中国的金融机构应当承担环境...本事实、理论模型与实证检验_刘锡良.pdf

《中国的金融机构应当承担环境...本事实、理论模型与实证检验_刘锡良.pdf》由会员分享，可在线阅读，更多相关《中国的金融机构应当承担环境...本事实、理论模型与实证检验_刘锡良.pdf（17页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、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刘锡良文书洋内容提要: 中国发展迈入了新时代， 绿色发展深入人心、 绿色金融广受关注， 党的十九大明确将防治环境污染列为 “三大攻坚战” 之一。如何处理好环境与发展的关系、 提升经济增长质量， 是未来中国经济发展的核心问题。本文从当今中国的环境污染问题出发， 结合可持续增长理论、 绿色金融和企业社会责任理论， 提出金融机构是否应当承担环境责任的问题。本文创新性地以经济增长理论框架探讨金融机构的环境责任问题， 将企业社会责任与绿色增长理论联系起来， 为绿色金融的理论基础探索提供了新的思路。本文证明了金融机构信贷决策能够显著影响经

2、济增长质量， 并给出了实证证据， 进而指出: 发展绿色金融、 合理承担环境责任是支持经济增长质量提升的重要手段， 也是中国金融机构未来发展的重要方向。除了把握金融资源的行业流向外， 支持清洁技术改造、 实施积极的贷后管理、 根据污染物类型开发针对性的绿色金融产品等， 都有助于提高金融机构承担环境责任的效率。关键词: 环境责任经济增长质量金融资源配置绿色金融*刘锡良， 西南财经大学中国金融研究中心， 邮政编码: 610074，电子信箱: liuxl swufe. edu. cn; 文书洋( 通讯作者) ， 西南财经大学中国金融研究中心博士研究生， 邮政编码: 610074， 电子信箱: wens

3、huyang1123163. com。作者感谢国家社会科学基金重大项目( 13ZD030) 和国家留学基金委的资助， 感谢埃默里大学查涛教授、 陈凯迹教授、 西南财经大学董青马副教授、 中央财经大学林则夫教授、 陈俊华教授的建设性意见， 感谢审稿人的评论意见， 文责自负。一、引言中国经历了四十余年的高速增长， 国家日渐强盛， 人民日益富裕， 但举世瞩目的增长背后是资源与环境的巨大代价， 随着资源约束趋紧、 人口红利减退、 国际经济结构调整， 环境污染严重影响社会生活， 治理污染被列为 “三大攻坚战” 之一。党的十八大明确提出绿色发展， 十九大更是直接指出 “必须像对待生命一样对待生态环境” 。

4、如何处理好发展与环境的关系， 提升经济增长的质量，是未来中国经济发展的核心问题。中国的环境问题与产业结构密切相关。多年来， 国家和社会一直强调环境保护和可持续发展，但低附加值、 高消耗、 高污染的产业的比重偏高， 加之环境投入不足、 环境监管制度不完善， 生态环境始终没有根本性改善。钢铁、 火电、 化工等高消耗、 高排放行业也正是当前结构性问题最突出、 产能过剩最集中的领域。必须承认， 重化工业的发展有其历史必然性， 中国作为在世界上有着重要政治和军事影响力的大国， 核心支柱产业必不可少。然而在基本实现现代化的今天， 注重生态、 保护环境变得越来越重要。自 1999 年以来， 国家陆续颁布产业

5、结构调整指导目录( 2005、 2011、 2013、2015) 和各类关于化解产能过剩的政策法规， 希望通过产业政策淘汰落后产能， 调整产业结构。但政策的实施存在偏差， 产能过剩问题始终没有解决， 盲目上马项目、 过度投资、 环评执行不严等现象依然时有发生， 生态环境也随之趋于恶化。金融机构通过金融服务配置资源， 影响产业发展。在中国， 企业对外源融资高度依赖， 金融资源可谓产业发展的 “血液” 。当前中国金融资源配置的基本情况是向资本密集型、 高能耗、 高产值的重点83刘锡良、 文书洋: 中国的金融机构应当承担环境责任吗?行业和热门行业集中。信贷的大量流入客观上推动了高耗能、 重污染行业的

6、发展， 加剧了产能过剩和环境污染( Dong et al， 2019; 文书洋和刘锡良， 2019) ; 而实体经济的结构性问题也表现在近年银行业高企的不良率上。企业社会责任( CS) 理论和绿色金融( Green Finance) 的研究认为， 金融机构应当承担环境与社会责任。随着国家环保制度不断完善、 环境法制建设步伐加快、 社会环境意识日益增强， 承担环境责任、 发展绿色金融是中国金融业未来发展的重要方向。在当今中国经济发展从追求速度转为提升质量的新时期， 企业是否应当承担环境和社会责任， 最直接的标准是其活动是否对经济增长质量造成了显著影响。那么当前中国的金融资源配置对环境和经济增长的

7、质量是否产生了影响?金融机构是否应当承担环境责任?如何承担?对于绿色金融的研究而言， 环境责任问题是基础性议题， 但目前此类研究十分匮乏， 填补这一空白对于深入探讨绿色金融的发展问题十分重要。本文通过基本事实、 理论模型和实证检验回答上述问题。在现有文献的基础上， 进一步明确了中国金融资源在污染领域的配置状况; 建立了包含环境因素、 两类异质性企业和金融部门的内生增长模型， 阐明在特定的产业性质下， 金融机构单纯的利润最大化决策将会导致经济增长的环境代价高昂; 最后检验了中国金融资源配置与经济增长环境代价的关系， 实证结果显著支持理论推论。据此， 本文指出中国的金融机构能够对经济增长的质量造成

8、影响， 应当担负一定的环境责任。除了把握金融资源的行业流向外， 支持行业内部的清洁技术改造、 实施积极的贷后管理、 根据不同污染物类型开发针对性的绿色金融产品， 都有助于提高金融机构承担环境责任的效率。经济增长是改革开放以来中国最重要的经济现象， 本文创新性地以经典的经济增长理论框架探讨金融机构的环境责任问题， 对绿色金融的研究提供了新的思路。二、文献回顾金融机构的环境责任问题源于对企业的社会责任的研究， Bowen Johnson( 1953) 最早提出企业除了对股东负责外还应当承担社会责任， 在此基础上， 人们意识到金融机构在督促企业承担社会责任方面有十分重要的作用( Harvey， 19

9、95) 。绿色金融的概念将金融企业的资源配置功能与环境和社会责任结合起来。虽然对于承担社会责任的企业是否存在经济上的利益至今仍然存在分歧( Salzmann， 2013) ， 但是银行在做出信贷决策时如果不考虑环境风险和客户的可持续性就很可能遭受损失( Weber et al， 2010) 。在环境保护要求严格和社会公众对环境问题关注度较高的国家， 银行信贷决策的可持续性问题尤为重要。近年来， 国内在绿色信贷和银行环境风险控制等问题上有一些研究成果( 常杪和任昊， 2011; 翁智雄等， 2015) ， 也有少数学者探讨了金融与环境的关系问题( 文书洋和刘锡良， 2019) ， 但总体上关注较

10、少， 极少论述金融机构的环境责任问题， 更没有对绿色金融的理论基础进行充分探索。金融机构通过配置金融资源影响实体经济， 也正是由此承担环境责任。对金融资源配置与环境污染的理论研究很少， 但二者关系的本质是金融、 经济与环境的关系， 因此基于一般均衡理论对环境污染与经济增长问题的研究可以为此提供很好的借鉴。Dasgupta Heal( 1974， 1985) 最早以新古典增长模型来讨论可耗竭资源的最优利用路径; Bovenberg Smulders( 1995) 以 omer( 1986)的内生增长模型为基础， 把环境污染引入到生产函数和效用函数， 给出了可持续的增长满足最优时， 技术特征和偏好

11、所需要符合的条件; Brock Taylor( 2010) 在索洛模型的基础上加入环境因素，并用 OECD 国家数据检验了环境库兹涅兹曲线。一般而言， 可持续增长的存在性取决于技术进步( 彭水军和包群， 2006) ， 这一领域的实证研究， 通常与库兹涅茨环境曲线( Grossman Krueger，1995) 有关。曲线提出后西方学者对其进行了大量理论和实证检验( John Pecchenino， 1994;Selden Song， 1995; Hilton Levinson， 1998; Andreoni Levinson， 2001; Stern， 2004; Brock Taylor，

12、2010) 。曲线在中国是否成立， 一直存在较大分歧( 曹光辉等， 2006; 宋马林和王舒鸿; 2011; 王敏和932019 年第 3 期黄滢， 2015) ， 但比较一致的结论是中国环境污染仍然随着经济增长而趋于恶化。经济增长与环境污染存在联系的本质是产业结构和技术进步对环境的影响， 因而单纯考虑经济增长和环境污染的关系不能完全解释经济现象( Brock Taylor， 2012) 。对中国而言， 考虑产业结构与环境污染的关系尤为重要( 王敏和黄滢， 2015) 。国内的经验证据表明， 污染水平与能源结构以及产业结构变动息息相关( 马丽梅和张晓， 2014) 。而 Dong et al

13、( 2019) 利用资本市场数据指出了中国信贷资源向重污染行业倾斜的现状， 并且证明了信贷资源的配置比例与污染排放量高度相关。文书洋和刘锡良( 2019) 证明了信贷资源向重污染行业的投放会加剧环境污染。但现有的理论模型未考虑内生技术进步， 也没有讨论金融资源配置与经济增长质量之间的关系。中国金融资源的配置与产业结构和产业政策紧密相关， 虽然从本世纪初至今， 国家和社会始终强调环境保护和可持续发展， 针对产业结构调整的政策频频出台， 但始终效果不佳( 张杰， 2015; 周黎安， 2004; 江飞涛和曹建海， 2009; 陶然等， 2009; 江飞涛等， 2012) 。作为企业发展的必需资源，

14、 银行信贷的集中是助推产能过剩的直接原因( 刘西顺， 2006) ， 学者们进而借用资源配置理论， 将中国金融资源长期向国有部门、 大型企业和热门行业集中的现象称为“金融错配” ( Hsieh Klenow，2009; Boyreau- Debray Wei， 2005; 邵挺， 2010) 。对于金融错配的产生原因主要有政府干预( LaPorta et al， 2002; Berger et al， 2009; Jia， 2009; Garca- Herrero et al， 2009) 和信贷配给( 王健， 1997; 战明华等， 2013; 马九杰和吴本健， 2012) 两类解释。然而，

15、 商业银行并非仅凭企业性质而做信贷决策， 而是更加看重抵押资产， 因此重资产行业( 不分企业性质) 是信贷资源的主要获得者( 冯科，2016;Chang et al， 2015) 。这一金融资源配置的不平衡， 在很大程度上推动了高耗能高污染产业持续膨胀， 加剧环境污染( 文书洋和刘锡良， 2019) 。但总的来说， 仅有极少数研究提及了金融资源配置与环境污染的关系， 并且尚未有学者深入讨论金融与经济增长质量的关系， 以及金融机构的环境责任问题。而在当今中国进入新时代， 经济发展追求质量提升的新形势下， 中国的金融机构是否应当承担环境责任问题的解决， 有赖于对金融资源配置与经济增长质量之关系的研

16、究。三、中国金融资源的行业配置现状及成因钢铁、 石油化工、 建筑、 采掘和有色金属等基础性重点行业是金融资源倾斜的对象， 并且普遍具有重资产、 重污染的性质。Dong et al ( 2019) 、 文书洋和刘锡良( 2019) 依据上市公司环境信息披露指南 和 企业环境信用评价办法 ， 将上市企业划分为重污染和非污染， 分析了中国信贷资源的配置状况。但其研究存在两点不足: 第一， 法规中的行业划分方式和国标行业分类方式存在差异，因而对部分行业的污染性质只能近似划定， 从而影响样本质量; 第二， 对这一金融资源配置的成因没有详细分析。本节将在现有文献的基础上， 根据环境数据测算并对比各行业的污

17、染性质， 详细分析各行业的排污情况， 以国标行业分类为基础给出更具有说服力的行业划分目录。在此基础上， 结合中国产业和金融业的发展历程分析这一配置状况的成因。根据主要的券商行业分类和其对应的国标行业目录， 将上市公司分为 25 个行业。表 1 给出了各行业对应的国标分类子行业和其污染物排放情况。其中污染排放数据由环保部历年公布的分行业工业排污与历年中国统计年鉴中分行业工业企业产值相除得到， 第一和第三产业的部分行业没有工业排污数据。固定资产比例以 2016 年 7 月截止所有 A 股上市公司上年度资产负债表计算。选取 A 股上市公司历年公开的资产负债表中 “借款” 项目( 包括短期和长期借款)

18、 按公司所属行业考察金融资源的配置情况。样本期间选择 20052015 年。为了调整较晚上市的公司缺乏早期04刘锡良、 文书洋: 中国的金融机构应当承担环境责任吗?2004 年 “旧国九条” 颁布， 2014 年 “新国九条” 颁布， 选择这一样本区间是为了在制度层面上尽量保证资本市场数据对总体的反映程度的稳定性。数据带来的偏误， 样本只选取了 2007 年之前上市的公司( 不包括金融机构) ， 共 1464 家。笔者还用不同来源和口径的统计数据对样本的抽样质量进行了分析。图 1 展示了信贷获得量前十的行业。其中有 6 个属于重污染的行业。具体而言， 空气和水污染方面， 借款量前十的行业平均排

19、放约是其他行业的二倍， 如果不考虑非金属矿物制品业( 信贷排名居中， 在第 13 位) ， 借款量前十行业的空气污染将是其他行业的 9 倍; 而工业固体废弃物几乎全部集中于钢铁、 有色和煤炭三大行业中。这一基本结论与现有文献类似( Dong et al， 2019) ， 创新之处在于对行业污染性质和抽样质量的深入分析， 得出了更加可靠的实证数据。同时， 本节的内容是后文理论模型和实证研究的事实基础。图 1融资规模前十的行业这里结合中国产业和金融的发展历程来看这一配置状况的成因: 从银行部门的微观决策来看， 我国商业银行的信贷决策原则和信贷偏好随着经济社会的发展而发生着改变。在改革开放初期， 商

20、业银行并不是完全的市场主体， 由于历史遗留和体制原因， 国有企业是主要的信贷获得者。进入 20 世纪 90 年代， 随着市场化的推进， 股份制全面推广， 企业的国有与非国有界限变得模糊， 商业银行逐渐从早年单纯对企业所有制性质的关注转化为对重资产行业的偏好。其原因有二: 第一， 受信贷政策影响， 重资产行业因为能够提供充分的抵押担保而受到银行的青睐; 第二， 在 20 世纪 90 年代到 21 世纪初， 中国的产业政策明确支持基础支柱性产业的发展， 钢铁、 煤炭、 基础化工等一大批重化工业行业成为信贷集中的领域。而最近的五年中， 虽然受到产业政策影响， 流入重化工业的金融资源增速有所放缓， 但

21、由于长期的业务关系和出于各种原因的“输血”行为， 钢铁、 煤炭、 石油化工等传统支柱性行业中依然留存了相当一部分信贷资源， 其资源配置比例居高不下。表 1行业分类与比较信贷获得排序年平均借款额( 亿元)行业分类固定资产比例平均单位产值工业排污废气( m3/万元)废水( t/万元)废物( t/万元)对应 GB/T47542011行业分类16054. 56电力、 热力、 水和燃气的生产和供应业54. 67%17729. 8213. 777. 84电力、 热力的生产和供应业; 燃气生产和供应业; 水的生产和供应业142019 年第 3 期续表 1信贷获得排序年平均借款额( 亿元)行业分类固定资产比例

22、平均单位产值工业排污废气( m3/万元)废水( t/万元)废物( t/万元)对应 GB/T47542011行业分类23644. 48石油和天然气开采及石油化工( 石油石化)37. 01%7285. 598. 4112. 39石油和天然气开采业; 石油加工、炼焦及核燃料加工业; 化学纤维制造业33403. 21房地产业1. 80%( 国标一级目录)43032. 84交通运输46. 67%( 国标一级目录)53029. 95黑色金属开采、 冶炼及压延加工( 钢铁)46. 53%15698. 025. 80431. 01黑色金属矿采选业; 黑色金属冶炼及压延加工业61521. 79有色金属开采、 冶

23、炼及压延加工( 有色)30. 94%7303. 8710. 00291. 04有色金属矿采选业; 有色金属冶炼及压延加工71377. 50基础化工36. 56%7167. 6612. 0217. 17化学原料及化学制品制造81364. 71建筑6. 74%( 国标一级目录)91343. 65煤炭40. 37%2036. 285. 94343. 21煤 炭 开 采 和 洗选业101191. 94通信38. 55%822. 430. 690. 01通信设备、 计算机及其他111084. 83机械、 设备和其他金属制品18. 32%1023. 971. 253. 19通用设备制造业;专用设备制造业;

24、金属制品业; 交通运输设备制造业12716. 33电 气 机 械 及 器 材制造44. 00%344. 250. 390. 24电气机械及器材制造业13710. 94非金属矿物制品44. 00%37994. 742. 6670. 12非 金 属 矿 物 制品业14673. 25汽车16. 70%汽车制造业15658. 48零售批发业16. 41%( 国标一级目录)17533. 08医药17. 62%1957. 026. 664. 03医药制造业17495. 06轻工制造33. 85%2390. 1715. 313. 18造纸及纸制品业;文教体育用品制造业; 工艺品及其他制造业; 印刷业和 记

25、录 媒 介 的复制24刘锡良、 文书洋: 中国的金融机构应当承担环境责任吗?续表 1信贷获得排序年平均借款额( 亿元)行业分类固定资产比例平均单位产值工业排污废气( m3/万元)废水( t/万元)废物( t/万元)对应 GB/T47542011行业分类18406. 71农林牧渔27. 57%( 国标一级目录)19330. 31纺织服饰17. 69%379. 251. 480. 78纺织服装、 鞋、 帽制造业20330. 01其他16. 79%( 国标一级目录)包括教育、 科学研究和技术服务、 社会工作、 公共管理21248. 83食品饮料25. 86%2118. 326. 458. 92食品制

26、造业; 饮料制造 业; 烟 草 制品业22141. 79信息传输、 软件和信息技术服务业8. 71%( 国标一级目录)23123. 38文化、 体育和娱乐业12. 50%( 国标一级目录)2479. 01住宿、 餐饮和旅游业23. 81%( 国标一级目录)6054. 56金融机构0. 82%( 国标一级目录)四、金融资源配置与经济增长环境代价关系的理论分析( 一) 技术和信贷资源配置1 技术经济中有两类企业提供中间产品: H 企业和 L 企业， H 企业是基础性重点行业， 消耗自然资源N 和资本 Kh， 普遍兼备重资产和重污染的性质， 例如煤炭、 石油石化。L 企业则相对清洁、 轻资产，例如传

27、媒、 IT， L 企业对自然资源的消耗得较少， 这里简化为只使用资本 Kl。这一设定能够很好刻画中国信贷资源的行业配置特点( Dong et al， 2019) 。两类企业的生产函数分别是: h = N1K2h、l = Kl。最终产品企业是加工和组装部门， 利用 H 和 L 两类企业的产品进行生产， 例如电脑装配商将各上游企业的芯片和硬盘组装起来再向消费者出售。最终产品的生成函数为: F = Y = F( h， l)=Ah1l2。这里以简化的 omer 假设设定内生技术进步( omer， 1986; Acemoglu， 2009) : 技术随着总体资本积累而提高。在具体的生产函数中， 模型的核

28、心设定可以简化为: A = BK。这里技术进步设定在最终产品部门， 可以证明， 乘积形式的技术进步参数不论设定在哪个环节， 模型的主要结论不变。2 金融部门与信贷歧视假设金融体系只有银行。银行吸纳储蓄发放贷款， 企业本质上是居民所有， 因而企业的储蓄就是社会的储蓄。社会的储蓄全部存入银行， 企业生产所需的资本也全部由金融机构贷款提供， 因此342019 年第 3 期Kh和 Kl同时又是两类企业的贷款量。企业是否能够归还贷款是随机的， 概率为 。但是， H 类企业由于有固定资产作为抵押( 比如有大量设备和资源的采掘和冶炼行业) ， 或者有政府的隐性担保( 比如国有背景的石油石化) ， 银行认为

29、H 企业总能归还贷款。而 L 类企业通常是轻资产的行业，没有良好的抵押品( 比如轻工制造) 或者可能有较高的风险( 比如创新产业) 。因此金融机构的期望利润为: b= hKh+ lKl CB( K)。银行的目标将是最大化这一期望利润。本文将 l称为“风险调整的贷款利率” 。很明显， 在有信贷歧视的情况下， 两类企业获得的利率是不同的， 并且这一利率的不同将导致竞争性均衡中信贷获得量的不同， 下文将详述。K 是贷款总量， K = Kh+ Kl。为考察信贷资源配置在平衡增长路径中的作用， 假设银行将 比例的信贷投入 H 企业， 那么信贷资源配置的表达式可以写为: Kh= K。这一假设的现实基础在于

30、， 虽然非重点行业( L 企业) 中也有资质好、 能按时还款的企业， 但由于信息不对称或者获取信息的成本太高， 银行不能一一鉴别， 只能按某一概率 制定信贷政策。 本质上是银行认为的企业还款概率， 与信贷歧视的程度直接相关。( 二) 环境和偏好1 环境环境的运动方程如下:E = ( E0E) P， ( 0 E E0)P = N( 1)环境污染来自于对自然资源的开采( Bovernberg Smulders，1995) 。N 代表污染水平， N 是自然资源的开发量， 表示清洁技术的水平。当没有生产活动时， 环境处于最佳状态 E0。当环境受到破坏时， 能在有限的范围内自我恢复， 在 E E0的范围

31、内， 由于环境不可能超过最优状态E0， 恢复速度随环境变好而变慢。上式中， E0是常数， ( E0E) 可以理解为环境偏离自然状态的值。为了数学形式的简便， 不失一般性， 将环境的自我恢复表达式沿坐标轴平移， 假设 E0= 0，E 0。此时上式变为:E = ( E) N，E()0 。( E) 是环境偏离最优值的量， 本文称之为“环境损害量” 。2 偏好和环境意识使用可加型固定弹性效用函数( 彭水军和包群， 2006; 黄茂兴和林福寿， 2013) :U =C1 11 + ( E)1+ 11 + ， 0， 0其中， 为相对风险厌恶系数; 表示环境偏好程度。这体现出环境与消费的不同性质， 消费的边

32、际效用递减， 而环境损害的边际负效用递增。当环境只受到微小的破坏时， 人们很难发现， 而当环境恶化很严重时， 人们会越来越关注环境， 越大， 消费者关于环境的效用函数就越“陡峭” ， 人们对环境破坏更加敏感。因此 越大， 环境意识越强。( 三) 社会计划者问题首先考察社会计划者问题:max0C1 11 + ( E)1+ 11 +()etdts. t.F = DN1K2E = ( E) NK = DN1K2 C其中， D = A212( 1 )2， =KhK44刘锡良、 文书洋: 中国的金融机构应当承担环境责任吗?令 1= 11， 2= 12+ 2解这个最大化问题， 可得: =1212+ 2(

33、2)CC=1( FK )( 3)( E)C=FN + + CCFNF()N=FN + + CC ( 1 1)NN 2()KK( 4)其中， ( 2) 式十分重要， 它显示了在社会计划者问题中， 两类企业获得的信贷资源呈固定比例。后文将给出证明， 这一比例也是无信贷歧视的竞争性均衡所要求的， 但信贷歧视将会破坏这一最优的比例， 形成信贷资源配置的非效率。( 2) 式、 ( 3) 式、 ( 4) 式和横截性条件 limt1Ke t=0;limt2Ee t=0，组成了这一动态系统的解。( 3) 式是典型的拉姆齐 凯恩斯条件( amsey Keynes rule) ， 这一条件没有直接受到环境设定的影

34、响是因为环境污染并非直接由资本的使用， 而是由资源的开采造成。( 4) 式事实上是最优污染的运动路径， 这一路径不仅与消费有关， 也与生产函数的边际产出性质有关。( 四) 竞争性均衡和信贷资源配置本小节计算竞争性均衡， 然后将其与最优增长路径对比， 并重点考察有信贷歧视的竞争性均衡。1 厂商的最优化对于最终产品厂商而言， 两类中间产品 h 和 l 是投入要素， 将最终产品的价格标准化为1， 由最终产品厂商最大化利润的一阶条件， 边际收益等于边际成本， 可以得到: ph= Fh， pl= Fl。其中， pi表示第 i 种要素的价格， Fh表示 h 的边际产出。为了与污染 P 区分， 价格以小写

35、p 表示。类似地， h 类企业的边际收益等于边际成本可得:h= phhKh= FhhKhpN= hNph( 5)其中， L 企业边际收益等于边际成本可得: l= PllKl= FllKl2 信贷市场均衡、 信贷歧视和信贷资源配置如前所述， 银行的利润函数为: b= hKh+ lKl CB( K) 。假设每增加一单位存款， 银行所要付出的边际成本仅仅是固定的存款利息 r， 因而贷款的边际成本是固定的， CB( K)= r( Kh+ Kl) 。不难看出， 长期均衡市场要求银行的利润为零， 并且两类企业的风险调整后的利率必须一致。假设 H企业的利率更高， 银行将把所有的资金都投入到 H 类企业中，

36、而 L 类企业将没有资本， 中间产品 l的产量为零。那么最终产品的产出也将为零， 经济体将萎缩至零， 整个系统将没有经济学意义。因此:h= l= r ( 当没有信贷歧视时， = 1)( 6)限于篇幅， 关于本模型与相关文献的对比从略， 有兴趣的读者可以联系作者。其中， r 既是资本价格的均衡水平， 也是均衡状态下的存款利率。由企业间的市场均衡可得:h=1212+ 2 + 11FK( 7)l=212+ 2 + 11( 1 )FK( 8)当有信贷歧视时， 根据( 6) 式、 ( 7) 式、 ( 8) 式可以得到: 2=122+ 12542019 年第 3 期当没有信贷歧视时， =1， r = C(

37、 t)= h= l， 那么信贷的配置比例变为:1212+ 2= 2。这一比例与社会计划者问题的解中关于 的方程一致。由于环境污染产生于资源消耗， 而资源有价格( 见下文“消费者最大化与福利分析” 中的约束条件) ， 因而环境污染的外部性和资源的公共物品性质被移除。当没有信贷歧视时， 市场是完备的， 因而竞争性均衡与总体的最优化结果一致。但当 L 企业由于不能提供抵押和担保， 而被银行 “歧视” 时， 市场利率与贷款利率的关系变为:r2= h= l=12+ 212+ 2 + 1FK FK;3 消费者最大化与福利分析根据效用函数， 可以写出消费者最大化的数学表达:max0C1 11 + ( E)1

38、+ 11 +()etdts. t.A = rA + W C + NE = ( E) NA = rA + W C + N 是传统的预算约束加上表达式 N。N 代表的是资源收入。因为自然资源是全社会共有的， 虽然只是 H 类企业开采， 但企业需要为此付费。在自然资源市场上， ( t) 是自然资源的价格， 同时也是时间的函数。( t) 可以被理解为 H 类企业直接向居民支付的“资源税” 。当自然资源市场出清时， 结合 H 类企业的最优化条件( 7) 式， 有 ( t)= pN= hNph。E = ( E) N 是经过简化的环境的运动方程， 第三小节中已有论述。上述最优化问题的解是:CC=1( r )

39、( E)C= + + CCv()第一个式子依然是传统的消费欧拉方程， 第二个式子是环境变化路径。( i)当不存在信贷歧视:根据上述市场出清条件。r =1212+ 2 +11FK，和 ( t)= pN= hNph= FN;上述解变为:CC=11212+ 2 + 11FK()( E)C=FN + + CC ( 1 1)NN 2()KK因此， 内生技术进步下竞争性均衡的增长路径也与社会计划者不同。这一点与 omer( 1986)一致， 因为这一技术进步假设的基础是“知识外溢” ， 在知识外溢的外部性导致了竞争性均衡与社会计划者问题的偏离。( ii)当有信贷歧视时:情况便有所不同了， 因为 r2= h

40、= l FK，并且:r = h= l=1212+ 2 + 112FK=2+ 1212+ 2 + 1FK rnodiscrm FK所以欧拉方程变为:64刘锡良、 文书洋: 中国的金融机构应当承担环境责任吗?CC=112+ 212+ 2 + 1FK()( 9)环境的路径变为:( E)C=FN + + CC ( 1 1)NN 2()KK( 10)对比最优增长路径， 消费的欧拉方程发生了改变， 虽然环境的欧拉方程看似没有变化， 但是因为其中含有消费的变化， 因此( 10) 式也与前述环境的运动路径不同。显然， 信贷歧视带来的最直接结果是增长路径偏离最优， 出现福利损失。( 五) 增长路径: 信贷资源配

41、置、 环境污染与经济增长的环境代价首先对比社会计划、 无歧视竞争均衡、 有歧视竞争均衡三种情况下的增长路径， 分别命名为 A、 B、 C:A 社会计划者问题 =1212+ 2CC=1( FK )( E)C=FN + + CC ( 1 1)NN 2()KKB 无信贷歧视的市场均衡 =1212+ 2CC=112+ 212+ 2 + 1FK()( E)C=FN + + CC ( 1 1)NN 2()KKC 有信贷歧视的市场均衡 =122+ 12CC=112+ 212+ 2 + 1FK()( E)C=FN + + CC ( 1 1)NN 2()KK( 11)A 和 B 的不同是由于 omer( 198

42、6) 的内生技术进步假设的基础是“知识外溢” ， 知识外溢的外部性导致了竞争性均衡与社会计划者问题的偏离。当然， 这并不是本研究关心的问题。我们将重心放在信贷歧视对可持续增长路径的影响上。对比 B 和 C 可以看到， 信贷歧视下资源的配置比例发生了改变， 因而消费的运动方程发生了改变。从 C 情形出发， 可以进一步考察增长路径上环境污染和经济增长环境代价与信贷资源配置的关系。由方程组( 11) 和消耗与排污的关系( 1) 式和消费的欧拉方程可知:gp=( E)CFN1( 1 1)+1( 1 1)2 + +1212+ 2 + 112FK 2K()K( 12)定义经济增长的环境代价为单位 GDP

43、的污染排放， =PY。这一定义十分直观， 在文献中广泛742019 年第 3 期使用。那么， =PPYY=NNYY。将此式代入( 14) 式， 可得:=( E)CFN1212+ 2 + 11FK 2 ( 13)可以证明有如下命题:命题 1: 不论参数的取值如何， 在存在信贷歧视的资本配置区间上， 随 递增。即在经济增长路径上， 经济增长的环境代价随信贷歧视的加剧而加速增长。命题1 说明了， 对重污染行业的信贷偏好会增加经济增长的环境代价。这是因为在完备的市场中， 人们可以通过选择合适的资本配置， 发展出合理的产业结构， 从而在环境污染和经济增长中求得平衡。但是， 信贷歧视使得在所有最优化中资本

44、配置比例都向重型部门偏离， 因而人们可以权衡取舍( trade off) 的空间被压缩了， 此时的最优化得出的经济发展路径是被信贷配置扭曲的路径。在这一路径上， 由于产业结构的不均衡， 单位产出对应的环境污染更高， 经济增长的环境代价高昂。五、信贷资源配置与经济增长环境代价关系的实证证据( 一) 数据、 指标与样本西藏自治区因数据严重缺失而被剔除， 数据为全国 30 个省、 自治区及直辖市 20052015 年间的面板数据。1 信贷资源配置指标本文的信贷资源配置指标实际上已经在理论模型中确定， 即重污染行业借款的占比。根据历年中国环境年鉴测算的各行业单位产出排污( 参见表 1) 。重污染行业包

45、括: 电力、 热力、 水和燃气的生产和供应业、 石油石化、 黑色金属开采、 冶炼及压延加工( 钢铁) 、 有色金属开采、 冶炼及压延加工( 有色) 、 基础化工、 煤炭、 非金属矿物制品、 医药、 造纸( 属于轻工制造) 、 纺织服饰、 酿造( 属于食品饮料) 。剔除金融类企业 51 家， 剔除 2007 年以后上市的公司样本， 并剔除涉及大量多种经营的综合性企业 40 家( 这些企业同时涉及污染和清洁行业， 会对样本质量造成影响， 在第三节描述性统计部分， 这些企业被计入了 “其他行业” ) ， 选择其他所有沪深两市上市公司。实证研究部分的有效样本企业数量是 1423 家。将样本企业长期和短

46、期借款按省份和行业分类加总， 得到以省份为主体的各行业借款面板数据。指标的计算方法如下:信贷资源配置指标 it=第 t 年第 i 省份重污染行业贷款之和第 t 年第 i 省份所有行业的总借款额2 环境污染与经济增长环境代价为了比较全面地反映环境污染， 本文选取使用最普遍也是最重要的“三废” 排放指标: 工业废气排放总量、 废水排放总量和固体废弃物产生总量， 其中固体废弃物倾倒总量是“一般工业固体废弃物” 和 “危险工业固体废弃物” 的加总乘以 1 减 “固体废物综合利用率” 。沿用现有文献的普遍做法， 本文使用单位 GDP 的污染排放作为经济增长环境代价的指标。因此后文的回归中有三个代理指标:

47、 单位 GDP 的空气污染排放、 单位 GDP 的水污染排放、 单位 GDP 的固体废物排放。3 环境管理、 污染治理、 清洁技术、 环境意识环境管理是对排污实施的事前管理; 污染治理是在污染排放事后采取的措施; 而清洁技术决定生产过程中的污染排放水平。其中 “废水治理设施治理能力 ” 、 “废气治理设施数 ” 、 “固体废物综合利用率” 在稳健性检验中使用。环境意识指标则用于稳健性检验中的样本分组。具体代理指标见表 2。84刘锡良、 文书洋: 中国的金融机构应当承担环境责任吗?表 2变量目录变量类型子项目缩写指标说明数据来源被解变量空气污染Gas工业废气排放总量国家环境保护部公开数据水污染W

48、ater工业废水排放总量国家环境保护部公开数据固体废弃污染Solid工业固体废物产生量国家环境保护部公开数据解释变量污染部门信贷CreditH重 污 染 企 业 获 得 的 借 款总额根据上市公司历年资产负债表，按行业划分后整理信贷资源配置C重污染企业获得的借款除以总借款根据上市公司历年资产负债表，按行业划分后整理环 境 意 识 虚 拟变量Law虚拟变量: 用立法比例表示的环境意识， 比例高于平均水平的地区和时间为 1， 低于平均水平的地区为 0历年各省政府公布的涉及环境保护类地方性法规、 地方政府规章和规范性文件总和除以该地区所有类型地方性立法总和( 借助 “人大法宝” 网站数据整理)控制变

49、量环保监督EPA环保机构数 ( environmentalprotection agent 的缩写)国家环境保护部公开数据污染治理LINVST污染治理投资总额国家统计局公布数据清洁技术PEC建设项目环保投资占比国家环境保护部公开数据WT废水治理设施治理能力国家环境保护部公开数据GT废气治理设施数国家环境保护部公开数据ST固体废物综合利用率国家环境保护部公开数据I重污染企业平均借款利率根据上市公司历年现金流量表，按行业划分后整理产出和收入GDP实际 GDP以国家统计局公布数据测算GDPPC人均实际 GDP以国家统计局公布数据测算其他LOAN银行人民币贷款总额中国人民银行公布数据LG对重污染部门的

50、信贷增长速度根据上市公司历年资产负债表，按行业划分后整理计算LEDU教育经费投入除以 GDP， 回归中使用该数值的双曲正弦变换。参见 Burbidge etal ( 1988) 和 Arcand et al( 2015)以国家统计局公布数据计算注: ( 1) 下文中变量名称前加字母 “L” 表示取对数; ( 2) 本文使用省级面板数据， 因此所有变量除非特别说明， 均是省级层面的指标， 例如表中 GDP 是指一省的省内生产总值。4 其他控制变量( a) 利率指标: 很多文献在探讨信贷资源配置时都考虑了利率的因素， 本文使用现金流量表中942019 年第 3 期利息支出除以上年借款余额作为企业平