2023年第8期 WUHAN

FINANCE

一、引言

当前，中国正经历百年未有之大变局。疫情迭

代、气候变化以及贸易摩擦都对宏观经济环境产生

了巨大冲击，企业赖以生存的传统商业模式与发展

途径都受到了严重破坏，不仅很多中小企业受资源

束缚而相继倒闭，不少具有资源优势的行业领先企

业也因难以克服这些困境而处于破产的边缘[1，2]

。

在这种环境下，企业的组织韧性，即抵抗风险、在经

历挫折后的恢复和发展能力成为企业的核心能力之

一。企业能否形成组织韧性并突破困境获得成长，

成为企业生存和实现可持续发展的关键。因此，探

究组织韧性的构建路径与作用机制成为学界和实业

界亟待解决的议题。

ESG（环境、社会和治理）关注企业环境（Envi‐

ronment）、社会（Social）和公司治理（Governance）三

个方面的表现，是一种评价企业可持续发展的方法

论[3]

。2015 年，十八届五中全会确立了社会经济发

展要坚持“创新、协调、绿色、开放、共享”的高质量可

持续发展理念。为助力人类社会实现可持续发展，

企业应积极履行 ESG 责任，致力于环境保护、承担

社会责任与提高公司治理水平[4]

。ESG理念与企业

可持续发展战略不谋而合，与国家整体发展战略转

型相契合，因而受到了市场的广泛关注。2018 年，

《上市公司治理准则》发布，确立了A股上市企业进

行ESG信息披露的基本框架；2020年，《关于构建现

代环境治理体系的指导意见》发布，明确要建立健全

环境治理的企业责任体系；同年，《中国ESG发展白

皮书》发布，提出倡导责任投资理念，助力企业进行

ESG实践发展，进而推动企业和社会实现可持续发

展。2021年，国际财务报告准则基金会宣布创办了

国际可持续发展准则理事会（ISSB），其目的是根据

全球范围内的投资者需求和利益相关者期望，制定

一套全面的可持续性信息披露标准，并要求企业公

开其环境治理信息。2022 年，国务院国资委发布

《提高央企控股上市公司质量工作方案》，提出力争

到 2023 年，央企控股上市公司 ESG 专项报告披露

“全覆盖”。二十大报告同样指出必须牢固树立和践

行绿水青山就是金山银山的理念，站在人与自然和

谐共生的高度谋划发展。在政策的不断推进下，符

摘 要：本文以 2009—2020 年沪深 A 股上市公司作为研究样本，对 ESG 表现与组织韧性间的关系进行研究。研究发现：ESG 表现可以

助力企业构建组织韧性，并且机构投资者在其中起到中介作用。其中，长期主义型机构投资者通过“用手投票”“信息传递”“稳健资本”等

方式助力 ESG 表现构建组织韧性，其影响大于短期主义型机构投资者。通过异质性分析发现：与国有控股企业相比，非国有控股企业 ESG

表现对组织韧性的促进作用更强；与大企业相比，中小企业 ESG 表现对组织韧性的促进作用更强。研究结果对促进企业关注自身 ESG 表

现，构建组织韧性，推动企业和社会的可持续高质量发展具有一定的参考价值。

关键词：绿色发展；组织韧性；ESG；机构投资者；长期主义

中图分类号：F832.5 文献标识码：A 文章编号：1009-3540（2023）08-0050-0009

基金项目：国家社会科学基金“‘脱贫攻坚衔接乡村振兴政策落实的靶向式’审计研究”（21BGL093）。

■ 刘成 徐向真

作者简介：刘成（通讯作者）（1999—），男，济南大学商学院硕士研究生； 徐向真（1975—），女，博士，济南大学商学院教授。

企业ESG表现、

机构投资者与组织韧性

50

合中国国情特色的ESG评级、ESG基金、ESG研究等

应运而生，助推了ESG投资策略在国内落地。随着

国内ESG投资步入发展快车道，企业ESG表现能否

成为减少企业潜在风险、提升企业投资价值、促进企

业可持续发展的有效指标，引发了学术界的广泛关

注和探讨。

投资者导向是 ESG 区别于企业社会责任等相

近概念的显著特点之一[3，4]

。相较于个人投资者而

言，机构投资者具有更强的信息获取与信息处理能

力、更丰富的投资经验和专业知识，可以更好地分析

和理解市场变化和趋势，从而更加精准地制定投资

策略，同时也对市场有更大的影响力[5]

。机构投资

者参与公司治理的动机和能力，取决于他们自身的

不同倾向或特征。这也就意味着，机构投资者对公

司所产生的影响，会随着其自身类型的不同而有所

差异，机构投资者参与公司治理的效果不能够一概

而论[6]

。如果机构投资者长期持股意向较高，则可

能会更注重公司长远发展，更加注重使用“用手投

票”的方式参与公司的治理，目的是实现企业的可持

续发展。而如果机构投资者更加注重短期获利，则

更可能通过股票买卖获取短期投资利益，更加偏向

于“用脚投票”的方式对企业短期行为产生影响。目

前，尚未有文献以机构投资者为视角考察企业ESG

表现对组织韧性的影响，这为本文的研究提供了一

个良好的契机，因此，本文尝试探究长期主义型机构

投资者和短期主义型机构投资者对企业的异质性影

响，着重关注长期主义型投资者影响发挥的路径和

方法。

本文在此背景下对企业 ESG 表现和组织韧性

关系进行研究，基于机构投资者视角，选取 2009—

2020年沪深A股的上市公司作为研究样本，通过实

证检验对 ESG 表现与组织韧性的相互影响进行探

索。本文可能的贡献在于：一是从企业ESG表现的

角度考虑组织韧性构建方法和途径，为企业构建组

织韧性提供理论和数据支持，也在一定程度上拓展

了企业 ESG 表现的微观经济后果的相关研究。二

是引入机构投资者要素，从机构投资者长期与短期

倾向的角度，研究不同类型机构投资者对企业影响

的差异，验证了长期主义型机构投资者具有ESG偏

好，并发现 ESG 通过长期主义型机构投资者“用手

投票”“信息传递”“稳健资本”三种方式促进组织韧

性的构建。

二、假设提出

（一）ESG表现对组织韧性的影响

根据企业可持续发展理论，在企业的生产经营

过程中，应综合考虑其短期和长期利益，平衡环境、

社会和公司治理的关系，把握当前机遇的同时，注意

未来发展的可持续性。组织韧性不仅受企业管理者

特征、组织特质、社会关系等“软要素”的影响，也受

企业的战略、架构、资源等“硬要素”的影响[7]

。部分

学者认为ESG是负责任投资的一种形式，是一种考

虑环境、社会和治理问题的评估技术[8]

，经济主体从

环境、社会责任和公司治理三方面综合考虑的投资

策略，是广义的责任投资策略[4]

，作为一种企业战略

的“硬要素”来影响企业的组织韧性[9]

。部分学者将

ESG作为一种方法论[3]

，认为ESG因素有助于效率、

产出、长期风险管理和运营改进[10]

，注重并践行ESG

理念，可表明一家公司是可持续发展的，ESG通过负

责任的运营为社会和利益相关者增加价值，作为一

种“软要素”促进企业的组织韧性[7]

。

ESG作为可持续发展的重要组成，是提高企业

组织韧性的重要手段之一。具体来看：一方面，ESG

表现有助于企业从预期视角构建组织韧性。企业关

注其ESG表现可以提高企业的合规性，减少企业可

能存在的违法违规风险。在环境方面，企业如果在

生产过程中违反了国家的环保法规，可能面临罚款、

停产整顿等惩罚。经营活动中对周边环境造成污染

或者破坏，企业需要承担相应的环境修复责任，并且

可能会面临行政处罚或民事赔偿等法律后果。关注

ESG表现的企业可以采取节能减排、资源循环利用

等策略来降低环保监管等因素带来的风险。在社会

方面，企业如果在雇佣员工、支付工资、保障职工权

益等方面违反了相关的劳动法规，将会受到相应的

处罚和赔偿。企业所涉及的行业与工作环境可能存

在一定的安全风险时，例如存在发生职业病或危害

事故的风险，企业也将需要承担相应的责任。关注

ESG表现的企业可以加强员工福利和安全措施，减

少劳动纠纷和声誉损失等风险。在治理方面，企业

内部可能存在疏漏或腐败问题，如虚假财务报告、不

当利益输送等，关注ESG表现的企业可以通过建立

健全的内部控制和透明度机制，避免腐败等问题。

通过以上途径防止企业因为法律风险升级成为企业

全面危机，影响企业生存[11]

。

绿色经济 Green Economy

51

2023年第8期 WUHAN

FINANCE

另一方面，ESG表现有助于企业从防御视角构

建组织韧性，即提高企业忍受挫折并从挫折中反弹

的能力[12]

，从而构建组织韧性。企业关注社会环境，

能够为当地政府、社区、居民等利益相关者提供便

利，具有很强的正外部性，与政府、社区居民等互惠

互利，共同推动社会与企业的可持续发展[13]

。此外，

关注环境还可以促进企业进行绿色创新，提高其核

心竞争力[14]

。在社会方面，企业可以加强与员工、客

户和公众之间的沟通和互动，切实关注员工的需求，

增强员工的工作满意度和忠诚度，从而提高企业遭

遇风险、经历低谷时的抵御恢复能力。在治理方面，

企业可以加强与股东和监管机构之间的互动和沟

通，加强内部监管和透明度，可提高企业信任度和声

誉[15]

，降低因负面传闻对企业产生的负面影响[16]

。

基于以上分析，本文提出如下研究假设：

H1：ESG表现对企业构建组织韧性有促进作用。

（二）ESG表现、机构投资者与组织韧性

现有研究表明，投资者具有明显的ESG偏好[14]

。

相较于个人投资者，机构投资者凭借其更为丰富的

投资知识、更为强大的情报收集网络、更为庞大的货

币资金量，在我国投资市场中起到极为重要的作用[17]

。

一方面，ESG被认为是实现公司可持续增长的必要

手段，为机构投资者提供企业相关的财务风险、商业

和投资决策的指标，而机构投资者会对企业公布的

指标进行分析，再进行理智的投资。另一方面，可以

为企业带来更多的资源[18]

，从而提高组织韧性。相

较于企业来说，机构投资者对政策法规可能更加敏

感，具有更强的分析能力，可以帮助企业快速降低违

规风险[19]

。此外，机构投资者往往会同时投资多家

企业，机构投资者的持股可以促进共同投资企业的

互惠互利。长期来看，ESG表现不仅可以提高企业

的财务绩效[20，21]

与企业价值[22]

，还可以提高企业创新

绩效[23]

。

机构投资者类型不同，对企业的影响不同。按

照投资企业的目的，机构投资者可以分为两类：长期

主义型机构投资者与短期主义型机构投资者[24]

。长

期主义型机构投资者注重公司长远发展，通过企业

的成长和发展进行获利。而短期主义型机构投资者

是出于短期交易目的，通过对股价短期内价格变动

而从中获利。具有良好 ESG 表现的企业通过向社

会披露自身的环境社会公司治理等方面的信息，表

现出自身具备可持续发展的潜力，这样的企业往往

会受到长期主义型机构投资者的青睐。而短期主义

型机构投资者可能更加关注公司短期的获利情况，

对企业 ESG 表现的关注局限于对短期绩效的影

响。关于长期主义型机构投资者对组织韧性的影

响：一方面，长期主义型机构投资者也往往对参与公

司治理的意向更高，通过在公司股东大会上行使其

所拥有股票的投票权，使用“用手投票”参与公司的

治理，同时投资机构自身强大的信息搜集和处理能

力，也会扩大“用手投票”的影响力，帮助企业进行风

险管理，从而动态促进企业构建组织韧性。另一方

面，相较于个人投资者和短期主义型机构投资者，长

期主义型机构投资者所带来的资金稳定性更高，因

为短期业绩不佳等原因撤资的可能性较小，其所带

来的“稳健资本”在静态的方面提高了对风险的抵御

能力[25]

。

基于以上分析，本文提出如下研究假设：

H2：机构投资者在ESG表现对促进企业构建组

织韧性中起到中介作用。

H3：相较于短期主义型机构投资者，长期主义

型机构投资者对 ESG 表现与组织韧性关系的影响

更明显。

三、研究设计

（一）样本选取与数据来源

本文选取 2009—2020 年沪深 A 股上市公司为

研究样本。为确保结果的准确性，剔除如下样本：

（1）研究时间范围内被ST和*ST的样本；（2）金融保

险类样本；（3）缺少相关变量的样本。最终得到

3675个研究样本，共28896个观测值。本文所使用

的基础数据均来源于国泰安CSMAR数据库和Wind

数据库。本文采用Excel与Stata17.0进行数据处理

和回归，为了控制极端值的影响，本文对所有连续变

量数据进行了上下1%的缩尾处理。

（二）变量定义

1.被解释变量：组织韧性（OF）。目前对组织韧

性的测量大致分为两类：第一类是直接测量方法。

学者们根据组织韧性的概念定义和基本特征设计相

应的测验，构建多维度的测量量表。第二类是间接

测量方法。在公开的财务数据中筛选出所需的指

标，并运用合适的评价方法和模型进行间接测算。

为了避免主观因素的影响和易于操作，选取间接测

量的方式对组织韧性进行测度，借鉴Ortiz-de-Man‐

52

doJana[11]

的做法，将组织韧性分为低财务波动（Vola‐

tility）和高长期绩效增长（Growth）两个部分，用熵权

法测算综合得分（OF）。其中，低财务波动采用一年

内各月股票收益的标准差，高长期绩效增长采用三

年内累计销售收入增长额。

2.解释变量：ESG 表现（ESG）。本文使用华证

ESG评价体系来构建ESG变量指标。借鉴柳学信等[26]

的方法，通过赋值法将ESG评级从高到低依次赋值

为 9 至 1，即评级为 AAA 时 ESG 表现为 9，评级为 C

时ESG表现为1。

3.中介变量：机构投资者（IO）。本文选择机构

投资者持股数量与总股数之比来衡量机构投资者持

股比例。此外，借鉴刘京军等[24]

衡量长期主义型

（LIO）和短期主义型机构投资者（SIO）的方法。具

体计算方法如下：

首先，计算出每个机构买入和卖出的股票总资产。

CR_Buyk,t =∑i = 1

N

| S | k,i,tPi,t - Sk,i,t - 1Pi,t - 1 - Sk,i,t - 1ΔPi,t

(Sk,i,t ≥ Sk,i,t - 1)

（1）

CR_Sellk,t =∑i = 1

N

| S | k,i,tPi,t - Sk,i,t - 1Pi,t - 1 - Sk,i,t - 1ΔPi,t

(Sk,i,t ≥ Sk,i,t - 1)

（2）

其中，Sk,i,t 和 Sk,i,t-1 是机构k所持i公司股票在t

和 t-1 时刻的股数，Pi,t 和 Pi,t-1 是机构 k 所持 i 公司

股票在 t 和 t-1 时刻的价格，ΔPi,t 是机构 k 所持 i 公

司股票在t时刻的价格相对于t-1时刻的变化。

其次，计算出过去两年（四个半年度）机构投资

者的平均换手率（AVR_CRk,t）。

CRk,t = 2 min(CR_Buyk,t

,CR_Sellk,t

)

∑i = 1

Nk

Sk,i,tPi,t + Sk,i,tPi,t - 1

（3）

AVR_CRk,t = 1

4∑j = 0

3

CRk,i - j （4）

最后，根据每期平均换手率，将机构投资者按换

手率大小排序，并分为三组。换手率较大的一组机

构投资者被定义为短期投资者，换手率较小的一组

机构投资者被定义为长期投资者。对于每只股票，

计算其机构投资者类型的长期和短期持股比例。即

每期短期投资者持有该股票的总股数占流通股总数

的比例表示为短期机构投资者持股比例（SIO），并同

样计算长期机构投资者持股比例（LIO）。

4.控制变量。参考以往文献，本文选取资产负

债率（Lev）、独立董事比例（Indep）、公司成立年限

（FirmAge）、股权制衡度（Balance）、大股东资金占用

（Occupy）作为控制变量，同时引入个体固定效应

（Firm）和年份固定效应（Year）。主要变量定义见

表1。

表1 主要变量定义

变量类型

被解释

变量

解释变量

中介变量

控制变量

变量名称

组织韧性

ESG表现

机构投资者

长期主义型

机构投资者

短期主义型

机构投资者

资产负债率

独立董事比例

公司成立年限

股权制衡度

大股东资金占用

符号

OF

ESG

IO

LIO

SIO

Lev

Indep

FirmAge

Balance

Occupy

定义

由低财务波动和高长期绩效增长两个

方面熵权法测算综合值，为了便于观

察，将测算值乘以100

华证ESG评价体系赋值1~9，取每年

平均值

机构投资者持股占总流通股的比例

长期机构投资者持有比例

短期机构投资者持有比例

期末总负债/期末总资产

独立董事/董事人数

ln(当年年份-公司成立年份+1)

第二到第五位大股东持股比例之和/

第一大股东持股比例

其他应收款/总资产

（三）模型构建

首先，为验证ESG表现对企业构建组织韧性的

促进作用，即假设H1，构建线性回归模型（5）：

OFi,t = α0 + α1ESGi,t +∑Controls + Firmi,t +

Yeari,t + εi,t

（5）

其中，下标 i 代表公司，t 代表时间，α0 是常数

项，εi,t 是误差项，Firm和Year分别表示个体固定效

应和时间固定效应。

其次，为验证机构投资者的中介作用，即假设

H2，参考温忠麟等[27]

和江艇[28]

的研究，构建线性回归

模型（6）和模型（7）：

IOi,t = β0 + β1ESGi,t +∑Controls + Firmi,t +

Yeari,t + εi,t

（6）

OFi,t = γ0 + γ1ESGi,t + γ2 IOi,t +∑Controls +

Firmi,t + Yeari,t + εi,t

（7）

最后，为检验不同类型机构投资者的影响，即假

设H3，构建线性回归模型（8）：

LIOi,t

(SIO)= δ0 + δ1ESGi,t +∑Controls +

Firmi,t + Yeari,t + εi,t

（8）

（四）描述性统计

表2给出了主要变量的描述性统计。组织韧性

绿色经济 Green Economy

53

2023年第8期 WUHAN

FINANCE

（OF）均 值 为 88.721，最 小 值 为 2.655，最 大 值 为

99.756，表明不同上市公司的组织韧性存在较大差

异，组织韧性具有很大提升空间。ESG 表现（ESG）

中位数为6，均值为6.495，最小值为1，最大值为9，

表明不同上市公司ESG表现存在很大差距，且半数

以上企业未达到平均水平。机构投资者（IO）均值为

0.393，中位数为 0.398，从持股比例上看，机构投资

者对企业影响水平较高。此外，财务杠杆率（Lev）、

独立董事比例（Indep）、公司成立年限（FirmAge）、股

权制衡度（Balance）、大股东资金占用（Occupy）等控

制变量的统计结果均与以往研究相近。

表2 主要变量的描述性统计

变量

OF

ESG

IO

Lev

Indep

FirmAge

Balance

Occupy

样本量

28,896

28,896

28,896

28,896

28,896

28,896

28,896

28,896

均值

88.721

6.495

0.393

0.433

0.375

2.840

0.714

0.017

标准差

6.142

1.104

0.236

0.207

0.0559

0.366

0.618

0.032

中位数

89.741

6

0.398

0.427

0.333

2.890

0.542

0.008

最小值

2.655

1

0

0.007

0.091

0.693

0

0

最大值

99.756

9

3.267

1.352

0.800

4.143

4.000

0.726

（五）相关性分析

表 3 给出了对主要变量进行的 Pearson 相关性

检验。由表3可知，组织韧性、ESG表现和机构投资

者在1%的水平上显著正相关。此外，控制变量之间

的相关系数大部分小于0.3，一定程度上反映了本文

的实证模型不存在严重的多重共线性问题。

四、实证结果分析

（一）ESG表现与组织韧性

本文选择个体和时间双向固定效应模型进行回

归分析。表 4（1）列是模型（5）的回归结果，ESG 表

现对组织韧性存在正向影响，二者的回归系数为

0.145，在1%的水平上显著，支持了ESG表现可以在

动态和静态方面促进组织韧性的构建，假设H1得到

验证，即企业关注 ESG 可以预防企业违规的风险，

提高企业忍受风险的能力，进而构建组织韧性。

表4 ESG表现、机构投资者与组织韧性

变量

ESG

IO

Lev

Indep

FirmAge

Balance

Occupy

个体固定效应

年份固定效应

_cons

N

R2

Sobel Z

（P value）

（1）

OF

0.145***

(7.05)

-0.467***

(-3.23)

-0.777*

(-1.95)

0.113

(0.50)

-0.079

(-1.61)

-1.549**

(-2.16)

YES

YES

80.233***

(137.96)

28,896

0.885

2.778***

0.005

（2）

IO

0.008***

(4.24)

0.041***

(3.01)

-0.065

(-1.64)

0.028

(1.01)

0.049***

(8.85)

-0.111*

(2.90)

YES

YES

0.162**

(2.26)

28,896

0.055

（3）

OF

0.142***

(6.92)

0.437***

(4.17)

-0.484***

(-3.36)

-0.748*

(-1.88)

0.100

(0.45)

-0.100**

(-2.04)

-1.501**

(-2.13)

YES

YES

80.162***

(137.92)

28,896

0.885

（4）

LIO

0.058***

(2.66)

-0.431**

(-2.57)

0.227

(0.53)

-0.639**

(-1.99)

0.506***

(8.33)

-0.003

(-0.00)

YES

YES

3.248***

(4.02)

28,896

0.050

（5）

SIO

-0.005

(-0.18)

-0.687***

(-2.95)

0.454

(0.74)

-2.329***

(-4.68)

0.485***

(5.88)

-1.738*

(-1.84)

YES

YES

8.683***

(6.92)

28,896

0.090

注：∗∗∗、∗∗和∗分别表示1%、5%和10%的显著性水平；括号中为稳

健性标准误计算的t值。下表同。

（二）ESG表现、机构投资者与组织韧性

为了进一步检验 ESG 表现与组织韧性的作用

机制，本文引入了机构投资者作为中介变量，通过逐

步回归法进行中介机制的检验。表 4

（2）列为模型（6）的回归结果，结果表明

ESG表现可以吸引机构投资者持股。结

合（1）列可知，模型（5）和模型（6）同时成

立，中介效应的基础条件成立。表4（3）

列为模型（7）的回归结果，结果表明组织

韧性与机构投资者和 ESG 表现的关系

同时成立，系数分别为0.142（小于基准

回归系数）和0.437，均在1%的水平上显

著，且经过Sobel检验，Z值为2.778，p值

表3 主要变量的相关性分析

变量

OF

ESG

IO

Lev

Indep

FirmAge

Balance

Occupy

OF

1.000

0.062***

0.077***

0.037

0.006

0.100***

-0.001

-0.014**

ESG

1.000

0.250***

0.091***

-0.007

0.067***

-0.070***

-0.029***

IO

1.000

0.204***

-0.044***

0.108***

-0.167***

-0.002***

Lev

1.000

-0.001*

0.157***

-0.134***

0.208***

Indep

1.000

-0.062

-0.022***

0.024***

FirmAge

1.000

-0.007

0.071***

Balance

1.000

-0.001

Occupy

1.000

注：∗∗∗、∗∗、∗分别表示1%、5%和10%的显著性水平。

54

为0.005，即在1%的水平上显著，证明ESG表现与组

织韧性的机制中存在机构投资者部分中介效应。

机构投资者因其目的不同，对参与公司治理、促

进企业可持续发展的意向不同，对ESG的关注度也

不同。由表4（4）列可以看出，长期主义型机构投资

者对ESG表现更加敏感，系数为0.058，在1%的水平

上显著。由表4（5）列可以看出，短期主义型机构投

资者对 ESG 表现不敏感，系数不显著。假设 H3 成

立，相较于短期主义型机构投资者，长期主义型机构

投资者对 ESG 表现与组织韧性关系的影响更明

显。ESG表现主要吸引长期主义型机构投资者，通

过“用手投票”“信息传递”“稳健资本”等方式助力

ESG表现构建组织韧性。

（三）内生性检验

1.系统GMM估计

在基准回归结果中，本文采用了个体和时间双

重固定效应以减缓因遗漏变量造成的内生性问题，

但仍可能存在其他的内生性问题。例如，组织韧性

与残差项之间，ESG表现与残差项之间可能存在内

生性问题，为此，本文选择系统GMM估计的方法解

决与残差项之间的内生性问题。由表 5（1）列可以

看出，随机扰动项的二阶序列相关检验的 P 值（AR

（2）-p）和萨甘检验的P值（Sargan-p）均大于0.1，说

明系统GMM的估计结果不存在序列自相关，且企业

ESG系数符号仍与前文一致。

2.自变量前定法

为了缓解 ESG 表现与组织韧性之间可能存在

的互为因果而产生的内生性问题，本文选择将ESG

表现与控制变量滞后一期来代替原变量进行检验。

这使得 ESG 表现与控制变量滞后一期的变量与当

期相关，但不受因变量组织韧性的影响，在一定程度

上可以控制 ESG 表现与组织韧性之间的相互影

响。由表5（2）列可以看出，滞后一期的ESG表现与

组织韧性仍在1%的水平上正相关，与基准回归结果

基本保持一致。

（四）稳健性检验

1.替换被解释变量

本文将组织韧性定义为低财务波动和高长期绩

效增长两个方面测算的综合值。通过细化指标，将

低财务波动和高长期绩效增长分别进行模型（5）和

模型（7）重新检验。低财务波动（Volatility）采用一

年内各月股票收益的标准差，为了便于观察其系数，

将其乘以100；高长期绩效增长（Growth）采用三年内

累计销售收入增长额。表6（1）和（2）列为ESG表现

与组织韧性分项的回归结果，低财务波动系数为

-0.232，且在1%的水平上显著，高长期绩效增长系

数为3.815，且在1%的水平上显著，即好的ESG表现

可以降低财务波动，提高长期绩效。表 6（4）列为

ESG 表现和机构投资者与低财务波动性的回归结

果，机构投资者在降低财务波动方面存在遮掩效应；

表 6（5）列为 ESG 表现和机构投资者与高长期绩效

增长的回归结果，机构投资者在高长期绩效增长方

面存在中介效应，结果稳健。

2.替换解释变量

基本回归中，参考华证ESG评级赋值得到核心

解释变量。参考高杰英等[4]

的方法，采取更直接的

赋值方法构造解释变量ESG2，依据ESG评级的大类

（C 类、B 类、A 类）构建赋值为 1、2、3。表 7（1）列为

ESG表现与组织韧性分项的回归结果，在1%的水平

上显著相关，系数为0.251。表7（2）和（3）列证明机

构投资者的中介效应稳健。

3.机构投资者偏好：更换长期主义型机构投资

者定义方法，替换回归模型

参考罗付岩[29]

的方法，根据长期主义型和短期

表5 内生性检验

变量

L.OF

ESG

Lev

Indep

FirmAge

Balance

Occupy

个体固定效应

年份固定效应

_cons

N

AR(2)-p

Sargan-p

R2

（1）

系统GMM估计

0.219***

(2.66)

0.143***

(4.24)

7.785*

(1.94)

-0.956

(-1.46)

-2.386**

(-2.12)

1.003

(0.96)

-1.546

(-0.07)

YES

YES

67.904***

(7.97)

24,447

0.820

0.177

（2）

自变量滞后一期

0.087***

(3.68)

-0.864***

(-4.74)

-0.397

(-0.83)

0.397

(1.26)

-0.133**

(-2.32)

-0.924

(-1.05)

YES

YES

92.290***

(116.10)

24,447

0.867

绿色经济 Green Economy

55

2023年第8期 WUHAN

FINANCE

主义型机构投资者的持股数量，若长期主义型机构

投资者持股大于短期机构投资者则为 1，否则记为

0。设置长期主义型机构投资者占优（NLTST）的虚

拟变量，采用 Logit 模型重新对模型（8）进行回归。

表7（4）列显示，结果在1%的水平上仍然成立，即相

较于短期主义型机构投资者，长期主义型机构投资

者对ESG表现与组织韧性关系的影响更显著。

4.替换中介效应检验方法

本文采用Bootstrap检验进一步验证机构投资者

的中介效应，抽样样本选择1500。如表8所示，间接

效应置信区间[0.072，0.106]和直接效应置信区间

[0.188，0.310]都没有包含0，进一步验证了机构投资

者在 ESG 表现和组织韧性的关系中发挥了部分中

介作用。

表8 Bootstrap检验结果

间接效应

直接效应

效应系数

0.089

0.249

标准误

0.009

0.031

Z

10.38

8.00

P>|Z|

0.000

0.000

置信区间(95%)

[0.072,0.106]

[0.188,0.310]

五、异质性分析

（一）产权性质

中国上市公司按照产权性质可分为国有和非国

有两类，这两类公司在经营目标、管理方式和组织架

构等方面存在巨大差异。本文将根据产权性质分类

表6 替换被解释变量的稳健性检验

变量

ESG

IO

Lev

Indep

FirmAge

Balance

Occupy

个体固定效应

年份固定效应

_cons

N

R2

（1）

模型(5)分项检验

Volatility

-0.232***

(-5.08)

0.536

(1.62)

2.123**

(2.30)

-0.057

(-0.12)

0.183

(1.57)

1.698

(1.04)

YES

YES

15.663***

(12.58)

28,896

0.318

（2）

Growth

3.815***

(4.94)

53.538***

(8.86)

31.386*

(1.81)

48.329***

(4.81)

6.244***

(3.05)

-51.901*

(-1.91)

YES

YES

-177.970***

(-6.87)

28,896

0.047

（3）

模型(6)

IO

0.008***

(4.24)

0.041***

(3.01)

-0.065

(-1.64)

0.028

(1.01)

0.049***

(8.85)

-0.111*

(2.90)

YES

YES

0.162**

(2.26)

28,896

0.055

（4）

模型(7)分项检验

Volatility

-0.227***

(-4.99)

-0.552**

(-2.23)

0.559*

(1.69)

2.087**

(2.26)

-0.041

(-0.09)

0.210*

(1.80)

1.636

(1.00)

YES

YES

15.752***

(12.63)

28,896

0.318

（5）

Growth

3.634***

(4.70)

24.063***

(5.82)

52.550***

(8.79)

32.950*

(1.90)

47.651***

(4.78)

5.071**

(2.49)

-49.229*

(-1.82)

YES

YES

-181.866***

(-7.07)

28,896

0.051

表7 替换解释变量与机构投资者偏好的稳健性检验

变量

ESG

ESG2

IO

Lev

Indep

FirmAge

Balance

Occupy

个体固定效应

年份固定效应

_cons

N

R2

（1）

模型（5）

OF

0.251***

(3.71)

-0.530***

(-2.73)

-0.602

(-1.10)

0.228

(0.83)

-0.131**

(-2.01)

-2.276*

(-1.94)

YES

YES

80.245***

(116.72)

28,896

0.811

（2）

模型（6）

IO

0.012***

(3.02)

0.039***

(2.89)

-0.066*

(-1.67)

0.026

(0.92)

0.049***

(8.83)

-0.117**

(-2.03)

YES

YES

0.190***

(2.66)

28,896

0.055

（3）

模型（7）

OF

0.242***

(3.61)

0.710***

(4.66)

-0.558***

(-2.88)

-0.555

(-1.01)

0.209

(0.77)

-0.166**

(-2.50)

-2.193*

(-1.88)

YES

YES

80.110***

(116.70)

28,896

0.811

（4）

模型（8）Logit回归

NLTST

0.167***

(14.54)

0.560***

(8.98)

0.209

(0.92)

0.170***

(4.31)

0.200***

(-9.57)

1.531***

(3.05)

YES

YES

-2.555***

(-15.85)

28,896

0.0283

表9 产权性质与企业规模的分组检验

变量

ESG

Lev

Indep

FirmAge

Balance

Occupy

个体固定效应

年份固定效应

_cons

N

R2

系数差异P值

（1）

国有控股

0.155***

(3.30)

-0.388

(-1.64)

-0.114

(-0.13)

1.517**

(2.23)

0.053

(0.48)

-0.167

(-0.13)

YES

YES

76.431***

(45.48)

10,726

0.862

0.005

（2）

非国有控股

0.166***

(4.26)

-0.422

(-1.63)

-0.328

(-0.52)

0.127

(0.41)

-0.221***

(-2.67)

-3.058*

(-1.86)

YES

YES

79.886***

(95.23)

18,170

0.783

（3）

中小企业

0.159***

(3.08)

-0.296

(-1.07)

-0.248

(-0.29)

0.426

(0.95)

-0.182*

(-1.73)

-3.561*

(-1.93)

YES

YES

79.152***

(66.81)

14,448

0.803

0.023

（4）

大企业

0.142***

(3.79)

-0.684***

(-2.80)

-0.199

(-0.24)

1.226**

(2.01)

-0.017

(-0.18)

-0.712

(-0.51)

YES

YES

77.264***

(50.84)

14,448

0.826

注：系数差异P值根据交互项模型的Chow检验估计结果计算得到。

56

后的样本代入模型（1）进行检验，表9的（1）和（2）列

给出不同产权性质上市公司在 ESG 表现与组织韧

性构建方面异质性检验结果。可以看出，相较于国

有控股企业，ESG表现对非国有控股企业构建组织

韧性的影响系数更大，组间系数差异检验结果也表

明产权性质组间的ESG表现系数在1%的水平上存

在显著差异。对此的解释有两点：一是非国有企业

所面临的市场竞争通常更加激烈，为了打造可靠和

可持续的商业模式，非国有企业管理者必须时刻关

注和平衡内部和外部因素，并在市场中寻找机遇。

ESG 为非国有控股企业提供了一个可持续发展契

机，有利于公司长期稳定发展，构建组织韧性。二是

国有控股企业往往享有许多特权，在税收、获得融资

的成本等方面享受优惠政策的支持，这些政策使得

国有控股企业本身的组织韧性较高，改善ESG表现

所带来的边际效益小于非国有控股企业，对构建组

织韧性的正向影响更弱。

（二）企业规模

不同规模的上市公司在保护环境、承担社会责

任以及公司治理方面存在差异，社会公众对其ESG

表现的期望也不尽相同，对风险的承受能力更是存

在差异。本文根据企业规模的中位数将样本分为中

小企业和大企业两组，将两组样本代入模型（1）进行

检验。表9的（3）和（4）列给出不同规模上市公司在

ESG表现与组织韧性构建方面异质性检验结果。可

以看出，相较于大企业，ESG表现对中小企业构建组

织韧性的影响系数更大，组间系数差异检验结果也

表明不同规模组间的ESG表现系数在5%的水平上

存在显著差异。对此的解释有两点：一是中小企业

本身需要ESG表现作为自身可持续发展的背书，对

于规模更大的企业而言，市场对其的信任程度本身

会高一些，而中小企业更需要ESG表现来向市场传

递自身的信息，从而建立品牌信誉，帮助其吸引更多

客户和投资者。二是法律条件愈发严格，大企业本

身适应能力更强，所以相比之下，中小企业更需要吸

引长期主义型机构投资者，从而帮助其正确认识所

面临的问题，以满足当地和国家法规的要求。此外，

实证结果也证明了无论其规模大小，关注企业的

ESG表现都会提高企业生存和发展的能力。

六、结论和建议

组织韧性是企业在社会中生存和发展的能力。

ESG是指在环境、社会、公司治理三个方面，企业积

极采取措施提升其可持续性表现的做法。本文对

ESG表现与组织韧性的关系进行探究，发现ESG表

现可以促进组织韧性的形成。投资者导向是 ESG

最显著的特点之一。本文检验了机构投资者在ESG

表现构建组织韧性影响中的中介作用，并从机构投

资者的长期主义倾向和短期主义倾向角度考虑，梳

理出长期主义型机构投资者从“稳健资本”“用手投

票”“信息传递”三个方面助力ESG表现促进组织韧

性的形成。通过异质性分析发现，非国有控股企业

所面临的竞争更为激烈，更需要提升ESG表现来获

得关键性优势，ESG表现对组织韧性的促进作用更

强；中小企业更需长期主义型机构投资者的引导，更

需要ESG作为信息传递的工具，所以中小企业ESG

表现对组织韧性的促进作用要大于大企业。

本文结论对促进 ESG 体系的完善和推进企业

可持续发展具有一定的启示，以此提出如下建议：第

一，在政府层面上引导企业进行披露和改善ESG表

现，从而提高企业的组织韧性。一方面，通过加强对

企业ESG表现的监管，降低企业披露ESG信息所需

付出的额外成本，从而降低企业披露改善ESG所带

来的经济压力；另一方面，加大对 ESG 表现良好企

业的优惠力度，针对不同产权性质的企业，推出不同

的ESG激励政策，提高企业披露和改善ESG表现的

动力。第二，社会层面上的机构投资者应该更加重

视企业的ESG表现，以此为依据选择稳健的长期投

资策略，为企业提供更稳健的资金，更多地发挥机构

投资者的公司治理功能，引导企业构建和提高组织

韧性，实现企业与机构的长期互惠双赢。第三，在公

司层面上加强员工、管理层和董事会等成员对ESG

的了解，认清无论中小企业都需关注ESG，且中小企

业更应关注，建立企业内外部的长期责任制度，强调

长远利益，强调可持续发展。■

[参考文献]

[1] 樊建锋，田志龙.大变局中的中国管理：“中国管理50人”

论坛（2019年秋季）会议述评[J].管理学报，2019（11）：1601-

1606.

[2] 单宇，许晖，周连喜，等.数智赋能：危机情境下组织韧性

如何形成?基于林清轩转危为机的探索性案例研究[J].管理

世界，2021（3）：84-104+7.

[3] 黄世忠.支撑 ESG 的三大理论支柱[J].财会月刊，2021

（19）：3-10.

[4] 高杰英，褚冬晓，廉永辉，等.ESG表现能改善企业投资效

率吗?[J].证券市场导报，2021（11）：24-34+72.

[5] 李维安，李滨.机构投资者介入公司治理效果的实证研究：

绿色经济 Green Economy

57

2023年第8期 WUHAN

FINANCE

基于CCGINK的经验研究[J].南开管理评论，2008（1）：4-14.

[6] 杨海燕，韦德洪，孙健.机构投资者持股能提高上市公司

会计信息质量吗?兼论不同类型机构投资者的差异[J].会计

研究，2012（9）：16-23+96.

[7] 李平，竺家哲.组织韧性：最新文献评述[J].外国经济与管

理，2021（3）：25-41.

[8] LEINS S.‘Responsible Investment’：ESG and the Post-cri‐

sis Ethical Order[J]. Economy and Society，2020，49（1）：71-91.

[9] 顾建平，房颖莉.战略性企业社会责任与组织韧性：网络

嵌入与创新能力的链式中介作用[J].科技管理研究，2022

（16）：146-153.

[10] LANDI G，SCIARELLI M. Towards a More Ethical Mar‐

ket：The Impact of ESG Rating on Corporate Financial Perfor‐

mance[J]. Social Responsibility Journal，2018，15（1）：11-27.

[11] ORTIZ- DE- MANDOJANA N，BANSAL P. The Longterm Benefits of Organizational Resilience Through Sustain‐

able Business Practices[J]. Strategic Management Journal，

2016，37（8）：1615-1631.

[12] 王勇，蔡娟.企业组织韧性量表发展及其信效度验证[J].

统计与决策，2019（5）：178-181.

[13] 张梦桃，张生太.关系网络对组织韧性的影响：双元创新

的中介作用[J].科研管理，2022（7）：163-170.

[14] 金缦.机构投资者的 ESG 偏好对绿色创新价值的影响

[J].金融理论与实践，2022（1）：65-75.

[15] 孙慧，祝树森，张贤峰.ESG表现、公司透明度与企业声

誉[J/OL].软科学：1-10[2023-06-20]. http：//kns.cnki.net/kc‐

ms/detail/51.1268.G3.20230203.1109.010.html.

[16] 郝素利，张丽欣.政府审计、内部控制能有效提升组织韧

性吗?[J].审计与经济研究，2022（6）：10-20.

[17] 刘广，张迎.机构投资者持股网络对市场信息效率的影

响研究[J].金融经济学研究，2022（6）：68-83.

[18] 张纯，吕伟.机构投资者、终极产权与融资约束[J].管理

世界，2007（11）：119-126.

[19] 陆瑶，朱玉杰，胡晓元.机构投资者持股与上市公司违规

行为的实证研究[J].南开管理评论，2012（1）：13-23.

[20] 李井林，阳镇，陈劲，等.ESG促进企业绩效的机制研究：

基于企业创新的视角[J].科学学与科学技术管理，2021（9）：

71-89.

[21] 王双进，田原，党莉莉.工业企业ESG责任履行、竞争战

略与财务绩效[J].会计研究，2022（3）：77-92.

[22] 张琳，赵海涛.企业环境、社会和公司治理（ESG）表现影

响企业价值吗?基于A股上市公司的实证研究[J].武汉金融，

2019（10）：36-43.

[23] 刘会洪，张哲源.ESG表现、创新效率和股价波动性的影

响研究：基于A股上市公司[J].武汉金融，2023（2）：37-43+64.

[24] 刘京军，徐浩萍.机构投资者：长期投资者还是短期机会

主义者?[J].金融研究，2012（9）：141-154.

[25] 毕晓方，邢晓辉，刘晟勇.稳定型机构投资者、盈余平滑

与股价同步性[J].北京工商大学学报（社会科学版），2023

（3）：93-106.

[26] 柳学信，李胡扬，孔晓旭.党组织治理对企业ESG表现的

影响研究[J].财经论丛，2022（1）：100-112.

[27] 温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心

理科学进展，2014（5）：731-745.

[28] 江艇.因果推断经验研究中的中介效应与调节效应[J].

中国工业经济，2022（5）：100-120.

[29] 罗付岩.机构投资者异质性、投资期限与公司盈余管理

[J].管理评论，2015（3）：174-184.

（责任编辑：GW / 校对：XY）

[21] PORTER M E，VAN DER LINDE C. Toward a New Con‐

ception of the Environment- Competitiveness Relationship[J].

Journal of Economic Perspectives，1995，9（4）：97-118.

[22] DUNNING J H. Explaining the International Direct Invest‐

ment Position of Countries：Towards a Dynamic or Develop‐

mental Approach[J]. Weltwirtschaftliches Archiv，1981，117：

30-64.

[23] 张德涛，张景静.地方政府的行为选择与企业绿色技术

创新[J].中国人口·资源与环境，2022（3）：86-94.

[24] 凌鸿程，阳镇，许睿谦，等.CEO公共环保经历多样性与

企业绿色技术创新[J/OL].科学学与科学技术管理：1-36

[2023- 06- 23]. https://kns.cnki.net/kcms2/article/abstract?v=

3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD64BmOm_

Yr4M080lyUg5UxxteR-yRVG22EbUbv7ukcw2m-GKVGncfO‐

Qr&uniplatform=NZKPT.

[25] 戚聿东，杜博，温馨.国有企业数字化战略变革：使命嵌

入与模式选择——基于3家中央企业数字化典型实践的案

例研究[J].管理世界，2021（11）：137-158+10.

[26] 胡艺，张晓卫，李静.出口贸易、地理特征与空气污染[J].

中国工业经济，2019（9）：98-116.

[27] BECK T，TODOROV R，WAGNER W. Supervising CrossBorder Banks：Theory，Evidence and Policy[J]. Economic Poli‐

cy，2013，28（73）：5-44.

[28] 张兵兵，周君婷，闫志俊.低碳城市试点政策与全要素能

源效率提升：来自三批次试点政策实施的准自然实验[J].经

济评论，2021（5）：32-49.

[29] 吕峻.公司环境披露与环境绩效关系的实证研究[J].管

理学报，2012（12）：1856-1863.

[30] 张长江，张玥，施宇宁，等.绿色文化、环境经营与企业可

持续发展绩效：基于文化与行为的交互视角[J].科技管理研

究，2020（20）：232-240.

[31] ADHIKARI B K，AGRAWAL A. Religion，Gambling At‐

titudes and Corporate Innovation[J]. Journal of Corporate Fi‐

nance，2016，37：229-248.

[32] 潘越，潘健平，戴亦一.公司诉讼风险、司法地方保护主

义与企业创新[J].经济研究，2015（3）：131-145.

[33] BERESKIN F L，CAMPBELL T L，HSU P H. Corporate

Philanthropy，Research Networks，and Collaborative Innova‐

tion[J]. Financial Management，2016，45（1）：175-206.

[34] 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+11.

[35] 权小锋，尹洪英.中国式卖空机制与公司创新：基于融资

融券分步扩容的自然实验[J].管理世界，2017（1）：128-144+

187-188.

[36] SUN C，ZHAN Y，DU G. Can Value-Added Tax Incen‐

tives of New Energy Industry Increase Firm's Profitability? Evi‐

dence From Financial Data of China's Listed Companies[J]. En‐

ergy Economics，2020，86：104654.

[37] 逯进，王晓飞，刘璐.低碳城市政策的产业结构升级效

应：基于低碳城市试点的准自然实验[J].西安交通大学学报

（社会科学版），2020（2）：104-115.

[38] 韦东明，顾乃华.城市低碳治理与绿色经济增长：基于低

碳城市试点政策的准自然实验[J].当代经济科学，2021（4）：

90-103.

（责任编辑：GW / 校对：XY）

（上接第49页）

58

一、引言

我国高度重视生态文明建设，继党的十九大报

告将“绿色”列入五大发展理念之后，二十大报告中

又将“人与自然和谐共生”作为中国式现代化的五大

内涵之一。企业作为创造社会财富的重要载体，同

时也是自然资源的主要索取者和生态环境的主要破

坏者[1]

。为了从源头上解决日益严峻的能源与环境

问题，我国制定了环境规制政策对企业排污行为加

以约束，但是由于强制性规制手段的执行效率无法

保证，可能导致治污效果反弹等问题[2]

，因此近年来

我国主要倡导实行市场激励型的环境规制，并在十

九大报告中明确提出“发展绿色金融”的要求，以有

效发挥金融市场的资源配置功能推动节能减排。当

前，我国政府大力推行绿色信贷政策，引导资源流向

绿色、低碳、环保领域。据央行发布的《2022年四季

度金融机构贷款投向统计报告》显示，截至2022年

末，我国本外币绿色贷款余额增长至22.03万亿元，

其中，投向具有直接和间接碳减排效益项目的贷款

分别为8.62万亿元和6.08万亿元，合计占绿色贷款

总额比重为66.7%。这足以说明我国绿色信贷业务

取得了较大发展。

绿色信贷作为重要的绿色金融工具，逐渐受到

政府部门的关注。2007 年，原国家环保总局、中国

人民银行、中国银监会联合发布《关于落实环保政策

法规防范信贷风险的意见》（环发〔2007〕108号），绿

色信贷政策被正式运用于环境治理工作中。但由于

此阶段绿色金融工具实施标准和配套方案并不完

善，客观条件尚不成熟，绿色信贷政策并未得到有效

落实[3]

。2012 年，中国银监会印发《绿色信贷指引》

（下文简称《指引》），进一步明确了金融机构在整体

授信流程中对环境与社会风险的管理要求，从绿色

信贷组织管理、能力建设、流程管理、内部控制与信

息披露、监督检查等方面对银行业提出了三十条规

定。要求银行将企业的环境绩效信息纳入人民银行

征信管理系统，严格控制重污染行业的信贷投放，同

时进一步加大对低碳节能、环境保护和节能减排技

术改造等绿色项目的信贷支持力度，以此防范信贷

风险并促进节能减排。中国银行业协会报告显示，

在《指引》实施后，污染行业的贷款余额显著降低，可

见绿色信贷政策得到了有效执行。近年来，绿色信

贷更是成为中国绿色金融实践的重要组成部分。根

摘 要：绿色金融是引导企业绿色转型、发展绿色经济的重要推动力。作为我国重要的绿色金融工具，绿色信贷如何推动经济与环

境的协调发展是值得探讨的问题。本文以我国 2012 年《绿色信贷指引》政策的颁布为准自然实验，采用双重差分法检验绿色信贷政策对

企业环境绩效的治理作用。研究发现，绿色信贷政策的实施有利于重污染企业改善环境绩效，且这种效应在大规模企业、国有企业、位于

市场化程度较高地区的企业中更加显著。这种正向影响是通过促进企业增加环保投资实现的，并非是缩减生产规模的结果。进一步对

绿色信贷政策改善环境绩效的经济后果进行分析发现，良好的环境绩效对企业提升经济绩效具有促进作用。本文研究结论为企业合理

选择环境战略提供了参考，也为政府进一步完善绿色信贷政策提供了经验证据。

关键词：绿色发展；绿色信贷；环境治理

中图分类号：F832.4 文献标识码：A 文章编号：1009-3540（2023）08-0059-0011

基金项目：教育部人文社会科学研究规划基金项目“中央环保督察对企业高质量发展的影响及传导机制研究”（21YJA630005）；河南

省科技厅软科学项目“绿色债券发行对企业高质量发展的影响研究”（232400412036）。

■ 陈琪 任笑颖

作者简介：陈琪（1973—），女，博士，郑州大学商学院教授，硕士生导师； 任笑颖（1999—），女，郑州大学商学院硕士研究生。

绿色信贷政策与企业环境治理

绿色经济 Green Economy

59

2023年第8期 WUHAN

FINANCE

据兴业研究的估算，绿色信贷余额占全体绿色融资

余额的比例超过90%①。

绿色信贷政策转变了企业传统的发展理念。银

行业践行绿色信贷原则，根据企业环境和社会风险

的性质和严重程度确定授信权限和审批流程，拒绝

对环境和社会表现不合规的企业授信，环境风险高

的重污染企业难以获得金融资源。这种差异化的授

信政策提高了重污染企业的债务融资成本[4]

，由此

造成自由现金流的不足，也导致企业做出减少资本

性投资的应激反应[5]

。但是，施加绿色信贷约束并

不是为了将重污染企业逼至破产倒闭，而是希望通

过资源配置手段引导重污染企业绿色转型。那么在

绿色信贷政策指引下，重污染企业的环境行为是否

有所改变也是学者们关注的问题。对于重污染企业

而言，环境规制的高成本使其不得不关注环境问题

并承担相应的社会责任[6，7]

，从而增加环保投入并提

高绿色投资效率[8，9]

，促进绿色创新[10，11]

。但也有学

者认为，由于重污染企业应对绿色信贷政策时的资

本配置效率不足，企业的技术创新水平遭到了抑制，

绿色信贷政策并没有表现出波特效应[12，13]

。从已有

研究来看，针对绿色信贷政策对微观主体的影响，多

数文献聚焦于绿色信贷政策可能引发的经济效应与

创新效应，而忽视了绿色信贷政策的环境效应，且现

有研究大多关注融资约束等外部因素发挥的机制效

果，忽视了企业内部行为对政策效果的传导作用。

鉴于此，本文以2012年《指引》的出台为外生冲击构

造准自然实验，基于2008—2020年A股上市公司的

数据，设定双重差分模型，研究《指引》的实施对企业

环境治理效果的影响及其作用机制。

本文的边际贡献可能体现在：第一，丰富了绿色

信贷政策评价的研究内容。现有文献主要从经济效

应与创新效应两方面评价了绿色信贷的政策效果，

本文则在已有文献的基础上实证研究了绿色信贷政

策对企业环境治理效果的影响，对现有绿色信贷政

策后果的相关研究进行了补充。第二，丰富了环境

绩效影响因素的研究视角。已有文献多从环境政策

视角切入，分析其对环境绩效的影响，对绿色信贷这

种经济政策的研究还有待补充。本文以《指引》的出

台为准自然实验，探究绿色信贷政策对企业绩效的

影响，进一步挖掘了企业环境绩效的影响因素。第

三，剖析了绿色信贷政策改善企业环境绩效的内在

机制，有利于深入理解企业进行环境治理的行为逻

辑，为政府完善绿色金融政策和企业做出环境治理

决策提供有益参考。

二、理论分析与研究假设

（一）绿色信贷政策与企业环境绩效

根据受托环境责任理论，企业作为环境资源的

使用者理应承担起相应的环境与社会责任，并及时

向委托人说明环境绩效情况[14]

。事实上，企业在生

产过程中对外部环境造成了负面影响却并未给予补

偿，特别是资源密集型的重污染企业，其对资源的过

度攫取及污染物的排放加剧了环境的持续恶化。对

于企业来说，首要目标是使用有限的资源产生最大

化的利润，如果分配部分资金用于环境治理，会带来

无法内部化的正外部性。因此，当缺乏外部约束时，

企业不会产生治理污染的内生动力。绿色信贷政策

要求金融部门将环境因素纳入企业授信和项目管理

的框架中，通过控制信贷流向改变企业主体的行为

选择。作为绿色信贷政策的纲领性文件，《指引》强

调银行业金融机构应当从战略高度推进绿色信贷，

支持绿色经济发展。具体而言，金融机构应将客户

环境和社会风险的评估结果作为信贷准入、管理和

退出的重要依据，针对不同的环境和社会风险实行

有差别、动态的授信政策，对绿色环保项目提供优惠

的信贷利率及信贷政策，对环境和社会表现不合规

的客户拒绝授信。这些举措主要从三个维度推动重

污染企业开展治污行为：第一，调整信贷资源配置，

严格控制污染项目的信贷投入，加大对环保项目的

贷款支持，通过控制信贷流向引导重污染企业退出

高污染项目并进行绿色转型；第二，对企业环境信息

披露提出了更高要求，全周期追踪信贷资金的流向

以避免企业利用信息不对称隐瞒污染行为；第三，从

宏观层面传递了国家强化环境监管及发展绿色经济

的信号，提高企业对环境问题的重视。

基于资源配置理论分析，绿色信贷政策发挥了

调节重污染企业信贷资源配置的功能。银行信贷是

企业最重要的外部融资来源，尤其对于重污染企业

来说，其作为中国信贷资源配置的重点行业，一直以

来拥有着较多的信贷支持[15]

。但是，在绿色信贷政

策实施后，重污染企业由于环境与社会风险过高遭

到信贷约束，面临更高的银行贷款成本和更低的贷

款规模[16，17]

，由此造成现金缺口的增大对其投资行

为也产生了抑制[18]

。但抑制融资只是手段，绿色信

60

贷政策的初衷是希望通过信贷约束倒逼重污染企业

退出可能带来重大环境问题的项目，将资源投入清

洁生产活动，最终实现绿色转型[19]

。在重污染企业

绿色转型的过程中，绿色信贷政策也会给予其信贷

激励，政策明确要求，对于污染产业的绿色项目，银

行业金融机构应当给予定向的贷款支持，这对重污

染企业进行绿色转型产生了激励。为破解信贷约束

困境，变约束为激励，重污染企业会产生绿色转型的

内在动机，缩减高污染业务资源转而投向绿色项目，

满足获得绿色信贷支持的条件。

基于信息披露理论分析，信息不对称问题是影

响重污染企业有效履行环境责任的重要因素。企业

为减少合法性威胁，会选择披露更多的环境信息，但

这并不意味着利益相关者得到了高质量的企业环境

报告。相反，环境表现较差的企业往往更倾向于披

露更多无法轻易验证的信息，以模糊利益相关者对

企业实际环境表现的印象[20]

。为防止企业利用信息

不对称问题逃避社会责任导致出现信贷错配的情

况，《指引》指出，银行业金融机构要对客户提供的环

境和社会风险信息与从行业协会、监管部门、媒体等

渠道获得的信息进行有效比对，准确评估客户的风

险等级后做出信贷资金拨付与否的决策。同时也要

加强贷后管理，在已授信项目施工运营的各个环节

设置风险评估关卡，以此监督企业的环境治理行

为。由于绿色信贷政策对环境信息披露提出了更高

要求，企业无法再实施选择性的披露策略，唯有切实

改进环境绩效才能向金融机构呈现良好且有效的环

境信息，从而保证信贷的持续获得。

首先，基于信号传递理论分析，绿色信贷政策通

过金融市场传递了国家愈加重视环境保护工作的信

号。若不重视环境问题，环境风险较高的重污染企

业在未来将会面临更严峻的干预手段和发展形势。

面对日益增加的环境规制压力，为保持长期稳定的

竞争力，重污染企业有动机改善环境绩效以规避更

大的污染惩罚风险。其次，重污染企业面对着来自

利益相关者的舆论压力和道德谴责[21]

。随着绿色环

保观念的日趋深入，各利益相关者将环境与社会效

益也纳入对公司价值的评价范畴中。基于环境问

题，利益相关者会重新审视与重污染企业的关系，这

无疑增大了企业面临的外部威胁。基于此，企业有

动机改善环境绩效，因为这不仅有利于满足利益相

关者在环境方面的利益诉求，挽回投资者信心，还有

利于建设企业的绿色声誉，降低社会舆论的谴责。

最后，绿色信贷政策向资本市场传递了鼓励绿色经

济发展的信号，给予绿色环保项目利率优惠预示了

企业发展绿色产业的利好前景，这从激励视角增强

了重污染企业绿色转型的信心。基于以上分析，本

文提出如下假设。

假设 1：绿色信贷政策能够改善重污染企业的

环境绩效。

（二）绿色信贷政策、环境治理行为与企业环境

绩效

根据合法性理论，制度压力和社会认同的价值

体系制约着企业的决策行为，一旦企业行为偏离法

律的要求或违背社会认同的价值观，其合法性就会

受到威胁。环境规制对企业而言是一种硬性的合法

性要求，随着环境合法压力的增大，企业无法继续逃

避自身的治污责任，不得不参与环境治理以得到制

度与社会的认同[22]

。基于环境违规成本和主业经营

收益的双重考虑，企业会产生差异化的环境治理行

为。一方面，出于合规动机，部分企业会做出缩减生

产规模的决策，选择被动策略以实现暂时合规；另一

方面，出于保持长期竞争力的动机，企业会通过增加

环保投资、引入新的环保技术与设备等方式，主动进

行环境治理[23]

。

绿色信贷政策的本质是基于环境约束的信贷配

给，《指引》以信贷项目的资源与环境影响作为授信

的关键条件，通过建立企业环境绩效与信贷获取间

的紧密联系，将企业污染排放产生的负外部性问题

内部化。由于环境与资源风险过高，重污染企业的

信贷成本和信贷规模都受到了绿色信贷政策的限

制，造成资金供应不足对企业发展造成负面影响。

而环保投资由于周期长、成本高，无法在短期内弥补

企业环境违规的损失，此时出于成本最小化考虑，企

业会选择降低高污染设备使用率、暂停高污染生产

活动等方式来降低污染排放。

此外，通过履行代理人职能，作为职业经理人的

企业高管能够代表企业各利益相关者做出决策，但

基于企业存在信息不对称及两权分离问题的事实，

高管并不总是遵循委托人追求的企业价值最大化目

标，特别是在环境规制压力下，高管会因为环保投资

具有的风险性而做出消极的治理活动[24]

。绿色信贷

政策加剧了重污染企业的融资困境，理论上能够倒

逼企业积极治理污染，但受到短期绩效考核压力的

绿色经济 Green Economy

61

2023年第8期 WUHAN

FINANCE

影响，企业高管更容易产生自利行为，即注重企业短

期利润目标的实现，从而做出缩减生产规模的应对

策略以尽快摆脱信贷惩罚，同时其也存在一定的套

利动机，以期通过改善短期环境绩效来获得长期的

信贷支持。

除了采取应对式的减排策略外，企业出于长期

竞争优势的动机也会选择增加环保投资的方式积极

参与环境治理。波特假说认为，环境规制压力会刺

激企业分配部分资金投入治污活动，引入清洁高效

的技术与设备，在实现减排的同时获得“创新补偿”，

使得企业更具竞争优势[25]

。在绿色信贷政策下，污

染项目的贷款受到限制，绿色项目的发展得到激励，

此时企业继续投资污染项目的成本远远高于其收

益，因此企业不仅会在生产过程中注重减排，还会增

大对清洁生产流程、清洁设备和研发清洁技术等项

目的投资力度[26]

，尽可能地缓释环境风险，重新取得

获取银行贷款的机会。

虽然绿色信贷政策增加了重污染企业的融资约

束，导致企业总体投资降低，但对绿色项目的信贷倾

斜为企业增加环保投资提供了经济激励[9]

。根据

《指引》要求，对于绿色项目，银行业金融机构在贷款

手续、贷款成本、贷款额度等方面应当给予定向支

持；对于有环境违法行为的企业，只要其通过技术改

造或生产转型达到环保要求，金融机构可以合理控

制信贷投放。因此，企业有动机增加环保项目的投

资，因为这不仅有助于破解资金约束的困境[27]

，还有

助于依托环保项目的信贷优惠获取更为充裕的项目

资金支持，补偿信贷约束成本。

基于以上分析，在绿色信贷政策背景下，企业为

改善环境绩效，可能通过缩减生产规模的方式消极

应对，也可能通过增加环保投资的方式积极进行环

境治理。因此，本文提出竞争性假设。

假设2a：绿色信贷政策迫使重污染企业缩减生

产规模，被动改善环境绩效。

假设2b：绿色信贷政策促进重污染企业增加环

保投资，主动进行环境治理。

三、研究设计

（一）样本选取和数据来源

本文以 2008—2020 年 A 股上市公司为研究对

象，为确保数据的有效性，剔除了ST、ST*、PT公司、

金融保险行业上市公司以及数据严重缺失的上市公

司，最终得到了18950个有效样本。样本公司环境

绩效数据主要来自CSMAR数据库，经过手工整理得

到。环保投资数据主要来源于上市公司年报、社会

责任报告，并结合企业环境报告以及可持续发展报

告进行手工整理。主要财务数据来自CSMAR数据

库。本文对所有连续变量进行了1%水平上的Win‐

sorize处理，以消除极端值的影响。

（二）变量定义

1.被解释变量

本文的被解释变量是环境绩效水平（EP）。参

考沈洪涛等[20]

和朱炜等[28]

的研究，结合2006年原国

家环保总局发布的《企业环境行为评价技术指南》以

及2013年原环境保护部发布的《企业环境信用评价

办法（试行）》中企业环境信用评价细则的内容，基于

环境管理、污染防治、社会影响3个部分，选取环境

管理制度体系、环境应急事件机制、ISO14001认证、

披露环境信息、污染物达标排放、通过清洁生产审

核、受到环保奖励或荣誉、无环境违法事件、无环境

信访案件、无重大环境事故这10个指标来评价企业

环境绩效（各指标均记1分）。为了便于横向对比，

将样本公司的各项得分汇总并除以总分10分，得到

标准化的环境绩效水平。评价指标的分类、定义及

赋值标准见表1。

表1 企业环境绩效评价指标分类、定义及赋值标准

指标分类

环境管理

污染防治

社会影响

指标定义

环境管理制度体系

环境应急事件机制

ISO14001认证

环境信息披露

污染物达标排放

清洁生产实施情况

环保奖励或荣誉

环境违法事件

环境信访案件

重大环境事故

赋值标准

公司制定相关环境管理制度、规定、职责

等一系列管理制度赋值为1，否则为0

公司建立环境相关重大突发事件应急机

制，采取的应急措施等赋值为1，否则为0

通过ISO14001认证赋值为1，否则为0

披露环境与可持续发展的信息赋值为1，

否则为0

污染物达标排放赋值为1，否则为0

通过清洁生产审核赋值为1，否则为0

受到环境奖励或荣誉赋值为1，否则为0

无环境违法行为赋值为1，否则为0

无环境信访案件赋值为1，否则为0

无重大环境事故赋值为1，否则为0

2.解释变量

本文的解释变量为行业属性与年份两个虚拟变

量的交乘项（Pollute×Policy）。其中，Pollute 是区分

行业属性的虚拟变量。本文以原环境保护部 2008

年公布的《上市公司环保核查行业分类管理名录》及

62

其2010年公布的《上市公司环境信息披露指南》为

依据，结合证监会2012年行业分类标准，将煤炭、采

矿、纺织、制革、造纸、石化、制药、化工、冶金、火电等

16 个行业划分为重污染行业。若上市公司属于重

污染行业，则Pollute取1，否则取0。Policy是《指引》

实施前后的年份虚拟变量。2012 年及以后年份取

值为1，2012年以前取值为0。该变量考察了《指引》

实施对重污染企业与非重污染企业环境绩效产生的

影响。

3.控制变量

参考胡曲应[29]

、张兆国等[30]

、赵莉等[7]

的做法，选

取了一系列控制变量，具体包括股权结构（Top）、公

司规模（Size）、公司年龄（Age）、财务杠杆率（Level）、

现金流状况（Cashflow）、融资约束（FC）、营业收入增

长率（Growth）、资产收益率（Roa）、投资机会（Tobi‐

nq）、有形资产比率（Tan）、两职兼任（Both）。考虑到

不同地区的环境规制差异也是影响企业环境绩效的

重要因素，本文将环境规制（PITI）也纳入控制变

量。各变量的具体定义如表2所示。

表2 变量定义

变量类型

被解释变量

解释变量

控制变量

变量名称

环境绩效

行业时间交乘项

股权结构

公司规模

公司年龄

财务杠杆率

现金流状况

融资约束

营业收入增长率

资产收益率

投资机会

有形资产比率

两职兼任

环境规制

符号

EP

Pollute×

Policy

Top

Size

Age

Level

Cashflow

FC

Growth

Roa

Tobinq

Tan

Both

PITI

定义

企业环境绩效得分

重污染企业，Pollute取1，否则取0；

2012年及以后，Policy取1，否则取0

第一大股东持股比例

期末总资产的自然对数

公司成立年限加1后取自然对数

公司总负债/总资产

经营活动产生的现金流/总资产

取值范围为0—1，越接近于1表明该

企业面临的融资约束程度越高

（本年营业收入/上一年营业收入）-1

净利润/总资产

所有者权益及负债的市场价值之和/

总资产

期末有形资产净额/总资产

若CEO兼任董事长取值为1，否则取0

企业注册地所在城市PITI指数得分

的自然对数

（三）模型构建

本文构建双重差分模型（DID），根据《指引》颁

布前后的双重差异来考察绿色信贷政策对企业环境

绩效的影响。为避免可能存在的反向因果等内生性

问题，减少企业个体效应和年份效应对识别效果的

影响，本文借鉴Bertrand等[31]

和曹廷求等[32]

的建模方

法，在模型中同时控制了企业个体和年份双向固定

效应。模型构建如下：

EPi,t = α0 + α1Pollutei × Policyt +

λControlsi,t + ωi + μt + εi,t

（1）

其中，i 和 t 分别表示个体和年份，被解释变量

EP为企业环境绩效指标；Pollute×Policy为衡量企业

绿色信贷的双重差分变量；Controlsi,t 为控制变量；

ωi 和 μt 分别指代个体固定效应和年份固定效应；εi,t

为随机干扰项。由于在该模型中，同时控制了个体

和年份固定效应，Pollutei 和 Policyi 的系数将会被

其吸收，此时二者在模型中不再单独出现。因此，在

式（1）中，本文主要观察系数 α1 的估计值符号及大

小。若 α1 显著为正，则表明绿色信贷政策有效改善

了重污染企业的环境绩效。

四、实证结果与分析

（一）描述性统计

表 3 报告了描述性统计的结果。EP 的最小值

为 0，最大值为 1，均值为 0.542，可见大部分企业环

境绩效得分较低且企业间存在较大差异。Pollute×

Policy的均值为0.17，说明约17%的重污染企业受到

了绿色信贷政策的影响。所有控制变量的均值与中

位数差距较小，说明控制变量的数值分布较为均匀。

表3 各变量描述性统计

变量

EP

Pollute×Policy

Top

Size

Age

Level

Cashflow

FC

Growth

Roa

Tobinq

Tan

Both

PITI

样本量

18 950

18 950

18 950

18 950

18 950

18 950

18 950

18 950

18 950

18 950

18 950

18 950

18 950

18 950

均值

0.542

0.170

0.349

22.381

2.842

0.475

0.044

0.443

0.427

0.033

1.885

0.922

0.241

4.013

标准差

1.836

0.376

0.151

1.308

0.358

0.191

0.070

0.271

1.178

0.059

1.137

0.091

0.428

0.328

最小值

0.000

0.000

0.877

19.445

1.386

0.057

-0.185

0.006

-0.710

-0.268

0.875

0.561

0.000

2.868

中位数

0.500

0.000

0.329

22.193

2.890

0.473

0.044

0.452

0.138

0.033

1.529

0.954

0.000

4.123

最大值

1.000

1.000

0.750

26.143

3.466

0.887

0.258

0.940

8.792

0.296

8.744

1.000

1.000

4.408

（二）平行趋势检验

利用双重差分法进行政策评估前需要进行平行

绿色经济 Green Economy

63

2023年第8期 WUHAN

FINANCE

趋势假设，即在《指引》实施前，重污染企业与非重污

染企业环境绩效的变化趋势满足一致性。本文参考

Jacobson等[33]

提出的事件研究法，检验《指引》实施前

的平行趋势，构建模型如下：

EPit = α0 +∑t = -4

8

γtPolicyit × μ t+ λControlsit +

ωi + μt + εit

（2）

以《指引》颁布的前一年作为基准年，γt 表示

2008—2020年的一系列估计值，其他变量定义与模

型（1）相同。平行趋势检验结果如图1所示：在虚线

左侧，估计系数 γt 均不显著，说明政策实施之前重

污染企业与非重污染企业的环境绩效并不存在显著

差别，平行趋势假设前提成立；在虚线右侧，除第6

期和第8期外，其余估计系数 γt 均显著为正，表明实

施《指引》对企业环境绩效具有持续的正向影响。

-.5

0

.5

C

o

e

ff

i

c

i

e

n

t

s

-4 -3 -2 -1 0 1 2 3 4 5 6 7 8

Policy

图1 平行趋势检验的结果

（三）基本回归分析

如前文所述，绿色信贷政策提高了企业治理污

染的动力，从而倒逼重污染企业改善环境绩效。本

文利用模型（1）检验绿色信贷政策对企业环境绩效

的影响，考虑到样本区间过长包含较大噪音的问题，

为保持双重差分检验政策年份前后时间跨度的均

衡，本文选取2008—2016年样本进行基准回归。结

果如表4（1）列所示，Pollute×Policy 的系数为0.310，

且在 1%的水平上显著，表明在绿色信贷政策实施

后，重污染企业的环境评分有所提高，环境绩效得到

一定改善。同时，为了保持数据的时效性，本文依次

扩展样本区间进行了补充回归。表4（2）至（5）列分

别 列 示 了 基 于 2008—2017 年 、2008—2018 年 、

2008—2019 年、2008—2020 年样本区间的回归结

果，在加入控制变量和固定效应的情况下，即使样本

区间有所不同，绿色信贷政策（Pollute×Policy）的估

计系数也均在1%的水平上呈正向显著，可见绿色信

贷政策对重污染企业环境绩效的改善存在持续的正

向影响。上述结果初步证明本文假设1的成立，即

绿色信贷政策能够改善企业的环境绩效。

表4 绿色信贷政策与企业环境绩效

变量

Pollute×Policy

Top

Size

Age

Level

Cashflow

FC

Growth

Roa

Tobinq

Tan

Both

PITI

_cons

个体固定效应

年份固定效应

N

Adj-R2

（1）

2008—

2016年

EP

0.310***

(4.359)

-0.002

(-1.016)

0.131***

(3.003)

0.376*

(1.780)

-0.428***

(-2.677)

0.248

(1.484)

-0.012

(-0.098)

-0.005

(-0.584)

-0.276

(-0.873)

-0.033**

(-2.303)

0.550**

(2.238)

-0.104**

(-2.214)

0.018

(0.328)

1.337

(1.076)

YES

YES

10690

0.612

（2）

2008—

2017年

0.319***

(4.616)

-0.003

(-1.430)

0.125***

(3.174)

0.270

(1.397)

-0.358**

(-2.522)

0.175

(1.105)

0.003

(0.029)

-0.003

(-0.409)

-0.284

(-0.979)

-0.031**

(-2.278)

0.455**

(2.162)

-0.095**

(-2.293)

0.006

(0.121)

1.897*

(1.671)

YES

YES

12459

0.606

（3）

2008—

2018年

0.296***

(4.424)

-0.002

(-1.063)

0.106***

(2.816)

0.450**

(2.485)

-0.312**

(-2.355)

0.080

(0.543)

-0.083

(-0.761)

-0.000

(-0.018)

-0.087

(-0.362)

-0.031**

(-2.423)

0.469**

(2.465)

-0.095**

(-2.465)

0.021

(0.401)

1.791*

(1.672)

YES

YES

14429

0.598

（4）

2008—

2019年

0.296***

(4.450)

-0.001

(-0.731)

0.095***

(2.636)

0.387**

(2.245)

-0.290**

(-2.279)

0.093

(0.670)

-0.213**

(-2.220)

0.001

(0.206)

0.119

(0.587)

-0.033***

(-2.621)

0.561***

(3.152)

-0.082**

(-2.273)

0.033

(0.621)

2.167**

(2.119)

YES

YES

16 780

0.658

（5）

2008—

2020年

0.262***

(3.895)

-0.001

(-0.671)

0.117***

(2.719)

0.049

(0.248)

-0.457***

(-3.108)

-0.046

(-0.283)

-0.193

(-1.596)

0.018**

(2.173)

0.759***

(3.216)

0.001

(0.084)

0.800***

(3.835)

-0.078*

(-1.859)

0.012

(0.206)

2.207*

(1.838)

YES

YES

18 950

0.569

注：括号中是经过公司层面Cluster聚类调整后计算的t值；*、**、

***分别代表在10%、5%、1%的水平上显著。下表同。

（四）稳健性检验

1.PSM-DID回归

为降低双重差分法样本选择偏差引起的内生性

问题，本文进一步采用PSM-DID方法进行稳健性检

验，分别在1∶1最邻近匹配和半径匹配两种方法下

重新对样本进行PSM-DID估计，回归结果如表5所

64

示。核心解释变量Pollute×Policy的系数均在1%的

水平上显著为正。这与前文双重差分的估计结果相

一致，进一步证明了本文假设1的成立。

表5 稳健性检验：PSM-DID回归

变量

Pollute×Policy

_cons

Controls

个体固定效应

年份固定效应

N

Adj-R2

（1）

1∶1最邻近匹配

EP

0.392***

(3.961)

1.603

(0.711)

YES

YES

YES

3 428

0.606

（2）

半径匹配

0.310***

(4.368)

1.337

(1.082)

YES

YES

YES

10 690

0.612

2.排除其他因素的干扰

第一，排除雾霾治理效果的影响。在《指引》颁

布的当年发生了雾霾爆表事件，这引起了政府对雾

霾污染的高度重视并颁布了一系列治理措施。其影

响对本文探究绿色信贷政策的环保效果存在干扰，

因此本文参考王馨等[11]

的做法，在式（1）中引入雾霾

污染程度并重新进行回归。雾霾污染程度采用美国

华盛顿大学公布的全球地表PM2.5栅格数据中我国

各省市 PM2.5 的浓度来衡量。结果如表 6（1）列所

示，Pollute×Policy 的系数仍在 1%的水平上显著为

正，表明该回归结果没有受到雾霾治理效果的干扰，

研究结论具有较强的稳健性。

第二，排除新《环保法》实施的影响。2015年新

《环保法》出台，明确规定了企业污染减排的责任，加

大了对违法排污企业的惩治力度，并在正式施行后

对企业的环境绩效有所改善[23]

。为排除新《环保法》

的施行对估计结果的影响，本文将新《环保法》出台

事件的虚拟变量（HBF）引入模型（1）进行重新估

计。结果如表6（2）列所示，Pollute×Policy的系数在

1%的水平上显著为正，与基准回归结果保持一致，

说明本文研究结论具有稳健性。

第三，排除政府环保补助的影响。为了提高企

业污染治理的积极性，政府可能会给予辖区内污染

企业环保补助，激励企业积极参与环境治理。已有

研究表明，政府环保补贴力度的加大能够促进企业

进行污染减排[34]

，因此环保补助对企业环境绩效的

改善作用也可能会对本文的研究结论带来干扰。为

排除此干扰，本文将环保补助（Subsidy）这一变量引

入模型（1）并重新回归，参考李青原等[35]

对环保补助

的度量方法，本文手工搜集整理了年报“营业外收

入”补助明细表中关于治理污染的本期发生额，并使

用环保补助占企业总资产百分比加以度量。结果如

表6（3）列所示，Pollute×Policy的系数依旧在1%的水

平上显著为正，表明排除政府环保补助的影响后绿

色信贷的政策效果依然有效，说明本文的研究结论

是稳健的。

表6 稳健性检验：排除其他因素的干扰

变量

Pollute×Policy

PM2.5

HBF

Subsidy

_cons

Controls

个体固定效应

年份固定效应

N

Adj-R2

（1）

排除雾霾污染的

干扰

EP

0.309***

(4.507)

0.002

(0.739)

1.310

(0.969)

YES

YES

YES

10 690

0.612

（2）

排除新《环保法》

出台的影响

0.340***

(4.592)

-0.080

(-1.345)

1.456

(1.176)

YES

YES

YES

10 690

0.676

（3）

排除政府环保

补助的影响

0.308***

（4.275）

0.055*

(1.667)

1.433

（1.136）

YES

YES

YES

10 690

0.612

3.安慰剂检验

前文检验了企业间可能存在的系统性差异，且

排除了部分政策的干扰。但值得思考的是，此效应

是否还受到其他不可观测因素的影响。为此，本文

构建反事实框架进行安慰剂测试。图2报告了构造

0

.

0

5

.

0

1

0

.

0

1

5

.

0

核

密

度

0

.

0

1

.

0

2

.

0

3

.

0

4

.

0

5

.

0

P

值

-.35 -.3 -.25 -.2 -.15 -.1 -.05 0 .05 .1 .15 .2 .25 .3 .35

估计系数

P值 核密度

图2 安慰剂检验

绿色经济 Green Economy

65

2023年第8期 WUHAN

FINANCE

虚假的《指引》政策对企业环境绩效影响的核密度分

布图。结果显示，800 次随机分配后回归估计的系

数密集分布在零点附近，且呈正态分布，同时，本文

的真实估计数 0.310 在安慰剂测试中明显为异常

值。这些结果表明绿色信贷政策对企业环境绩效的

正向显著影响并非源于其他不可观测因素，研究假

设1进一步得到验证。

五、机制检验

前文理论分析中指出，面对绿色信贷政策压力，

企业基于环境违规成本和主业经营收益的双重考

虑，会产生差异化的环境治理行为。一方面，出于套

利动机，企业会缩减生产规模以尽快摆脱绿色信贷

惩罚；另一方面，企业会通过增加环保投资，主动进

行环境治理以获得市场竞争的先动优势。为了进一

步识别绿色信贷政策改善企业环境绩效的机制，本

文参考江艇[36]

的研究思路，通过观测核心自变量绿

色信贷政策对机制变量生产规模（Output）和环保投

资（EI）的影响进行机制检验，构建模型（3）和模型

（4）如下：

Outputit = β0 + β1Pollutei × Policyt +

λControlsit + ωi + μt + εit

（3）

其中，被解释变量Output表示企业的生产规模，

借鉴刘斌等[37]

的做法，使用本年营业收入与上一年

营业收入的自然对数之差来衡量。控制变量与式

（1）一致，同时控制个体固定效应与年份固定效应。

EIit = β0 + β1Pollutei × Policyt +

λControlsit + ωi + μt + εit

（4）

其中，被解释变量 EI 表示企业的环保投资，借

鉴张琦等[38]

的做法，采用企业环保投资规模与企业

资产规模的比值来衡量。为保持回归系数的可读

性，将该比值作乘以100的处理。控制变量与式（1）

一致，同时控制了个体固定效应与年份固定效应。

表7（1）和（2）列分别报告了模型（3）和模型（4）

的回归结果。Pollute×Policy 的系数在（1）列中为

-0.080，但不显著，在（2）列中为0.047，且在1%的水

平上显著，说明绿色信贷政策能够促进重污染企业

扩大环保投资，且未对企业生产规模产生显著的负

向影响，假设H2b得到验证。这可能是由于在环境

规制压力下，企业为降低环境风险存在缩减生产规

模的被动反应，但是区别于传统的环境规制方式，绿

色信贷政策既与行政惩罚相结合，能够“一票否决”

重污染企业的融资需求，又具备激励功能，能够降低

环境表现良好企业的金融市场交易成本，在提高企

业违法成本的同时降低了企业的守法成本，有利于

提高企业环境治理的积极性，避免企业做出消极应

对的治理行为。此外，《指引》要求金融机构全流程评

估已授信项目环境风险的举措也降低了信息不对

称，在较强的外部监督下，企业通过缩减生产规模实

现的短期减排效果无法满足长期获取信贷支持的要

求，套利动机受到抑制，使得企业做出减产决策的动

力不足。

表7 绿色信贷政策改善企业环境绩效的机制检验

变量

Pollute×Policy

Top

Size

Age

Level

Cashflow

FC

Growth

Roa

Tobinq

Tan

Both

PITI

_cons

个体固定效应

年份固定效应

N

Adj-R2

（1）

Output

-0.080

(-1.03)

0.003

(1.14)

0.958***

(14.90)

0.064

(0.21)

0.349

(1.54)

1.039***

(3.99)

0.362*

(1.87)

-0.007

(-0.42)

1.364***

(2.92)

0.020

(0.79)

0.734**

(1.97)

-0.111*

(-1.84)

0.108

(1.33)

-23.134***

(-12.87)

YES

YES

10,690

0.570

（2）

EI

0.047***

(3.161)

-0.000

(-0.167)

-0.005

(-0.736)

-0.056**

(-2.041)

-0.017

(-0.635)

0.017

(0.624)

0.001

(0.075)

-0.001

(-0.867)

-0.022

(-0.353)

-0.002

(-1.119)

0.030

(1.235)

0.010

(1.361)

0.002

(0.205)

0.269

(1.429)

YES

YES

10 690

0.419

六、进一步分析

（一）企业规模的异质性分析

为探究企业规模对绿色信贷政策效果的影响，

本文将资产规模大于上四分位数的上市企业划分为

大规模企业，小于下四分位数的上市企业划分为小

66

规模企业。企业规模异质性回归结果如表8所示，

绿色信贷政策对大规模企业的环境绩效存在促进作

用，而对小规模企业的影响效果并不显著。这可能

是由于长期以来大规模企业对金融机构信贷的依赖

性较大，因此在绿色信贷政策实施以后大规模企业

受到的信贷约束也强于小规模企业，为缓解这种惩

罚效应，大规模企业的环境治理动机更强。同时，面

对外部市场变化带来的风险，大规模企业往往能够

基于长远发展的目的来考虑对策，通过投入环保资

金绿化生产流程，以持续满足合法性要求。

表8 绿色信贷政策与企业环境绩效：企业规模异质性

变量

Pollute×Policy

_cons

Controls

个体固定效应

年份固定效应

N

Adj-R2

经验P值

（1）

大规模企业

EP

0.465***

(4.137)

6.136*

(1.692)

YES

YES

YES

2 768

0.605

0.000**

（2）

小规模企业

0.124

(0.942)

0.019

(0.058)

YES

YES

YES

2 433

0.517

（二）产权性质的异质性分析

为考察产权性质对绿色信贷政策效果的影响，

本文将实际控制人性质为国有企业、行政机构、事业

单位、中央机构、地方机构的企业划分为国有企业，

其余企业划分为非国有企业。产权异质性回归结果

如表9所示。通过组间差异检验发现，绿色信贷政

策在国有企业中发挥的效果更明显。一方面，由于

非国有企业通常面临信贷歧视，银行借款成本更高，

从金融机构获取的信贷资金明显低于国有企业，因

此受到绿色信贷政策的影响会更小；另一方面，国有

企业受到的政府关注度更高，承担的政策导向任务

更多，为响应绿色信贷政策，国有企业要充分发挥改

善环境的模范带头作用。因此，绿色信贷政策效果

在国有企业中发挥着更大的作用。

（三）地区发展水平的异质性分析

现阶段我国各地经济和社会发展不均衡的现象

仍然明显，区域特征的差异也影响了环境规制的政

策效果。为探究地区发展水平差异是否对绿色信贷

政策的效果发挥存在影响，本文参考现有研究，利用

王小鲁等[39]

在《中国分省份市场化指数报告（2021）》

中构造的地区市场化指数衡量地区发展水平，该指

标数值越大，代表地区发展水平越高。本文以市场

化指数的中位数为界，将样本分为发展水平较高的

地区和发展水平较低的地区两组。按市场化程度高

低分组后的回归结果如表10所示，通过组间差异比

较发现，绿色信贷政策在发展水平较高地区发挥的

环境效果更强。一般而言，发展水平较低的地区制

度执行效率相对较差，金融机构在选取放贷对象时

可能存在偏离，造成绿色信贷政策的效果存在不确

定性，而发展水平较高地区的制度体系较为完善，绿

色信贷政策的执行更加有效，从而显示出更好的政

策效果。

（四）《指引》改善环境绩效的经济后果分析

绿色信贷政策的战略目标在于引导企业生产模

表9 绿色信贷政策与企业环境绩效：产权异质性

变量

Pollute×Policy

_cons

Controls

个体固定效应

年份固定效应

N

Adj-R2

经验P值

（1）

国有企业

EP

0.477***

(3.718)

1.270

(0.715)

YES

YES

YES

5 023

0.602

0.000***

（2）

非国有企业

0.263***

(3.121)

2.429

(1.321)

YES

YES

YES

5 507

0.623

表10 绿色信贷政策与企业环境绩效：

地区发展水平异质性

变量

Pollute×Policy

_cons

Controls

个体固定效应

年份固定效应

N

Adj-R2

经验P值

（1）

高发展水平地区

EP

0.365***

(2.952)

2.724

(1.485)

YES

YES

YES

4 982

0.623

0.012***

（2）

低发展水平地区

0.317***

(3.432)

0.622

(0.349)

YES

YES

YES

5 596

0.610

绿色经济 Green Economy

67

2023年第8期 WUHAN

FINANCE

式向绿色、低碳、循环方向转变，推动绿色经济发

展。根据前文分析，绿色信贷政策对重污染企业环

境绩效的改善作用已得到较为充分的证据支持，那

么，绿色信贷政策促进重污染企业环境绩效提高会

对企业的经济绩效产生何种影响？《指引》的颁布能

否达到“增效”与“减排”的双赢目标？这些问题还有

待进一步检验。为分析《指引》改善环境绩效的经济

后果，本文构建如下模型：

TQi,t + 1 = θ0 + θ1EPi,t + θ2Pollute × Policyi,t +

θ3EPi,t × Pollute × Policyi,t +

λControlsi,t + ωi + μt + εit

（5）

在模型（5）中，被解释变量TQ表示企业经济绩

效，采用托宾Q值（Tobinq）衡量。关键解释变量为企

业环境绩效与绿色信贷政策的交乘项（EP×Pollute×

Policy），若交乘项系数显著为正，则说明绿色信贷政

策导致企业环境绩效的改善有利于企业经济绩效的

提升。控制变量剔除Tobinq，其余与模型（1）一致。

表11 报告了模型（5）的回归结果。（1）列所示，

EP×Pollute×Policy 的系数为-0.015，在5%的水平上

显著，说明《指引》促进企业环境绩效的提升使当期

的经济绩效有所下降。企业为应对《指引》带来的外

部约束，需要支付更多资金来解决环境污染问题，造

成企业经营成本的增加，在短期内降低了公司的财

务绩效。（2）列EP×Pollute×Policy的估计系数并不显

著，表明《指引》引致环境绩效的改善对未来一期的

企业财务绩效没有显著影响。（3）列EP×Pollute×Pol‐

icy 的估计系数为 0.02，在 5%的水平上显著，表明

《指引》对环境绩效的改善显著提高了企业未来两期

的财务绩效。这与胡曲应[29]

关于企业环境绩效与经

济绩效存在正相关关系的结论一致。这可能是由于

环境规制促使污染型企业进行环境治理，该投入产

生的影响具有一定的滞后性，短期内不利于企业经

营绩效的提高，但从中长期考虑，良好的环境绩效使

企业满足合法性要求的同时也获得利益相关者的认

同，由此带来的协同效应利于企业经济绩效的提高。

七、研究结论与政策建议

本文基于 2008—2020 年 A 股上市公司相关数

据，以 2012 年《绿色信贷指引》的颁布作为外生冲

击，运用DID模型对绿色信贷政策在微观企业层面

发挥的环境治理效应进行了评估。研究发现，在《指

引》实施以后，重污染企业的环境绩效得到了有效提

高，这一提升作用得益于促进企业增加环保投资来

实现，而非缩减生产规模的结果。进一步研究发现，

企业及区域的差异特征对政策效果也存在影响。具

体而言，绿色信贷政策对环境绩效的改善作用在大

规模企业、国有企业、发展水平较高地区的企业中更

加显著。经济后果检验证明，企业环境绩效的改善

有利于经济绩效的提升，且该作用具有迟滞性。

本文的研究结论可以为政府完善绿色信贷政

策、企业合理选择环境战略提供有益参考。

首先，绿色信贷政策的实施使重污染企业的环

境绩效有所改善，实施的总体效果理想，符合当下我

国的生态需求和经济发展需求。因此，在推动绿色

发展的过程中，应持续完善绿色金融政策体系，充分

挖掘绿色信贷等金融政策对企业绿色转型的潜在作

用。为减弱政策效果的不对称性，应重视对绿色信

贷政策效果评估机制的完善，通过设定统一的环境

绩效考核指标体系等方法识别政策的实施效果，这

不仅有利于深入了解政策的成效，也有利于及时纠

正实行过程中出现的偏差问题。通过不断丰富绿色

金融体系，引导企业绿色转型。

其次，基于本文得出的绿色信贷政策对企业环

境绩效的异质性影响结论，不仅要对大规模企业和

国有企业密切监控，也要重视对小规模企业和非国

有企业的鼓励和引导，逐步缩小政策效果在企业间

的差异。在坚持绿色信贷总体布局下，完善更加适

合市场化发展程度较低地区的金融配套政策，推动

市场化进程，同时严格树立环境执法的权威性，以确

保资源得到精准投放。

最后，本文在经济后果分析中证实了环境绩效

对企业经济绩效的正向促进作用。因此，作为承受

绿色信贷等环境政策的微观主体，企业应不断提高

表11 经济后果检验

变量

EP×Pollute×Policy

_cons

其他核心变量及控制变量

个体固定效应

年份固定效应

N

Adj-R2

（1）

t期Tobinq

-0.015**

(-2.150)

25.973***

(24.685)

YES

YES

YES

10 690

0.752

（2）

t+1期Tobinq

-0.010

(-1.221)

27.923***

(21.006)

YES

YES

YES

7 480

0.780

（3）

t+2期Tobinq

0.020**

(2.270)

30.400***

(18.394)

YES

YES

YES

5 708

0.801

68

环保意识，积极顺应政策趋势并主动进行绿色治理，

以谋求企业长效发展。在进行转型的过程中，加强

企业内部监督，保障环保专项资金的使用效率，避免

低效环保投资造成的资金浪费。同时，企业要不断

完善环境信息披露制度，降低自身与信贷机构之间

的信息不对称，及时传递绿色转型的信号，以得到绿

色信贷政策的持续性激励。■

注 释

① 数据来源：鲁政委，汤维祺.2017年中国绿色金融市场综

览 [J/OL]. 中 国 金 融 信 息 网 ，https：//www.cnfin.com/greenfi‐

nance-xh08/a/20180108/1744086.shtml。

[参考文献]

[1] 李维安，张耀伟，郑敏娜，等.中国上市公司绿色治理及其

评价研究[J].管理世界，2019（5）：126-133+160.

[2] ZHAO X，YIN H，ZHAO Y. Impact of Environmental Reg‐

ulations on the Efficiency and CO2 Emissions of Power Plants

in China[J]. Applied Energy，2015，149：238-247.

[3] GUO P. Financial Policy Innovation for Social Change：A

Case Study of China's Green Credit Policy[J]. International Re‐

view of Sociology，2014，24（1）：69-76.

[4] 连莉莉.绿色信贷影响企业债务融资成本吗?基于绿色企

业与“两高”企业的对比研究[J].金融经济学研究，2015（5）：

83-93.

[5] 丁杰.绿色信贷政策、信贷资源配置与企业策略性反应

[J].经济评论，2019（4）：62-75.

[6] LI Z，LIAO G，WANG Z，et al. Green Loan and Subsidy

for Promoting Clean Production Innovation[J]. Journal of Clean‐

er Production，2018，187：421-431.

[7] 赵莉，何朋飞.环境信息披露、政府监管与债务融资成本：

基于沪深 A 股重污染企业的实证研究[J].武汉金融，2021

（7）：44-52.

[8] 马妍妍，俞毛毛.绿色信贷能够降低企业污染排放么?基

于双重差分模型的实证检验[J].西南民族大学学报（人文社

科版），2020（8）：116-127.

[9] 郭俊杰，方颖.绿色信贷、融资结构与企业环境投资[J].世

界经济，2022（8）：57-80.

[10] HU G，WANG X，WANG Y. Can the Green Credit Policy

Stimulate Green Innovation in Heavily Polluting Enterprises?

Evidence from A Quasi-natural Experiment in China[J]. Ener‐

gy Economics，2021，98：105134.

[11] 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+11.

[12] 陆菁，鄢云，王韬璇.绿色信贷政策的微观效应研究：基

于技术创新与资源再配置的视角[J].中国工业经济，2021

（1）：174-192.

[13] 杨柳勇，张泽野.绿色信贷政策对企业绿色创新的影响

[J].科学学研究，2022（2）：345-356.

[14] 孟凡利.论环境会计信息披露及其相关的理论问题[J].

会计研究，1999（4）：17-26.

[15] 刘锡良，文书洋.中国的金融机构应当承担环境责任吗?

基本事实、理论模型与实证检验[J].经济研究，2019（3）：38-54.

[16] 蔡海静，汪祥耀，谭超.绿色信贷政策、企业新增银行借

款与环保效应[J].会计研究，2019（3）：88-95.

[17] 陈琪.中国绿色信贷政策落实了吗：基于“两高一剩”企

业贷款规模和成本的分析[J].当代财经，2019（3）：118-129.

[18] 苏冬蔚，连莉莉.绿色信贷是否影响重污染企业的投融

资行为?[J].金融研究，2018（12）：123-137.

[19] 刘传江，张劭辉，李雪.绿色信贷政策提升了中国重污染

行业的绿色全要素生产率吗?[J].国际金融研究，2022（4）：

3-11.

[20] 沈洪涛，黄珍，郭肪汝.告白还是辩白：企业环境表现与

环境信息披露关系研究[J].南开管理评论，2014（2）：56-63+73.

[21] 刘蓓蓓，俞钦钦，毕军，等.基于利益相关者理论的企业

环境绩效影响因素研究[J].中国人口·资源与环境，2009

（6）：80-84.

[22] 唐国平，李龙会，吴德军.环境管制、行业属性与企业环

保投资[J].会计研究，2013（6）：83-89+96.

[23] 崔广慧，姜英兵.环境规制对企业环境治理行为的影响：

基于新《环保法》的准自然实验[J].经济管理，2019（10）：54-72.

[24] QI G，ZENG S，TAM C M，et al. Stakeholders' Influenc‐

es on Corporate Green Innovation Strategy：A Case Study of

Manufacturing Firms in China[J]. Corporate Social Responsibil‐

ity and Environmental Management，2013，20（1）：1-14.

[25] PORTER M E，LINDE C V D. Toward A New Conception

of the Environment Competitiveness Relationship[J]. Journal of

Economic Perspectives，1995，9（4）：97-118.

[26] 姜英兵，崔广慧.环保产业政策对企业环保投资的影响：

基于重污染上市公司的经验证据[J].改革，2019（2）：87-101.

[27] 舒利敏，廖菁华.末端治理还是绿色转型?绿色信贷对重

污染行业企业环保投资的影响研究[J].国际金融研究，2022

（4）：12-22.

[28] 朱炜，孙雨兴，汤倩.实质性披露还是选择性披露：企业

环境表现对环境信息披露质量的影响[J].会计研究，2019

（3）：10-17.

[29] 胡曲应.上市公司环境绩效与财务绩效的相关性研究

[J].中国人口·资源与环境，2012（6）：23-32.

[30] 张兆国，张弛，曹丹婷.企业环境管理体系认证有效吗

[J].南开管理评论，2019（4）：123-134.

[31] BERTRAND M，DUFLO E，MULLAINATHAN S. How

Much Should Ｗe Trust Differences-in-differences Estimates?

[J]. Quarterly Journal of Economics，2004，119（1）：249-275.

[32] 曹廷求，张翠燕，杨雪.绿色信贷政策的绿色效果及影响

机制：基于中国上市公司绿色专利数据的证据[J].金融论

坛，2021（5）：7-17.

[33] JACOBSON L S，LALONDE R J，SULLIVAN D. Earn‐

ings Losses of Displaced Workers[J]. The American Economic

Review，1993，83（4）：685-709.

[34] 庞瑞芝，林婷，王群勇.绿色政绩考核下地方政府自主性

约束行为与企业污染减排[J].当代财经，2021（7）：114-126.

[35] 李青原，肖泽华.异质性环境规制工具与企业绿色创新

激励：来自上市企业绿色专利的证据[J].经济研究，2020（9）：

192-208.

[36] 江艇.因果推断经验研究中的中介效应与调节效应[J].

中国工业经济，2022（5）：100-120.

[37] 刘斌，张列柯.去产能粘性粘住了谁：国有企业还是非国

有企业[J].南开管理评论，2018（4）：109-121+147.

[38] 张琦，郑瑶，孔东民.地区环境治理压力、高管经历与企

业环保投资：一项基于《环境空气质量标准（2012）》的准自

然实验[J].经济研究，2019（6）：183-198.

[39] 王小鲁，胡李鹏，樊纲.中国分省份市场化指数报告

（2021）[M].北京：社会科学文献出版社，2021：234-248.

（责任编辑：DJ / 校对：XY）

绿色经济 Green Economy

69

2023年第8期 WUHAN

FINANCE

一、引言

中国经济发展进入新常态，经济从高速增长阶

段转向高质量发展阶段。同时，世界百年未有之大

变局加速演进，中国经济发展不确定性显著增加。

金融系统作为现代经济的核心，对于支持实体经济

发展、助力经济稳定增长至关重要。近年来，数字经

济在我国快速发展，国家互联网信息办公室发布的

《数字中国发展报告（2022年）》显示，2022年中国数

字经济规模总量达50.2万亿元，占国内生产总值比

重达 41.5%，居世界第二。数字经济以信息技术为

基础，将数据作为关键核心生产要素，在推动实体经

济数字化转型的同时，也引发了金融领域变革。

数字金融通常指传统金融机构与互联网公司利

用数字技术实现融资、支付和投资等业务的新型金

融业务模式[1]

。一方面，数字金融促进了银行产品

创新，推动了传统金融机构在管理和服务上的数字

化转型[2]

，并依托于现代数字技术，强化了银行信用

风险防控，促进商业银行经营效率提升[3]

。另一方

面，数字金融发展能够优化营商环境，增加企业研发

投入，促进企业数字化转型[4]

。同时，数字金融发展

能够推动技术创新，进而促进经济增长[5]

，其通过优

化资源配置和促进区域创新，助力产业结构升级[6]

，

提升经济韧性[7]

，为高质量发展创造现实条件[8]

。

然而，数字金融在带动银行业效率提升的同时，

其潜在风险同样值得关注。业界通常将2013年视

为中国数字金融的发展元年。2013—2020年，中国

银行不良贷款率由1.54%上升到1.56%，数字金融发

展水平与银行不良贷款率呈现同向变动趋势[9]

，加

之中国经济下行压力加大，企业信用违约风险增加，

金融系统潜在风险逐步上升。

那么，数字金融发展是否会带来潜在金融风

险？数字金融加剧了经济波动还是促进了经济稳定

增长？为回答上述问题，本文从内生性技术进步与

金融摩擦理论出发，构建了包含双重金融摩擦的动

态随机一般均衡模型，模拟外部风险冲击以及数字

摘 要：本文通过构建包含内生技术进步与双重金融摩擦的动态随机一般均衡模型，综合考察在经济衰退期和经济繁荣期，数字金

融能否起到“经济稳定器”作用。研究结果表明，数字金融发展能够发挥“经济稳定器”效用，平抑经济波动。但在不同经济发展阶段，数

字金融的作用机制不同。在经济衰退期，部门间金融摩擦缓解效应发挥主要作用；在经济繁荣期，部门内竞争加剧效应发挥主要作用。

进一步研究表明，在数字金融发展初期，技术迭代引发金融创新的速度超出市场自我调节的承受范围，可能会引发经济不合理增长，加剧

经济波动。因此，金融监管部门既要鼓励数字金融充分发展，发挥其稳定经济运行的积极作用，又要加强行业监控，防范数字金融创新可

能带来的潜在风险。

关键词：数字金融；DSGE；金融摩擦；经济稳定

中图分类号：F832.5 文献标识码：A 文章编号：1009-3540（2023）08-0070-0010

基金项目：教育部人文社科青年项目“资本错配约束下中国高质量发展周期的形成机理研究”（18YJC790203）；福建省自然科学基金

面上项目“数字金融支持民营经济高质量发展的机理、路径与对策研究”（2022J01176）。

■ 孙振华 易小丽

作者简介：孙振华（1998—），男，福建师范大学经济学院硕士研究生； 易小丽（1987—），女，博士，福建师范大学经济学院副教授，硕士生

导师。

数字金融能否平抑经济波动？——基于动态随机一般均衡模型的研究

70

技术使用冲击对经济体各主要变量的影响及其动态

变化，探究数字金融能否稳定经济波动，并分析数字

金融可能带来的风险因素，提出相应的政策建议。

二、文献综述

内生增长理论认为经济能够不依赖外力的推动

实现持续增长，内生的技术进步是保证经济持续增

长的决定因素。数字技术是具有渗透性、替代性和

协同性三大“技术-经济”特征的通用目的技术[10]

，是

数字经济时代发展的基础。已有研究表明数字技术

应用对推动经济内生增长具有重要影响。杨俊等[11]

以大数据作为生产要素拓展了内生增长理论框架，

揭示了大数据对经济增长的内生影响机制。唐要家

等[12]

构建了包含数据要素的内生增长模型，研究发

现数字经济发展总体上促进了创新水平的提高，但

数字经济对创新绩效具有典型的动态非线性影响。

技术进步离不开金融的作用，金融是技术进步促进

经济增长链条中的关键环节。易信等[13]

通过建立熊

彼特内生增长模型研究发现，金融发展能通过技术

创新的“水平效应”与“结构效应”加速产业结构转

型，促进经济增长。王建伟[14]

在内生增长理论的框

架下，研究了金融发展与经济增长之间的关系，发现

金融发展促进经济增长来源于金融深化和金融广化

两方面的作用。数字技术的发展应用在加速技术创

新驱动经济转型发展的同时，也带来了信息通信技

术推动金融创新的新范式——数字金融[15]

。数字金

融对推动技术进步，带动经济增长具有重要意义。

数字金融能够显著促进技术密集型制造业的发展，

助力我国制造业转型升级和绿色发展[16]

。数字金融

尤其能够促进中小企业创新，且该作用长期存在[17]

。

然而，金融发展的作用并不一定都是正向的。

金融发展带动金融效率提升[18]

，金融效率的变化会

影响产出水平，从而影响经济增长率的波动性[19]

。

数字金融作为数字技术引发的金融革命，其对金融

效率的提升效应已经得到广泛认可[20，21]

。不过，数

字金融发展能否稳定金融市场，从而稳定经济波动

则尚无定论。有学者认为，数字金融发展能够缓解

银企之间的信息不对称[22]

，提升信贷资源配置效率，

降低企业融资约束[23]

，尤其是在新冠疫情期间，金融

机构通过数字技术实现无接触式触达，提高了金融

服务的可及性和服务效率，帮助企业尤其是中小微

企业抵御疫情冲击，帮助中国经济在疫情后企稳回

升，起到“经济稳定器”效应[24]

。然而，也有学者认

为，数字金融发展虽然降低了商业银行经营成本，提

高了银行服务效率，但是同样加剧了商业银行之间

的竞争[25]

，导致存贷利差收窄，银行可持续盈利能力

下降[26]

。数字金融给商业银行带来的负面效应可能

大于正面效应[27]

。除此之外，在数字金融时代，包括

信用风险、市场风险、流动性风险、操作风险等在内

的金融风险升级，相对于传统体系，风险蔓延明显加

快[28]

。

“金融加速器”理论认为，金融摩擦是导致经济

波动的关键[29—32]

。根据“金融加速器”理论，数字金

融可以降低经济波动。金融摩擦在中国经济社会中

普遍存在，既存在于银行部门与企业部门之间，也存

在于银行部门与家庭部门之间[33]

，信息不对称与不

完全契约是金融摩擦产生的主要原因。一方面，银

行与企业之间由于信息不对称导致信贷需求端溢

价，表现为企业面临异质性借贷成本和借贷约束[34]

。

另一方面，银行与家庭之间由于不完全契约导致信

贷供给端溢价。通常家庭无法完全监控银行行为，

从而银行有偏离储户意愿转移储户资金的倾向，使

得银行吸储能力受其资产负债表约束，限制了银行

信贷供给[35]

。依托于数字技术广泛应用和数据要素

的深入挖掘，数字金融有效降低了信息不对称[36]

，缓

解了银行、企业与家庭之间的金融摩擦，既能够减轻

企业面临的融资约束[37]

，助力实体经济发展，也能够

优化家庭资产配置，提升配置效率[38]

。金融数字化

利用信息技术优势对个人和企业的信用风险进行整

合与识别，进一步解决金融摩擦问题[39]

，进而降低经

济波动，稳定经济运行。

也有学者根据“银行特许权价值（Franchise Val‐

ue FV）”理论，认为数字金融发展可能增加金融系统

风险因素，加剧经济波动。银行业准入限制产生的

“特许垄断”以及创收能力是银行等金融机构生存的

基础[40]

。特许权价值是银行持续经营能力的反映，

与银行冒险动机密切相关，是银行风险行为的重要

影响因素[41]

。银行特许权价值降低会激发银行主动

承担更大风险，推动金融系统整体风险水平上升，即

银行特许权价值和银行风险之间存在负相关关系[42]

。

而数字金融对银行特许权价值具有抑制作用，可能

降低银行特许权价值[43]

。一方面，数字金融发展源

起于大型科技公司利用自身技术优势及数据资源优

势，跻身金融领域，使银行，尤其是中小银行丧失原

数字金融 Digital Finance

71

2023年第8期 WUHAN

FINANCE

有优势，加剧了行业竞争[44]

，削弱了商业银行的盈利

能力，导致商业银行市场势力的降低[45]

。并且，互联

网金融吸纳的资金会以同业存款形式重新流入银

行，增加银行吸储成本，降低银行系统的创收能力，

进而降低了银行特许权价值，从而加重了银行风险

承担[46]

，加大了金融系统不稳定性，不利于实体经济

稳健运行。

以往研究可能存在以下不足：首先，在空间维度

上，已有文献往往只关注数字金融对部门间金融摩

擦的缓解效应或者只关注数字金融加剧金融部门内

部竞争的效应，而较少将部门间摩擦以及部门内竞

争置于同一框架下，比较两种效应相对强弱带来的

不同影响。其次，在时间维度上，已有学者注意到数

字金融在不同发展阶段具有不同特征[47]

，但少有文

献分析其在不同发展阶段对经济稳定的不同影响。

最后，已有文献较少通过建立理论模型的方式，探究

数字金融影响经济运行的内在机制，缺乏对数字金

融发展影响金融体系以及经济运行的理论分析。

基于此，本文可能的边际贡献主要有：第一，同

时考虑数字金融对部门间金融摩擦的缓解效应与部

门内的竞争效应，并考察在不同经济发展阶段，两种

效应相对强弱带来的不同影响。第二，区分数字金

融发展不同阶段所具有的不同特征，分别探讨其对

经济稳定运行的不同影响。第三，构建包含双重金

融摩擦与内生性技术进步在内的动态一般随机均衡

模型，更好地分析宏观经济运行特征，系统性考察数

字金融对宏观经济稳定运行的影响，丰富数字金融

发展影响经济运行的理论研究。

三、模型构建

在国内学者的研究中，金融摩擦的存在已经得

到广泛认可。一方面，银企之间的金融摩擦导致企

业外部融资约束加强和企业信贷可得性降低，从而

引起资本错配，降低全要素生产率[48]

。另一方面，居

民与银行之间的金融摩擦同样影响着经济波动，存

在“双重金融摩擦”。双重金融摩擦因素的模型能够

较好地刻画中国经济波动特征[49]

。带有摩擦因素的

金融中介模型能更好地解释中国经济增长和波动的

特征[50]

。金融摩擦主要源于信息不对称产生的金融

交易成本，造成了额外的配置效率损失。上文的分

析已经表明，数字技术的应用对于降低金融摩擦，提

高金融服务效率起到了关键作用。数字金融发展既

能够显著减少企业面临的金融摩擦，缓解企业面临

的融资难融资贵问题，也能够减少家庭与银行之间

的金融摩擦，降低信息不对称程度，减少供给端金融

摩擦。基于此，本部分在新凯恩斯 DSGE 理论模型

的基础上，纳入双重金融摩擦以及内生技术进步，用

技术进步缓解金融摩擦来表征数字金融发展，并构

建包含家庭部门、中间品生产商、最终品生产商、资

本品生产商、数字技术研发部门、金融部门、企业家

和政府部门共八类经济主体在内的模型，以分析数

字金融发展与经济波动的关系。模型逻辑框架如图

1所示。

图1 模型基本框架

（一）家庭部门

经济中存在无数个同质家庭，连续分布于区间

[0,1] 。对于代表性家庭 j ∈[0,1] ，通过消费，提供劳

动，最大化其预期的效用贴现和，效用函数采用消费

和劳动可分离的形式：

Ut = E∑t

t = 0

∞

βt

(

Ct

1 - σ

1 - σ - η

Lt

1 + φ

1 + φ) （1）

其中，β 代表跨期贴现因子，Ct 代表家庭 t 时

期的消费，σ 为家庭相对风险规避系数（Relative

Risk Aversion，RRA）。 Lt 代表家庭劳动供给，η > 0

代表家庭劳动的相对偏好程度，φ 代表家庭劳动供

给的Frisch弹性的倒数。

家庭通过提供劳动获得劳动报酬，通过储蓄获

取收益，通过投资获取股权回报，通过持有政府债券

获取利息以及获取中间厂商通过利润分配方式得到

的收益，并将其用于当期消费以及储蓄、投资和债券

72

持有的决策。因此，家庭面临如下的预算约束：

Ct + Lt + Bt + 1 + Dt + 1 + Gt + 1 =

WtLt +(1 + Rb

t )Bt +(1 + Rd

t )Dt +

(1 + Rg

t )(1 - υ)Gt - Tt + Ot

（2）

其中，Bt 为家庭部门在 t 期持有的政府债券，

Dt 为家庭在 t 期的储蓄决策，Gt 为家庭在 t 期在研

发部门的股权配置，Wt 为名义工资率。 Rb

t 、Rd

t 、Rg

t

分别为 t 期政府债券利率、银行储蓄利率以及股权

收益率。 υ 为研发沉没成本。 Tt 为一次性总赋

税。 Ot 代表家庭从中间产品厂商获取的利润分

配。构造拉格朗日函数，进行一阶求导，可以得到如

下一阶条件：

ηLφ

t = wt

C-σ

t （3）

C-σ

t = βC-σ

t + 1(1 + Rd

t ) （4）

1 + Rg

t = (1 + Rd

t ) (1 - υ) （5）

（二）最终产品生产商

经济系统中存在一个最终产品生产商，以中间

产品作为投入，采用如下生产技术生产最终产品：

Yt =(∫0

1

Yt

( j)

εp - 1

εp

dj)

εp

εp - 1

（6）

其中，Yt 代表最终产品数量，Yt

( j) 代表生产最

终产品所使用的第 j 个中间产品生产商生产的中间

产品数量。 εp > 1代表不同中间产品之间的替代弹

性。假设最终产品市场处于完全竞争状态，最终产

品生产商追求利润最大化，从而得到对第 j 种中间

产品的需求函数为：

Yt

( j)= æ

è

ç ö

ø

÷

Pt

( j)

Pt

-εp

Yt （7）

在完全竞争市场零利润假设下，可以得到总价

格水平决定方程：

Pt = (∫0 ) 1

(Pt

( j))

1 - εp

dj

1

1 - εp

（8）

（三）中间产品生产商

中间产品市场处于垄断竞争状态，生产第 j 类

中间产品的厂商采用Cobb-Douglas生产函数形式：

Yt

( j)= Kα

t ( j)(AtLt

( j))

1 - α （9）

其中，At 代表全要素生产率，Kt

( j) 代表生产第

j 类中间产品的资本品投入，Lt

( j) 代表生产第 j 类

中间产品的劳动力投入。 α 为资本产出份额。

1 - α 为劳动产出份额。

本文基于Calvo[51]

的研究，在垄断竞争状态下对

中间产品定价，从而引入价格粘性。在 t 期能够调

整价格的厂商通过制定最优价格 Pt

( j) ，来实现利润

最大化：

max Pt

( j)

E∑t

i = 0

∞

(θ

p

β)

iU'(Ct + i

)

U'(Ct

)

æ

è

ç ö

ø

÷

Pt + i

( j)

Pt + i

Yt + i

( j)- mct + i

Yt + i

( j) （10）

其中，θ

p

代表中间品厂商不能重新定价的概

率。 U'(Ct

) 代表家庭消费的边际效用。 mct 代表中

间品厂商面临的实际边际成本，假设所有中间品厂

商面临相同的边际成本。从而得到中间品厂商的最

优定价方程为：

Pt

( j)= εp

εp - 1

E∑t i = 0

∞ (θ

p

β)

i

U'(Ct + i

)mct + iPεp

t + i

Yt + i

E∑t i = 0

∞ (θ

p

β)

i

U'(Ct + i

)Pεp - 1

t + i Yt + i

（11）

将上述优化问题进行对数线性化，可以得到关

于最终产品定价的新凯恩斯菲利普斯曲线：

π͂t = (1 - θ

p

)(1 - βθ

p

)

θ

p

~

mct + βEt

π͂t + 1 （12）

（四）研发部门

参考田秀娟等[15]

的做法，本文将经典研发部门

设定为数字技术的研发部门。数字技术研发部门的

投入由银行贷款 Sa

t 和股权投资 Gt 构成。参照杨伟

中等[52]

的研究，研发部门贷款需要进行股权质押，因

此，研发部门的投入可以表示为：

Rt = Sa

t + Gt = ϑGt + Gt （13）

借鉴易信等[13]

的研究，假设研发部门投入同研

发成功概率 μa

t 之间的关系为：

Rt = φa

2 (μa

t )

2

AtLt （14）

其中，φa 为研发效率参数。参考 King 等[53]

、

Pinchetti[54]

的研究，研发成功后，技术进步水平改进

程度为 γa ，而研发失败后，技术水平保持不变。因

此，技术进步函数可表示为：

At = ì

í

î

γa

At - 1 , μa

t - 1

At - 1 , 1 - μa

t - 1

（15）

技术平均进步率可表示为：agt = At At - 1 = 1 +

μa

t - 1γa 。

研发失败后，技术水平保持不变，研发部门需要

偿还银行贷款本息，并损失掉一定的沉没成本。此

时，股东投资的股权收益为：Π1

t =(1 - υ)Gt +(1 + Rl

t

)Sa

t 。

研发成功后，研发部门将获得生产部门由技术进步

带来的额外收益。此时，股东投资的股权收益为：

Π2

t = PtAtKα

t L1 - α

t - PtAt - 1Kα

t L1 - α

t +(1 - υ)Gt +(1 + Rl

t

)Sa

t 。

数字金融 Digital Finance

73

2023年第8期 WUHAN

FINANCE

研发部门追求股权平均收益最大化，股权投资的平

均收益表示为：

Πt = μa

t - 1Π2

t +(1 - μa

t - 1)Π1

t （16）

求解以上优化问题，可以得到最优创新概率为：

H =(1 + Rl

t

)υ(1 + υ)

-1

- (1 - υ) (1 + π) （17）

(μa*

t - 1)

(1 - φa

) φa

= H-1

φa

αmct

((1 + γa

)

1 - α - 1)

Kα

t (At - 1Lt

)

1 - α

Yt

（18）

（五）企业家

企业家充当生产厂商与商业银行之间融资的角

色。在 t 期期初利用自有资金和银行贷款从资本品

生产商手中购买资本品，并将资本品出租给中间产

品生产商使用。在期末卖掉折旧的资本。因此，企

业家期末的期望回报 Fk

t 为：

Fk

t = é

ë

ê ù

û

ú Rk

t + Qk

t (1 - δ)

Qk

t - 1

（19）

其中，Rk

t 为资本租金，Qk

t 为资本品价格，δ 为

资本品折旧率。企业家资产负债表为：

Ne

t + Se

t = Qk

t Kt （20）

其中，Ne

t 代表企业家自有资金，Se

t 为企业家从

商业银行取得的贷款。根据Bernanke 等[32]

的分析，

银行贷款需要付出额外状态识别成本（Costly State

Verification，CSV），以 μt 表示，并且企业家回报率会

受到异质不确定性冲击 ωt 的影响，该冲击服从对数

正态分布，则银行与企业家之间的债务契约满足：-

ωtFk

t Qk

t - 1Kt = Rl

tSe

t （21）

其中，-

ωt 代表异质不确定性冲击的临界值，Rl

t

为银行贷款利率。以 F(ωt

) 表示 ωt 的累积分布函

数，描述企业违约概率。此时，银行与企业家之间的

债务契约约束可表示为：

[Γ(

-

ωt

)- μt

G(

-

ωt

)] Fk

t

1 + Rl

t

(1 +

Se

t

Ne

t

)= Se

t

Ne

t

（22）

其中，G(

-

ωt

)= ∫0

-

ωt

ωt

dF(ωt

) ，Γ(

-

ωt

)= -

ωt

[1 - F(

-

ωt

)]+

G(

-

ωt

)。企业家在上述约束下最大化自身利润：

max Kt

,

-

ωt

Et

{[1 - Γ(

-

ωt

)] Fk

t + 1

1 + Rl

t

(1 +

Se

t

Ne

t

)} （23）

推导可得：

Et

( Fk

t + 1

1 + Rl

t

)= Φe

( Ne

t

Qk

t - 1Kt

) （24）

其中，Φe

(∙) 为企业家贷款溢价函数，表示需求

端融资溢价，令企业家杠杆为 Jt = Qk

t - 1Kt Ne

t ，表明

信贷需求端融资溢价依赖于企业家自身的财务状

况。需求端溢价弹性系数为 ζt = d log(Fk

t + 1/(1 + Rl

t

))/

d log(Jt

)，代表需求端金融摩擦。其大小依赖于银行

监督成本 μt 和企业贷款违约分布函数标准差 σt 。

企业贷款违约分布函数标准差满足 AR（1）过程：

log σt = ρσ log σt - 1 + uσ

t ,uσ

t ∼ i.i.d. 。本文将数字金融缓

解信贷需求端摩擦设定为数字金融发展降低商业银

行监督的成本，设 δa 为数字技术转化率，δa

At 为数

字金融对商业银行效率的提升，则有 μt = μa

b (δa

At

) ，

μa

b 代表商业银行固有监督成本。设企业家持续经

营的概率为 θe

，退出时市场的企业家转移支付率为

χe

，则企业家自有资本变化规律为：

Ne

t + 1 = θe

Qk

t - 1Kt

[(1 - μt

G(

-

ωt

))Fk

t + 1 - 1 - Rl

t

]+

[θe

(1 + Rl

t

)+ χe

]Ne

t

（25）

（六）资本品生产商

借鉴 Christensen 等[55]

的做法，假设生产资本品

的厂商在 t 期期初从企业家手中收购折旧后的资

本，与新投资品结合生产新的资本品，然后将新的资

本品卖给企业家，假设存在投资调整成本，资本品生

产商的优化问题可表示为：

maxIt

EtIt

[Qk

t - 1 - Ψ( It

It - 1

)] （26）

其中，It 为投资量，投资调整成本可表示为：

Ψ( It

It - 1

)= h

2 ( It

It - 1

- 1)

2

,h ≥ 0 （27）

其中，h 代表投资调整成本参数，资本存量运动

方程为：

Kt + 1 =(1 - δ)Kt +(1 - Ψ(It It - 1))It （28）

（七）商业银行

商业银行依靠自有资本 Nb

t 与家庭部门的储蓄

向经济系统提供贷款，其资产负债关系可以表示为：

St = Se

t + Sa

t = Dt + Nb

t （29）

商业银行自有资金的变动取决于其经营收益情

况，可以得到：

Nb

t + 1 =(Rl

t - Rd

t )St +(1 + Rd

t )Nb

t - 1 （30）

假设商业银行生存周期有限，在每期期初持续

经营的商业银行与退出市场的商业银行比例分别为

θb

和1 - θb

，商业银行的目标是最大化其自有资金流

的贴现和：

Vt = E∑t

i = 1

∞

(1 - θ

p

)(θ

p

)

i - 1

βi

(U'(Ct + i Ct

))Nb

t + i

= Et

{β(U'(Ct + 1) U'(Ct

))[(1 - θ

p

)Nb

t + 1 + θ

p

Vt + 1]}

（31）

参考Gertler 等[56]

的研究，商业银行的优化方式

74

可以表示为：

Vt = υb

t St + ηtNb

t （32）

υb

t =(1 - θb

)βU'

(Ct + 1) U'

(Ct

)(Rl

t - Rd

t )+

θb

βU'

(Ct + 1) U'

(Ct

)St + 1 Stυb

t + 1

（33）

ηt =(1 - θb

)+ θb

βU'(Ct + 1) U'(Ct

)Nb

t + 1 Nb

t ηt + 1 （34）

储户与商业银行之间的债务合约要求商业银行

满足激励约束条件 Vt ≥ λb

t St ，λb

t 反映了商业银行偏

离储户的利益而擅自挪用资金的情况，体现为信贷

供给端摩擦。类似于信贷需求端摩擦，本文将数字

金融缓解信贷供给端摩擦设定为 λb

t = λa

b (δa

At

) 。

整个商业银行体系自有资金变化包括两个部

分：一是持续经营的银行自有资金；二是新加入的商

业银行自有资金。新加入的商业银行自有资金通过

居民转移支付来提供，比例为 χb (1 - θb

) 。因此，整

个商业银行体系的自有资金变化可表示为：

Nb

t + 1 =(θb

(Rl

t - Rd

t )Φb

t + Rd

t )Nb

t + χb

Nb

t （35）

（八）中央银行

假设中央银行采用 Taylor 规则调整名义存款

利率：

Rd

t + 1 = ρrRd

t +(1 - ρr)[

-

Rd + κy log(Yt Yˉ)+

κπ log(πt πˉ )]+ ur

t

（36）

其中，ur

t 代表利率的随机冲击，服从正态分布，

Yˉ 和 πˉ 分别为产出和通胀的稳态值，参数 κy 和 κπ

分别为利率关于产出和通胀的反应系数。

（九）政府部门

政府通过税收和发行政府债券的方式筹集资金

用于政府购买，政府部门的预算约束可以表示为：

Bt + 1 =(1 + Rb

t )Bt + Gg

t - Tt （37）

政府支出变动服从 AR（1）过程，log(Gg

t

-

Gg

)=

ρg log(Gg

t - 1

-

Gg

)+ u

g

t ，随机冲击 u

g

t 服从正态分布。假

设政府税收的变化规律为：

Tt = Tˉ+ Φg

(Bt - Bˉ) （38）

（十）产品市场出清

产品市场出清满足约束条件：

Yt = Ct + It + Gg

t + μt

G(

-

ωt

)Fk

t Qk

t - 1Kt + Ψ(It It - 1)（39）

四、参数校准

本文通过参考已有文献对模型参数进行校准。

参考马理等[57]

的研究，将家庭跨期贴现因子设定为

0.99。借鉴 Horvath[58]

的研究，将劳动供给的 Frisch

弹性设定为1。设定资本折旧率为0.1，与现有文献

中资本品年折旧率一般水平保持0.1相一致[59]

。资

本的产出弹性设定为0.4[60]

。参考蓝天等[61]

的研究，

将家庭劳动相对偏好程度设定为1。借鉴李向阳[62]

的研究，将中间产品替代弹性设定为 10，中间厂商

重定价概率为0.75，将风险变化平滑参数与政府购

买平滑参数设定为0.9。参考刘斌等[63]

的研究，将投

资调整成本参数设定为 5，商业银行持续经营概率

为0.75，产出的反应系数与通胀的反应系数分别为

0.5和1.5，政府税收参数为0.1。借鉴张云等[35]

的研

究，将需求端金融摩擦稳态值设定为0.089。参考杨

伟中等[52]

的研究，将研发沉没成本设定为 0.6，研发

成功技术改进程度为 0.025。参考彭安兴等[64]

的研

究，将数字技术转化率设定为1.3。研发效率参数设

定为 0.6[15]

。银行供给端金融摩擦 μa

b 、λa

b 、χe 、χb

通过计算模型稳态求得，各参数校准值见表1。

表1 参数校准值

参数

β

σ

η

1 φ

υ

εp

α

1 - θ

p

δ

-

ζt

参数含义

家庭跨期贴现因子

家庭相对风险规避系数

家庭劳动相对偏好程度

劳动供给Frisch弹性

研发的沉没成本

中间产品替代弹性

资本产出份额

中间品厂商重订价概率

资本品折旧率

需求端金融摩擦稳态值

参数

校准值

0.990

2

1

1

0.600

10

0.4

0.750

0.025

0.089

参数

h

θb

δa

κy

κπ

Φb

ρg

ρσ

γa

φa

参数含义

投资调整成本参数

商业银行持续经营概率

数字技术转化率

产出的反应系数

通胀的反应系数

政府税收参数

政府购买平滑系数

风险变化平滑系数

研发成功技术改进程度

研发效率参数

参数

校准值

5

0.750

1.300

0.500

1.500

0.100

0.900

0.900

0.250

0.600

五、模拟结果与影响路径

本部分将基于上述理论模型和参数校准的结

果，区分经济衰退期与经济繁荣期，模拟分析数字金

融能否起到“经济稳定器”作用。

（一）经济衰退期

以不包含数字金融的模型作为基准模型，以一

单位正向企业风险因子冲击模拟经济下行期各经济

变量变化。图2为基准模型在一单位正向风险冲击

下社会总产出、企业违约率、企业融资溢价、社会信

贷总量、银行杠杆和银行资本的变化趋势。结果显

示，在风险冲击下，经济陷入衰退期，产出连续下降，

企业违约率、融资溢价大幅攀升，信贷总量、银行杠

数字金融 Digital Finance

75

2023年第8期 WUHAN

FINANCE

杆与银行自有资本也出现不同程度的下降。这是因

为，风险冲击导致企业违约率上升，从而在存在金融

摩擦的情况下，企业风险溢价上升，外部融资成本增

加，进而导致生产厂商成本上升，生产资本需求降

低，社会信贷总量减少，银行杠杆率下降，金融系统

支持实体经济的能力降低，产出下降。而一方面，产

出下降会导致家庭部门收入减少，银行吸储困难，不

得不主动提高储蓄利率吸收流动资金；另一方面，社

会信贷需求降低迫使贷款利率降低，银行收益空间

进一步缩减，银行资本金不断下降，导致金融系统风

险上升，不稳定因素增加。

图2 基准模型中主要经济变量关于一单位正向风险

冲击的响应

图3绘制了引入数字金融缓解金融摩擦机制后

在一单位正向风险冲击下社会总产出、企业违约率、

企业融资溢价、社会信贷总量、银行杠杆和银行资本

的变化趋势与基准模型的对比。如图3所示，一单

位外部风险冲击导致企业违约率上升，但是由于数

字金融降低了银行监督成本，缓解了信贷需求端摩

擦，从而使企业违约率低于基准模型，进而在一定程

度上限制了厂商融资成本的上升，社会信贷总量的

下降幅度小于基准模型，防止银行杠杆过快下降，促

进经济快速企稳回升。虽然在衰退期，经济产出下

降，限制了银行吸储能力，但数字金融缓解了信贷供

给端摩擦，提升了银行吸储效率，维持了商业银行利

润空间，从而降低了金融系统的脆弱性。据此可以

得出，数字金融通过缓解金融摩擦，可以有效降低经

济波动，在经济衰退期起到“稳定器作用”。

（二）经济繁荣期

以一单位负向风险冲击模拟经济繁荣期。类似

于经济衰退期的方法，首先考察不加入数字金融的

基准模型中主要变量的变化情况。图4绘制了无数

字金融时在一单位负向风险冲击下社会总产出、企

业违约率、企业融资溢价、社会信贷总量、银行杠杆

和银行资本的变化趋势。总的来看，经济上行期，社

会总产出、社会融资总量、商业银行杠杆及银行自有

资本均有所上升，企业违约率和外部融资成本显著

下降。这是因为，企业经营风险降低后，企业违约率

下降，企业自身资产负债状况较好，外部融资溢价下

降。从而厂商生产成本下降，社会信贷增加，银行杠

杆上升，产出增加。经济繁荣期，家庭收入提高，提

高银行吸储能力，存款利率降低，银行收益区间扩

大，自有资金逐步积累，金融系统以及实体经济系统

稳定性增强。

图4 基准模型中主要经济变量关于一单位负向风险

冲击的响应

进一步加入数字金融，图5展示了加入数字金

融后模型主要经济变量变化趋势与基准模型的对

比。结果显示，各主要经济变量变化趋势与基准模

型基本一致。

但以下区别值得注意：首先，企业面临的外部风

险降低后，违约率下降，但是相对于基准模型，违约

图3 基准模型与加入数字金融模型中主要经济变量

关于一单位正向风险冲击的响应

76

率变化更为缓慢，变化区间更窄。可能的原因是，在

经济上行期，经济系统中各部门间金融摩擦相对较

弱，金融部门内部竞争发挥主要作用，加之获利机会

较多，而银行等金融机构往往是风险偏好者，为获取

更大收益，有一定动机放松对企业监管，导致在期初

企业违约率相较于基准模型更高。不过，同样可以

注意到，企业违约率变化相较于基准模型更缓慢。

这可能是因为，数字金融缓解金融摩擦，提高了银行

监管效率，银行能够在违约率上升后及时纠正，从而

使企业违约率变化更加平稳。企业违约率变动相较

于基准模型先高后底、范围收窄的特征导致企业外

部融资溢价也呈现出先高后底、范围收窄的特征。

其次，经济上行期，经济系统中各部门间金融摩

擦相对较弱，金融部门内部竞争发挥主要作用，数字

金融则进一步增加了商业银行之间的竞争[65]

，商业

银行竞相通过降低自身贷款利率促进信贷增长，同

时，供给端金融摩擦的缓解，有助于银行保持存贷款

利差，保持收益范围。但此时，金融系统部门内的竞

争效应强于数字金融对部门间金融摩擦的缓解效

应，贷款利率下降幅度大于存款利率下降幅度，银行

收益范围收窄，自有资本下降，因此，可用于供给社

会信贷的资金减少，社会信贷总量低于基准模型。

社会信贷总量的下降幅度大于自有资本下降幅度，

从而银行杠杆率低于基准模型。

最后，金融系统部门内竞争效应导致社会信贷

总量低于基准模型，厂商生产受到一定限制，产出下

降。因此，在经济繁荣期，数字金融加剧竞争效应，

同样起到了“稳定器作用”。

综上所述，数字金融能够发挥经济“稳定器”作

用。数字金融发展通过价格渠道，作用于金融部门

的存贷利差，通过部门间金融摩擦缓解效应与部门

内竞争加剧效应，发挥经济“稳定器”作用。一方面，

在经济衰退期，数字金融的部门间金融摩擦缓解效

应发挥主要作用，既能够减少银行与企业之间的金

融摩擦，在一定程度上缓解企业，尤其是中小微企业

的融资难融资贵问题，也能够减少银行与家庭之间

的金融摩擦，降低信息不对称程度，提高金融效率，

在经济下滑时期稳定银行利润区间，防止信贷利差

过快下降，增强金融系统稳定性。另一方面，在经济

繁荣期，部门间金融摩擦相对较弱，数字金融缓解金

融摩擦并没有使经济过热，此时，数字金融的部门内

竞争加剧效应发挥主要作用，既能够抑制经济过热，

抑制金融部门利差迅速扩张，避免社会信贷总量过

快增长，稳定金融部门杠杆，又能够避免企业杠杆过

快上升，降低由此带来的企业违约率迅速上升，有利

于企业稳健运行。

六、进一步讨论

根据以上分析，数字金融发展能够平滑经济波

动，起到“经济稳定器”作用。但现实经济中的如下

事实不能忽略。在数字金融发展初期，P2P模式火

爆，中国网贷平台数量激增，社会信贷暴涨，但由于

缺乏对行业的有效监管，P2P行业不断爆雷，甚至出

现平台“跑路”浪潮，引发金融领域动荡，风险因素逐

渐显现。因此，现实中数字金融在发展初期所引起

的波动可能远大于上述分析。本文认为，现实经济

中存在上述剧烈波动，原因在于：数字经济时代，数

字技术发展速度远超以往历次技术革命，甚至超过

了市场自我调节能力。因此，在市场尚未适应如此

之快的技术更迭时，经济会出现较为剧烈的波动。

本部分将利用上述加入数字金融的模型，模拟在数

字技术使用率冲击下，经济的变动情况。

首先，将上文数字技术转化率 δa 改变为随机变

量 δa

t ，并 令 其 服 从 AR（1）过 程 ：log(δa

t /δa

)= ρδa

log(δa

t - 1/δa

)+ uδa

t ，uδa

t ~N(0,(σδa

)

2

) ，考察在一单位正向数

字技术转化率冲击下，经济体各主要变量的变化特

征。图6展示了社会总产出、企业违约率、企业融资

溢价、社会信贷总量、银行杠杆和银行资本的变化趋

势。结果显示，在一单位正向数字技术转化率冲击

下社会总产出、企业违约率、社会信贷总量、银行杠

杆和银行资本都出现不同程度的上升，只有企业融

资溢价呈现下降趋势。数字技术转化率突然提高，

可以在短时间内极大降低信贷供给端摩擦和需求端

图5 基准模型与加入数字金融模型中主要经济变量

关于一单位负向风险冲击的响应

数字金融 Digital Finance

77

2023年第8期 WUHAN

FINANCE

摩擦，市场对数字金融发展前景预期过高，经济过

热。在缺乏对数字金融理性认识和有效监控措施

下，企业违约率迅速攀升，但此时由于信贷需求端摩

擦下降过快，企业融资溢价并未出现大幅度上升，融

资成本较低，社会信贷总量短时间内迅速攀升。高

企业违约率与高信贷总量并存，经济不稳定性增加，

导致银行资本在经历前期繁荣增加后迅速下降。社

会总产出没有回归稳态，反而进一步降低，呈现出负

增长。因此，在数字技术应用深度过快增长，超出市

场自我调节的承受范围时，数字金融部门间金融摩

擦缓解效应远超部门内竞争加剧效应，反而导致经

济不合理增长，潜在风险不断增加。

图6 主要经济变量关于一单位正向数字技术转化率

冲击的响应

七、主要结论及政策建议

本文通过构建包含内生技术进步与双重金融摩

擦的动态随机一般均衡模型，综合考察在经济衰退

期和经济繁荣期，数字金融能否起到稳定经济波动

的效果，并进一步模拟数字技术的快速深度应用给

经济波动带来的影响。模拟结果表明：第一，不论是

在经济衰退期还是经济繁荣期，数字金融都能较好

地发挥“经济稳定器”作用，减少经济波动，稳定经济

运行。第二，在不同经济运行时期，数字金融发挥

“经济稳定器”作用的机制不同，取决于部门间金融

摩擦缓解效应与部门内竞争加剧效应的相对强弱。

经济衰退期，部门间金融摩擦缓解效应起主要作用，

经济繁荣期部门内竞争加剧效应起主要作用。第

三，数字技术应用深度过快增长，会造成经济不合理

增长，加剧经济波动。主要原因在于，数字技术应用

深度过快增长超出市场自我调节的承受范围时，数

字金融的部门间金融摩擦缓解效应远超过部门内竞

争加剧效应，导致经济过热。

基于上述结论，本文提出如下政策建议：第一，

深入探究数字金融本质，深化金融领域改革，合理促

进数字金融发展，充分发挥数字金融缓解家庭与银

行之间、企业与银行之间金融摩擦的作用，提高金融

系统运行效率，助力实体经济稳定健康发展。第二，

加快打造一只专业素质过硬、综合水平够高的金融

监管团队，规范数字金融行业发展。既要加强数字

金融行业监管，防止经济过度金融化，严防数字金融

发展可能引发的系统性金融风险；又要做到“张弛有

度”，在经济不景气时，引导数字金融行业充分释放

活力，优化信贷资源配置，帮助经济快速企稳回升。

第三，在充分发挥市场决定性作用的同时，注重监管

措施，防止数字经济时代技术迭代速度加快，导致监

管漏洞，引发系统性金融风险，在鼓励金融创新，提

升金融系统效率的同时，防止金融创新过快，经济过

热而出现不合理增长，引发经济波动。■

[参考文献]

[1] 黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济

学（季刊），2018（4）：1489-1502.

[2] 王诗卉，谢绚丽.经济压力还是社会压力：数字金融发展

与商业银行数字化创新[J].经济学家，2021（1）：100-108.

[3] 杜莉，刘铮.数字金融对商业银行信用风险约束与经营效

率的影响[J].国际金融研究，2022（6）：75-85.

[4] 王宏鸣，孙鹏博，郭慧芳.数字金融如何赋能企业数字化

转型?来自中国上市公司的经验证据[J].财经论丛，2022

（10）：3-13.

[5] 林木西，肖宇博.数字金融、技术创新与区域经济增长[J].

兰州大学学报（社会科学版），2022（2）：47-59.

[6] 牟晓伟，盛志君，赵天唯.我国数字金融发展对产业结构

优化升级的影响[J].经济问题，2022（5）：10-20.

[7] 崔耕瑞.数字金融能否提升中国经济韧性[J].山西财经大

学学报，2021（12）：29-41.

[8] 徐伟呈，范爱军.数字金融、产业结构调整与经济高质量

发展：基于南北差距视角的研究[J].财经科学，2022（11）：

27-42.

[9] 孙志红，琚望静.数字金融的结构性效应：风险抑制还是

推助?[J].产业经济研究，2022（2）：128-142.

[10] 蔡跃洲，牛新星.中国数字经济增加值规模测算及结构

分析[J].中国社会科学，2021（11）：4-30+204.

[11] 杨俊，李小明，黄守军.大数据、技术进步与经济增长：大

数据作为生产要素的一个内生增长理论[J].经济研究，2022

（4）：103-119.

[12] 唐要家，王钰，唐春晖.数字经济、市场结构与创新绩效

[J].中国工业经济，2022（10）：62-80.

[13] 易信，刘凤良.金融发展、技术创新与产业结构转型：多

部门内生增长理论分析框架[J].管理世界，2015（10）：24-

39+90.

[14] 王建伟.内生增长理论框架下的金融发展与经济增长：

基于我国信贷资金配置效率的实证分析[J].西南金融，2019

（5）：21-30.

[15] 田秀娟，李睿.数字技术赋能实体经济转型发展：基于熊

彼特内生增长理论的分析框架[J].管理世界，2022（5）：56-74.

78

[16] 段永琴，何伦志，克甝.数字金融、技术密集型制造业与

绿色发展[J].上海经济研究，2021（5）：89-105.

[17] 杨先明，杨娟.数字金融对中小企业创新激励：效应识

别、机制和异质性研究[J].云南财经大学学报，2021（7）：27-40.

[18] CHOU Y K. Modeling Financial Innovation and Economic

Growth：Why the Financial Sector Matters to the Real Economy

[J]. The Journal of Economic Education，2007，38（1）：78-91.

[19] 刘兰凤，袁申国.金融开放、金融效率与中国宏观经济波

动[J].国际经贸探索，2021（11）：68-84.

[20] 赵军，李艳姗，朱为利.数字金融、绿色创新与城市高质

量发展[J].南方金融，2021（10）：22-36.

[21] 陆凤芝，王群勇.数字普惠金融与金融服务实体经济效

率提升[J].南开学报（哲学社会科学版），2022（3）：34-47.

[22] 赵绍阳，李梦雪，佘楷文.数字金融与中小企业融资可得性：

来自银行贷款的微观证据[J].经济学动态，2022（8）：98-116.

[23] 解维敏，吴浩，冯彦杰.数字金融是否缓解了民营企业融

资约束?[J].系统工程理论与实践，2021（12）：3129-3146.

[24] 战文清，刘尧成.数字金融发展的经济稳定器效应[J].财

经科学，2022（9）：1-16.

[25] DELL'ARICCIA G. Asymmetric Information and the

Structure of the Banking Industry[J]. European Economic Re‐

view，2001，45（10）：1957-1980.

[26] 孙杰，贺晨.大数据时代的互联网金融创新及传统银行

转型[J].财经科学，2015（1）：11-16.

[27] BECK H. Banking is Essential，Banks are not. The Future

of Financial Intermediation in the Age of the Internet[J]. Net‐

nomics，2001，3（1）：7-22.

[28] 何超，董文汇，宁爱照.数字普惠金融的发展与监管[J].

中国金融，2019（23）：66-67.

[29] GERTLER M，GILCHRIST S，NATALUCCI F M. Exter‐

nal Constraints on Monetary Policy and the Financial Accelera‐

tor[J]. Journal of Money，Credit and Banking，2007，39（2-3）：

295-330.

[30] BRUNNERMEIER M K，EISENBACH T M，SANNIKOV

Y. Macroeconomics with Financial Frictions：A Survey Ad‐

vances in Economics and Econometrics[M]. Cambridge Univer‐

sity Press，2013.

[31] 汪勇，李雪松.紧缩性货币政策的宏观经济效应：基于

“资产负债表衰退”与“金融摩擦”双重机制[J].上海经济研

究，2019（7）：88-101+114.

[32] BERNANKE B S，GERTLER M，GILCHRIST S. The Fi‐

nancial Accelerator in a Quantitative Business Cycle Frame‐

work[J]. Handbook of Macroeconomics，1999，1：1341-1393.

[33] 戴金平，陈汉鹏.金融摩擦、金融波动性及其对经济的影

响[J].四川大学学报（哲学社会科学版），2014（5）：102-110.

[34] 李欣泽，陈言.金融摩擦与资源错配研究新进展[J].经济

学动态，2018（9）：100-114.

[35] 张云，李俊青，张四灿.双重金融摩擦、企业目标转换与

中国经济波动[J].经济研究，2020（1）：17-32.

[36] 封思贤，郭仁静.数字金融、银行竞争与银行效率[J].改

革，2019（11）：75-89.

[37] 史小坤，辛子辰.金融摩擦对企业全要素生产率的影响：

基于金融数字化发展视角[J].金融经济学研究，2023（2）：

97-111.

[38] 吴雨，李晓，李洁，等.数字金融发展与家庭金融资产组

合有效性[J].管理世界，2021（7）：92-104+7.

[39] 万佳彧，周勤，肖义.数字金融、融资约束与企业创新[J].

经济评论，2020（1）：71-83.

[40] 陆前进.银行的特许权价值分析及政策含义[J].立信会

计高等专科学校学报，2002（3）：1-6+33.

[41] 韩立岩，李燕平.中国上市银行特许权价值与风险行为

[J].金融研究，2006（12）：82-91.

[42] 许国新，石琴.我国上市银行特许权价值自律效应的实

证研究[J].中国软科学，2009（1）：20-27+40.

[43] 顾海峰，朱慧萍.数字金融是否影响商业银行特许权价

值?[J].当代经济科学，2022（4）：88-102.

[44] 吴桐桐，王仁曾.数字金融、银行竞争与银行风险承担：

基于149家中小商业银行的研究[J].财经论丛，2021（3）：38-48.

[45] 牛华勇，闵德寅.互联网金融对商业银行的影响机制研

究：基于新实证产业组织视角[J].河北经贸大学学报，2015

（3）：66-71.

[46] 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.

[47] 董艳，谭苏航，董梦瑶，等.数字信贷对传统商业银行的

影响[J].数量经济技术经济研究，2023（2）：69-89.

[48] KARABARBOUNIS M，MACNAMARA P. Misallocation

and Financial Frictions：The Role of Long—term Financing[J].

Review of Economic Dynamics，2021，40：44-63.

[49] 戴华娟，陈乐一，王超.双重金融摩擦与宏观审慎政策的

经济稳定效应：基于动态随机一般均衡模型的分析[J].国际

金融研究，2021（9）：14-24.

[50] 林东杰，崔小勇，龚六堂.金融摩擦异质性、资源错配与

全要素生产率损失[J].经济研究，2022（1）：89-106.

[51] CALVO G A. Staggered Prices in a Utility- Maximizing

Framework[J]. Journal of Monetary Economic，1983，12（3）：

383-398.

[52] 杨伟中，余剑，李康.金融资源配置、技术进步与经济高

质量发展[J].金融研究，2020（12）：75-94.

[53] KING R G，LEVINE R. Finance，Entrepreneurship and

Growth Theory and Evidence[J]. Journal of Monetary Econom‐

ics，1993，32（3）：513-542.

[54] PINCHETTI M L. Creative Destruction Cycles：Schumpet‐

erian Growth in an Estimated DSGE Model[R]. ECARES Work‐

ing Paper，2017.

[55] CHRISTENSEN I，DIB A. The Financial Accelerator in

an Estimated New Keynesian Model[J]. Review of Economic

Dynamics，2008，11（1）：155-178.

[56] GERTLER M，KARADI P. A Model of Unconventional

Monetary Policy[J]. Journal of Monetary Economics，2011，58

（1）：17-34.

[57] 马理，范伟.促进“房住不炒”的货币政策与宏观审慎“双

支柱”调控研究[J].中国工业经济，2021（3）：5-23.

[58] HORVATH M. Sectoral Shocks and Aggregate Fluctua‐

tions[J]. Journal of Monetary Economics，2000，45（1）：69-106.

[59] 温兴春，闫歆玙.房企债务风险跨部门传递与政策应对：

基于双重金融摩擦的DSGE模型[J].金融经济学研究，2023

（4）：18-38.

[60] 宋利芳，钟建乐，叶子豪.政策工具组合、居民消费率与

宏观杠杆率：一个包含土地财政框架的NK-DSGE 模型[J].

安徽师范大学学报（人文社会科学版），2023（3）：82-96.

[61] 蓝天，庞春阳，肖晶，等.法定数字货币、前瞻条件触发与

货币政策传导[J].南方金融，2021（2）：38-52.

[62] 李向阳.动态随机一般均衡（DSGE）模型：理论、方法和

Dynare实践[M].北京：清华大学出版社，2018.

[63] 刘斌，蒋贤锋.系统性解剖与构建DSGE框架[M].北京：

中国金融出版社，2018.

[64] 彭安兴，胡春田，陈晓东.数字经济弱化了货币政策效果

吗：基于价格粘性视角[J].财经科学，2021（10）：15-30.

[65] ACHARYA R N，KAGAN A. Community Banks and In‐

ternet Commerce[J]. Journal of Internet Commerce，2004，3

（1）：23-30.

（责任编辑：GW / 校对：XY）

数字金融 Digital Finance

79

2023年第8期 WUHAN

FINANCE

一、引言

2020年，受新冠疫情的冲击，我国4138家A 股

实体行业上市公司财务安全平均得分仅为53.01分，

较 2019 年下降 6.45%，呈现近二十年以来最大降

幅①。企业财务风险防控已经成为资本市场乃至国

家层面的重要议题。企业财务风险从狭义来说通常

指融资风险，即企业由于借入资金进行经营活动而

给自身财务成果带来的不确定性影响；从广义而言

是指企业受现实中各种不可控因素的影响，导致其

财务活动结果偏离预期目标而遭受损失的风险[1]

。

随着企业开展经营活动、吸纳社会资金、扩大生产规

模，公司内部会面临各种风险，且最后都可能会转化

为财务风险。为了企业乃至社会经济的可持续发

展，如何降低企业财务风险是一个值得探究的现实

问题。

随着云计算、大数据等信息技术的发展，数字技

术开始与金融业融合，推动了数字金融的发展。数

字金融具体表现为信贷、投资、支付结算和其他新型

金融业务的数字化[2]

，其突破了传统金融的限制，提

高了金融服务的效率，为实体经济发展注入了新的

活力。那么数字金融能否提高企业财务稳定性，进

而降低企业财务风险？如果能，其作用机制是什

么？本文以 2011—2020 年中国 A 股非金融上市企

业为样本，考察数字金融发展对企业财务风险的影

响与作用机理，即数字金融能否缓解企业融资约束、

减轻企业流动性限制；并探讨数字金融发展对不同

特征企业的影响，即对不同产权性质与杠杆率的企

业是否存在显著差异；最后进一步研究外部经济环

境差异是否会对两者关系产生影响。

本文的边际贡献主要表现在：第一，已有文献主

要从融资角度研究数字金融发展对实体企业的影

响，本文则考虑到企业财务风险有多种类型，其中非

流动资产大量积压占用企业资金，会导致企业支付

能力和偿债能力下降，甚至引发企业财务风险。那

么数字金融的发展能否为企业出售非流动资产提供

便利，以减轻企业流动性限制，避免企业陷入流动性

风险？本文在验证前者结论的基础上，提出“数字金

融发展——减轻流动性限制——降低企业财务风

险”这一影响路径，并使用因果推断法进行中介效应

摘 要：本文将 2011—2020 年数字普惠金融指数与中国 A 股非金融上市企业数据进行匹配，构建双向固定效应模型，考察数字金融

发展对企业财务风险的影响及作用机制。研究发现，数字金融发展能够显著降低企业财务风险，缓解融资约束和减轻流动性限制是其作

用路径；异质性分析表明，在非国有企业和高杠杆企业样本中，数字金融发展对企业财务风险的负向影响更大；进一步研究发现，在严金

融监管和低市场化进程地区，数字金融能更显著地降低企业财务风险。因此，企业应积极适应数字金融发展节奏，加快财务数字化转型；

政府部门应大力推动数字金融发展，重点关注金融弱势群体的经营情况，在加强金融监管的同时，持续推进市场化进程。

关键词：数字金融；财务风险；融资约束；流动性限制；经济环境

中图分类号：F832.5 文献标识码：A 文章编号：1009-3540（2023）08-0080-0009

基金项目：广西哲学社会科学规划研究课题“中国—东盟产能合作与区域价值链升级研究”（20FGJ001）；广西高校千名中青年骨干教

师培育计划人文社科立项课题“一带一路背景下中国企业对东盟直接投资的风险防范研究”（2020QGRW002）。

■ 金丹 庞晓晗

作者简介：金丹（1979—），女，博士，广西大学国际学院，副研究员，硕士生导师； 庞晓晗（1999—），女，广西大学经济学院硕士研究生。

数字金融对企业财务风险的影响

——基于我国A股上市公司的经验数据

80

检验。第二，本文不局限于企业内部因素的影响，而

是从外部经济环境这一新视角，分析数字金融发展

与企业财务风险的关系，试图在经济低迷时期，为政

府及时采取有效措施提供参考。第三，将数字金融

细分至三个子维度，研究其对企业财务风险的影响，

并对不同特征的企业进行异质性检验，丰富了企业

财务风险的研究范围。

二、文献综述与研究假设

（一）文献综述

目前有关数字金融的研究主要从三个视角展

开：一是基于宏观视角。数字金融不仅能促进经济

高质量发展[3]

，缩小城乡居民收入差距[4]

，提高居民

消费水平[5]

，还能鼓励居民参与创业创新[6]

，提升城

市经济效率[7]

。二是基于中观视角。数字金融的发展

冲击了以银行为主的传统金融，但同时也促进了商

业银行在管理和产品上的数字化创新[8]

，提升了商

业银行的风险承担能力和经营效率[9]

，为商业银行

带来服务模式和技术的转型升级机遇[2]

。三是基于

微观视角。数字金融既能利用数字技术改善传统金

融中由于信息不对称而产生的高风险溢价和高运营

成本问题[10]

，还能为企业提供更广泛的融资渠道[11]

，

减少对企业融资的限制，降低企业杠杆率[12]

，促进企

业创新和提质增效[13]

，提高企业的市场竞争力。

如何对企业财务风险进行有效防范、预警、控制

和管理是企业财务风险研究的重要方向。近年来，

部分学者开始对企业财务风险的形成路径开展研

究，主要从以下几方面展开：在外部经济环境方面，

产品市场竞争程度的增大[14]

、法律环境的改善[15]

、金

融监管约束程度的增强[16]

都会对企业财务风险产生

明显的抑制作用。在公司治理特征方面，Huang等[17]

发现董事会能力、风险偏好及其动机以及董事会的

女性占比、独立性、持股比例等都会对企业财务风险

产生显著影响。此外，独立董事异质性、比例和履职

行为也会影响企业财务风险[18]

。在企业内部控制方

面，明确、合理的组织设计有利于提升企业管理水

平、降低企业财务风险[19]

，但是如果财务决策缺乏科

学性，主观臆断严重，重大事项不经集体决策审批而

由个人单独决策，也会大大增加企业出现财务风险

的可能性[20]

。

专门研究数字金融与企业财务风险关系的文献

较少。许芳等[21]

研究发现，数字金融发展能够通过

缓解融资约束和降低信息不对称两条路径降低企业

财务风险，对比国有企业与大规模企业，数字金融发

展对财务风险的抑制作用在非国有企业与小规模企

业中更为显著。Wang 等[22]

也认为数字金融通过缓

解企业融资约束来降低企业财务风险，且作用效果

在东部地区企业与低杠杆企业中更加显著。这两篇

文献针对企业融资问题均选取了融资约束作为中介

变量进行检验，并统一使用SA指数衡量企业面临的

融资约束程度。本文则使用KZ指数替换SA指数对

该结论进行验证，且进一步考虑了资产流动性对企

业财务风险的影响，检验数字金融能否通过缓解流

动性限制来降低企业财务风险。此外，企业财务风

险的形成不仅与内部因素相关，外部经济环境的变

化也可能会引发企业财务风险。本文从这一角度出

发，进一步研究外部经济环境的差异对两者关系的

影响，从理论和实证层面厘清数字金融对企业财务

风险的影响机制，不仅丰富了数字金融的相关研究，

探索出有效减少企业财务风险的途径，还能在企业

经济萎靡时为政府提供应对思路。

（二）研究假设

1.数字金融发展对企业财务风险的影响

资金运动活跃在企业生产经营的各个环节，若

资金供给受阻，现金流运转不通畅，企业则无法正常

生产经营，将会面临严重的财务风险，甚至被迫停

产。然而，目前我国的资本市场还不完善，银行借贷

仍是我国企业融资的主要方式，因此，部分企业依旧

面临着“融资难、融资贵”问题。一方面，以银行为主

的传统金融市场中存在着严重的信息不对称问题：

一是融资前的信息不对称。传统金融机构只能依赖

企业的经营记录、财务报表等“硬信息”对企业进行

信用评级[6]

，并且为了避免逆向选择和道德风险的

发生，常常会将其承担风险的成本加诸企业，因此，

“硬信息”不足的小微企业只能以更高的成本融取资

金。二是融资后的信息不对称。企业为了获取高收

益，可能会将筹集的资金用于高风险项目，这可能会

损害债权人的利益，而债权人会通过提高利率等方

式弥补所要承担的高风险，从而导致企业面临更高

的融资成本。另一方面，在传统的金融市场中，存在

大量的“长尾”客户，因其具有“多、小、散”的特征而

难以被传统金融市场吸收[11]

，使企业损失了部分潜

在投资者，局限于单一的融资渠道。

依托云计算、大数据和互联网等现代化信息技

数字金融 Digital Finance

81

2023年第8期 WUHAN

FINANCE

术而迅猛发展的数字金融则突破了传统金融的局限

性，有效缓解了上述两大问题。针对企业“融资贵”

的问题，数字金融利用大数据建立的企业信用体系，

能够深入挖掘企业的“软信息”并构建信用评估模

型，为金融主体间的各项活动提供信任基础，使企业

能更快捷、便利、低成本地获取相应金融服务[12]

。同

时，金融机构也能通过互联网对企业的资金流向进

行监督，并使用数字技术对海量数据进行高速度、低

风险、低成本的处理，降低其为企业提供信贷时的评

估成本和审核成本[23]

，从而降低企业融资成本，提升

融资效率。此外，随着数字金融的覆盖广度和使用

深度不断增加，更多企业使用数字金融开展经营、投

融资活动，使数字金融服务的平均成本越来越低，进

一步减少了企业的融资成本，形成了数字金融的规

模效应[24]

。因此，数字金融通过降低金融主体之间

的信息不对称程度，提高金融资源配置效率，使企业

能够以较低的成本获取充足的资金进行生产运营，

增强企业的财务稳定性。而针对企业“融资难”的问

题，数字金融以信息技术为支撑，降低了吸纳“长尾”

投资者的成本与风险，从而拓展了金融服务的参与

者，并开辟了一条网络渠道，打破了传统金融服务易

受基础设施与地理距离限制的桎梏，使企业更容易

获取外部资金。因此，数字金融在帮助企业聚拢资

金，拓宽融资渠道，提高融资效率等方面发挥着重要

作用，降低了企业遭受财务风险的可能性。

此外，流动性风险也是企业财务风险常见的类

型之一，其主要是指企业虽然具有清偿能力，但无法

及时将资产变现以获取充足资金来清偿债务，最终

导致违约事件的发生。因此，保持良好的资产流动

性是企业持续经营的关键，也是确保企业财务安全

的指标之一。流动性资产可以视作现金的替代物，

具有期限短、变现快的特征，能够在企业面临融资约

束或者主业亏损时迅速出售变现，降低财务困境成

本，补充所需流动性，进而有效降低财务风险[25]

。而

依托于大数据的数字金融能够快速为企业搜寻买

方，助力企业提升资产的变现速度，同时，量化投资

等技术提升了金融类资产投资的便利程度，这些优

势显著增加了企业对较高收益流动性资产的持有意

愿，从而提升了企业的流动性水平[26]

，这在一定程度

上确保了企业的财务安全，避免企业陷入财务困境。

综上，本文提出以下研究假设：

H1：数字金融发展能够降低企业财务风险。

H1a：数字金融发展能够缓解企业融资约束，进

而降低财务风险。

H1b：数字金融发展能够减轻企业流动性限制，

进而降低财务风险。

数字金融发展降低企业财务风险的路径如图1

所示。

图1 研究框架图

2.数字金融发展降低企业财务风险的异质性分析

在传统金融市场中，金融机构的信贷配给更偏

向于国有企业，表现为国有企业通常更容易以较低

的利率获得贷款，而非国有企业则面临着严重的“融

资难”“融资贵”等问题，这主要由以下两个原因造

成：一是产权背景差异。国有企业以国家信用为担

保，能够获得政府和银行的政策及资金支持，因而其

资金需求能及时、有效地被满足；而非国有企业缺乏

政府背景，与银行等金融机构之间缺乏信任基础，容

易受到银行的信贷歧视。二是信息不对称问题。与

国有企业相比，非国有企业的信息透明度较低，甚至

部分企业会存在主业不突出、关联企业多、贸易背景

不实等问题[27]

，导致投资者难以评估其真实信用情

况，投资者为了弥补承担的风险，通常会选择提高利

率等方式保障自身权益，从而使非国有企业承担更

高的融资成本。而数字金融依托互联网、大数据、云

计算等高新技术，能降低企业获得金融服务的门槛，

拓宽融资渠道，提升融资效率，优化资源配置，在很

大程度上降低了非国有企业的融资难度，使其能够

获取较充裕的资金用于生产经营和投资，提高财务

稳定性。由此看来，数字金融发展可能对非国有企

业财务风险的负向影响更加显著。

由权衡理论可知，若企业负债率过高，负债的税

盾收益会被财务困境成本和代理成本所抵消，导致

企业承担的杠杆成本与可能获得的收益不匹配。因

此，高杠杆企业不仅需要承担高额利息，而且在企业

经营状况较差时，更容易陷入财务困境，甚至资不抵

债面临破产清算的风险。而数字金融能够通过降低财

务困境成本与代理成本等途径，影响企业负债率[23]

，

82

降低高杠杆企业破产清算的可能。由此看来，数字

金融发展降低企业财务风险的作用可能对于高杠杆

企业更显著。

综上，本文提出以下研究假设：

H2：数字金融发展对企业财务风险的负向影响

在非国有企业和高杠杆企业中表现更显著。

三、研究设计

（一）数据来源

本文选取2011—2020年中国A股

上市企业作为研究样本，剔除金融类、

期间 ST 和退市企业以及上市市龄小

于0的异常样本，保留至少数据连续5

年的样本，并对主要连续性变量进行

双侧1%的缩尾处理，最终构造了2190

个企业共19914个观测值的面板数据。相关财务数

据均来自国泰安数据库（CSMAR）。

（二）变量选取

1.被解释变量

企业财务风险（ZScore）。借鉴黄贤环等[25]

的研

究，采用 Altman[28]

提出的修正后的 Z 值来度量企业

财务风险，并在其基础上取相反数。具体计算公式

为：ZScore=-（0.717×营运资金+0.847×留存收益+

3.107×息税前利润+0.42×股票总市值+0.998×销售收

入）/总资产。其数值越大，说明企业面临的财务风

险越大。

2.核心解释变量

数字金融发展（Difi）。采用北京大学数字金融

研究中心公布的中国数字普惠金融指数[29]

来度量数

字金融发展情况。在核心回归中使用省级层面数

据，稳健性检验中使用市一级层面数据进行验证，并

统一取对数。

3.中介变量

（1）融资约束（KZ）。借鉴魏志华等[30]

的研究，

采用Kaplan等[31]

提出的KZ指数来测度企业面临的

融资约束程度。测算步骤如下：①计算样本各年度

CF（经营性净现金流/年初总资产）、DIV（现金股利/

年初总资产）、C（现金及现金等价物/年初总资产）、

Lev（资产负债率）和TOBINQ（托宾Q值）的数值。②

将上述5个变量进行双侧1%的缩尾处理，再根据各

个指标的中位数设置0—1变量。当CF低于中位数

时，KZ1取1，否则取0；当DIV低于中位数时，KZ2取

1，否则取0；当C低于中位数时，KZ3取1，否则取0；

当Lev低于中位数时，KZ4取1，否则取0；当TOBINQ

低于中位数时，KZ5取1，否则取0。③计算总指标，

KZ=KZ1+KZ2+KZ3+KZ4+KZ5。④以KZ为因变量，

对CF、DIV、C、Lev和TOBINQ进行排序逻辑回归，估

计出各变量的回归系数如表1所示。⑤运用回归结

果，计算各公司的KZ指数，KZ指数越大表明企业面

临的融资约束越大。

（2）流动性限制（Flu）。借鉴刘长庚等[26]

的研

究，采用流动资产占比即流动资产占总资产的比重

来衡量企业受到的流动性限制。该数值越小，说明

企业受到的流动性限制越大。

4.控制变量

结合以往学者对企业财务风险影响因素研究的

相关文献，本文选取了企业年龄（Age）、企业规模

（Size）、股权集中度（TOP1）、两职合一（Dual）、独立

董事比例（Indi）、企业杠杆率（Lev）、资产报酬率

（ROA）、营业收入增长率（Growth）、企业现金流

（Cash）为控制变量，并引入年度（Year）和行业（Ind）

两个虚拟变量以控制时间和行业效应。

本文相关变量的具体定义如表2所示。

（三）模型设定

借鉴唐松等[11]

的研究，采用时间-行业双向固定

效应模型②估计数字金融发展对企业财务风险的影

响，并采用以企业个体作为聚类变量的聚类稳健标

准误。

ZScoreit = λ0 + λ1Difiit +∑j

δj

Controljit +

∑Ind +∑Year + εit

（1）

其中，ZScore代表企业财务风险；Difi代表数字

金融发展水平；Control代表一系列控制变量；Ind和

Year 则分别代表行业和时间固定效应；ε为随机误

差项。

本文参考江艇[32]

的研究，运用因果推断法检验

数字金融发展与企业财务风险间的影响机制，并构

建以下模型来检验解释变量与中介变量的关系。

表1 融资约束程度估计模型的回归结果

变量

KZ

CF

-12.39***

(-56.42)

DIV

-35.09***

(-40.26)

C

-6.01***

(-50.99)

Lev

4.72***

(55.97)

TOBINQ

0.602***

(44.68)

Pseudo R2

0.2647

Chi2

16506.77

N

19,470

注：***、**、*分别表示在1%、5%、10%的统计水平上显著。

数字金融 Digital Finance

83

2023年第8期 WUHAN

FINANCE

KZit

(Fluit

)= α0 + α1Difiit +∑j

φj

Controljit +

∑Ind +∑Year + εit

（2）

（四）描述性统计

变量的描述性统计结果如表3所示。由表3可

知，企业财务风险（ZScore）的均值为-1.347，最小值

是-3.354，最大值是 0.080，说明我国上市企业的财

务状况存在明显的差异，部分企业均面临不同程度

的财务风险。同时，数字金融发展（Difi）的均值为

5.401，最小值为2.786，最大值为6.068，表明各省份

的数字金融发展水平、各地区金融主体使用数字金

融的程度存在明显差异。从各控制变量来看，独立

董事比例（Indi）、股权集中度（TOP1）、资产报酬率

（ROA）、营业收入增长率（Growth）的均值大于中位

数，分布呈现右偏；企业年龄（Age）呈现左偏；企业

规模（Size）、企业杠杆率（Lev）、企业现金流（Cash）的

均值和中位数基本一致，大体成正态分布。

四、实证结果分析

（一）基准回归结果分析

表4（1）列是控制了时间和行业固定效应后，仅

使用数字金融发展这一核心变量对企业财务风险进

行回归得到的结果。（2）列则在（1）列的基础上加入

控制变量进行回归。结果表明，加入控制变量前后，

核心解释变量的估计系数分别为-0.282 和-0.116，

表4 数字金融发展对企业财务风险影响的基准回归结果

变量

Difi

Breadth

Depth

Digit

Age

Size

TOP1

Dual

Indi

Lev

ROA

Growth

Cash

_cons

Ind

Year

N

adj. R2

(1)

ZScore

-0.282***

(-5.30)

0.178

(0.62)

YES

YES

19914

0.169

(2)

ZScore

-0.116***

(-2.75)

-0.044*

(-1.83)

0.015**

(1.97)

-0.003***

(-5.05)

0.047***

(3.49)

0.144

(1.33)

0.430***

(8.92)

-5.551***

(-51.94)

-0.012

(-1.04)

-0.397***

(-4.60)

-0.804***

(-2.77)

YES

YES

19914

0.545

(3)

ZScore

-0.044*

(-1.86)

-0.044*

(-1.80)

0.015*

(1.93)

-0.003***

(-5.08)

0.045***

(3.37)

0.145

(1.34)

0.435***

(9.04)

-5.552***

(-51.84)

-0.012

(-1.01)

-0.399***

(-4.62)

-1.196***

(-5.47)

YES

YES

19914

0.545

(4)

ZScore

-0.149***

(-4.11)

-0.045*

(-1.86)

0.015*

(1.93)

-0.003***

(-5.07)

0.049***

(3.67)

0.142

(1.31)

0.426***

(8.88)

-5.544***

(-52.02)

-0.012

(-1.05)

-0.392***

(-4.55)

-0.616**

(-2.28)

YES

YES

19914

0.546

(5)

ZScore

0.016

(0.80)

-0.043*

(-1.77)

0.015*

(1.87)

-0.003***

(-5.11)

0.043***

(3.24)

0.147

(1.36)

0.443***

(9.18)

-5.553***

(-51.74)

-0.011

(-0.98)

-0.398***

(-4.61)

-1.513***

(-7.34)

YES

YES

19914

0.544

注：***、**、*分别表示在1%、5%、10%的水平上显著；括号内是经

过稳健标准误（cluster聚类至公司层面）调整的t值。下表同。

表2 变量定义

变量类型

被解释

变量

解释变量

中介变量

控制变量

变量名称

企业财务风险

数字金融发展

融资约束

流动性限制

企业年龄

企业规模

股权集中度

两职合一

独立董事比例

企业杠杆率

资产报酬率

营业收入增长率

企业现金流

时间固定效应

行业固定效应

符号

ZScore

Difi

KZ

Flu

Age

Size

TOP1

Dual

Indi

Lev

ROA

Growth

Cash

Year

Ind

计算方法

算法参见前文

数字普惠金融指数的自然对数

算法参见前文

流动资产/总资产

（当年年份-成立年份+1）的自然对数

总资产的自然对数

第一大股东持股比例

董事长与总经理是同一人取1，否则取0

独立董事人数占董事会人数比例

期末总负债/总资产

总利润/总资产

（当期营业收入-上期营业收入）/上期营

业收入

经营活动产生的现金流量净额/总资产

设置时间虚拟变量

根据证监会2012年的行业分类标准，设

置行业虚拟变量

表3 描述性统计

变量

ZScore

Difi

Age

Size

TOP1

Dual

Indi

Lev

ROA

Growth

Cash

样本量

19914

19914

19914

19914

19914

19914

19914

19914

19914

19914

19914

均值

-1.347

5.401

2.873

22.349

34.658

0.250

0.375

0.424

0.048

0.158

0.048

中位数

-1.297

5.536

2.944

22.164

32.680

0

0.333

0.420

0.044

0.101

0.047

标准差

0.600

0.558

0.352

1.299

14.904

0.433

0.054

0.200

0.059

0.363

0.065

最小值

-3.354

2.786

0.693

20.069

8.570

0

0.333

0.053

-0.203

-0.520

-0.138

最大值

0.080

6.068

7.611

26.367

74.820

1

0.571

0.855

0.222

2.168

0.231

84

且均在1%的水平上显著。由此可知，数字金融发展

能够显著降低企业的财务风险，且数字金融发展水

平每提升1%，企业的财务风险得分降低0.12%。假

设H1成立。

为了更精准地刻画数字金融发展对企业财务风

险的影响，本文使用数字金融的三个子指标来分析

数字金融具体在哪些层面对企业财务风险产生显著

影响。表4（3）至（5）列分别是对数字金融的覆盖广

度（Breadth）、使用深度（Depth）和数字化程度（Digit）

与企业财务风险间的关系进行检验后得到的结果。

结果显示，数字金融覆盖广度、使用深度均显著降低

了企业财务风险，但数字化程度对企业财务风险的

影响不显著。这与许芳等[21]

的检验结果一致。

（二）稳健性检验

1.更换被解释变量

借鉴陈标金等[33]

的研究，本文选用财务杠杆系

数（Dfl）代替风险 Z 值（ZScore）来衡量企业财务风

险。财务杠杆系数越大，表明财务风险越大。表 5

的回归结果表明，数字金融发展能够显著降低企业

财务风险，与基准回归结果一致。

2.剔除部分城市的影响

北上广深作为我国超一线城市，拥有雄厚的经

济基础，企业可获得的经济资源领先于其他城市。

为了获得更可靠的回归结果，本文剔除北上广深四

个城市的企业样本重新进行检验。此外，由于北大

数字普惠金融指数使用的是支付宝数据，故本文进

一步剔除杭州的企业样本，并将解释变量更换为地

市级的数字金融指数进行验证。结果如表5所示，

数字金融发展降低企业财务风险的结论依然成立。

3.剔除重大事件影响

2015 年的中国股灾给中国金融市场带来巨大

冲击，可能会对企业发展产生重大影响，故剔除

2015年数据。考虑到股灾的波及面和深度，将样本

按灾前灾后分为2011—2014年和2016—2020年两

个区间。鉴于2020年新冠疫情的暴发对企业发展

产生了严重的负面影响，因此剔除 2020 年样本数

据，最终得到2011—2014年和2016—2019年两个样

本区间。检验结果如表 5 所示，2011—2014 年和

2016—2019年两个时间段内，数字金融发展对企业

财务风险均有显著的负向影响，证明基准回归结果

具有稳健性。

4.扩大样本量

考虑到研究结果可能会受样本量选择的影响，

本文将基准回归中企业至少连续五年经营的条件放

松为至少连续三年经营，样本数量由19914个扩展

至23693个。回归结果仍与前文保持一致，进一步

证明本文基准结果具有稳健性。

（三）内生性检验

1.变量滞后法

企业长期稳定发展必然会扩大生产规模，会更

频繁地使用金融服务，从而反向促进各地区的数字

金融发展。为减弱反向因果引起的内生性问题，本

文将所有的连续解释变量滞后一期，代入原模型中

进行回归分析，回归结果与基准回归结果一致。具

体检验结果见表6。

2.工具变量法

本文借鉴刘婷婷等[34]

的研究思路，采用各省单

位土地面积的互联网端口数作为工具变量。原因在

于：一是满足相关性条件，数字金融的发展与互联网

息息相关，互联网端口数越多，说明互联网普及度越

高，越具备发展数字金融的基础条件；二是满足外生

性假设，单位土地面积的互联网端口数量与企业财

务风险没有直接关系。

本文加入工具变量并运用最小二乘法对模型重

新进行估计，结果如表6所示。由第一阶段的回归

结果可知，主要变量的系数在1%水平上显著，满足

工具变量相关性要求；F值为4281.3，远大于10%偏

误的临界值16.38，拒绝了弱工具变量的原假设；LM

统计量为635.94，且在1%的水平上显著，拒绝了工

具变量识别不足的原假设。因此，工具变量选取有

效。由第二阶段回归结果可知，数字金融发展

（Difi）的系数在1%的水平上显著为负，与基准回归

结果一致，说明本文的核心结论是稳健的。

表5 稳健性检验

变量

Difi

Difi_city

Control

Ind

Year

N

adj. R2

更换被解释

变量

Dfl

-0.218***

(-3.56)

YES

YES

YES

18408

0.242

剔除部分

城市

ZScore

-0.130**

(-2.17)

YES

YES

YES

19883

0.545

按时间划分样本区间

2011—2014

ZScore

-0.087**

(-2.40)

YES

YES

YES

6979

0.497

2016—2019

ZScore

-0.236***

(-2.82)

YES

YES

YES

8759

0.568

扩大样本量

ZScore

-0.120***

(-3.27)

YES

YES

YES

23693

0.607

数字金融 Digital Finance

85

2023年第8期 WUHAN

FINANCE

表6 内生性处理

变量

Difi_1

Difi

NET_port

Control

Ind

Year

F值

Kleibergen-Paap rk LM statistic

N

adj. R2

变量滞后

ZScore

-0.153***

(-3.57)

YES

YES

YES

17728

0.379

工具变量法

第一阶段

Difi

0.100***

(65.43)

YES

YES

YES

4281.300***

19914

第二阶段

ZScore

-0.277***

(-3.98)

YES

YES

YES

635.94***

19914

0.456

（四）机制检验

基于前文分析，本文提出“数字金融发展—缓解

融资约束—降低企业财务风险”和“数字金融发展—

减轻流动性限制—降低企业财务风险”两条作用路

径。为验证这两条作用路径，本文使用模型（2）进行

实证检验，回归结果如表7所示。由（1）列可知，数

字金融发展的估计系数在10%的水平上显著为负，

这表明数字金融发展能够缓解融资约束，进而降低

企业财务风险。假设H1a得到验证。由（2）列可知，

数字金融发展的估计系数在1%的水平上显著为正，

说明数字金融发展能够提高企业流动性，即数字金

融发展通过降低流动性限制，进而降低企业财务风

险。因此，假设H1b也得到较好验证。

表7 数字金融发展对企业财务风险的作用机制检验

变量

Difi

Control

Ind

Year

N

adj. R2

（1）

KZ

-0.156*

(-1.83)

YES

YES

YES

19470

0.716

（2）

Flu

0.048***

(3.08)

YES

YES

YES

19914

0.384

（五）异质性分析

不同产权性质企业的财务风险受数字金融发展

的影响可能不同。为了研究不同产权性质下数字金

融对企业财务风险影响是否存在差异，本文按照国

有企业与非国有企业两种产权性质将样本分组进行

回归分析。由表8（1）和（2）列的回归结果可知，在非

国有企业样本中，数字金融指标的系数估计值在1%

的水平上显著为负，而在国有企业样本中，系数估计

值虽为负但不显著，说明数字金融发展对非国有企

业的财务风险有更强的抑制作用。验证了假设H2。

根据理论分析，数字金融的发展可能会通过降

低财务困境成本和代理成本等方式影响企业杠杆

率，使高杠杆企业获取更多数字金融带来的福利，因

此企业杠杆率的高低可能会影响数字金融对企业财

务风险的负向作用。为了研究此机制是否存在，本

文将样本按照企业杠杆率进行分组。具体而言，按

照企业的资产负债率均值将样本划分两部分，高于

均值的部分为高杠杆企业，反之为低杠杆企业。在

基准回归的基础上分别进行实证检验。回归结果如

表8（3）和（4）列所示，数字金融发展能够在1%的水

平上显著降低高杠杆企业的财务风险，而在低杠杆

企业分组中，数字金融指标的系数为负但不显著，说

明相比于低杠杆企业，数字金融发展对高杠杆企业

财务风险的负向作用更大。验证了假设H2。

表8 数字金融发展对企业财务风险影响的异质性检验

变量

Difi

Control

Ind

Year

N

adj. R2

(1)

国有企业

ZScore

-0.024

(-0.37)

YES

YES

YES

7941

0.504

(2)

非国有企业

ZScore

-0.219***

(-4.14)

YES

YES

YES

11973

0.586

(3)

低杠杆企业

ZScore

-0.063

(-1.31)

YES

YES

YES

10082

0.552

(4)

高杠杆企业

ZScore

-0.161***

(-2.76)

YES

YES

YES

9831

0.467

五、进一步检验：外部经济环境的影响

（一）金融监管程度

数字金融的发展提升了金融体系的效率，促进

了经济的高质量发展。与此同时也引发了数据隐私

泄露、金融欺诈、“大数据杀熟”等问题，导致金融市

场“脱实向虚”的风险加剧。近年来，我国逐步出台

针对数字金融的政策法规并加强金融监管。那么，

金融监管的加强是否会反向影响数字金融发展？本

文针对这一问题做进一步探讨。借鉴唐松等[11]

的研

究，采用区域金融监管支出与金融业增加值的比值

86

来衡量地区金融监管强度（supervision），并以其中位

数为分界线，将样本划分为严金融监管地区和松金

融监管地区来进行回归分析，回归结果如表9的（1）

和（2）列所示。由此可知，数字金融发展与严监管地

区的企业财务风险在1%的水平上显著负相关，而数

字金融发展与松监管地区企业的财务风险之间的关

系不显著，说明较强的金融监管有助于数字金融发

挥其对企业财务风险的负向作用。这是因为金融监

管强度的增大，降低了数字金融在金融领域出现的

套利和风险衍生行为，从而降低了企业面临财务风

险的可能。

（二）市场化程度

数字金融是经济发展的产物，其必然也会受到

外部经济环境的影响，而我国各地区市场化发展的

不平衡也会影响企业的投融资决策。为了探究市场

化程度是否会影响数字金融对企业财务风险的负向

作用，本文使用新版中国分省份市场化指数③来衡量

各地的市场化进程。由于该数据只到 2019 年，故

2020 年度数据使用历年数据的年平均增长幅度来

预测，再将样本以市场化指数的中位数为分界线，划

分为高市场化水平地区和低市场化水平地区。回归

结果如表9的（3）和（4）列所示。从结果可以看出，

在低市场化水平组，数字金融发展与企业财务风险

在10%的水平上显著负相关，而在高市场化水平组，

系数虽然为负但不显著，说明在市场化水平越低的

地区，数字金融对企业财务风险的负向作用越显

著。这可能是因为，相比于市场化水平较高的地区，

市场化水平较低地区的企业面临的融资约束和信息

不对称程度更大，数字金融能更好发挥作用。这体

现了数字金融的普惠性，也表明数字金融能够弥补

市场化不足的短板，助力企业发展。

表9 外部经济环境对数字金融发展与企业财务风险

关系的影响

变量

Difi

Control

Ind

Year

N

adj. R2

(1)

严监管

ZScore

-0.151***

(-2.86)

YES

YES

YES

9938

0.544

(2)

松监管

ZScore

-0.087

(-1.43)

YES

YES

YES

9976

0.551

(3)

高市场化

ZScore

-0.031

(-0.20)

YES

YES

YES

9811

0.528

(4)

低市场化

ZScore

-0.086*

(-1.96)

YES

YES

YES

10103

0.568

六、结论与政策建议

本文将数字普惠金融指数与 2011—2020 年中

国A股非金融上市企业数据进行匹配分析，构建双

向固定效应模型，研究数字金融发展对企业财务风

险的影响效应与作用机制。结论如下：（1）数字金融

发展与企业财务风险呈显著负相关，其中覆盖广度

的提升和使用深度的拓展是其主要作用途径，且通

过更换核心变量、剔除部分影响因素、扩大样本量、

变量滞后以及使用工具变量法进行稳健性检验后，

该结论仍然成立。（2）机制分析表明，数字金融发展

能够缓解融资约束和减轻流动性约束，进而降低企

业财务风险。（3）数字金融发展对企业财务风险的负

向影响因企业特征不同而存在异质性。对比低杠杆

企业与国有企业，数字金融发展对高杠杆企业与非

国有企业财务风险的负向影响更大。（4）进一步对外

部经济环境的研究表明，数字金融在市场化程度较

低与监管程度较强的地区能更加有效地发挥其降低

企业财务风险的作用。

结合上述分析，提出如下建议：第一，政府应积

极推动数字金融发展，充分发挥数字金融在支持经

济增长中的重要作用。一方面，扩大数字金融的覆

盖广度，推动实现支付、信贷、投资、信用、货币基金

服务的全面数字化进程；另一方面，拓展数字金融使

用深度，使其更好地为实体经济服务。第二，关注非

国有企业、高杠杆企业等金融弱势群体的情况，鼓励

数字金融资源向其倾斜，缓解其融资难融资贵的问

题，优化金融资源配给。第三，借助数字金融发展，

持续推进我国的市场化进程，缩小地区间市场化差

距，关注低市场化地区企业的财务状况，深化其数字

金融服务程度，并适当加强金融监管，防范过度数字

化带来的金融风险，保障数字金融良性发展。第四，

企业应积极适应数字金融发展，加快财务数字化转

型，灵活运用数字技术缓解自身面临的融资难问题，

并通过完善自身软信息，增强硬信息实力，缓解与金

融机构间的信息不对称问题，进一步完善企业治理

机制，提高财务稳健性，向外界更好地展示企业实

力。■

注 释

① 数据来源：2021年5月商务部国际贸易经济合作研究院

信用研究所发布的《新冠疫情下中国A股非金融类上市公

司财务安全评估报告（2020）》。

② 制造业保留前两位行业代码，非制造业保留第一位行业

数字金融 Digital Finance

87

2023年第8期 WUHAN

FINANCE

代码。

③ 数据来源：中国分省份市场化指数数据库，https：//cmi.

ssap.com.cn/。

[参考文献]

[1] 韩冬梅.论企业财务风险控制与防范[J].财会通讯，2015

（14）：104-106.

[2] 黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济

学（季刊），2018（4）：1489-1502.

[3] 钱海章，陶云清，曹松威，等.中国数字金融发展与经济增

长的理论与实证[J].数量经济技术经济研究，2020（6）：26-46.

[4] 宋晓玲.数字普惠金融缩小城乡收入差距的实证检验[J].

财经科学，2017（6）：14-25.

[5] 谢家智，吴静茹.数字金融、信贷约束与家庭消费[J].中南

大学学报（社会科学版），2020（2）：9-20.

[6] 谢绚丽，沈艳，张皓星，等.数字金融能促进创业吗?来自

中国的证据[J].经济学（季刊），2018（4）：1557-1580.

[7] 颜强，李晓龙.数字金融发展、创新创业活力与城市经济

效率：来自中国地级城市层面的经验证据[J].贵州社会科

学，2022（5）：131-140.

[8] 王诗卉，谢绚丽.经济压力还是社会压力：数字金融发展

与商业银行数字化创新[J].经济学家，2021（1）：100-108.

[9] 杜莉，刘铮.数字金融对商业银行信用风险约束与经营效

率的影响[J].国际金融研究，2022（6）：75-85.

[10] 黄浩.数字金融生态系统的形成与挑战：来自中国的经

验[J].经济学家，2018（4）：80-85.

[11] 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+9.

[12] 梁琦，林爱杰.数字金融对小微企业融资约束与杠杆率

的影响研究[J].中山大学学报（社会科学版），2020（6）：191-

202.

[13] 申明浩，谭伟杰.数字金融发展能激励企业创新吗?基于

中国上市企业的实证检验[J].南京财经大学学报，2022（3）：

66-77.

[14] 王诗雨，陈志斌.产品市场竞争、政府作用与企业财务风

险[J].现代财经（天津财经大学学报），2017（3）：78-92.

[15] 苏坤，张俊瑞，杨淑娥.终极控制权、法律环境与公司财

务风险：来自我国民营上市公司的证据[J].当代经济科学，

2010（5）：80-87+127.

[16] 冯素玲，赵书，吴昊悦.金融科技对企业财务风险的影响

及其内在机理：兼论金融监管的门槛效应[J].改革，2021

（10）：84-100.

[17] HUANG J K，KISGEN D J. Gender and Corporate Fi‐

nance：Are Male Executives Overconfident Relative to Female

Executives?[J]. Journal of Financial Economics，2013，108（3）：

822−839.

[18] 丁维国.独立董事治理对企业财务风险的影响：基于制

度环境的调节效应研究[J].经济问题，2018（9）：101-107+119.

[19] 李维安，戴文涛.公司治理、内部控制、风险管理的关系

框架：基于战略管理视角[J].审计与经济研究，2013（4）：3-12.

[20] 吴冬霞.企业财务风险成因及其防范[J].财贸研究，2008

（4）：155-156.

[21] 许芳，何剑.数字金融发展与企业财务风险：基于融资约

束和信息不对称视角[J].技术经济与管理研究，2022（7）：

60-65.

[22] WANG Z L，CHEN M C. Digital Finance，Financing Con‐

straint and Enterprise Financial Risk[J]. Journal of Mathemat‐

ics，2022：1-9.

[23] 赵芮，曹廷贵.数字金融发展有助于企业去杠杆吗[J].现

代经济探讨，2022（1）：71-82.

[24] 陈廉，易露，陈强.数字金融、中小企业债务融资与债权

人异质性[J].贵州财经大学学报，2021（5）：53-60.

[25] 黄贤环，吴秋生，王瑶.金融资产配置与企业财务风险：

“未雨绸缪”还是“舍本逐末”[J].财经研究，2018（12）：100-

112+125.

[26] 刘长庚，李琪辉，张松彪，等.金融科技如何影响企业创

新?来自中国上市公司的证据[J].经济评论，2022（1）：30-47.

[27] 孟颖.民营企业融资难、融资贵问题的解决之道[J].天津

师范大学学报（社会科学版），2020（2）：45-50.

[28] ALTMAN E I. Credit Rating，Methodologies，Rationale，

and Default Risk[M]. London Risk Books，2002.

[29] 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.

[30] 魏志华，曾爱民，李博.金融生态环境与企业融资约束：

基于中国上市公司的实证研究[J].会计研究，2014（5）：73-

80+95.

[31] KAPLAN S N，ZINGALES L. Do Investment - Cash Flow

Sensitivities Provide Useful Measures of Financing Constraints

[J]. The Quarterly Journal of Economics，1997，112（1）：169-215.

[32] 江艇.因果推断经验研究中的中介效应与调节效应[J].

中国工业经济，2022（5）：100-120.

[33] 陈标金，植嘉娟，区嘉湄.财政补助、研发投入与企业财

务风险：基于 A 股上市公司的证据[J].科技管理研究，2021

（8）：117-123.

[34] 刘婷婷，温雪，邓亚玲.数字化转型视角下数字金融对企

业投资效率的影响效应分析[J].财经理论与实践，2022（4）：

51-58.

（责任编辑：DJ / 校对：XY）

本 刊 告 示

根据2023年3月《党和国家机构改革方案》

有关要求，中国人民银行进行分支机构改革。

《武汉金融》主管单位名称中国人民银行武汉分

行已变更为中国人民银行湖北省分行。我刊已

向新闻出版主管部门提交主管单位变更申请，

待批准后正式更改。

《武汉金融》编辑部

2023年8月31日

88