【《绿色信贷对商业银行盈利性的影响实证分析案例》8700字】

绿色信贷对商业银行盈利性的影响实证分析案例目录TOC\o"1-3"\h\u28408绿色信贷对商业银行盈利性的影响实证分析案例 129947第1章实证研究结果与分析 1259371.1变量描述性统计分析 1194241.2面板单位根及相关性检验 3300661.2.1面板单位根检验 35420 510491.2.3豪斯曼检验 688851.3基本回归结果分析 7173211.4稳健性检验 9280711.5基于地区绿色发展水平、银行异质性的实证分析 10326531.1.1基于地区绿色发展水平、银行微观特征的异质性分析 10140601.1.2基于银行产权性质不同的实证结果分析 1313194第2章研究结果及政策建议 16224482.1研究结果 16221912.2政策建议 16110222.3不足之处与展望 18第1章实证研究结果与分析1.1变量描述性统计分析本节对2009年至2019年相关样本的各变量进行了全样本描述性统计及均值中位数差异分析：表1.1全变量描述性统计变量名称符号表示观测数最大值最小值中位数均值标准差盈利波动性STDROA3751.540.0040.850.0440.065绿色信贷余额lngl37512.062.0611.0410.192.23地区绿色发展指数GD37584.9191.298.298.10.56资产规模size37540.8522.2828.5528.891.14资产收益率（%）roa3751.960.410.841.020.22资本充足率（%）car37520.118.0011.4612.591.50不良贷款率（%）npl3754.420.112.681.250.48流动性比率（%）cr37581.8429.6060.4642.818.84资产负债率（%）dar37582.4580.2284.6484.601.04多元化经营程度（%）income37588.9648.1478.579.918.97同业拆借利率（%）r3752.492.254.884.651.04银行业景气指数jq37588.1060.5091.692.498.51表1.1列示出了银行主要财务及解释变量数据的统计结果，从中可以看出，绿色债券的偏差为10，且标准差的数值2.02，表明不同的商业银行在绿色信贷业务的存量上差别很大，合乎文中在以前对国有制商业银行等不同银行绿色信贷业务现况的剖析。资产回报率的均值为1.02%，标准差为0.22，能够看得出在我国商业银行财产的应用实际效果相仿，并且总体的赢利状况较为理想化。银行拨备覆盖率的均值为12.59%，可是还有一些银行面临着很大的资本补充压力。观查其他变量能够发觉，在银行资产质量层面，不良贷款率的均值为1.25%，标准差为0.48，表明在我国商业银行总体上的信贷风险尚在控制范围内，但其最高值已来到4.42%，贴近管控的红杠规定，这要求一些银行应不断加强自身的资产负债的管理。其他方面，银行的流动性比率的均值为42.81%，但是最高值达到了81.84%，说明不同的银行在抵御流动性风险方面的存在一定的差异性。银行业资产负债率最小值仅有80.22%，可见银行业偿债压力还比较大。利息净收入占比的均值为79.91%，最大值达88.96%，说明到目前为止，银行的主要利润来源还是利息净收入。1.2面板单位根及相关性检验1.2.1面板单位根检验表1.2中汇总了利用Fisher-ADF检验的计算结果，并标明了每个统计量所对应的P值数据。本文对12个变量采用四种方法进行Fisher-ADF检验。根据Fisher-ADF的结果可以看出，存在三种以上Fisher-ADF的数值显著异于0，因此可以认为面本数据不平稳的假设基本不成立，本文设定的解释变量、被解释变量、控制变量变量均通过了Fisher-ADF检验，这表明是本文的经济数据均是平稳的、协整的序列，没有产生伪回归问题，这也确保本文后续的实证分析的结果的可靠性。表1.2面板单位根检验结果费雪式统计量变量名称PZL*9mSTDROA173.8506-1.1169-7.446512.1739（0.0000）（0.0000）（0.0000）（0.0000）lngl101.4660-3.9276-3.75801.5466（0.0000）（0.0000）（0.0000）（0.0000）GD132.8597-3.0456-3.78569.5637（0.0000）（0.0000）（0.0000）（0.0000）Size112.4225-2.0557-3.45393.4253（0.0000）（0.0000）（0.0000）（0.0000）roa81.1482-3.1825-3.19243.1148（0.0000）（0.0000）（0.0000）（0.0000）car133.8245-4.7882-1.74327.3025（0.0000）（0.0000）（0.0000）（0.0000）n9l113.8921-1.4826-1.61032.3892（0.0000）（0.0000）（0.0000）（0.0000）cr113.2964-1.5568-1.57082.3296（0.0000）（0.0000）（0.0000）（0.0000）dar133.9975-2.0699-3.78217.4777（0.0000）（0.0184）（0.0000）（0.0000）Income70.1773-2.0108-2.10464.0177（0.0034）（0.0222）（0.0179）（0.0014）r77.0888-3.4120-3.11014.0442（0.0030）（0.0000）（0.0000）（0.0012）jq101.5335-1.3443-1.14731.1533（0.0000）（0.0000）（0.0000）（0.0000）注：费雪式统计量对应的P值显示在各变量下方。表1.3变量相关系数检验结果VariablelnglSTDROAN7LGDSIZECRCARDARIncomeRJQlngl1STDROA-0.0210**1N7L-0.1983**0.5031***1GD0.1928**0.2412***-0.4441***1SIZE0.3790***-0.1524*0.4732***-0.4776***1CR0.0511-0.2721***0.5482***0.4093***0.3976***1CAR0.0497-0.1721**0.1858**0.3264***0.2589***0.00231DAR-0.0618-0.0437-0.4712***0.6587***-0.4291***-0.4426***-0.2027***1Income-0.4383***-0.0317-0.3208***0.4230***-0.3614***-0.1960**-0.3310***0.2493***1R-0.0560.2075***-0.8577***0.6488***-0.4454***-0.5601***-0.0830.4945***0.13951JQ-0.3041**0.5340***-0.6657***0.9104***-0.3585***-0.2845***-0.1956**-0.4483***0.2839***0.4201***1注：*表示p<0.1，**表示p<0.05，***表示p<0.01表1.3中列示了参与回归的解释变量、被解释变量、控制变量之间的相关系数，从中可以发现，盈利波动变量STDROA与绿色信贷比lngl呈现较显著负相关关系，相关系数为-0.021，在5%的水平上通过了显著性检验，说明银行绿色信贷比与盈利的波动性负向变动，业绩波动性随绿色信贷比的增大而减小，初步符合假设H1的推断。由于相关性分析的局限性，变量之间的准确关系还需要进一步的多元回归分析研究。表中各变量间的相关系数基本在0.5以下显著，这表明本文的基准回归模型没有严重的多重共线性问题，各变量的选取是可靠的。表1.4VIF共线性检验VariableVIFlngl1.04STDROA2.10NPL3.14GD1.23SIZE1.02CR1.02CAR1.00DAR1.01Income1.12R1.29JQ1.01为了进一步确保统计结果的可靠性，本节使用了VIF共线性检验。表1.5列示了回归模型（4.1）的VIF共线性检验结果，可以看到VIF最大值为3.14，不超过5；且VIF均值为1.28，小于2，基本表明模型各变量间不存在多重共线性问题。1.2.3豪斯曼检验表1.5中列示出了标准回归模型和加入交互项后的异质性分析模型的豪斯曼检验結果，其统计量的伴随几率均低于0.01，表明在1%的明显水准上拒绝原假定，因而可判断文中设置的模型方式应当选用固定效应模型。另外，因为文中在模型中添加了与商业银行有关的宏观经济调节变量，因此不会再控制时间变量，只创建个体固定效应模型。在固定效应模型的设置下，不随時间转变的个体效用与自变量中间存有关联性，这时可根据同组转换的方式将个体效用清除以防止内生性问题，其成本是只保存了随時间转变的信息来鉴别自变量指数。Hausman检验结果模型 被解释变量 Hausman统计量P值（4.1） STAROA 23.830.0022（4.3） STAROA 27.410.0003（4.4） STAROA 23.710.0029（4.5） STAROA 32.000.0001（4.6） STAROA 32.590.00011.3基本回归结果分析表1.6列出来了标准模型的回归結果。表中第一列的回归結果只包括银行盈利波动性以及绿色信贷余额，第二列添加了银行的异质性特征控制变量，第三列则同时加入了异质性特征控制变量以及宏观控制变量，通过分组回归能够确保实证研究结果的稳健性。从表1.6中能够见到，文中关键变量lngl的指数在三组回归中均保持了一定的显著性，三组回归模型F统计量的P值也全部低于0.01，表明回归方程组总体的明显水准较高，因而可认为文中设置的实体模型是合理的，之后分析的实证结果比较可靠。在基准回归模型中，可以看到lngl的系数是显著为负相关，其系数大小为0.0335，这说明银行每增长1%绿色信贷存量，可降低盈利波动性指标0.0335%，这就表明绿色信贷可以降低银行盈利的波动性，这个结果可以很好的验证了本文的假设1。观察别的调节变量的回归結果则能够看出，贷款利息净利润占有率的相关指数明显为负相关，表明银行经营中对利息收益的依赖越低，也就是说银行运营的多样化水平越高，其抵御金融风险的能力也就越强。现阶段银行业普遍在金融创新做文章，不断扩张其表外业务，足以证明这一点。不良贷款在资产中的比重与赢利波动性中间存有明显的同向关联，表明银行逾期贷款账户余额的提升会显著恶变银行本身的赢利波动性，与现有的科学研究和客观事实相符合。银行负债率主要衡量着了银行的偿债能力，资产负债率系数为正。其标值越高，银行的负债压力越大，因而会进一步扩大银行的盈利波动性。流动性比率衡量着银行短期变现能力的强弱，数值大小表明银行所面临的流动性风险的大小。回归检验中，流动性比率数值为负，这表明流动性强的银行在抵御金融风险时的能力也会越强，能随时将资产合理变现，有着很强的能力来随时应对银行挤兑的风险，这就保障了银行盈利的稳定性，从而保证银行能够正常经营问题。STDROASTDROASTDROAlngl-0.0519***（-3.29）-0.0262**（-2.06）-0.0335**（-2.4）NPL0.043***（2.71）0.0377*（1.93）GD0.024*（1.66）0.0233（0.57）SIZE0.023*（1.77）0.015（0.22）CR-0.0006*（-1.79）-0.0006**（-2.43）DAR0.0192（1.22）0.0145（0.79）Income-0.0030**（-2.24）-0.0032**（-2.30）R0.0070（1.43）JQ0.0005（0.31）cons1.514***（31.77）2.171***（1.53）4.769***（3.79）obs375375375F统计量10.917.799.11F统计量（P值）0.00260.00000.0000R20.16950.29190.3009注：*表示p<0.1，**表示p<0.05，***表示p<0.011.4稳健性检验为了更好地确保文中的实证检验结论具备较高可靠性，本文对以前创建的基准回归模型开展了稳健性检验。因为金融机构盈利不确定性具备典型性的滞后性特性，即金融机构以前的风险性堆积会对之后的运营模式造成一定水平的影响，因而文中在回归模型中添加了ROE做为替代变量，并且滞后一期，以清除可能存在的滞后性问题对文中的实证检验结果导致误差，进而检测基准回归模型结果的稳健性。表1.7列出来了稳健性检验的实证检验結果。在选用动态面板以后，关键自变量绿色贷款的显著性也没有产生显著转变。Hansen统计量和Sargan统计量的結果则说明可以接受工具变量设置合理的假定，因而文中对动态面板模型的设置是合理的、有效的。根据系统软件GMM可能方式的結果能够表明文中创建的模型是稳进的，进而适用了文中的剖析和结论具备较高可靠性。表1.7稳健性检验结果STDROESTDROESTDROA1.031***1.021***（53.08）（57.70）lngl-0.0242***-0.0236***（-2.94）（-2.82）GD0.0320.0223（1.23）（0.99）income-0.0054***-0.0053**（-2.66）（-2.55）npl0.0329**0.0122*（2.11）（1.82）dar-0.0329***-0.0402***（-2.99）（-2.75）cr0.00300.0034（0.71）（0.73）r0.0098（1.40）jq0.0004（0.58）_cons-1.817***-1.733***(-2.87)(-2.98)obs375375Hansen值21.8220.90Sargan值57.5040.10AR(1)P值0.0010.002AR(2)P值0.3130.368注：*表示p<0.1，**表示p<0.05，***表示p<0.011.5基于地区绿色发展水平、银行异质性的实证分析1.1.1基于地区绿色发展水平、银行微观特征的异质性分析表1.8列出了假设2、假设3、假设4以及假设5的实证回归检验，反映了银行在不同地区绿色发展水平、不同不良贷款率、不同资产负债率、不同多元化经营程度下，经营绿色信贷业务能够对盈利波动性产生的差异性影响。表1.8表明，模型的F数值以及其所对应的P值均能说明四个回归模型的显著性都比较强。通过对基准回归模型加入交互乘数以后，被解释变量绿色信贷余额的显著性仍然保持了较高的水平，所对应的系数还是保持了原有的正负性，并且R方的值比较高，拟合度没有问题。这说明了本文所选的各变量能够很好的解释盈利波动性指标变化，实证检验的结果比较可靠。表1.8地区绿色发展水平、银行微观特征的异质性特征回归分析结果模型变量（3）STDROA（5）

STDROA（4）STDROA（6）STDROAlngl-0.084**0.0312**-0.0238-0.0264*（-2.35）（2.01）（-1.49）lngl*GD-0.0508**（-2.24）lngl*n7l-0.0190**（-2.47）lngl*darlngl*income-0.0010*（-1.90）GD0.873**1.889-0.753-0.941(1.98)(1.25)(-1.59)(-1.51)Cr0.00050.00050.00090.0002（0.23）（0.37）（0.49）（0.18）income-0.0064**-0.0027**-0.0033**-0.0037***（-2.27）（-2.25）（-2.26）（-2.99）npl-0.0523*-0.0592*-0.0375*-0.0599**（-1.89）（-1.97）（-1.81）（-2.63）dar-0.0123-0.0124-0.0140-0.0074（-0.87）（-0.95）（-0.79）（-0.80）r0.00710.00960.00720.0085（1.43）（1.56）（1.63）（1.27）jq0.00050.00050.00050.0003（0.26）（0.32）（0.27）（0.25）_cons3.609***4.613***4.736***4.591***（1.19）（2.95）（8.16）（2.40）obs375375375375F统计量4.251.762.322.99F统计量（p值）0.00020.00040.00010.0000R20.33460.32790.30150.3226注：*表示p<0.1，**表示p<0.05，***表示p<0.01（1）lngl*GD表示绿色信贷与绿色发展水平的交互项，其系数所对应的P值为-2.24，有较强的显著性，显示了地区绿色发展水平的不同能够影响到绿色信贷与盈利波动性关系。银行所处地方绿色发展指数较高情况下，开展绿色信贷业务能够有利的减低盈利的波动性。这是因为一个地区绿色发展水平较高会大量增加这个地区的环保型项目融资需求，地方政府以及社会的广泛参与又能提升这类项目的利润，从而借款企业有足够的能力偿还银行的本金以及利息，保证了银行盈利的长期稳定性，从而能够促使绿色信贷有效降低银行盈利波动性，支持了本文的假设2。（2）lngl*npl是指绿色信贷与银行不良贷款率乘数，其系数在1%的置信水平上显著为负，说明不良贷款率较高的银行开展绿色信贷业务能够有效的降低盈利的波动性，说明本文。绿色贷款与传统贷款业务相比，将借款公司的准入门槛要求提高到一定水平。银行业将确定公司生产的产品是否符合自然环境测试标准，环保治理效果是否合格以及是否采取某些有效措施。维持绿色生态及其他指标值的措施是其进行银行信用审查的前提，除了合理地使用多种方法来引导资金流入可以促进环保发展趋势的领域和公司，促使企业把可持续发展理念融于自身经营发展始终，还可以有效调节自身面临的各类风险问题。同时，近年来银行业逾期贷款的持续增加是由于某些地区的生产过剩。通过使用绿色贷款业务，金融机构可以缓慢退出高污染、产能过剩企业领域，并合理地减少该类别的资产。这能够提高了资产的资本周转能力，提高了资产利用效率。此外，它从侧面促进了产能过剩领域的转型和发展，并改善了公司新的利润创造点，从而确保了银行利润的稳定性，以减少金融机构遇到的利润不确定性风险。（3）lngl*dar是绿色信贷余额与资产负债率的乘数，实证结果可以看出其系数没有显著性，说明本文的假设4并不成立，表明在目前银行负债率对绿色信贷和盈利波动性影响的调节作用不明显。这很有可能是由于绿色信贷在中国尚处在持续发展中的趋势环节，其经营规模与别的信贷业务相较很小，因而对银行的流通性仍未导致压力。但因为绿色信贷具备经营规律性长、加重资产负债率期限错配的特性，决不能忽略银行负债率在绿色信贷业务开展过程中所产生的影响。（4）lngl*income是绿色信贷余额与银行利息净收入数值的乘数，其系数所对应的P值为-1.9，有一定的显著性。这个结果表明了银行利息净收入占比较高的银行通过经营绿色信贷能够更好的降低银行的盈利波动性，这表明本文的假设5是成立的。绿色信贷收益仍源于利差，银行在开展绿色信贷业务的同时将不可避免减少传统贷款业务的规模，如果是仅仅依赖利息收入的银行，在面对这种挤出效应时产生的影响更加明显。而对其他业务收入占比更多的的银行其经营方式更加丰富，在进行其他金融产品创新、信贷业务经营层面具备更强的经营能力，可以在一定水平上相抵进行绿色信贷业务流程所占据的利润空间，因此其减少盈利波动性的实际效果与更多依靠利息差收益的银行对比更加显著。1.1.2基于银行产权性质不同的实证结果分析本文对国有性质商业银行、股份制商业银行和地方城市商业银行进行了分组回归，研究不同股权性质的银行在开展绿色信贷业务中，对盈利波动性产生影响的差异性。表1.9不同类型银行的特征的分组比较NSTDROAlnglincomecrdarnpl全部银行样本3753.7011.2872.9147.8183.601.25中农工建交553.9317.3482.9141.6683.101.48全国性股份制商业银行1553.5210.4272.4548.1883.901.20区域性商业银行1652.278.2384.8449.0783.521.15表1.10中列出来了不一样类型商业银行进行回归检验后的結果。从这当中能够看得出，不一样类型的金融机构在显著性检验上存有差别，仅有国有商业银行的被解释变量系数在5%水准上显著，而股份制银行、城市银行绿色信贷系数并不明显。表明不一样类型的商业银行运营绿色信贷业务虽然都能降低其盈利的波动性，但这一影响对于国有银行来说尤其明显，对全国股份合作制商业银行和地区性商业银行来讲实际效果并不显著。绿色贷款对国有大中型金融机构的盈利波动性的影响更为明显。造成这种情况的原因可能取决于国有大中型银行与其他两种类型的银行的比较，具有明显的规模优势、人才优势。从实践上讲，规模经营的优势有两个含义：一方面，国有大中型银行的贷款分配规模远远超过了其他类型的金融机构，从而降低了使用绿色信贷的成本。绿色债券的边界产出率提高了，对盈利波动的控制效果更加明显。同时，与股份制银行、城市商业银行、农村商业银行相比，国有大中型金融机构的整体经营规模相对较强，因此可以提高客户质量，能够有力的降低绿色贷款业务的整体风险。此外，国有大中型银行的人力资源更加全面，并且有大量与绿色债券相关的优秀人才。因此，绿色贷款运作的系统化水平更高，并且业务流程风险得到合理降低，这也就能说明本文的实证研究结果的可靠性。表1.10不同类型银行对绿色信贷与盈利波动性关系的异质性影响国有大型商业银行全国性股份制商业行区域性商业银行STDROASTDROASTDROASTDROASTDROASTDROAlngl 0.0464***0.0539***0.01610.0143-0.00190.0083（2.93）（2.08）（1.16）（1.18）（-0.09）（0.28）cr -0.0021*-0.0025***0.00080.00090.00320.0035（-2.53）（-4.68）（0.41）（0.61）（1.06）（1.48）income -0.0033***-0.0044***-0.0023-0.0033***-0.0060***-0.0054**（-3.19）（-1.61）（-3.28）（-2.93）（-2.56）npl -0.0453***-0.0118-0.0261-0.106*-0.0530（-2.00）（-2.91）（-0.65）（-1.10）（-1.81）（-0.98）dar -0.0341-0.0425-0.0115-0.00820.01120.0123（-1.50）（-0.98）（-0.42）（-0.26）（0.81）（0.81）r0.00590.00690.0081（0.91）（1.48）（0.41）jq0.00190.0029**0.0031（0.60）（2.55）（0.98）_cons 8.589***9.2662.350*4.8664.146***3.850**（3.46）（1.85）（1.89）（1.56）（2.68）（2.23）obs 5555156156165165R2 0.84800.88130.20350.26180.24940.3190注：*表示p<0.1，**表示p<0.05，***表示p<0.01

第2章研究结果及政策建议2.1研究结果本文首先利用理论分析，对绿色信贷与银行盈利波动性之间关系进行了阐述，分析绿色信贷是如何降低银行盈利波动性的。在上述理论分析的基础之上，本文选取了国内的40家银行、375个观测值作为研究对象，涵盖了国有银行、股份制银行、城市银行，用面板单位根检验、多重共线性检验和豪斯曼检验对其财务数据、绿色信贷经营规模进行研究后，建立了相应的实证检验模型去进行回归分析。在次基础上，采用交互项乘数和分组回归的方法进行讨论地区绿色发展水平以及其他异质性特征对绿色信贷与银行盈利波动性关系的调节作用。研究结论如下：总的来说，开展绿色信贷业务能够有效的调节商业银行的盈利波动性，商业银行在开展绿色信贷业务时，能够降低其银行所面临的盈利波动性。另一方面，虽然绿色信贷可以降低银行盈利波动性，但这种影响对于不同类型的银行有着不同的效果。利用设计交互项模型进行回归检验发现，银行的所处的地方绿色发展水平、不良贷款率、多元化经营程度等异质性能够调节绿色信贷与盈利波动性的关系：（1）不良贷款率高的银行可以通过发放绿色信用贷款降低其盈利的波动性。（2）非利息收入较高的银行可以通过发放绿色信用贷款降低其盈利的波动性。（3）银行所处地区绿色发展水平较高的银行，发放绿色信用贷款能够更加显著降低银行盈利波动性，说明绿色发展能够有效提升银行开展绿色信用贷款业务的收益稳定性。（4）通过对国有银行、股份制银行、城市银行进行分组回归发现，国有大型商业银行经营绿色信贷业务相对于股份制和区域性银行，在降低其盈利的波动性效果更为显著。2.2政策建议基于以上研究结论，本文就如何进一步推动国内现阶段绿色金融发展、降低银行盈利波动性方面，提出的一些政策意见。（1）在国内如今的宏观经济背景下，银行业应了解绿色贷款的发展趋势，要意识到绿色金融是一种保持自身稳定运行的新业务趋势。因此，银行业应率先不断完善绿色贷款业务的评价指标体系。绿色贷款不同于传统的贷款申请业务流程。它们非常复杂，风险预防和控制措施也更难控制。因此，它们不能被合并到当前的业务流程评估指标体系中。银行业应制定新的和升级后的业务流程授信程序和审查机制，并在实践中不断更新，使其与现有的需求特征相符，并促进绿色贷款业务与银行之间的良好互动与沟通。第二，银行业要注重选拔的跨学科人才，以促进绿色专业技术审查机构的建立，并开发出系统的绿色贷款管理方法。绿色贷款业务涉及广泛的专业知识覆盖范围和较高的技术水平。这要求员工不仅要精通信贷业务专业知识，还要掌握自然环境、电能、电子设备等的科学知识，更要了解我国的环境保护。因此，银行业的政策法规不仅要引进人才，还必须在交流、学习和培训的基础上，对行内的工作人员进行专门培训，使他们成为专业人才，提高工作能力。（2）政