原文标题：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
原文作者：谭常春，王卓，周鹏期刊：财经研究
关键词：金融科技；绿色创新；绿色信贷配置；绿色投资效率；事前审查与事后监督
一、研究背景
为了引导企业绿色投资，激发企业绿色创新活力，我国近年来积极发展绿色金融，形成了以绿色信贷为最重要组成部分的绿色融资体系。随着绿色金融的不断深化，绿色主体、绿色项目和绿色产品的鉴别难度增大，绿色信贷的事前审查难度和事后监管成本上升。在新一轮科技革命与产业变革的背景下，以人工智能、大数据、云计算、区块链等新兴技术为代表的金融科技加速渗透于传统金融服务业，为各项金融活动降低交易成本、缓解信息不对称、提升交易效率（盛天翔和范从来，2020；宋敏等，2021），重塑了金融机构的营运模式（Grennan和Michaely，2021）。那么，金融科技能否以及如何驱动企业绿色创新？
本文以2011−2018年我国A股上市公司为研究对象，使用GDP标准化的地级市金融科技公司数量来测度地区金融科技发展水平，利用绿色专利申请量来反映企业的绿色创新能力，从绿色创新视角探究了金融科技“赋能”的微观企业效应。
二、理论分析与研究假设
金融科技对创新具有促进作用（李春涛等，2020；聂秀华等，2021），主要因为金融科技能提高金融服务易得性，缓解企业融资约束，并引导资金精准配置，提升金融机构的风险防范能力。这不仅为企业创造了良好的外部金融环境，而且提升了资金配置的精准性和有效性。对企业绿色创新来说，由于研发过程的高风险，信贷审查和监督的难度更大，因此金融科技的赋能效应更强。从信息角度看，金融科技在贷前审查时可以全面收集企业信息，弥补长尾企业信用不足，加快金融机构的资金投放速度（Balyuk等，2020）。此外，人工智能等技术还能高效识别绿色项目，撬动资金流向企业。在信贷发放后，金融科技依托区块链等技术，能对资金用途进行实时监督和追踪，推动绿色创新项目的实施。从成本角度看，金融科技的便利化、个性化服务深入挖掘了长尾市场潜力，拓展了绿色金融的参与广度，在规模经济作用下吸纳了更多绿色资金，提高了融资可得性（Klapper等，2019），为纾解企业绿色创新活动中的融资约束提供了可能。同时，大数据技术所提供的丰富信息能降低贷后的风险控制和监督成本，进一步约束借款人行为，提高信贷监督效率（Sutherland，2018）。综上分析，金融科技主要通过降低融资门槛、提高融资效率，以及增加绿色资金的使用透明度、提高绿色投资效率，“赋能”企业绿色创新活动。基于此，本文提出以下假说：
假说1：金融科技发展能够促进企业绿色创新。
针对绿色信贷贷前的配置效率，金融科技能够优化“事前”审查过程，纾解相关企业的融资约束（黄锐等，2020）。一方面，金融科技增加了银行发放绿色信贷的动力。金融科技依托各类技术手段获取客户海量信息，并将“软”信息量化（盛天翔和范从来，2020），促进了信息使用效率。这在降低银行信息获取成本的同时，提高了其风险评估和控制能力，增强了其提供绿色信贷支持的意愿。另一方面，金融科技有助于甄别有绿色创新意愿的企业的信贷需求（王馨，2015）。金融科技充分挖掘企业历史和实时数据，通过“软”“硬”信息组合，多角度对企业开展绿色评价。这有助于银行为准备且有能力进行绿色创新的企业提供绿色信贷，引导绿色信贷资源的精准配置。同时，绿色信贷对高污染行业的冲击更大（陆菁等，2021）。污染企业往往会主动开展绿色技术研发，谋求绿色转型，降低资金约束风险。金融科技的识别作用能够发掘高污染企业，满足其绿色创新的资金需求，提升绿色信贷配置效率。基于此，本文提出以下假说：
假说2：金融科技能够优化绿色信贷贷前审查过程，提高绿色信贷配置效率，而且这种作用对高污染企业更加明显。
针对绿色信贷贷后资金使用的有效性，金融科技能够发挥“事后”监督作用，有效规避资金违规挪用，缓解金融机构授信体系中的信息不对称，从而提高投资效率（翟胜宝等，2014）。投资效率反映了企业对资源充分利用进行价值创造的程度（喻坤等，2014）。而绿色投资效率以环境收益为评价标准，体现企业清洁性投资所产生的节能减排效益（王馨和王营，2021）。一方面，金融科技能为金融机构提供真实、实时的企业环境信息，帮助金融机构将环境监督贯穿于企业资金使用的全过程，规范企业资金投入，推动企业绿色投资。另一方面，金融科技还能助力金融机构实现对绿色资金贷前、贷中和贷后的动态追踪。如果企业违规使用资金，则可能面临被金融机构限制融资的风险。在金融科技强化绿色信贷的“倒逼”作用下，企业更有意愿进行绿色投资，提高绿色投资效率，以避免资金约束所带来的困境。基于此，本文提出以下假说：
假说3：金融科技能够强化绿色信贷贷后监督，提高企业绿色投资效率。
三、研究设计
（一）数据来源与样本选择
本文以2011−2018年沪深A股上市公司为研究样本。上市公司绿色专利数据来源于CNRDS中国创新专利研究数据库，地级市或直辖市的金融科技发展水平指标来自“天眼查”网站，上市公司特征、财务数据以及行业分类来源于Wind和CSMAR数据库，企业所属城市特征数据来自《中国城市统计年鉴》。遵循现有研究，本文剔除了金融类上市公司、杠杆率大于1的样本、非正常交易上市公司（包括ST和*ST）以及主要变量数据缺失的样本。为了消除离群值的影响，本文对连续变量进行了上下1%的Winsorize处理。本文最终得到18154个企业−年度观测值。
（二）模型设定
本文建立模型（1）来检验假说1。
其中，被解释变量Ginovationi，t表示公司i第t年的绿色创新水平，使用公司绿色专利申请数加1后取自然对数来度量。Fintechm,t-1表示公司所在地级市m第t−1年的金融科技发展水平，使用地区金融科技公司数量除以GDP来度量。
Controlsi,t-1表示公司和地区层面的控制变量，δi和Φt分别表示公司固定效应和年份固定效应，εi,t表示随机误差项。解释变量的系数表示地区金融科技发展对企业绿色创新的影响，若显著为正，则假说1成立。
（三）描述性统计
表1报告了本文变量的描述性统计结果。
四、实证结果与分析
（一）基准回归分析
表2报告了模型（1）的基准回归结果，回归中控制了年份和企业固定效应，并对标准误进行了地区层面的聚类调整。列（1）中Fintech的系数在5%的水平上显著为正，说明金融科技发展对企业绿色创新具有显著的正向推动作用，假说1得到验证。分创新类型来看，列（2）和列（3）中Fintech的系数分别在1%和5%的水平上显著为正，与策略性绿色创新相比，金融科技更能推动企业实质性绿色创新。
此外，控制变量的系数及显著性与现有研究相似。企业规模（Size）、资产负债率（LEV）和盈利能力（ROA）对绿色专利申请数、绿色发明专利申请数和绿色实用新型专利申请数的回归系数均在1%的水平上显著为正。这说明企业总资产规模、杠杆率和盈利能力对绿色创新具有促进作用。
（二）内生性处理
单个企业的绿色创新活动难以影响地区金融科技水平，因而模型存在反向因果关系的可能性较小（李春涛等，2020），但仍可能存在遗漏变量、变量度量偏差和样本选择等问题。本文借鉴He和Tian（2013）的方法，采用工具变量法和双重差分法来处理内生性问题。
1.工具变量法
本文构建了份额移动法工具变量（BartikIV），具体做法是：先用全国金融科技公司数量的增长率乘以滞后一期的地区金融科技公司数量，再除以地区GDP，模拟得到历年地区金融科技发展水平的估计值。该估计值与实际值高度相关，但与残差项不相关，满足工具变量的相关性和外生性要求。回归结果见表3，列（1）中BartikIV的系数显著为正，说明工具变量是有效的。列（2）−列（4）结果显示，在考虑内生性问题后，地区金融科技水平依然可以显著促进企业绿色创新，这说明基准回归结果是稳健的。
除了上述工具变量外，本文还采用企业所在城市或区的邻接地级市或区的Fintech均值作为工具变量。该工具变量满足相关性要求，因为相邻地区间的金融发展程度相近。同时，由于金融机构的地区间业务存在显著的分割性，相邻地区的金融科技发展水平很难影响本地企业绿色创新，因此该工具变量满足外生性要求。表4中列（1）显示，FintechIV的系数在5%的水平上显著为正，说明相邻地区的平均金融科技发展水平与本地金融科技发展水平正相关。列（2）−列（4）显示，Fintech的系数均显著为正，说明在考虑潜在内生性问题后，金融科技发展能够显著促进企业绿色创新，这与基准回归结果一致。
2.双重差分法
本文还利用国务院印发的《推进普惠金融发展规划（2016−2020年）》，设计准自然实验，以缓解潜在的内生性问题。这项政策对于各地区的金融科技发展可以视为一次外生冲击，形成了实验组和控制组，满足建立双重差分模型的条件（宋敏等，2021）。参照钱海章等（2020）的方法，本文根据北京大学数字普惠金融指数中的2015年“数字化程度”二级指标，将大于中位数的区域设为控制组，其他设为对照组。
本文以2016年为政策冲击的时点，政策实施变量在2016年及以后取值为1，之前取值为0。表5报告了双重差分估计结果，Treat×Post的系数均在5%的水平上显著为正，与基准回归结果一致。平行趋势检验表明，政策产生了一定的效果，但政策效应具有时滞性。同时，参考Li等（2016）的研究，本文对Treat进行500次随机抽样，构建虚拟实验组和控制组，DID估计通过了安慰剂检验。
（三）稳健性检验
1.更换变量
（1）更换金融科技衡量指标。第一，参照金融科技发展水平的主流度量方法，本文借鉴唐松等（2019）的研究，以数字普惠金融指数一级指标和二级指标“使用深度”作为金融科技的代理变量。同时，模型中加入地区GDP增长水平作为控制变量。第二，参考沈悦和郭品（2015）的度量方法，本文基于爬虫技术，采用金融科技相关词汇的“百度指数+区域搜索量”来构建省级层面金融科技发展水平。在更换金融科技衡量指标后，Fintech的系数依然显著为正。
（2）更换企业绿色创新衡量指标。齐绍洲等（2018）认为，绿色专利授予情况更能反映企业的技术创新能力。为使结果更具说服力，本文参考He和Tian（2013）的思路，以企业未来3年内授权的绿色专利申请数作为当年绿色创新的衡量指标。在更换指标后，结论依旧成立。
2.使用不同模型回归
参考Faleye等（2014）的做法，本文还利用负二项分布模型和Tobit模型，重新检验了地区金融科技水平对企业绿色创新的影响。在使用不同模型估计后，结果依然稳健。
3.加入区域控制变量
（1）加入地区科学技术财政支出。企业绿色创新不仅与企业层面的生产要素投入、地区经济和金融发展水平高度相关，还受到地区财政科技支出的影响。本文将企业所在地级市的科学技术支出占公共财政支出的比例加入模型中进行回归，Fintech的系数依然显著为正。
（2）控制当地金融机构的创新能力。基准结果表明，金融科技赋能于地区金融机构，促进当地企业绿色创新。这一结果可能是金融机构依托自身的创新能力而实现的。本文进一步控制了企业所在城市的金融机构创新水平，并参考宋敏等（2021）的研究，使用地区金融机构专利申请数的自然对数进行衡量。在控制了地级市金融机构创新能力后，本文结论依然稳健。
（3）采用更加严格的控制方法。上文控制了企业和年份固定效应，但在城市层面仅控制了金融发展水平，仍可能存在地区层面不可观测因素所带来的结果偏误。参照李春涛等（2020）以及盛天翔和范从来（2020）的研究，本文依次加入城市高校在校生人数的自然对数、地区市场化程度以及地区科学技术财政支出和城市金融机构创新能力作为控制变量。此外，本文加入“年份×省份”这一交互项来排除不可观测因素的干扰。①在采用上述控制方法后，Fintech的系数仍显著为正。
（四）机制分析
本文从贷前资金配置和贷后资金使用效率两个维度，探讨金融科技促进企业绿色创新的作用机制。
1.绿色信贷配置效率
绿色信贷的资源配置功能可以通过资产负债表的传导，对绿色企业及“两高”企业的债务融资产生影响。企业绿色信贷数据难以获取，而绿色创新更依赖于长期信贷资金支持（曹廷求等，2021）。据此，本文使用企业长期贷款净额变化（DeltaGloan），考察绿色信贷对企业可得资金变化的影响。一方面，信贷额度的增加或减少不仅反映了企业绿色信贷约束程度的变化，还反映了信贷对企业绿色创新行为的敏感度，即信贷资源的绿色化配置效率。为了检验假说2，本文借鉴宋敏等（2021）的思想，构建模型（2）进行回归分析。
其中，Ginovation表示未来1年的企业绿色创新水平，其他变量与上文一致。
表6报告了绿色信贷配置效率的检验结果。PanelA列（1）中交乘项系数显著为正，说明金融科技在一定程度上提高了信贷对企业未来绿色创新的敏感度，假说2得到验证。列（2）中交乘项系数在5%的水平上显著为正，而列（3）中仅在10%的水平上显著。这表明金融科技更能帮助银行识别未来有实质性绿色创新产出的企业并给予信贷支持。可见，金融科技不仅能帮助银行甄别有绿色创新资金需求的企业，还能发挥对绿色创新质量的鉴别作用，引导绿色信贷的高质量配置。
为了进一步探究绿色信贷在不同污染水平行业的配置效果，本文参考沈能（2012）的方法，根据企业污染属性进行了分样本回归，结果见表6中PanelB。从中可以看到，与低污染企业相比，银行信贷增加额在金融科技作用下对高污染企业的绿色创新活动更加敏感。可见，对有意愿通过绿色技术研发实现绿色转型的高污染企业来说，金融科技更能发挥识别作用，在加强银行绿色信贷贷前审查的基础上，进一步提高绿色信贷配置效率。
2.绿色投资效率
为了检验假说3，本文构建模型（3）进行回归分析。
其中，GEoii,t-1表示企业i第t−1年的绿色投资效率，其他变量与上文一致。本文重点关注系数，若显著为正，则说明金融科技提高了企业在绿色创新过程中的资金利用效率。为了测算绿色投资效率，本文根据张琦等（2019）的做法，筛选出企业“在建工程”中的环保投资明细项目并进行加总，得到当年环保投资额，然后除以年末总资产，使用这一比率来测度新增绿色投资支出。本文进一步利用模型（4）计算出企业预期投资支出，其中残差反映企业绿色投资效率（GEoi），残差的绝对值越大说明企业绿色投资效率越低。
表7结果显示，绿色投资效率与金融科技发展水平的交乘项系数对企业绿色专利、绿色发明专利和绿色实用新型专利均显著为正，表明金融科技显著提升了企业绿色资金使用效率，假说3得到验证。这可能得益于金融科技的监督作用，金融科技发展有效缓解了企业获得融资后的信息不对称问题，帮助投资者及时知晓资金去向和使用效率，提高了市场的信息透明度。
（二）异质性分析
1.地区环境规制强度
以法律、规章为代表的命令控制型环境规制对诱发和促进绿色创新发挥关键作用。而作为提高金融机构效率的手段，金融科技能否在环境规制程度高的地区更好地发挥赋能作用？为了检验这一推断，本文以各市环境规制文件数量为依据，构建了城市环境规制水平指标（ER），①然后在基准模型中引入金融科技、环境规制水平以及两者交乘项进行回归分析。表8中列（1）−列（3）报告了回归结果，交乘项系数均显著为正，表明地区金融科技发展水平能够与区域环境规制力度共同对企业绿色创新起到支持作用。在企业绿色创新研发与应用过程中，金融科技手段与环境规制并行作用，通过整合利用分散的信息，为政府及时提供企业环境信息，增强环境政策的精准性和可操作性。
2.地区金融机构数量
金融科技可以利用自身优势与传统金融机构相融合，提高金融机构经营效率。理论上，在金融机构数量多的地区，绿色信贷资源更加丰富，金融科技的赋能效果可能更加明显。为了检验这一推断，本文在模型（1）中引入金融科技与取自然对数后的各省商业银行网点数量（NET）的交互项。表8中列（4）−列（6）显示，交乘项系数均显著为正，说明金融科技对绿色创新的促进作用在金融机构数量多的地区更加明显，而且与绿色实用新型创新相比，金融科技与银行相互融合更能促进绿色发明型创新。
3.行业污染属性
根据波特假说，企业创新活动的积极程度在不同污染程度的行业中具有异质性，绿色创新活动亦然。因此，有必要探究在不同污染程度的行业中，金融科技对绿色创新活动的影响差异。本文根据企业污染属性进行分样本回归，表9结果表明，与清洁行业相比，金融科技对污染密集型行业的绿色创新具有更加明显的促进作用。这一结果无论是对绿色创新总体水平还是对绿色发明专利和绿色实用新型专利均成立，说明高污染企业能在更大程度上享受金融科技所带来的“红利”。由于金融科技具有精准识别、普惠、降低企业成本等功能，高污染企业为了享受这种待遇，倾向于对技术进行“绿色化”改造，通过各种形式的创新，逐步加速以绿色创新的方式“改头换面”，实现转型升级，促进可持续发展。
4.企业融资约束
企业融资规模和融资难易程度是制约企业研发创新的重要因素。为了探究在不同融资约束的情况下，金融科技水平对企业绿色创新的影响，本文使用SA指数来衡量企业融资约束程度，在基准模型中加入SA、Fintech以及两者交乘项进行回归分析。表10结果显示，SA×Fintech的系数均显著为正，表明金融科技对企业绿色创新的促进作用在融资约束程度高的企业中更加明显。这可以理解为金融科技发展对缺乏资金的企业来说十分重要，金融科技手段通过大量“非结构化信息”，综合判断企业信用评级，同时赋能于传统金融机构，实现对“长尾用户”绿色创新项目的直接投资，缓解其迫切的融资需求，从而促进其开展绿色创新。
五、研究结论与政策启示
企业绿色创新是提升经济绿色含量、推动经济绿色发展的重要动力，金融科技在优化现代金融体系的同时，为企业绿色转型提供了良好的资金供给和金融支撑，有助于推动企业绿色创新。本文使用2011−2018年A股上市公司数据，探究了地区金融科技对绿色创新的影响。研究发现，金融科技能够显著推动企业开展绿色创新活动，这一结论在经过一系列稳健性检验后依然成立。金融科技能在“事前”优化绿色信贷的审查过程，缓解相关企业的信贷约束，提升绿色信贷配置效率；此外，还能在“事后”增强绿色信贷的监督能力，提高企业绿色投资效率。异质性分析发现，金融科技对绿色创新的推动作用在环境规制水平较高和金融机构数量较多的地区、高污染行业以及融资约束程度较高的企业中更加明显。
为了加快金融科技与绿色金融深度融合，完善市场导向的绿色技术创新体系，推动高质量发展，本文根据研究结论提出以下政策建议：第一，完善金融科技顶层设计，为赋能绿色金融筑牢基石。第二，加强金融科技与自身业务的深度融合，优化资源绿色化配置。第三，深化金融科技基础建设，构建高质量运用体系。第四，打造包容审慎的金融科技创新监管机制，构建金融科技健康应用生态。
六、原文摘要
金融科技是我国经济社会数字化和智能化发展的重要手段。在培育经济增长新动力的导向下,金融科技对企业绿色创新有何影响？文章利用2011−2018年A股上市公司数据,探究了金融科技“赋能”对企业绿色创新的影响及其机制。研究发现,金融科技发展能够显著促进企业的绿色创新活动,主要表现为绿色专利数量的显著增加,这一结论在考虑内生性问题后依然稳健。机制分析表明,金融科技既能在“事前”提高绿色信贷配置效率,促进绿色信贷供给,又能在“事后”充分发挥监督作用,提升绿色投资效率。异质性分析发现,金融科技对绿色创新的促进作用主要集中在环境规制水平较高和金融机构数量较多的地区、高污染行业以及融资约束程度较高的企业中。因此,在新发展格局下,推动金融科技对绿色金融“赋能”,激发企业的绿色创新活力,对于实现经济高质量发展具有重要意义。
作者：
聂炜欣 中央财经大学金融学院硕士研究生
指导老师：
王 遥 中央财经大学绿色金融国际研究院院长
