引言

自改革开放以来，中国经济实现了快速发展，经济总量不断提升。但传统的粗放型发展方式也带来了空气污染等环境问题，如何平衡经济发展与环境保护之间的矛盾至关重要。党的十八大以来，党中央提出“五位一体”总体布局，并在2021年提出“2035年实现碳达峰、2060年实现碳中和”的发展目标，不断转变发展方式，坚持绿色发展。金融业是为实体经济服务的，积极响应党中央的号召，不断发展绿色金融，于2012年发布《绿色信贷指引》并制定了绿色信贷政策，以限制资金流向不利于绿色发展的“高污染、高耗能”行业，促使“高污染、高耗能”行业企业转变发展方式，实现绿色发展。

2012年至今，随着绿色信贷政策体系的不断完善，“高污染、高耗能”行业企业也在逐步降低污染物的排放，以降低企业受到的融资约束。同时，大量的“高污染、高耗能”企业将大量资金从实体投资转移到金融和房地产领域，即“脱实向虚”，虽然增加了企业的利润，但却没有改善“高污染、高耗能”生产的现状，不利于实现绿色发展。因此，本文以2008-2021年上市公司为样本，实证分析绿色信贷政策对“两高”企业金融化影响的净政策效应，尝试从企业这一微观层面探讨绿色信贷政策实施效果，是否能够引导企业资金转移到实体投资领域，并提出有利于绿色信贷政策发展和企业绿色转型的建议。

一、文献综述与理论探讨

（一）文献综述

1.绿色信贷综述

根据国内外已有文献，本文在收集和整理绿色信贷相关文献的基础上将其划分为宏观、中观和微观三个层面，并分别阐述研究现状。宏观层面，Jing-yu Liu等通过建立财务CGE模型，定量计算了绿色信贷政策的系统效应。结果表明，绿色信贷政策对高耗能企业的投资具有抑制作用，但对产业结构调整的作用相对较小，验证了惩罚性高利率在高污染、高耗能企业中的融资约束作用。杨路加采用2007-2016年30个省份的面板数据，通过主成分分析和中介效应模型实证检验绿色信贷与经济可持续增长之间的传导机制和影响效应。结果表明，绿色信贷对经济可持续增长具有正向促进作用，且产业绿色发展起到部分中介作用。中观层面，陈建华、胡莲洁基于2007-2020年商业银行财务数据，构建双重差分模型实证分析了绿色信贷对商业银行财务绩效的影响路径及其异质性影响。研究结果表明，绿色信贷对商业银行财务绩效存在直接负向和间接正向影响。微观层面，王保辉利用2011-2017年中国上市重污染企业数据，探究了绿色信贷与企业债务融资成本之间的关系。结果表明，绿色信贷政策对企业债务融资成本具有显著的正相关关系，说明绿色信贷会对高污染企业形成融资约束，促进企业转型。蔡海静、周施对绿色信贷与“两高”企业权益资本成本的关系做了研究，认为绿色信贷政策的实施会显著提升“两高”企业权益资本成本，且在发达地区和非国有企业更为明显。Shanglei Chai等利用中国重污染上市公司的数据，采用PSM-DID模型对绿色信贷政策对企业融资行为的影响做了实证分析。Qi Liu、Bin Dong从实质性创新与战略性创新的视角开展了绿色信贷政策对重污染企业绿色创新的影响研究，结果表明，绿色信贷政策对重污染企业绿色创新具有显著影响，提高了企业的整体性和战略性绿色创新。程振、赵振智、吕德胜基于2008-2020年中国A股上市企业数据，采用双重差分模型实证分析了绿色信贷政策对企业绿色创新的影响。分析结果表明，绿色信贷政策对企业绿色创新起到了正向引导作用。张劲松,鲁珊珊以《绿色信贷指引》为准自然实验，研究了绿色信贷政策对企业创新绩效的影响问题，研究结果表明绿色信贷政策可以显著提升“两高”行业企业创新绩效。宁金辉，史方研究了绿色信贷政策与企业资本结构动态调整的相关性，研究结果表明绿色信贷政策的出台显著降低了重污染企业资本结构动态调整的速度，且在国有企业中更为显著。

2.企业金融化综述

学术界有关企业金融化的研究相对较少，主要集中在企业金融化影响因素、技术创新等方面。技术创新与发展转型方面，Yingying Zhou等基于2008-2019年中国重污染行业上市公司数据，实证检验了中国重污染企业金融化对技术创新的影响，研究结果表明，重污染企业金融化对技术创新具有显著的挤出效应，不利于重污染企业的转型升级。王晓亮、梁丹阳、独正元以2015年研发费用加计扣除政策为准自然实验，采用双重差分模型实证分析研发费用加计扣除政策对实体企业金融化的影响问题，研究结果表明研发费用加计扣除政策对实体企业金融化具有显著的抑制作用，通过增加企业内部现金流缓解企业持有金融资产的“蓄水池”动机，实现了“脱虚向实”。李黎,魏文君以2011-2020年沪深A股非金融企业数据为样本，对高管薪酬差距如何影响企业金融化做了实证研究。研究发现高管薪酬差距对企业金融化具有显著的抑制作用，增强企业创新可持续性。沈睿诚、宋夏云以2009-2019年中国A股上市公司为样本，实证考察了社保基金持股对企业金融化的影响。研究发现社保基金持股对企业金融化具有显著的抑制作用，应逐步扩大社保基金的入市规模。

3.绿色信贷与企业金融化的相关性研究

目前，学术界对于绿色信贷与企业金融化的相关性研究成果较少，还未形成普遍认同的观点。Yu Zhang、Huobao Xie、Jie Li通过构建准自然实验，运用双重差分模型实证检验绿色信贷政策是否能够抑制企业金融化。研究结果表明，绿色信贷政策显著抑制了企业金融化，证明我国绿色信贷政策体系对企业金融资产的合理配置具有正向的引导作用。

现有绿色信贷的研究已经从企业融资行为和成本角度转移到企业创新等角度，但有关绿色信贷政策如何影响企业金融化的研究非常少；企业金融化影响因素的角度较多，包括宏观政策和微观行为，但没有涉及绿色信贷政策。因此，绿色信贷政策能否影响企业金融化需要进一步深入研究。综上所述，本文进一步探究绿色信贷实施效果及企业金融化影响因素，对已有文献进行补充，并为绿色信贷政策的进一步实施和引导企业“脱虚向实”提供经验证据和政策建议。

（二）理论探讨与研究假设

1.绿色信贷政策对企业金融化的影响

绿色信贷政策主要是通过政策的差异化引导资金流向，合理配置资金。在《绿色信贷指引》发布后，商业银行在向企业提供信用贷款时会将环保状况纳入审批范围。对于环保状况较差的“两高”企业，商业银行通过降低授信额度、施行惩罚性高利率等约束性措施降低其融资规模和提高融资成本，形成融资约束，迫使“两高”企业加强绿色研发投入，促进其转型发展。

企业不断增加金融资产占总资产的比重，提高企业金融化的程度，主要是出于“预防性储蓄”和“投资替代”动机。根据预防性储蓄动机，企业在满足原有生产经营所需资金且资金有剩余的情况下，会不断增加对具有较强流动性的金融资产的购置，以应对未来经济政策的各种不确定性。

由于绿色信贷政策的实施，商业银行对“两高”企业的融资规模进行了限制，形成了融资约束。企业为应对融资约束引起的资金短缺，便会将流动性较强的金融资产进行变现，以缓解企业的资金短缺情况。根据“投资替代”动机，由于金融资产相较于实物投资具有较高的收益率，企业会将闲置资金用于金融投资，以获得更高的收益。由于绿色信贷政策的实施，“两高”企业加大实体投资很可能会使环保状况进一步恶化，导致银行的信贷资金审批更加困难。同时，“两高”企业通过金融投资获得更高收益，可以平滑政策引起的利润下降的情况，维护企业形象。据此，本文提出如下假设：

2.产权性质异质性的影响

在我国实行中国特色社会主义制度这一大背景之下，企业的不同产权性质对绿色信贷政策的实施效果有着比较明显的影响。

首先，由于国有企业与非国有企业不同的产权性质，国有企业需要服从国家发展战略和宏观调控的硬性要求，也需要承担更多的社会责任。相较于非国有企业而言，国有企业在加强环境保护和绿色研发投入方面的主动性会更强，在一定程度上会缓解绿色信贷政策带来的融资约束。因此，国有企业的“预防性储蓄”动机和“投资替代”动机没有非国有企业强。

其次，由于大多数国有企业是所在地的重要经济支柱，其在融资方面更可能得到地方政府提供的隐形担保和一定程度的便利。除此之外，国有企业在持续经营能力和风险控制能力上均强于非国有企业，能从商业银行获得更多的信贷资金支持。因此，相较于非国有企业而言，国有企业有着更强的融资便利性，削弱了持有金融资产的动机。

基于以上对产权性质异质性的影响机制分析，本文提出如下假设：

二、研究设计

（一）数据来源与样本选择

为实证研究绿色信贷政策对“两高”企业金融化的影响，本文选取了2008-2021年中国A股非金融行业上市公司面板数据作为研究的初始样本。

根据双重差分模型的应用前提，本文选择“高污染、高耗能”企业作为实验组，其余企业作为对照组。其中，“高污染”企业按照原国家环境保护部2008年印发的《上市公司环保核查行业分类管理名录》进行界定，“高耗能”企业按照国家统计局发布的《2010年国民经济和社会发展公报》中的6类高耗能行业进行界定，然后按照2021年证监会发布的《上市公司行业分类指引》进行行业筛选和分类。

为了降低数据异常值和缺失值对实证分析的影响，使得研究结论更具可靠性，本文将对所选取的初始样本进行以下处理：剔除ST和*ST公司；剔除保险、金融行业上市公司；剔除AH股上市公司；剔除2011年之后上市的公司；剔除主要变量数据缺失严重的样本；对连续型变量采取前后1%的winsorize缩尾处理；最后通过Logit模型进行倾向得分匹配并删除未匹配成功的样本。

经过以上处理，本文最终获得17320个样本观测值。本文主要数据均来源于国泰安（CSMAR）经济金融研究数据库，并采用Excel和stata17.0完成数据的整理和分析工作。

（二）变量设定

1.被解释变量

本文的被解释变量是企业金融化程度（fin）。参考杜勇等的研究，本文采用金融资产占总资产的比重对企业金融化程度进行衡量。根据最新会计准则，本文所使用的金融资产包括交易性金融资产、衍生金融资产、可供出售金融资产净额、发放贷款及垫款净额、持有至到期投资净额、投资性房地产净额。企业金融化计算公式为：

2.解释变量

本文以双重差分交互项post*treat为核心解释变量，交互项系数表示绿色信贷政策对“两高”企业金融化的影响程度。若系数为正，则绿色信贷政策提高了“两高”企业的金融化程度；若系数为负，则绿色信贷政策抑制了“两高”企业的金融化程度。交互项由政策虚拟变量（post）和分组虚拟变量（treat）构成。其中，政策虚拟变量post表示政策执行时间，本文参考以往研究，以2012年《绿色信贷指引》的印发为界限，2012年及以后post取值为1，否则取值为0；分组虚拟变量treat表示该企业是否为“两高”企业，若是则treat取1，反之取0。

3.控制变量

根据已有研究成果，本文认为公司特征和公司治理是影响企业金融化的重要因素。参考王晓亮等、杨兰品等的研究，本文选取企业规模（size）、资产负债率（lev）、流动资产周转率（asse）、企业盈利能力（roe）、固定资产占比（tangi）、企业现金流（cfo）、企业成长性（tobinQ）、两职合一（dual）、高管持股比例（execu）、第一大股东持股比例（top1）作为控制变量。

（三）模型设定

本文参考王晓亮等、宁金辉等的研究，本文采用双重差分模型和固定效应模型，具体模型设定如下：

其中，表示第i个企业第j年的金融化程度，值越大则企业金融化程度越高。回归系数表示相比与其他行业，绿色信贷政策对“两高”企业金融化的净效应，系数为正，则表明绿色信贷政策对“两高”企业金融化具有促进作用，反之则有抑制作用。除此之外，考虑到不随时间和个体变化的企业特征因素，本文对个体固定效应和年份固定效应进行了控制。

三、实证分析

（一）描述性统计分析

根据表1的描述性统计分析结果，fin的均值为0.0809，说明企业的金融资产占总资产的比重平均为8.09%；最小值为0.0001，最大值为0.5740，标准差为0.1090，说明企业的金融化程度存在着比较大的差异；中位数为0.0392，说明有较多的企业金融化程度在合理范围之内。Treat是表示受到绿色信贷政策冲击的分组虚拟变量，其平均值为0.3230，说明“高污染、高耗能”企业在所有企业中占32.3%。其余变量的统计分析与已有研究基本一致，属于企业特征的正常范围。

变量	观测值	平均值	最小值	中位数	最大值	标准差
fin	17320	0.0809	0.0001	0.0392	0.5740	0.1090
treat	17320	0.3230	0.0000	0.0000	1.0000	0.4680
size	17320	22.2500	19.5700	22.1400	25.7000	1.2480
lev	17320	0.4650	0.0560	0.4640	0.9790	0.2140
asse	17320	1.3540	0.1000	1.0880	6.0060	1.0440
tangi	17320	0.2190	0.0016	0.1850	0.6980	0.1650
roe	17320	0.0538	-0.7800	0.0647	0.3920	0.1520
cfo	17320	0.0430	-0.1860	0.0420	0.2460	0.0727
tobinQ	17320	2.0950	0.8570	1.5870	10.8400	1.5610
dual	17320	0.2540	0.0000	0.0000	1.0000	0.4350
execu	17320	0.0434	0.0000	0.0001	0.5440	0.1080
top1	17320	33.1000	8.2300	30.5300	72.2200	14.5000
soe	17320	0.4480	0.0000	0.0000	1.0000	0.4970

（二）回归结果分析

为了提高绿色信贷政策对“两高”企业金融化实证检验的稳健性，本文在控制时间固定效应和个体固定效应后对模型进行逐步回归，对假设H1进行检验。回归结果如表2所示。

在表2中，列（1）所示为未加入控制变量的政策交互项post*treat的回归结果，其系数为0.018，t检验统计量为5.78，在1%的置信水平上显著为正，说明了绿色信贷政策对“两高”企业金融化有促进作用。列2所示为加入了表示企业财务特征的控制变量的回归结果，post*treat系数为0.013，t检验统计量为2.88，在1%的置信水平上显著为正。列3所示为继续加入表示企业治理层面的控制变量的回归结果，post*treat系数为0.013，t检验统计量为2.90，在1%的置信水平上显著为正。在经过逐步回归后，post*treat系数在1%的置信水平上显著为正，最终说明绿色信贷政策显著提高了“两高”企业的金融化程度，验证了假设H1。

变量	（1）	（2）	（3）
Post*treat	0.018***	0.013***	0.013***
	(5.78)	(2.88)	(2.90)
size		-0.021***	-0.021***
		(-6.79)	(-6.91)
tangi		-0.120***	-0.122***
		(-8.89)	(-9.09)
lev		-0.010	-0.014
		(-1.11)	(-1.53)
asse		0.005***	0.004***
		(2.88)	(2.59)
roe		-0.013**	-0.012**
		(-2.43)	(-2.25)
cfo		-0.009	-0.009
		(-0.83)	(-0.82)
tobinQ		0.001	-0.000
		(0.28)	(-0.26)
dual			-0.006**
			(-2.52)
execu			-0.090***
			(-5.95)
top1			-0.000**
			(-1.97)
Constant	0.077***	-6.727***	-6.163***
	(101.83)	(-7.46)	(-6.75)
Observations	18655	18655	18655
R-squared	0.005	0.076	0.083
Company FE	YES	YES	YES
Year FE	YES	YES	YES

注：括号中的数值为t值，*、**、***分别表示模型估计系数在10%、5%以及1%的置信水平上显著，下同。

（三）产权性质异质性分析

根据前述理论分析和描述性统计分析结果，本文认为产权性质的异质性会对绿色信贷政策的实施效果产生影响。为实证检验假设H2，本文根据产权性质将总样本分为国有企业和非国有企业两组，并分别采用双重差分模型进行实证分析。回归结果如表3所示。

在表3中，列1所示为国有企业样本的回归结果，其post*treat系数为0.012，t检验统计量为2.05，在5%的置信水平上显著为正，说明绿色信贷政策显著提高了国有“两高”行业企业金融化程度。列2所示为非国有企业样本的回归结果，其post*treat系数为0.019，t检验统计量为2.86，在1%的置信水平上显著为正，同样说明绿色信贷政策会显著提高非国有“两高”行业企业的金融化程度。

根据上述结果，由于非国有企业的回归系数和t检验统计量更大，则绿色信贷政策对非国有“两高”行业企业金融化程度的正向影响更大且更显著，验证了假设H2。

变量	国有企业	非国有企业
Post*treat	0.012**	0.019***
	(2.05)	(2.86)
size	-0.026***	-0.017***
	(-5.77)	(-4.04)
tangi	-0.116***	-0.126***
	(-5.99)	(-6.74)
lev	-0.030**	0.001
	(-2.22)	(0.02)
asse	0.006***	0.002
	(3.27)	(0.82)
roe	-0.008	-0.005
	(-1.07)	(-0.80)
cfo	-0.013	-0.006
	(-0.81)	(-0.41)
tobinQ	-0.001	0.001
	(-0.47)	(0.47)
dual	-0.005	-0.006
	(-1.29)	(-1.63)
execu	-0.402***	-0.063***
	(-2.69)	(-3.74)
top1	0.000	-0.000*
	(0.00)	(-1.67)
Constant	-6.131***	-6.178***
	(-5.06)	(-4.21)
Observations	8360	10295
R-squared	0.082	0.097
Company FE	YES	YES
Year FE	YES	YES

（四）稳健性检验

由于本文样本可能存在选择性偏差问题，实验组和对照组的企业特征可能具有显著性差异。为了使实验组和对照组的企业具有相似的特征，回归结果更为稳健，本文使用Logit模型对样本进行倾向得分匹配，采用k卡尺最近邻方法在0.1半径范围内进行1：2匹配。在进行倾向得分匹配后，本文再次采用双重差分模型对完成匹配后的数据进行回归，以此检验结果的稳健性。如表4所示，列（1）为只有政策虚拟变量和分组虚拟变量的交互项回归结果，post*treat系数为0.018，t检验统计量为5.79，在1%的置信水平上显著；列（2）为加入企业财务特征变量后的回归结果，交互项post*treat系数为0.012，在1%的置信水平上显著；列（3）为加入表示企业治理的控制变量后的回归结果，交互项post*treat系数为0.012，t检验统计量为2.87，仍在1%的置信水平上显著。以上结果表明，绿色信贷政策对“两高”企业金融化仍具有正向影响作用，符合H1假设。

变量	（1）	（2）	（3）
post*treat	0.018***	0.012***	0.012***
	(5.79)	(2.84)	(2.87)
size		-0.021***	-0.021***
		(-6.78)	(-6.91)
tangi		-0.119***	-0.121***
		(-8.88)	(-9.08)
lev		-0.011	-0.015
		(-1.20)	(-1.63)
asse		0.005***	0.004***
		(3.05)	(2.75)
roe		-0.013**	-0.012**
		(-2.46)	(-2.29)
cfo		-0.009	-0.009
		(-0.85)	(-0.84)
tobinQ		0.001	-0.001
		(0.35)	(-0.19)
dual			0.007**
			(2.55)
execu			-0.090***
			(-5.94)
top1			-0.001*
			(-1.93)
Constant	0.077***	-6.702***	-6.156***
	(101.76)	(-7.42)	(-6.73)
Observations	18644	18644	18644
R-squared	0.005	0.076	0.083
Company FE	YES	YES	YES
Year FE	YES	YES	YES

四、结论及建议

（一）结论

本文收集和整理2008-2021年中国A股非金融行业上市公司面板数据，从企业金融化角度实证研究了绿色信贷政策在企业微观层面的净效应。并根据产权性质的不同将研究样本划分为国有和非国有两组，再次采用双重差分模型实证研究产权性质异质性对绿色信贷政策实施效果的影响。在对回归结果进行稳健性检验之后，本文得出如下研究结论。

第一，绿色信贷政策显著提高了“两高”企业金融化程度。《绿色信贷指引》发布后，商业银行在发放贷款前会将企业的环保表现作为授信审批的重要内容之一，对“两高”企业的融资产生了一定的约束效应，使得“两高”企业不得不寻求替代性融资方式以满足企业生产经营的资金需求，因此，“两高”企业的金融资产不断增加，金融化程度不断加深。

第二，绿色信贷政策对“两高”企业金融化的影响存在着较为显著的产权异质性。研究结果表明，由于产权性质的不同，国有和非国有“两高”企业受到绿色信贷政策的约束程度存在着显著的差异。具体而言，非国有“两高”企业受绿色信贷政策的约束更强，说明绿色信贷政策的实施效应存在着非对称性，在企业中的实际效果收到了局限。

（二）建议

基于以上的研究结论，本文将从政府、商业银行、企业这三个角度提出相关的建议。第一，政府在完善绿色信贷政策体系时要让政策的实施因主体而异。国有企业和非国有企业具有不同的产权性质，对政策的实施产生显著的影响，因此政府继续完善政策，尽量消除政策效应在产权性质上的不对称性。第二，商业银行应该加大对“两高”企业贷款目的的了解，既要限制“两高”行业以盲目扩张为目的的融资需求，又要为“两高”企业加大绿色研发投入、开展绿色项目以及实现绿色发展提供资金保障，降低企业增持金融资产的“预防性储蓄”动机，引导企业资金转向实体投资，实现“脱虚向实”，实现社会经济的可持续发展。第三，企业应合理配置金融资产占总资产的比例，推动自身“脱虚向实”。由于绿色信贷政策的影响，“两高”企业的信贷资金来源受到了限制，不得不采取替代性融资方式。但企业应该理清增持金融资产的动机，合理的“预防性储蓄”动机和“投资替代”动机有利于降低企业财务风险，反之则会导致企业过度金融化，实体投资被抑制，走向“脱实向虚”，不利于企业自身和社会经济的发展。

参考文献：

1. [1] Jing-yu L, Yan X, Ying F, et al Assessment of a green credit policy aimed at energy-intensive industries in China based on a financial CGE model[J].Journal of cleaner production,2017,163:293-302.
2. [2] 杨路加.绿色信贷与经济可持续增长——基于产业绿色发展的中介效应的研究[J].全国流通经济,2022(36):129-132.
3. [3] 陈建华,胡莲洁.绿色信贷发展对商业银行财务绩效影响的实证研究[J].财经理论与实践,2022,43(04):89-95
4. [4] 王保辉.绿色信贷、企业社会责任披露与债务融资成本——基于2011—2017年A股上市重污染企业的实证研究[J].金融理论与实践,2019(07):47-54.
5. [5] 蔡海静,周施.绿色信贷政策与“两高”企业权益资本成本[J].财会月刊,2022(03):51-60.
6. [6] Chai S, Zhang K, Wei W, et al. The impact of green credit policy on enterprises’ financing behavior:Evidence from Chinese heavily-polluting listed companies[J].Journal of cleaner production,2022,363:132458.
7. [7] Liu Q, Dong B. How does China’s green credit policy affect the green innovation of heavily polluting enterprises? The perspective of substantive and strategic innovations[J].Environmental science and pollution research,2022,29:77113–77130.
8. [8] 程振,赵振智,吕德胜.绿色信贷、企业风险承担与企业绿色创新——“波特效应”的中国证据[J].技术经济与管理研究,2022(10):68-74.
9. [9] 张劲松,鲁珊珊.绿色信贷政策对企业创新绩效的影响[J].统计与决策,2022,38(07):179-183.
10. [10] 宁金辉,史方.绿色信贷政策与资本结构动态调整[J].财会月刊,2021(21):44-53.
11. [11] Zhou Y, Du Y, Lei F, et al. Influence of financialization of heavily polluting enterprises on technological innovation under the background of environmental pollution control[J].International journal of environmental research and public health,2021,18(24):13330-13330
12. [12] 王晓亮,梁丹阳,独正元.研发费用加计扣除政策能够抑制实体企业金融化吗?[J].现代财经(天津财经大学学报),2023,43(02):54-74.
13. [13] 李黎,魏文君.高管薪酬差距与企业金融化——异质性特征、机制检验与经济后果[J].财会通讯,2023(02):49-56.
14. [14] 沈睿诚,宋夏云.社保基金持股与企业金融化[J].财经论丛,2023(02):68-79.
15. [15] 杜勇,张欢,陈建英.金融化对实体企业未来主业发展的影响:促进还是抑制[J].中国工业经济,2017(12):113-131.
16. [16] 杨兰品,冀泽辉,胡凯.增值税税率改革能否抑制实体企业金融化——基于多期DID的经验证据[J].财会月刊,2023,44(05):13-20.