金融科技、强环境规制与区域工业绿色发展

2022-04-01 18:07刘晶张尧
财经理论与实践 2022年2期
关键词:传导机制金融科技

刘晶 张尧

摘 要:基于工业绿色增长、资源环境压力、绿色政策支持三个维度构建工业绿色发展评价体系,对全国30个省、区、市工业绿色发展水平进行测度;在此基础上探讨金融科技对工业绿色发展水平提升的传导机制,并运用三重差分模型分析强环境规制下金融科技对工业绿色发展水平提升的补偿效应。结果表明:我国工业绿色发展取得明显成效,东部地区发展水平较高,中部次之,西部较低。其中,金融科技对工业绿色发展水平提升具有正面效应,强环境规制下金融科技发展程度越高的地区对其工业绿色发展水平提升效应愈加显著。因此,亟须推动工业绿色协调发展,强环境规制地区更应注重借助金融科技手段驱动工业绿色发展提质增效。

关键词: 金融科技;强环境规制;工业绿色发展;三重差分模型;传导机制

中图分类号:F420   文献标识码: A    文章编号:1003-7217(2022)02-0123-09

一、引言及文献述评

习近平总书记强调,绿水青山就是金山银山,绿色发展是生态文明建设的必然要求。推动工业绿色发展是贯彻落实习近平总书记生态文明思想的重要体现。2010年163项环保政策法规和2015年新《中华人民共和国环境保护法》《生态文明体制改革总体方案》的出台标志着我国进入强环境规制周期和建设美丽中国的新阶段[1]。同时,移动互联网技术的深化,推进大数据等新一代信息技术与传统金融业融合,金融科技蓬勃兴起,对金融体系和金融基础设施的重大创新影响工业绿色发展[2]。在金融科技快速发展叠加强环境规制周期背景下,回应学术界和政府部门关切:一是我国工业绿色发展如何?二是金融科技对促进工业绿色转型、提升工业绿色方面产生怎样的传导作用?三是强环境规制下金融科技对工业绿色发展水平提升是否会有不同表现?探索上述问题,有助于丰富金融科技、环境保护与工业绿色发展之间关系,对我国抓住金融科技发展机遇,权衡在金融深化与工业发展和环境保护过程中,构建高效、清洁、低碳、循环的绿色工业体系具有参考意义。鉴于此,本文围绕金融科技对工业绿色发展水平提升的传导机制以及引入强环境规制后金融科技补偿效应进行探索,结合主题梳理三个方面的文献。

(一)工业绿色发展内涵与测度

一是绿色发展及工业绿色发展。刘思华(2001)認为,绿色发展以生态经济协调为核心,绿色发展与生态文明、可持续发展有机结合能够实现人与自然、生态与经济和谐发展[3]。工业绿色发展是要实现工业生产过程中所有环节的资源利用最大化,减少工业污染产生[4]。美国等通过政策干预达到内化环境外部性成本及实现可持续增长[5]。二是工业绿色发展测度。郑红霞等(2013)围绕绿色国民经济核算体系、绿色发展多指标测度体系和绿色发展综合指数,探讨相关指标评价[6]。彭星和李斌(2016)运用动态面板模型检验环境规制对工业绿色转型非线性影响[7]。卢强等(2013)建立工业资源环境压力、工业资源环境弹性脱钩和工业发展绿化度三个层面的工业绿色发展评价体系[8]。韩晶和蓝庆新(2012)运用DEA模型与Tobit模型对2005-2009年我国省域工业绿化度进行测度[9]。通过文献发现,工业绿色发展指标可归为工业绿色增长、资源环境约束和政府环境保护三个维度以及工业企业和政府两个主体,但是考察维度较少。本文提出的工业绿色发展,不仅体现生产制造和增值效率,而且反映能源消耗降低、环境污染减少等绿色内涵,追求速度效益协同。由于政府在推动绿色发展中扮演重要角色和我国步入强环境规制周期这一实际,有必要将政府对工业绿色发展支持纳入工业绿色发展评价体系加以考量,以准确反映我国工业绿色发展状况。

(二)金融科技与工业绿色发展

一是金融科技界定。金融稳定理事会(2016)将金融科技定义为“科技带来的金融创新,能产生新的商业模式、应用、过程和产品,而对金融市场、机构和服务方式产生重大影响”[10]。本文认为金融科技是为工业企业尤其中小微企业以及地方政府提供新融资渠道的所有金融科技业态。二是金融科技影响工业绿色发展作用机制。有文献探讨金融科技对经济可持续发展的作用,例如从移动交易支付等方面,以及改善效率、降低交易成本和信息不对称的新商业模式方面,定性分析其对可持续发展的作用[11]。有文献从绿色金融角度探讨其对可持续发展的影响,例如Nassiry(2018)研究金融科技创新P2P能源交易、可追溯供应链等新商业模式,助力可持续目标实现[12]。巴曙松等(2018)分析绿色金融和绿色信贷对绿色经济的影响[13]。三是金融科技对工业绿色发展传导机制。Buera等(2011)、Laeven等(2015)认为,金融活动通过资金配置功能将资本优先配置给低污染的企业进而实现绿色发展[14,15]。李林汉和田卫民(2020)认为金融深化与科技创新对绿色经济发展具有促进作用[16]。通过文献发现,金融科技对信贷市场影响体现在其对长尾、次级信用人群和中小企业信息中介的作用,使得依托大数据等金融科技新业态能对上述群体产生普惠性[17]。一方面通过电子商务、搜索等数字足迹提供信息生产,增加长尾企业贷款覆盖度和可得性[18];另一方面通过云计算和智能风控模型等降低小微企业贷款风险[19]。

(三)环境规制下金融科技与工业绿色发展

一是环境规制对工业绿色发展作用。工业绿色是工业企业对环境压力认知、学习和行动的过程,动力来源于企业内部经济绩效和环境绩效的驱动作用[20]。刘红明(2008)指出,工业绿色驱动力形成和作用发挥,首先体现在政府、市场和社会公众对环境问题响应及其程度,其次体现在企业对政府推力、市场引力和公众压力响应及其程度,最后体现在外部压力向内部驱动力转化及其程度[21]。合理的环境规制能够转变技术发展方向,加速工业走上绿色技术创新轨道[22]。Rennings和Rammer(2011)认为环境规制对工业绿色发展正面影响源自新产品销售和成本节约[23]。Cole等(2005)通过研究英国数据发现,环境规制有效降低了英国工业空气污染排放量[24];Kathuria(2007)针对印度研究发现,环境规制对企业污染排放控制发挥积极作用,企业技术效率随着环境规制措施强度增大而提高[25]。二是环境规制下金融科技对工业绿色发展补偿效应。直接研究金融科技对工业绿色发展补偿效应的文献较少,相关研究侧重考察绿色金融对环保和绿色创新补偿效应。Drry和Schulz(2018)指出,绿色金融需要通过更加生态友好的方式推动,从而确保在环境创新中发挥互补作用[26]。Tolliver等(2021)提出,绿色金融是对绿色创新过程的补充,可以增强用于产品研发的金融资本,进而向可持续增长模式转变[27]。gzslib202204011819

现有文献为本文提供了良好的研究基础,但关于金融科技对工业绿色发展水平提升及强环境规制下补偿效应研究较少。本文围绕上述三个问题进行研究:一是采用2001-2019年省际面板数据,将强环境监管下政策干预指标纳入工业绿色发展评价体系,对工业绿色发展进行测算,分析区域工业绿色发展差异。二是利用我国金融科技实践大数据构建金融科技发展评价体系,从金融科技角度探讨其对工业绿色发展的影响及传导机制。三是将环保政策作为“准自然实验”的政策冲击,利用三重差分模型考察在强环境规制条件下金融科技发展对工业绿色发展水平提升的补偿效应。以期为我国在抓住金融科技等前沿科技红利提升工业绿色发展方面获取新的政策启示。

二、区域工业绿色发展水平测度

(一)评价体系构建

建立规模以上工业企业和政府两个主体,工业绿色增长、资源环境压力、绿色政策支持三个系统层,21个指标层构成的工业绿色发展评价体系,见表1。赋予各指标权重为三分之一,对指标层指数进行无纲量化处理。选取我国30个省、区、市作为研究对象,数据来自《中国统计年鉴》《中国环境统计年鉴》《中国科技统计年鉴》等,指标层数据采用2001-2019年平均值。

(二)评价结果分析

结果显示,我国工业绿色发展水平平均指数为46.33,绿色发展水平较高的省、区、市集中在东部地区,工业绿色发展水平指数排名靠前的有广东、山东、江苏、浙江、福建,排名靠后的有宁夏、青海、甘肃、贵州、新疆。

1.工业绿色增长。我国工业绿色增长指数平均值为35.68。工业绿色增长较高的是广东,其次是江苏、浙江和上海;较低的是甘肃、青海、广西和山西。从影响工业绿色增长因素看,科研经费支出占主营业务收入比重超过1%的有上海、广东、浙江、北京、天津、江苏、重庆、湖南、山东、湖北,虽然较其他地区较高,但仍然偏低。工业增加值增长率较高的省、区、市有陕西、江西、内蒙古、贵州、宁夏。有效发明专利申请数排名靠前的有广东、江苏、浙江、山东、上海。从企业效益指标来看,新疆、陕西、内蒙古、福建、海南、北京排名靠前。广东、江苏、浙江、上海、山东居于创新驱动潜力前五位,海南、广西、吉林、新疆、青海列后五位,呈现明显东强西弱的格局。原因在于东部以强大经济基础为后盾,在科研发展中投入了巨大的人力、物力,西部工业基础薄弱,难以提供巨大资金进行科研创新,创新驱动不足。

2.资源环境压力。我国资源环境压力指数平均值为73.52。天津、山东、浙江、广东、北京等资源环境压力指数排名靠前,新疆、甘肃、贵州、青海、宁夏排名靠后。天津资源环境压力指数最高,资源消耗严重,资源环境压力巨大。尽管资源消耗压力较大,但大多省、区、市出现污染排放强度增加情况,采取生态治理和污染排放分离策略以及走边污染边治理老路。从资源消耗强度来看,天津、山东、浙江、广东、河南排名靠前,这些地区工业较为发达,经济发展耗能高,发展相对粗放。北京、上海和江苏作为经济发达地区,工业资源消耗较低,发展比较集约。从污染排放强度看,北京、上海、天津、广东、浙江工业污染物排放量大;甘肃、新疆、贵州、青海、宁夏污染排放强度最低。经济越发达地区,污染排放强度越高,而一些资源密集型地区例如内蒙古、山西污染排放强度不高。北京和上海虽然工业能耗小,但污染物排放量大,反映两地工业污染企业密度高。

3.绿色政策支持。东部地区绿色政策支持大于中西部地区。与工业绿色增长和资源环境压力指数不同的是,华北地区绿色政策支持普遍高于其他地区。四川、重庆、湖北等长江中上游省、区、市的绿色政策支持普遍高于周边省、区、市。原因在于这三地相较于周边省、区、市经济发达,生态环境建设和保护意识强,特别是重庆,生态环境保护指数居第七位。西北地区指数最低,甘肃、新疆列后两位。污染治理投资方面,山东、江苏、山西、广东、福建等地较高,在污染控制方面有强大动力和资金实力反哺污染治理。生态环境保护方面,广东、江西、福建、海南、北京位居前列,造林面积、保护区面积占辖区比重相对较高。

三、金融科技与区域工业绿色发展

(一)变量定义与数据来源

对金融科技影响工业绿色发展进行面板回归分析,无法应用各省、区、市所有年度整体指标体系的统一权重,需要进行分年度重新赋权测定。为获得各年度工业绿色发展指标,采用客观赋权法中的熵值法对指标进行赋权加总,测得各年度分地区工业绿色发展简化指标(GREENI)。面板数据逐年熵值法步骤如下:

(1)首先对m个样本,n个评价指标的初始值数据矩阵xijm×n做标准化处理:

yij=xij/∑mi=1xij(1)

(2)计算指标j的熵值:ej=-k∑mi=1yijln yij (2)

其中,k=(ln m)-1,0≤e≤1。

(3)将熵值与1做差值dj:对于给定的指标j,xij的差异性越小,则ej越大;当指标完全无序时,ej=1,此时ej的信息对综合评价的效用值为零。因此需要定义差异性因素向量w=(w1,w2,…,wn),即为各指标权重值,其中:

wj=dj/∑nj=1dj(3)

(4)最后加权求和得到某年度综合评分:

Si=∑nj=1wjyij (4)

主要解释变量为金融科技水平(FINTECHI)。参考国家金融与发展实验室等(2018)[28]的研究,将我国某头部金融科技贷款公司的微观借贷大数据与间接衡量金融科技产业发展水平的宏观指标结合,建立指标体系,采用熵值法进行赋权加总。各指标含义如表2所示。

其中,互联网普及率,第三产业交通运输、仓储及邮电通信业收入,第三产业金融业收入,以及保险费用收入来自Wind数据库。剩余三个指标通过搜集我国某头部金融科技企业2010年10月12日(首笔成功订单交易日)至2018年12月31日共计943641笔成交订单样本计算獲得。由于金融科技平台综合运用大数据、云计算等开展业务,能缓解工业企业融资约束,这是金融科技重要落地场景之一,属于直接衡量金融科技发展水平的重要指标,因而被赋予较大权重。而观察熵值法客观赋权结果发现相关三个指标权重总和平均已达到50%,无须再进行主观调整,这也例证了熵值法的科学性。四个间接指标分别囊括信息互联网和金融业发展信息。根据《国民经济行业分类》历年版次,信息传输、软件和信息技术服务业近些年已从旧版“交通运输、仓储及邮电通信业”中分离出来,故采用更为翔实的新版数据。此外,在进一步实证中对交通运输和物流变量进行控制。gzslib202204011819

参考李江龙和徐斌(2018)[29]的研究,控制变量包括地区经济发展与开放程度,环境及其规制以及地区科技、产业发展水平。一是对外开放度(OPENNESS)以实际利用外资总额占地区GDP比重表征,政府支出水平(GOVE)用政府一般公共预算支出占地区GDP比重表征。这两项控制了地区经济发展与开放程度引致金融科技发展部分信息。此外,控制以人均货物周转量表示的物流发展水平(LOGISTICS),对该项控制有助于分离出金融科技指标中第三产业交通运输、仓储信息。二是以地方政府工作报告中“环保”相关词频表征地方政府环境治理力度(ENVIRON),以地区年度PM2.5浓度均值来衡量雾霾污染(PM)。这两项有助于控制环境及政策治理所引致的市场为满足环境规制进行必要的创新,其可能通过吸纳金融科技所带来的额外资金来削减金融科技效应。三是以技术市场成交额/单位研发投入表示地区研发水平(R&D),以控制其他科技发展因素。取对数的长途光缆里程代表电信发展水平(TELECOM),用工业增加值占地区GDP份额代表产业结构(IS)。

(二)模型设定与实证结果

设定面板数据固定效应作为基准模型,以检验金融科技发展对工业绿色发展的影响:

GREENIi,t=α0+α1·FINTECHIi,t+

xi,tβ+μi,t+λt+εi,t(5)

其中,GREENIi,t是被解释变量工业绿色水平,FINTECHIi,t为核心解释变量金融科技水平。xi,t代表前文提及的所有控制变量。模型(5)中还控制了地区固定效应和以2008年为基期的时间效应。结果如表3所示。

根据表3,双向固定效应模型(5)显示金融科技发展在99%置信水平下有显著正效应,说明金融科技发展程度高的地区平均而言要比金融科技发展程度低的地区工业绿色发展程度更高。为确认该结果,利用动态面板GMM模型天然具备工具变量的优势进行重新估计,以克服内生性。表3中列(3)(4)均采用核心解释变量金融科技水平(FINTECHI)的滞后1期作为其GMM式工具变量,分别用被解释变量工业绿色发展的滞后2-3期和滞后2期作为其GMM式工具变量。列(5)则在列(4)的基础上将工业绿色发展的GMM式工具变量替换为其滞后2期。列(6)为替换因变量工业绿色发展的回归结果,其余控制变量作为外生变量。发现,无论是简单的OLS混合回归,排除不随时间变化的遗漏变量影响的双向固定效应,抑或消除内生性的动态面板GMM模型都展现出良好的一致性,证实了金融科技对工业绿色发展的正面影响。

(三)影响机制分析

金融科技对工业绿色发展提升的正向效应究竟通过怎样的传导机制起作用?本文构建的工业绿色发展指标体系能够进行传导途径的分解和检验。首先从工业绿色增长、资源环境压力和绿色政策支持三个角度检验金融科技正效应的主要来源,然后深入子准则层探究传导路径。本部分采用的实证模型与本部分第(二)小节一致,部分准则层及子准则层维度实证检验结果如表4所示。

以该部分第(二)小节模型(5)为基础,不断将被解释变量替换为工业绿色发展指标的所有准则层和子准则层的熵值法得分,以分析金融科技对工业绿色发展提升的传导机制。表4展示了上述检验中所有统计学上显著的结果,其他不能判定拒绝原假设的未予体现,模型均控制个体和时间双向固定效应。表4中列(1)被解释变量为表1中的工业绿色增长,列(2)对应绿色发展潜力,列(3)(4)为污染排放强度。一是通过列(1)(2)发现,金融科技正面作用主要通过工业绿色增长,尤其是绿色发展潜力渠道,说明金融科技创新金融业态,使得地区工业创新发展的融资约束得到一定程度的缓解,有力地支持企业的R&D、开发新产品等活动。二是通过列(3)发现,在控制其他因素后,金融科技越发达地区其污染排放强度更高。為进一步排除地区自身污染程度影响,在减少雾霾污染(PM)变量后,列(4)依然得到一致结果。说明金融科技在缓解企业融资约束方面具有普惠性,即不仅在研发创新活动方面给予更多资金支持,也缓解了企业“粗放”增长、环境不友好型业务的融资约束,给难以获得贷款的小微及初创企业提供了新的借贷渠道。这进一步驱动本文探究环境规制趋严之下,金融科技在助力工业绿色化发展中扮演怎样的角色。

四、强环境规制下金融科技对区域工业绿色水平提升的补偿效应

围绕金融科技对工业绿色发展水平提升所发挥的助推作用,进一步探讨强环境规制之下金融科技对工业绿色水平提升的补偿效应,或有助于在工业绿色化的科学发展方面获得新的政策启示。

(一)三重差分模型的实证检验

为了对强环境规制之下金融科技对工业绿色化发展的补偿效应进行识别,将金融科技发展(FINTECHI)与地方政府环境治理力度(ENVIRON)的交互项加入第三部分第(二)小节中基准模型(5)。由于金融科技发展(FINTECHI)核心组成指标来自我国头部金融科技公司借贷信息,一方面微观企业成立和业务开拓相对于宏观的工业绿色发展具有随机性;另一方面观察该微观大数据集发现,在该企业成立并开展网络借贷的2010年度内,上海、重庆、海南、山西、青海、陕西、宁夏和云南均未有客户与该企业交易,具有很强的渐进双重差分特征。上述地区包含发达和欠发达地区,与环境规制政策试点地区显著不相关,因此该指标包含渐进双重差分的全部信息。地方政府环境治理力度(ENVIRON)是以从政府工作报告提取的环保相关词频来衡量,外生性较强,适合作为三重差分(DDD)模型的最后一重差分。借鉴任胜钢等(2019)[30]的研究,将三重差分模型设定如下:

GREENIi,j,t=α0+β1×FINTECHIi,t×

ENVIRONj+β2×FINTECHIi,t+

β3×ENVIRONj+xi,tβ+μi,t+λt+εi,t(6)gzslib202204011820

其中,GREENIi,j,t变量与前文定义保持一致。FINTECHIi,t×ENVIRONj代表更嚴格的环境规制下的金融科技发展。β1为三重差分估计量,代表某地区在接受更严格环境规制后发展金融科技对工业绿色发展的平均效应。结果如表5所示。

根据表5,列(1)为采用普通标准误的双向固定效应,列(2)OLS的简单回归作为对照。列(3)为采用聚类稳健标准误的双向固定效应。利用动态面板GMM模型天然具备工具变量的优势进行重新估计,列(4)采用核心解释变量金融科技水平(FINTECHI)及交互项的滞后1期作为其GMM式工具变量,用被解释变量工业绿色发展的滞后2期作为其GMM式工具变量。综合不同模型结果,三重差分项显著正效应,保持良好稳健性,意味着在更严格环境规制后,金融科技程度越高的地区对该地区工业绿色发展产生越显著的正面影响。

(二)影响机制分析

强环境规制下金融科技对工业绿色发展正向传导机制是否有不同表现?同样对所有准则层和子准则层指标进行逐次实证检验,所采用实证模型与本部分第(一)小节一致,部分准则层及子准则层维度检验结果见表6。

本部分与第三部分第(三)小节类似,不断将被解释变量替换为工业绿色发展指标的所有准则层和子准则层的熵值法得分,以探究强环境规制下金融科技对工业绿色发展的影响传导机制。不同在于使用三重差分模型,且均控制个体和时间双向固定效应。如表6所示,强环境规制下金融科技发展对工业绿色发展水平的助推作用主要体现在资源环境压力[列(1)]和绿色政策支持[列(3)],尤其通过两者分别下属的工业资源消耗[列(2)]和环保基础投入[列(4)]进行传导。综合上述结果,并与第三部分第(三)小节金融科技单变量的传导机制进行比较发现:一是对于工业绿色增长,金融科技与环境规制互补效应不明显。金融科技未能如第三部分第(三)小节中继续对工业绿色增长,尤其是绿色发展潜力产生额外正向影响。这是因为较强环境规制地区,企业创新研发意愿足够强烈,金融科技对企业融资约束缓解边际效应不明显,也由于当前金融科技瞄准信用资质并不优异的小微企业等长尾群体,强环境规制下小微企业因技术水平和体量劣势未能将新获得资金投入创新研发活动。二是对于资源环境压力,金融科技对环境规制影响产生显著催化效应。结合第三部分第(三)小节金融科技单变量负向影响发现,强环境规制下企业能更好地将从金融科技新业态获得的资金用于加强环保措施等,以满足环境监管要求,而非“环境非友好型”业务扩张。三是对于绿色政策支持尤其是环保基础投入,金融科技与环境规制产生显著互补效应。对比金融科技单变量对环保基础投入影响结果并不显著,说明在强环境规制压力下金融科技能使政府获得额外融资渠道,进而提升政府对环保资金支持能力。

五、研究结论与政策启示

基于2001-2019年我国30个省、区、市平均数据,对工业绿色发展进行评价,并以省级面板数据双向固定效应作为基准模型,从金融科技角度探讨工业绿色水平提升传导机制,并进一步运用三重差分模型,分析强环境规制下金融科技对工业绿色水平提升补偿效应。结果发现,我国工业绿色发展水平较低,金融科技对工业绿色发展提升具有正效应,这种作用通过工业绿色增长尤其是绿色发展潜力渠道,说明金融科技创新金融业态,使地区工业创新融资约束得到缓解,支持企业进行研发及新产品推广等活动。金融科技对缓解企业融资约束具有普惠性,不仅对企业研发创新投入给予资金支持,也缓解企业粗放型增长、环境不友好型业务融资约束;为众多在银行缺乏信用记录而难以获得贷款的中小微及初创企业提供借贷渠道。强环境规制下金融科技程度越高的地区对该地区工业绿色发展水平提升作用越明显,这种作用体现在资源环境压力和绿色政策支持,尤其通过工业资源消耗和环保基础投入进行传导。对于工业绿色增长,金融科技与强环境规制补偿效应不明显;对于资源环境压力,金融科技对环境规制影响产生显著催化效应;对于绿色政策支持特别是环保基础投入,金融科技与环境规制产生了显著补偿效应。总之,更严格环境规制后,金融科技快速发展对工业绿色发展水平提升发挥了越加重要的作用。

由上述研究所获政策启示:一是推动工业绿色协调发展。在区域工业发展极不平衡状态下,不同地区需结合工业禀赋和主体功能定位,建立区域间沟通机制,开展工业绿色发展战略协同,为绿色要素自由流通搭建桥梁。二是推进工业数字化、智能化、网络化、绿色化改造。促进信息要素共享,实现工业绿色与互联网融合。推动工业企业使用先进设备和信息化手段开展能源消耗和污染物排放全面动态监控和管理,提升资源利用效率。三是加快工业绿色技术创新。鼓励工业企业与高校、科研机构、服务机构共建实验室、中试基地等创新载体,建设若干国家绿色创新示范企业和绿色技术创新中心。加强绿色制造关键核心技术知识产权储备,构建以产业化导向的专利组合和战略布局。四是丰富金融科技手段。发挥供应链金融、P2P能源交易、碳信用交易等金融科技作用,赋予工业绿色发展新动能。完善绿色金融体系,大力发展绿色债券、绿色股票等,实施绿色金融推动工业绿色转型专项行动。五是加强资金流向引导监管。发展金融科技助力工业绿色发展提升的同时,引导资金流向高附加值、高创新价值企业。实行“监管沙箱”模式,规避部分企业假创新之名行向“僵尸企业”、高资源消耗等企业输血之实。六是发挥金融科技补偿效应。环境规制越严的地区在制定工业绿色发展政策时,应在环保资金投入和环境基础设施建设上与金融科技企业开展广泛合作,以更市场化、更可持续方式引导社会资金投入工业绿色发展。

参考文献:

[1] 盛丹,张国峰.两控区环境管制与企业全要素生产率增长[J].管理世界,2019,35(2):30-48,204.

[2] Deng X,Huang Z,Cheng X.FinTech and sustainable development:evidence from China based on P2P data[J].Sustainability,2019,11(22):1-19.gzslib202204011820

[3] 刘思华.绿色经济论[M].北京:中国财政经济出版社,2001.

[4] Graedel T E,Allengby B R,Comrie P R.Matrix approaches to abridged life cycle assessment[J].Environmental Science and Technology,1995,29(3):134-139.

[5] Fay M, Hallegatte S,Vogt-Schilb A.Green industrial policies:when and how[R].World Bank Policy Research Working Paper WPS 6677,2013.

[6] 郑红霞,王毅,黄宝荣.绿色发展评价指标体系研究综述[J].工业技术经济,2013,33(2):142-152.

[7] 彭星,李斌.不同类型环境规制下中国工业绿色转型问题研究[J].财经研究,2016,42(7):134-144.

[8] 卢强,吴清华,周永章,等.工业绿色发展评价指标体系及应用于广东省区域评价的分析[J].生态环境学报,2013,22(3):528-534.

[9] 韩晶,蓝庆新.中国工业绿化度测算及影响因素研究[J].中国人口·资源与环境,2012,22(5):101-107.

[10]FSB.Fintech:Describing the landscape and a framework for analysis[R].2016(3).

[11]Hinson R,Lensink R,Mueller A.Transforming agribusiness in developing countries:SDGs and the role of FinTech[J].Current Opinion in Environmental Sustainability,2019,41(12):1-9.

[12]Nassiry D.The role of FinTech in unlocking green finance:Policy insights for developing countries[R].ADBI Working Paper Series,2018.

[13]巴曙松,杨春波,姚舜达.中国绿色金融研究进展述评[J].金融发展研究,2018(6):3-11.

[14]Buera F J,Kaboski J P,Shin Y.Finance and development:a tale of two sectors[J].American Economic Review,2011,101(5):1964-2002.

[15]Laeven L,Levine R,Michalopoulos S.Financial innovation and endogenous growth[J].Journal of Financial Intermediation,2015,24(1):1-24.

[16]李林汉,田卫民.金融深化、科技创新与绿色经济[J].金融與经济,2020(3):68-75.

[17]王会娟,廖理.中国P2P网络借贷平台信用认证机制研究——来自“人人贷”的经验证据[J].中国工业经济,2014(4):136-147.

[18]Agarwal S,Alok S,Ghosh P,et al.Fintech and credit scoring for the millennials:evidence using mobile and social footprints[R].Available at SSRN 3507827,2019.

[19]盛天翔,范从来.金融科技、最优银行业市场结构与小微企业信贷供给[J].金融研究,2020(6):114-132.

[20]王宜虎,陈雯.工业绿色化发展的动力机制分析[J].华中师范大学学报(自然科学版),2007(1):125-129.

[21]刘红明.工业绿色化的内涵及影响因素分析[J].现代经济探讨,2008(11):54-57.

[22]景维民,张璐.环境管制、对外开放与中国工业的绿色技术进步[J].经济研究,2014,49(9):34-47.

[23]Rennings K,Rammer C.The impact of regulation-driven environmental innovation on innovation success and firm performance[J].Industry and Innovation,2011,18(3):255-283.

[24]Cole M A, Elliott R J R,Shimamoto K.Industrial characteristics,environmental regulations and air pollution:an analysis of the UK manufacturing sector[J].Journal of Environmental Economics and Management,2005,50(1):121-143.

[25]Kathuria V.Informal regulation of pollution in a developing country:evidence from India[J].Ecological Economics,2007,63(2):403-417.gzslib202204011820

[26]Drry S,Schulz C.Green financing,interrupted.Potential directions for sustainable finance in Luxembourg[J].Local Environment,2018,23(7):717-733.

[27]Tovlliver C,Fujii H,Keeley A R,et al.Green innovation and finance in Asia[J].Asian Economic Policy Review,2021(16):67-87.

[28]国家金融与发展实验室,中国社会科学研究院金融研究所,宜信宜人贷.Fintech视角下金融服务实体经济报告[R].2018.

[29]李江龙,徐斌.“诅咒”还是“福音”:资源丰裕程度如何影响中国绿色经济增长?[J].经济研究,2018,53(9):151-167.

[30]任胜钢,郑晶晶,刘东华,等.排污权交易机制是否提高了企业全要素生产率——来自中国上市公司的证据[J].中国工业经济,2019(5):5-23.

(责任编辑:王铁军)

Financial Technology, Strict Environmental Regulation

and Development of Regional Industrial Green

LIU  Jing1,2,ZHANG Yao3

(1.School of Urban Economics and Public Administration, Capital University of Economics and Business,

Beijing  100070,China; 2.School of Finance,Qilu University of Technology,Ji'nan,Shandong 250100, China;

3.Institute of International Economy,University of International Business and Economics,Beijing 100029,China)

Abstract:Based on industrial green growth, resource and environment pressure, and green policy support, this paper constructs the industrial green quality evaluation system, and measures the industrial green quality of 30 provinces and cities in China by using Analytic Hierarchy Process (AHP). On this basis, it analyzes the transmission mechanism of financial technology development on industrial green quality improvement, and further explores the additional effect of financial technology on the improvement of industrial green quality under strict environmental regulation by using the triple difference model. The overall progress of Chinas industrial green quality is remarkable, the coastal areas is higher, followed by the middle, and lower in the West. The development of financial technology has a positive effect on the improvement of industrial green quality, especially under the strict environmental regulation, the higher the level of financial technology development, the more significant the effect of provinces and cities on the improvement of industrial green quality. Therefore, there is an urgent need to promote the coordinated development of industrial green, it is also crucial to utilize new financial technology formats and new models to drive green industrialization to improve quality and efficiency when formulating industrial green development policies in areas with strict environmental regulation.

Key words:financial technology;strict environmental regulation;development of industrial green;the triple difference model;transmission mechanism

收稿日期: 2021-09-21; 修回日期: 2022-01-08

基金項目:  2021年度山东省重点研发计划(软科学)一般项目(2021RKY04081)

猜你喜欢
传导机制金融科技
数字智能时代的供应链金融
金融科技发展对保险行业的影响研究
百度金融成立国内首家“金融科技”学院
“大众创业,万众创新”视角下的广西精准扶贫对策研究
关于国际金融危机传导机制分析
我国食品类PPI和CPI的传导机制研究
影响我国的货币政策有效性因素分析
宁夏平罗县城乡居民信用信息服务平台建设的实践与思考
卢布暴跌对“丝绸之路经济带”建设的影响
浅谈金融科技与金融创新的关系