商业银行ESG表现对流动风险的影响研究

A Study on the Impact of ESG Performance on Liquidity Risk in Commercial Banks

摘要: 在2030年实现碳达峰、2060年实现碳中和的背景下，ESG理念顺应我国可持续发展战略，商业银行作为金融体系的重要组成部分，肩负推动绿色金融的责任。良好的ESG表现有助于促进企业与环境的协调发展，并为实现“双碳”目标提供金融支持。然而，银行以盈利为目标，过度追求收益往往会增加流动性风险。因此，探讨ESG表现对商业银行流动性风险的影响及其内在机理，具有重要意义。本文以中国38家银行为研究对象，系统梳理了其ESG表现与流动性风险的关系，并进行了实证研究。通过引入中介变量，本文进一步探讨了ESG绩效对商业银行流动性风险的作用机理。实践结果表明，银行的ESG表现与流动性风险之间存在显著的负相关关系，为防控流动性风险、促进经济可持续发展提供了理论支持。

Abstract: Against the backdrop of achieving a carbon peak by 2030 and carbon neutrality by 2060, the ESG concept is in line with China’s sustainable development strategy. As an important part of the financial system, commercial banks have the responsibility to promote green finance. Good ESG performance can help promote the coordinated development of enterprises and the environment, and provide financial support for the realization of the “dual-carbon” goal. However, as banks aim to make profits, excessive pursuit of returns often increases liquidity risk. Therefore, it is of great significance to explore the impact of ESG performance on the liquidity risk of commercial banks and its underlying mechanisms. This paper takes 38 Chinese banks as research subjects, systematically combs the relationship between their ESG performance and liquidity risk, and conducts an empirical study. By introducing mediating variables, this paper further explores the mechanism of ESG performance on commercial banks’ liquidity risk. The empirical results show that there is a significant negative correlation between banks’ ESG performance and liquidity risk, which provides theoretical support for preventing and controlling liquidity risk and promoting sustainable economic development.

1. 引言

自2004年6月，联合国首次提出ESG概念，强调环境保护、社会责任和公司治理，推动可持续发展思想在社会公众中广泛认可，为ESG应用提供了新思路。ESG要求企业在投资决策中综合考虑环境、社会和治理因素，符合国际主流可持续发展理念，并对中国实现“碳达峰、碳中和”双碳目标及经济高质量发展具有重要意义。

中国银保监会在2019年发布的《关于推动银行业和保险业高质量发展的指导意见》中强调要发展绿色金融，推动商业银行建立与环境、社会风险相关的管理机制，将ESG要求纳入授信流程，提升相关信息披露。2022年发布的《银行业保险业绿色金融指引》进一步要求商业银行从战略高度推进绿色金融，将ESG因素纳入风险管理体系，支持中国经济绿色发展，并为双碳目标和经济循环发展提供支持。

在ESG整体表现的影响因素方面，学者们进行了广泛的探讨。王运陈等(2023)以中国A股上市公司为研究样本，通过面板回归研究发现，数字化转型可以通过增加合法性压力、缓解投融资过程中的信息不对称问题两种渠道显著提高企业的ESG表现[1]。王浩宇(2023)以中国A股上市公司为研究对象，认为资本开放可以显著提升企业的ESG表现[2]。潘玉坤和郭萌萌(2023)指出空气污染增加会通过增加外部压力对企业下一期的ESG表现水平造成积极的影响[3]。巴曙松等(2023)通过研究中国A股上市公司，发现开通“沪(深)港通”可以显著提高企业ESG方面信息披露的质量[4]。石凡和王克明(2023)研究发现，地方政府官员环保考核压力与上市公司ESG表现之间存在正相关关系，地方政府官员环保考核压力增加会显著促进上市公司的ESG表现[5]。郑元桢等(2023)研究发现，企业绿色创新水平提高可以显著提升企业的ESG表现，进而提高ESG表现的水平[6]。

关于流动性风险的影响因素，学者们也进行了广泛的探讨。叶路平等从内部控制质量角度出发，实证研究其与商业银行流动性风险的关系，结果发现在商业银行内部控制能力与其流动性风险之间存在此消彼长的内在关联[7]。Bai J等(2017)通过构建流动性不相容指数(LML)，研究发现，LML越高，即流动性不相容指数越高，银行就越有可能在金融危机中倒闭[8]。

在ESG表现对银行流动性风险层面，刘佳泽和谢继飞(2024)将2023年在中国上海证券交易所上市的54家银行作为研究样本探究ESG对银行流动性风险的影响，研究结果表明，增强的ESG绩效可以通过降低不良贷款比例和改善整体财务绩效来降低商业银行的流动性风险[9]。同时，唐典卓和刘佳泽(2024)利用中国上市银行的财务数据和ESG评分研究发现，良好的ESG表现可以通过提高银行价值和财务表现来降低商业银行的流动性风险[10]。而梁月等(2023)通过2015年至2019年中国上市公司股票的日股价、交易量以及用于衡量公司业绩和公司特征的年度指标，通过将公司分为高ESG公司和低ESG公司，发现高或低ESG对股票流动性风险没有显著影响[11]。牛苏怡和吴泽福(2023)基于2018~2022年H股上市的13家商业银行的财务数据为样本进行研究，研究结果表明，二者之间存在显著的负相关关系，即ESG表现越高，上市商业银行的流动性风险越小[12]。

本研究丰富了银行流动性风险管理的理论框架，揭示了银行ESG表现与流动性风险之间的显著负相关关系。研究发现，提升ESG评级有助于降低流动性风险、优化资产负债结构、提高资本充足性，从而增强应对金融市场波动和经济危机的抗压能力。

2. 制度背景与理论分析

2.1. ESG表现概述

ESG概念最早出现在国外，常被用于与CSR进行比较，比较而言，ESG能更准确、更明确地衡量企业的环境效益、社会和治理效益。从环境方面来看，从人类对气候变化的认识开始，到逐渐形成了“不能忽略，应该尽早解决”的共识，将“环境发展”作为ESG投资理念中的一项重要内容。社会方面是指企业对社会的影响，主要涉及到员工的发展和权益保护，客户信息的保密和管理，社区的安全和沟通，产品和服务质量的管理，社会捐赠和扶贫。公司治理方面包括了各方面的信息披露，审计机构的独立性，纳税的透明度，风险管理等，这就要求完善自身的组织结构与管理制度、确保公司的有效运作、确保公司的效率、确保公司的高效率、确保公司的质量以及对出现的问题的及时处理[13]。

2.2. 商业银行流动性风险概述

商业银行作为一种金融机构，由于经营活动中的资金周转不畅，无法保证经营活动的顺利进行，从而造成了企业经营活动中的“现金流中断”现象。目前，商业银行流动性管理观念落后，流动性管理机制不完善、流动性风险管理机制不完善，在此基础上，一是提出了一种新的流动性风险管理机制，并提出了相应的解决方案。二是要强化对流动性风险的监测与评价。在此基础上，结合中国的实际情况，建立适合中国实际的流动性风险评价体系，为我国金融市场的进一步发展与完善奠定了坚实的理论基础。

2.3. ESG表现对商业银行流动性风险的影响机理

ESG因素通过多种机制对商业银行的流动性风险产生重要影响。首先，环境因素可能通过法律合规性、环保政策等方面影响银行的运营，如果银行未能妥善应对环境风险，可能面临环境诉讼、监管罚款及声誉损失，这会导致银行融资成本上升，进而影响其流动性。社会因素方面，如社会责任和员工福利，影响银行的公众形象与品牌价值，如果银行未能处理好社会责任问题，可能导致客户流失和资本市场的担忧，进而增加流动性风险。最后，治理结构方面，银行的治理透明度和管理质量直接影响投资者对其未来偿债能力的信心，若银行存在管理不善、信息披露不清等问题，可能导致股东和债权人对其未来现金流的预期降低，进而导致资金筹集困难，增加流动性压力。

从理论角度来看，利益相关者理论为这一机制提供了基础。根据该理论，银行不仅要关注股东利益，还应平衡与环境、社会及治理相关的多方利益。在银行未能充分考虑ESG因素时，可能会忽视其他利益相关者的需求，从而导致声誉危机、法律诉讼或资金流动不畅，这些都可能直接加剧流动性风险。可持续发展理论强调了环境、社会和治理三者的长期综合影响，尤其是在金融机构的战略规划中，忽视可持续性会带来长远的风险，这会影响其长期财务健康，甚至在未来受到突发的社会或环境事件的影响时，可能面临较大的流动性压力。

与此同时，研究发现，ESG表现不仅直接影响银行的流动性风险，还通过多个中介变量影响这一关系，其中存贷负债比是一个关键的中介变量。存贷负债比(Loan-to-Deposit Ratio, LDR)反映了银行存款总额与贷款总额的比例，通常被视为衡量银行流动性状况的核心指标之一。在这一传导机制中，ESG表现通过影响存贷负债比，进一步影响商业银行的流动性风险。具体而言，较高的ESG表现通常代表了银行在环境保护、社会责任和公司治理方面表现优异，而存贷负债比作为银行流动性管理的核心指标，在此过程中起到了重要的中介作用。

综合上述分析，提出假设H1和假设H2。

H1：ESG表现对上市商业银行流动性风险有负向影响。

H2：存贷负债比在ESG表现与上市商业银行流动性风险之间发挥中介作用。

3. 研究设计

3.1. 模型设定

为检验假设1，本文构造如下模型：

${\text{Y}}_{i,t}={\alpha }_0+{\alpha }_1{\text{ESG}}_{i,t}+{\alpha }_2{\text{TOP10}}_{i,t}+{\alpha }_3{\text{SIZE}}_{i,t}+{\alpha }_4{\text{RATIO}}_{i,t}+{\alpha }_5{\text{CAR}}_{i,t}+{\alpha }_6{\text{NET}}_{i,t}+{\alpha }_7{\text{RRR}}_{i,t}+{\mu }_i+{\mu }_t+{\epsilon }_{i,t}$ (1)

公式中，$\text{Y}$ 为被解释变量流动性风险，ESG是解释变量华证ESG表现，$\text{TOP}10、\text{SIZE}、\text{RATIO}、\text{CAR}、\text{NET}、\text{RRR}$ 为控制变量。$\text{TOP}10、\text{SIZE}、\text{RATIO}、\text{CAR}、\text{NET}、\text{RRR}$ 到${\alpha }_7$ 为回归系数，${\alpha }_0$ 为回归常数项，${\mu }_i$ 代表银行个体固定效应，${\mu }_t$ 代表季度固定效应，$\epsilon$ 为随机误差项，$i$ 表示银行，$t$ 表示时间。

3.2. 变量定义

3.2.1. 被解释变量

本文的被解释变量是商业银行的流动性风险。由于单一指标表述不全面，且各变量之间可能存在一定关系，因此使用综合指标能够更好地衡量商业银行的流动性风险，并且此得分越高，银行面对的流动性风险越大[14]。本文使用主成分分析法将成本收入比、不良贷款率、存贷款比例、资产利润率和流动性覆盖率五个指标，整合成一个综合测度指标()来表示商业银行的流动性风险。具体系数见表1所示。

Table 1. Component score coefficient matrix

表1. 成分得分系数矩阵

成分得分系数矩阵
	成分
	1	2	3	4
成本收入比	0.707	-0.147	0.166	-0.026
不良贷款率	−0.562	−0.065	0.011	0.083
存贷款比例	0.108	0.108	1.032	0.021
资产利润率	−0.072	0.021	0.022	1.01
流动性覆盖率	−0.064	1.009	0.109	0.021
提取方法：主成分分析法。
旋转方法：凯撒正态化最大方差法。
组件得分。

从表1所得结果可表示所提取主成分之间线性关系：

${\text{Y}}_1=0.707{\text{X}}_1-0.562{\text{X}}_2+0.108{\text{X}}_3-0.072{\text{X}}_4-0.064{\text{X}}_5$ (2)

${\text{Y}}_2=-0.147{\text{X}}_1-0.065{\text{X}}_2+0.108{\text{X}}_3+0.021{\text{X}}_4+1.009{\text{X}}_5$ (3)

${\text{Y}}_3=0.166{\text{X}}_1+0.011{\text{X}}_2+1.032{\text{X}}_3+0.022{\text{X}}_4+1.01{\text{X}}_5$ (4)

${\text{Y}}_4=-0.026{\text{X}}_1+0.083{\text{X}}_2+0.021{\text{X}}_3+1.01{\text{X}}_4+0.021{\text{X}}_5$ (5)

通过计算出的权重，可以得到流动性风险综合测度指标的计算公式为：

$\text{Y}=0.33736/0.86979{\text{*Y}}_1+0.20765/0.86979{\text{*Y}}_2+0.17117/0.86979{\text{*Y}}_3+0.1536/0.86979{\text{*Y}}_4$ (6)

将四项指标的具体数值代入公式，我们就可以得到2014年~2023年我国38家商业银行的流动性风险综合测度指标，进而得到了本文实证研究的被解释变量。

3.2.2. 解释变量

本研究以华证机构ESG指数为主要解释变量，对我国商业银行的环境保护绩效、社会责任绩效和公司治理绩效进行了测度。华证ESG评价指数从环境、社会和治理三个方面出发，利用大数据技术建立了4个层次的评价指标，利用130余条低层数据，对各个指标对企业可持续发展的作用进行了全面评价。同时，本研究从2009年3月开始，从环境、社会和治理三个方面对中国上市公司的社会责任水平进行了详细的评价，具有很好的时效性，由于其极佳的代表性，受到中国学术界和投资者的广泛关注。华证ESG评价指数采用“AAA-C”九档，分别对各银行的ESG和企业治理三个等级分别进行评价，其中“AAA-C”从九档到九档，在环保、社会和公司治理三个维度上都有较高的评分，即环境保护(E)、社会责任(S)和公司治理(G)较高的银行，其ESG表现也较高。其中，AAA、AA、A、BBB表示ESG的发展程度，BB、B、CCC表示ESG的均值，C和CC表示ESG发展滞后。

3.2.3. 控制变量

本文选取前十大股东持股比例、银行规模、产权比率、资本充足率、销售净利率等作为控制变量，分析商业银行的规模、偿债能力和流动性。具体定义见表2所示。

Table 2. Variable definition

表2. 变量定义

类型	符号	名称	公式
被解释变量	Y	流动性风险综合测度指标	主成分分析法
解释变量	ESG	wind华证ESG	华证ESG表现
控制变量	TOP10	前十大股东持股比例	前十大股东持股数/总股本
	SIZE	银行规模	银行总资产对数
	RATIO	产权比率	股东权益/总资产
	CAR	资本充足率	核心资本/风险加权资产
	NET	销售净利率	净利润/营业收入
	RRR	存款准备金率	法定准备金/银行存款总额

3.3. 数据来源

在充分考虑数据可获得性与时效性的基础上，选取2014-2023年度38家商业银行的年报季度数据作为样本。本研究的数据来源于Wind数据库，国泰安，同花顺，东方财富，各商业银行的官网，中国央行官网等。在此基础上，对所采集的数据做了以下处理：为了保持数据的连续性，剔除了连续3个阶段以上的样本；为了确保经验结论的可信度，剔除了明显不合理的数据；对所有数据进行1%水平的缩尾处理。

4. 实证结果与分析

4.1. 描述性分析

Table 3. Descriptive statistics

表3. 描述性统计

变量名	N	均值	标准差	最小值	最大值
Y	843	66.48	13.95	43.91	186.4
ESG	843	5.708	0.726	3	7
TOP10	843	68.99	19.58	27.73	98.13
SIZE	843	28.74	1.464	25.59	31.43
RATIO	843	12.49	1.638	8.402	18.21
CAR	843	0.0734	0.00811	0.0519	0.0947
NET	843	40.9	8.962	13.59	69
RRR	843	13.19	2.397	10.5	20

从表3中可以看出，商业银行流动性风险的均值为66.48，标准差为13.95，最小值和最大值分别为43.91和186.39，具有一定的波动性，且个别数据点较为极端。自变量中，ESG评分的均值为5.71，标准差0.73，说明企业在ESG评分上相对集中，大多数企业的ESG表现差异不大。

4.2. 相关性系数

Table 4. Correlation coefficient

表4. 相关性系数

	Y	ESG	TOP10	SIZE	RATIO	CAR	NET	RRR
Y	1
ESG	−0.105***	1
	0.0023
TOP10	−0.122***	0.120***	1
	0.0004	0.0005
SIZE	−0.361***	0.267***	0.706***	1
	0	0	0
RATIO	−0.137***	−0.143***	−0.141***	−0.257***	1
	0.0001	0	0	0
CAR	−0.083**	−0.095***	−0.358***	−0.358***	0.495***	1
	0.0161	0.0055	0	0	0
NET	−0.152***	0.065*	0.309***	0.355***	−0.167***	−0.346***	1
	0	0.0589	0	0	0	0
RRR	−0.488***	−0.167***	0.155***	0.153***	0.375***	0.298***	0.210***	1
	0	0	0	0	0	0	0

注：*、**、***分别表示在10%、5%、1%显著性水平下显著。

根据表4相关性分析可知，商业银行的流动性风险与多个关键变量呈显著负相关。首先，存款准备金率与流动性风险相关性为−0.488，较高准备金率有助于缓解流动性压力，提供资金缓冲。银行规模与流动性风险的相关性为−0.361，规模越大，流动性风险越低，因此大型银行具备更多流动性管理资源。前十大股东持股比例与流动性风险也呈显著负相关，高股东集中度的银行流动性风险较低，因大股东稳定性提供支持。银行的盈利能力(销售净利率)与流动性风险的相关性为−0.152，表明高盈利能力的银行能更好应对短期资金需求。ESG表现、产权比率和资本充足率也与流动性风险负相关，尽管相关性较弱，但表明资本结构稳健的银行流动性风险较低。

综合来看，这些变量共同反映了银行的规模、资本充足性、股东结构、治理能力及盈利水平在流动性风险管理中的重要性。有效的风险控制、较强的资本和股东支持，以及稳定的盈利能力，能够显著降低银行的流动性风险，增强其应对突发市场波动的韧性。

4.3. 基准回归分析

ESG表现对商业银行流动性风险的影响基准回归结果如表所示。回归结果如表5所示，其中列(1)为不加控制变量时的结果，列(2)为考虑控制变量后的结果。

Table 5. Benchmark regression analysis

表5. 基准回归分析

	(1)	(2)
	未加入控制变量	加入控制变量
ESG	−2.613***	−1.920***
	(−4.59)	(−3.51)
控制变量	未控制	控制
个体固定效应	控制	控制
时间固定效应	控制	控制
cons	84.51***	−914.9***
	(9.66)	(−7.22)
N	843	843
R-sq	0.310	0.389

注：*、**、***分别表示在10%、5%、1%显著性水平下显著。

列(1)、列(2)回归结果显示，银行ESG表现越高，商业银行的流动性风险水平越低。表格展示了对商业银行流动性风险的基准回归分析结果，分别为不包含控制变量的模型和加入控制变量的模型。从结果来看，ESG表现在两种模型中均与流动性风险显著负相关，表明ESG表现越高，银行的流动性风险越低。这一结果与现有文献一致，说明较高的ESG表现能够有效提升银行的稳健性与抗风险能力。具体数值详见表5。

4.4. 内生性处理

为了深入理解流动性风险与ESG表现之间的复杂关系，本文将探讨内生性问题，即商业银行流动性风险与ESG表现之间的反向因果关系所引起的内生性影响。本文以宋科等(2022)的研究成果为基础，采用两阶段最小二乘回归方法，对样本银行的ESG表现按季度均值ESG-MEAN进行实证检验。一方面，各地区银行ESG信用等级的季度均值ESG-MEAN不影响商业银行的流动性风险，满足了内生性处理中工具变量选择的外生性条件。另外，由于各省的经济政策存在较高的相似度，因此，各省市银行ESG评价的季度均值ESG-MEAN与样本银行的ESG程度存在较强的相关性[15]。内生性检验的回归结果如表6所示。

Table 6. Endogeneity treatment

表6. 内生性处理

	一阶段回归	二阶段回归
	Y	Y
ESG	−1.920***
	(−3.51)
ESGhat		−1.914**
		(−2.11)
控制变量	控制	控制
个体固定效应	控制	控制
时间固定效应	控制	控制
cons	−914.9***	−974.6***
	(−7.22)	(−7.77)
N	843	843
R-sq	0.389	0.383

注：*、**、***分别表示在10%、5%、1%显著性水平下显著。

根据表6回归结果显示，引入ESG指标后，商业银行ESG表现对其流动性风险具有明显的负向效应，也就是ESG表现的提升能够明显地降低其流动性风险，这和基准回归的结论是一致的，表明这些工具变量是经过了较弱的工具变量检验的，并且这些工具变量的选择是合理和有效的。

4.5. 稳健性检验

4.5.1. 滞后解释变量

考虑到ESG表现和商业银行流动性风险之间可能存在互为因果关系，故本文将解释变量ESG表现滞后一期来检验本文研究结论的稳健性。其中第(1)列表示未加入控制变量的结构，第(2)列表示加入了控制变量，并滞后控制变量的结构，两列均控制了个体和时间固定效应。具体的回归结果见下表7。

Table 7. Robustness test

表7. 稳健性检验

	(1)	(2)
	Y	Y
L.ESG	−2.060***	−1.268**
	(−3.33)	(−2.09)
控制变量	未控制	控制
个体固定效应	控制	控制
时间固定效应	控制	控制
cons	82.90***	−884.8***
	(9.33)	(−6.06)
N	753	753
R-sq	0.265	0.332

注：*、**、***分别表示在10%、5%、1%显著性水平下显著。

从表7的回归结果来看，滞后一期的解释变量ESG表现对商业银行流动性风险的影响在两个模型中均显著为负。在未加入控制变量的第(1)列中，L.ESG的系数为−2.060，t值为−3.33，结果显著；而在加入控制变量的第(2)列中，L.ESG 的系数减少为−1.268，t值为−2.09，但依然显著。这表明，即使在控制其他变量的情况下，滞后一期的ESG表现对当前流动性风险的负面影响依然显著。

4.5.2. 替换被解释变量

将被解释变量商业银行的流动性风险直接替换为主要流动性监管指标中的流动性覆盖率(LCR)并对模型进行检验。

Table 8. Robustness test

表8. 稳健性检验

	(1)
	LCR
ESG	−6.389***
	(−2.81)
控制变量	控制
cons	−3693.7***
	(−7.02)
个体固定效应	控制
时间固定效应	控制
N	843
R-sq	0.204

注：*、**、***分别表示在10%、5%、1%显著性水平下显著。

回归分析结果显示，当将被解释变量替换为流动性覆盖率(LCR)时，ESG表现、前十大股东持股比例、银行规模、产权比率、销售净利率和存款准备金率对流动性覆盖率的影响显著。具体而言，ESG表现与LCR呈显著负相关，系数为−6.389，表明ESG评分较高的银行其流动性覆盖率较低，具体数值详见表8。

4.6. 中介效应检验

为了验证关于ESG表现影响商业银行流动性风险作用机制的理论分析，本章从“ESG表现–商业银行存贷负债比–商业银行流动性风险”渠道出发，对ESG表现影响商业银行流动性风险的作用机制进行实证研究与分析。

在此基础上，构建了一个中介作用模型，以验证ESG信用等级对商业银行流动性风险的“风险”传导机制。

${\text{Y}}_{i,t}={\alpha }_0+{\alpha }_1{\text{ESG}}_{i,t}+\beta {\text{Control}}_{i,t}+{\mu }_i+{\mu }_t+{\epsilon }_{i,t}$ (7)

ESG表现—商业银行存贷负债比—商业银行流动性风险渠道：

${\text{LOAN}}_{i,t}={\delta }_0+{\delta }_1{\text{ESG}}_{i,t}+\lambda {\text{Control}}_{i,t}+{\mu }_i+{\mu }_t+{\epsilon }_{i,t}$ (8)

${\text{Y}}_{i,t}={\beta }_0+{\beta }_1{\text{LOAN}}_{i,t-1}+{\beta }_2{\text{ESG}}_{i,t-1}+\gamma {\text{Control}}_{i,t}+{\mu }_i+{\mu }_t+{\epsilon }_{i,t}$ (9)

其中，被解释变量${\text{Y}}_{i,t}$ 代表银行i在t时期的流动性风险水平，核心解释变量ESG代表银行i的ESG表现水平。Control代表银行层面与宏观层面的控制变量，${\mu }_i$ 代表银行个体固定效应，${\mu }_t$ 代表季度固定效应，${\epsilon }_{i,t}$ 为随机误差项。

ESG表现–商业银行存贷负债比–商业银行流动性风险渠道回归结果如表8所示。

Table 9. Mediation effect test

表9. 中介效应检验

	(1)	(2)	(3)
	Y	LDR	Y
ESG	−1.920***	0.00500***	−1.800***
	(−3.51)	(2.66)	(−3.28)
LDR			−23.95**
			(−2.28)
控制变量	控制	控制	控制
个体固定效应	控制	控制	控制
时间固定效应	控制	控制	控制
cons	−914.9***	1.885***	−869.8***
	(−7.22)	(4.33)	(−6.80)
N	843	843	843
R-sq	0.389	0.178	0.393

注：*、**、***分别表示在10%、5%、1%显著性水平下显著。

根据表9回归结果可知，ESG表现对流动性风险有直接影响，并通过存贷负债比间接影响流动性风险。首先，ESG表现较高的银行通常在经营中更加稳健，风险防控能力强，且更容易获得投资者、监管机构和客户的信任，这种信任带来的资本优势使得银行能以更低融资成本获得稳定资金，缓解流动性压力。进一步地，ESG表现较高的银行能更有效进行资产负债管理，特别是在资产配置上，倾向于将资金投入稳健的贷款业务，提升贷款占比，从而提高存贷负债比。

5. 研究结论与政策建议

5.1. 研究结论

研究结论如下：(1) 银行ESG表现与流动性风险具有显著负相关关系，即银行良好的ESG表现能够显著降低中国商业银行的流动性风险水平。(2) ESG表现提高会通过减少银行风险承担降低商业银行的流动性风险水平。

5.2. 政策建议

第一，首先将ESG因素纳入商业银行风险管理体系。根据“赤道原则”，商业银行授信业务中的ESG风险可分为环境风险、社会责任风险与治理风险；其次，商业银行需强化投资过程中的ESG风险管理，将环境、社会等因素纳入商业策略，制定并披露相关策略目标；在公司治理中引入社会责任评价，制定清晰的工作流程和责任，并将ESG表现融入风险管理，评价被投资主体的财务稳健性，检验因低ESG表现引发的风险，提升投资决策的稳健性[16]。

第二，倡导不同类型银行实行差异性ESG建设。针对不同类型银行，提出差别化监管措施，确保银行在各自经营领域内推进ESG建设。

(1) 大型商业银行：加强综合风险管理与合规体系建设

大型银行应将ESG因素纳入整体风险管理框架，并结合流动性压力测试，构建全面的ESG风险评估体系。通过建立跨部门协作机制，加强高层管理人员的ESG合规培训，确保银行在面临环境、社会及治理相关风险时能够有效识别并应对，减少流动性风险。

(2) 中小型银行：优化资金流动性管理，聚焦本地化的ESG风险

中小型银行应聚焦本地社区和行业的特定ESG风险，建立本地化的ESG风险监控系统，并加强与地方政府及社会组织的合作。银行还可以通过灵活的资金流动性管理措施，如设立地方性应急资金池和利用地方资本市场工具，提高应对流动性压力的能力。