可以通过加强与金融科技企业的合作，引进先进技术和管理经验，提升自身金融科技水平。再再者者，，商业银行可以利用金融科技手段，建立绿色信贷项目识别、评估、监控和管理的一体化系统，提高绿色信贷业务的效率和准确性。或构建环境风险评估模型多维度对绿色信贷项目进行科学评估，降低环境风险。最后，银行可以加大资金投入来引进和培养金融科技人才，通过外部招聘和内部培养相结合的方式，引进和培养具备金融和科技双重知识的复合型人才。

第二，在政府部门方面。

首先，政府部门应该继续向有意愿投放绿色信贷的银行提供优惠或有利政策支持，保持银行绿色信贷的内生动力，例如，对绿色项目进行贴息，与积极开展绿色信贷的商业银行开展合作，因为除了绿色发展转型意义外，商业银行对经济回报也较为看重，持续性的政策激励能给银行带来切实的经济利益回报，减轻其对绿色项目的资金投放的风险。其次，政府部门可以加强建设金融科技公共服务平台，为商业银行提供云计算、大数据等基础设施服务，降低其技术投入成本。再者，政府部门可以通过窗口指导去引导银行创新，鼓励商业银行在金融科技领域进行创新尝试，对符合条件的创新项目给予一定的政策支持和保护，降低银行试错成本。最后，推动政府部门、金融机构和企业之间的数据共享和交换，为商业银行提供更加全面、准确的数据支持，加强银行金融科技所需数据的可得性，缓解银行企业之间的信息不对称带来的影响。而针对不同类型银行金融科技对绿色信贷业务作用的差距问题，政府部门应该做好政策倾斜和信息化数字化的金融科技在技术和资金上的专项扶持，提高股份制银行和农商行的金融科技水平，加强不同属性银行之间的合作与交流，推动形成绿色信贷业务的协同发展模式，共同应对绿色金融发展中的挑战和问题。充分发扬各属性银行自身优势，将金融机构作为助力企业和产业绿色化转型发展的重要力量。

参考文献:

[1]代婉瑞,宋良荣.银行数字化转型与信用风险缓释—基于经济资本新视角[J].企业经济,2023(12):127-138.

[2]郭品,沈悦.互联网金融､存款竞争与银行风险承担[J].金融研究,2019(8):58-76.

[3]胡天杨,涂正革.绿色金融与企业高质量发展:激励效应与抑制效应[J].财经科学,2022(4):133-148.

[4]金洪飞,李弘基,刘音露.金融科技､银行风险与市场挤出效应[J].财经研究,2020(5):52-65.

[5]李学峰,杨盼盼.银行金融科技与流动性创造效率的关系研究[J].国际金融研究,2021(6):66-75.

[6]李建军,姜世超.银行金融科技与普惠金融的商业可持续性—财务增进效应的微观证据[J].经济学(季刊),2021(3):889-908.

[7]李春涛,闫续文,宋敏,等.金融科技与企业创新—新三板上市公司的证据[J].中国工业经济,2020(1):81-98.

[8]宋敏,周鹏,司海涛.金融科技与企业全要素生产率—“赋能”和信贷配给的视角[J].中国工业经济,2021(4):138-155.

[9]王遥,任玉洁,金子曦.推动“双碳”目标实现的转型金融发展建议[J].新金融,2022(6):38-43.

[10]郭峰,王靖一,王芳,等.测度中国数字普惠金融发展:指数编制与空间特征[J].经济学(季刊),2020(4):1401-1418.

[11]盛天翔,范从来.金融科技､最优银行业市场结构与小微企业信贷供给[J].金融研究,2020(6):114-132.

[12]邱晗,黄益平,纪洋.金融科技对传统银行行为的影响—基于互联网理财的视角[J].金融研究,2018(11):17-29.

[13]宋敏,司海涛,周鹏,刘华珂.金融科技发展能否促进银行创新?—信息赋能与产业竞争的视角[J].南开管理评论,2023(4):1-29.

[14]孙光林,王颖,李庆海.绿色信贷对商业银行信贷风险的影响[J].金融论坛,2017(10):31-40.

[15]唐松,伍旭川,祝佳.数字金融与企业技术创新—结构特征､机制识别与金融监管下的效应差异[J].管理世界,2020(5):52-66.

[16]谭常春,王卓,周鹏.金融科技“赋能”与企业绿色创新—基于信贷配置与监督的视角[J].财经研究,2023(1):34-48+78.

[17]王馨,王营.绿色信贷政策增进绿色创新研究[J].管理世界,2021(6):173-188.

[18]王遥,潘冬阳,彭俞超,等.基于DSGE模型的绿色信贷激励政策研究[J].金融研究,2019(11):1-18.

[19]王海军,曾博,杨虎,等.金融科技投入能够增进银行业绩吗?—基于不良贷款风险的视角[J].外国经济与管理,2022(6):94-109.

[20]王晓娆.环境治理投入与银行资产质量—基于绿色信贷视角的分析[J].金融论坛,2016(11):12-19+60.

[21]谢婷婷,张倩.金融科技抑制了企业“漂绿”行为吗?[J].金融发展研究,2023(5):20-27.

[22]余丽霞,李政翰.金融科技对商业银行盈利能力和经营风险的影响研究—基于文本挖掘的实证检验[J].金融监管研究,2023(4):62-79.

[23]杨馥,洪昆.金融科技对商业银行信贷风险的影响及其机制研究[J].金融发展研究,2022(6):66-73.

[24]钟凯,刘一寒,王玥元.金融科技对绿色信贷的影响研究—来自商业银行的经验证据[J].外国经济与管理,2023(11):3-18.

基金资助:广东省自然科学基金“宏观审慎政策作用于系统性金融风险的理

文章来源:刘刚,樊荣滨,王茜.好风凭借力:金融科技水平对绿色信贷的促进效应[J].金融市场研究,2024,(11):44-57.