文献阅读荟-No.258-气候风险对中国区域商业银行贷款质量的影响

01 摘要

本文的目的是研究气候风险对中国区域商业银行稳定性的影响。我们考察了物理风险和转型性风险，以及它们对贷款质量产生不利影响的可能性。本研究的样本跨度为2010年至2019年，包括中国591家区域性商业银行。我们的分析揭示了较高水平的气候风险和较高水平的不良贷款率之间的正相关关系。即使在进行各种稳健性测试之后，这种关系仍然成立。此外，我们发现银行通过调整其投资组合来应对转型政策，绿色金融改革的准自然实验证明了这一点。

02 介绍

本文旨在探讨气候风险对中国商业银行的重要性，以及中国当局如何应对此类风险。具体而言，我们评估了物理和转型气候风险，以确定其对贷款质量的潜在影响。我们还深入研究了转型政策的作用，寻求建立因果关系并提供政策建议。我们认为，转型政策会间接影响企业，进而可能导致银行做出相应的反应。因此，我们利用2016年8月宣布的一项重要的绿色金融改革政策作为准自然实验(2017年实施)来评估这一政策如何影响银行的贷款质量和贷款结构。我们进一步研究了区域机构发展在缓解气候风险方面的作用，发现当地银行业更高水平的竞争可以减少气候对贷款质量的影响。

03 数据和气候风险的衡量

3.1 气候风险的衡量

在本文中，我们分别使用32摄氏度和-15摄氏度作为高阈值和低阈值来定义极端温度。具体来说，在特定年份，每个地级市将计算超过这些阈值的天数。

式中PhyR为t年城市i的气候物理风险(total)；I(⋅)为指示函数，满足条件等于1，不满足则等于0。Th是一天中最高的温度，Tl是一天中最低的温度。

Li & Pan(2022)提出了一种基于碳排放的中国商业银行气候转型风险度量方法。他们的方法考虑了银行的贷款结构，并使用每个行业的碳排放量来构建指数。虽然使用碳排放作为转型风险的代表与我们的分析是一致的，但使用银行贷款份额加权的行业排放的准确性可能值得怀疑。因此，我们提出一种新的度量方法:

这里做了两个主要的改变来改进Li & Pan(2022)的方法。首先，用每个部门(i)的碳强度(CI)乘以每个银行对该部门的实际贷款(用L表示)，这是指银行j在t年份对部门i的贷款。其次，我们将每家银行对应的总碳排放量按其资产(S)进行缩放。在接下来的实证分析中，我们使用TranR的自然对数。

3.2 数据

本研究使用的数据集的时间跨度为2010年至2019年。银行数据来自Wind数据库，剔除信息不超过两年的银行后，实证分析共纳入591家区域性商业银行，其中城市商业银行122家，农村商业银行469家，包括农村信用社。这些银行位于201个地级市或直辖市，观察总数为3,461。

用于计算区域(城市级)物理风险的数据是从美国国家海洋和大气管理局(NOAA)的国家环境信息中心(NCEI)收集的。中国排放账户和数据集(CEADs)提供了有关中国各行业碳强度的信息。表1列出了关于变量及其相关来源的详细信息。为了避免异常值的影响，所有数据都在1%和99%的水平上进行了缩尾处理。描述性统计报告见表2。

图1绘制了省会城市和四个直辖市的物理气候风险数据。条形图呈现了极端寒冷(蓝色)和极端炎热(红色)的天数。图3(a)绘制了样本中所有银行每年的转型风险分布。图3(b)还显示了城市商业银行和农村商业银行之间的差异。首先，在所有情况下，转型风险的水平都在下降。其次，虽然农村商业银行的转型风险均值高于城市商业银行，但城市商业银行的变化大于农村商业银行。

我们使用不良贷款率来衡量贷款质量，图2呈现了样本银行的平均不良贷款率。在整个样本期内，农村商业银行的不良贷款率水平明显高于其他类型的银行。城市商业银行的不良贷款率水平呈上升趋势，在样本期末接近农村商业银行的不良贷款率水平。

04 实证分析

4.1 基准回归

本研究的主要目的是检验物理风险和转型气候风险对中国区域商业银行贷款质量的影响，我们进行以下回归:

式中ClimR为物理风险PhyR或转型风险TranR。X是控制变量的向量，包括银行特征变量和区域经济变量。我们在基准模型中控制了时间固定效应和个体固定效应。

基准回归结果如表3所示。对于两种类型的气候风险，表中给出了三种回归的结果，包括无条件回归、以银行特征为条件的回归以及以银行和区域特征为条件的回归。首先是回归(1)到回归(3)的物理风险结果，每个回归的系数在0.14到0.161之间，表明较高的不良贷款水平与较高的物理气候风险水平相关。物理风险每增加一个单位，不良贷款就会增加0.161%。其次，回归(4)至回归(6)呈现了转型风险的结果，三种回归的系数都是显著的，这意味着气候转型风险也可能导致更高水平的不良贷款。

我们还测试了极端高温和低温是否对不良贷款有不同的影响，结果如表4所示。不出所料，只有用极端炎热天数衡量的物理气候风险对银行有影响。换句话说，由于物理气候风险导致的高水平不良贷款主要是由于极端炎热的天气。

为了进一步明确气候风险对城市商业银行和农村商业银行影响的差异，我们分别研究了两种类型的气候风险对农村商业银行和城市商业银行的影响。结果如表5所示。一个有趣的结果是，除了极端寒冷的天气，只有农村商业银行在所有情况下都表现出显著的反应。这可能是由于物理风险对农业活动或生产的影响更大，从而对农村商业银行的影响更严重。研究结果表明，农村商业银行在面临气候风险时更容易陷入困境。

4.2 稳健性检验

4.2.1 改变温度阈值

我们设置了更严格的条件，用37摄氏度作为上阈值，-20摄氏度作为下阈值。结果如表6所示。虽然数字略小，但该表显示基准回归的结果仍然有效。气候物理风险会增加中国区域商业银行的不良贷款率，特别是在极端炎热天气的情况下。回归(8)和(9)中的系数是边际显著的，这表明在更严格的条件下的极端寒冷天气会对贷款质量产生显著的负面影响。

4.2.2 动态面板分析

由于银行的贷款质量可能具备持续性，即不良贷款率可能具有滞后效应，因此有必要在回归中添加自回归项。这样做将面板转换为动态形式，这需要使用动态面板技术进行估计。我们使用了差分GMM和系统GMM两种估计方法，相应的结果如表7所示。在所有回归中，自回归项(L.NPL)都是显著的。除系统GMM估计的物理气候风险外，其余估计结果均与基准回归结果一致，证实了总体结论的有效性。

4.3 基于中国绿色金融改革政策的准自然实验

2017年，中国国务院批准在浙江、江西、广东、贵州和新疆五省的八个城市建立绿色金融试验区。设立这些试验区是为了探索支持绿色金融产品创新的机制，促进绿色制度发展，构建绿色产业升级的金融服务体系。总的来说，这一政策改革可以被认为是减少不确定性或降低转型风险的积极举措。相对于非试验区的银行，试验区银行的转型风险应该更低。根据这一逻辑，这些试验区的银行应该从改革中受益，相对于其他未改革城市的同行，它们的不良贷款率应该更低。换句话说，一个可检验的假设可以是：绿色金融改革政策可以降低试验区区域银行的不良贷款率。

绿色金融试验区与不良贷款相关的基本原理可能很复杂，尽管试验区内的银行可能会根据政策变化改变其贷款组合。我们可以认为，试点城市的银行倾向于减少高碳贷款，这些贷款承担着更高的转型风险，对银行来说意味着更高的潜在损失。从这个角度出发，我们可以提出第二个可检验的假设：绿色金融政策实施后，试验区银行的高碳贷款份额低于对照组银行。我们进行以下回归：

其中Y为银行j在t年的不良贷款率或银行j在t年的高碳贷款占总资产的比例。Pilot为虚拟变量，2017年政策实施后等于1，否则等于0。Treat是表示试验区银行的虚拟变量。

在检验这两个假设之前，我们在图4(a)中绘制了控制组(未在试验区的银行)和处理组(在试验区的银行)的不良贷款率，并在图4(b)中绘制了高碳贷款的份额。在这里，我们把电力、供暖、燃气和供水(EHGW)行业作为高碳行业，因为该行业的碳强度远远高于所有其他行业。在不良贷款方面，试验区建立之前，试验区与对照组之间没有显著差异，但自2017年以来，试验区与对照组之间的差距明显，试验组银行的不良贷款平均水平较低。当考虑高碳贷款份额时，在政策实施后也观察到类似的差距。总的来说，这些数据表明，政策发挥了作用，我们的假设是有效的。

回归结果如表10所示。前四个回归为政策对不良贷款率的影响：回归(1)和(2)用于基础DID回归，而回归(3)和(4)用于倾向得分匹配(PSM)后的回归。后四个回归为了政策对按总资产缩放的高碳贷款份额的影响，回归(5)和(6)用于基础DID回归，回归(7)和(8)用于PSM后的回归。总体而言，基础DID回归结果与PSM后的回归结果无显著差异。以上两个可检验的假设得到了验证。综上所述，绿色金融改革政策的实施显著降低了试验内区域银行的不良贷款率，试验区的银行通过减少高碳贷款来调整其贷款组合。

4.4 银行业竞争的影响

Chong et al. (2013)和Zhang et al. (2018)利用中国银行业监督管理委员会的银行分支机构信息构建了赫芬达尔-赫希曼指数(HHI)和五家大型国有银行的集中度(CR5)，对城市层面的银行业竞争进行了测量。对于每个城市i，假设有K家银行，每家银行有#branch家分行，则:

HHI和CR5指标都反映了城市的集中度，指数越高，银行竞争程度越低。考虑到更大的竞争可能导致更高的银行效率和更好的风险管理，这里的假设可以设置为：集中度更高(竞争更低)的城市的银行往往面临更大的气候风险。在基准回归中增加了气候风险和竞争度之间的相互作用项，结果如表11所示。

回归(1)和(2)中报告的相互作用项显著且为正，表明银行较高的区域集中度强化了物理风险与贷款质量(不良贷款率增加)之间的正相关关系。我们可以认为，较低的集中度或较高水平的银行竞争可以帮助这些区域银行更好地应对气候风险。回归(3)和(4)中没有表现出这种效应，说明这种缓解转型风险的机制不存在。这并不完全令人惊讶，因为转型风险的来源更为复杂，处理这些不确定性很可能超出标准的竞争风险机制。

05 结论

本文旨在探讨气候风险是否以及如何影响中国银行的金融稳定性。基于中国区域商业银行的样本，本文发现气候物理风险和气候转型风险都可以通过增加不良贷款率水平从而显著影响金融稳定性，农村商业银行更容易受到气候风险的影响。以2017年绿色金融试验区的设立为准自然实验，考察了该政策对银行贷款质量和行为的影响。分析表明，政策实施可以减少不良贷款率，这可能是由于在试验区经营的银行的贷款组合发生了变化。此外，本文还探讨了区域银行竞争在缓解气候风险冲击中的作用。与现有文献一致，本文发现较高水平的区域银行竞争可以降低银行的气候风险敞口，尽管这只适用于物理风险。