▪ 数据来源： CNDD根据中国债券信息网、Wind等数据库整理▪ 数据说明 ： 中国绿色债券发行数据包括银债券主体ID、债券代码、债券简称、发行日期、债券全称、市场代码、发行主体、债券期次、债券类型、债券期限、付息方式、发行方式、利率类型、债券面值、发行价格、票面利率、计息方式、债项评级、主体评级、债项评级机构、主体评级机构、托管机构、主承销商、募集资金投向等变量▪ 综合评价 ： 绿色债券是指将募集资金专门用于支持符合规定条件的绿色产业、绿色项目或绿色经济活动，依照法定程序发行并按约定还本付息的有价证券。CNDD的绿色债券数据提供了境内发行的绿色债券信息。以期为高等院校、金融机构的研究人员对债券市场的相关研究提供高质量、及时、权威的数据，推动相关研究的质量提升和快速发展。
▪ 常用度： ★★★★ ☆
▪ 稀缺度： ★★★★
▪ 新颖度： ★★★★
▪ 总体级别： 12颗星
✔ 常用度：是数据市场中需求指标，是指该数据在经济管理类学术论文中使用频率。
✔ 稀缺度：是数据市场中供给指标，是指该数据在其他数据库的出现频率。
✔ 新颖度：是数据市场中生成指标，是指该数据在生成时方法新颖程度和工作量。
吴育辉,田亚男,陈韫妍,徐倩.绿色债券发行的溢出效应、作用机理及绩效研究[J].管理世界,2022,38(06):176-193. ▪ 文献内容 ：
以2009～2019年我国发债企业为样本，文章研究了企业发行绿色债券的行业溢出效应、作用机理以及产生的环境和财务绩效。首先，文章发现，企业发行绿色债券会显著降低同行业其他企业的债券融资成本。其作用机理是发行绿色债券的企业会带动同行业其他企业采取更多有利于环境保护的行动。这些行为得到了市场投资者的认可，从而降低其融资成本。其次，异质性检验显示：生态友好型企业以及非污染型企业会强化这种行业溢出效应。同样，行业领导型企业和密切竞争型企业也会增强绿色债券的溢出效应。最后，本文发现，同行业其他企业采取的绿色环保行为可以提升其环境绩效和财务绩效。该研究表明，企业发行绿色债券可以产生良好的行业溢出效应，有利于我国实现“碳达峰、碳中和”的目标。 绿色债券是指将募集资金专门用于支持符合规定条件的绿色产业、绿色项目或绿色经济活动，依照法定程序发行并按约定还本付息的有价证券，包括但不限于绿色金融债券、绿色企业债券、绿色公司债券、绿色债 务融资工具和绿色资产支持证券（《绿色债券支持项目目录（2021 年）》）。
我国现行绿色债券认定标准参考目录主要包括：（1）发改委发布的《绿色产业指导目录（2019 年版）》及其 《解释说明》（发改环资〔2019〕293 号）；（2）人民银行、国家发展改革委、证监会三部委印发的《绿色债券支持项目目录（2021 年版）》。
对于募集资金的使用，绿色企业债在偿债保障措施完善的情况下，企业可以使用不超过 50%的债券募集资金用于偿还银行贷款和补充营运资金；绿色公司债要求不低于 70%的募集资金用于绿色领域；而绿色债务融资工具则要求募集资金 100%用于绿色领域（包括绿色项目建设、运营、购置、偿还用于绿色项目的债务等）。综上，绿色债券募集资金侧重绿色专项用途，可以确保企业发行绿色债券后进行绿色行为，完成自身转型，并增强自身市场声誉。同时，这也是绿色债券吸引投资者和持续取得市场信赖的基础，绿色债券有助于投资者履行社会责任，对冲环保政策风险。
企业发行绿色债券释放的绿色信号可能在行业内进行传播，并对同行业其他企业的行为产成积极影响，由此形成绿色信号在一级市场中对同行业其他企业产生溢出效应， 可能的逻辑如下：
首先，同行业企业经营和财务行为具有相似偏好。在经营方面，同行业企业的经营范围、产品结构以及日常运营等方面都较为类似。当企业发行绿色债券向市场传递了绿色信号时，同行业其他企业可能会做出更多有利于环境 保护的战略决策。例如：减少污染物排放、发展循环经济、节约能源等，以此吸引优质的投资者，降低自身的声 誉风险，进而降低融资成本。
其次，发债定价水平取决于投资者感知的风险。企业发行绿色债券后，投资者会主观上降低同行业其他企业信用风险的预期，即投资者感知的信用风险会降低，而且投资绿色债券可以满足投资者投资决策中考虑到社会责任和环保方面的因素。同行业其他企业的债券融资项目对于环境敏感的投资者而言更具有吸引力，由此出现绿色信号在一级市场中对同行业其他企业溢出的定价效应。
综上所述，企业发行绿色债券的信号会传导到同行业的其他企业，促使这些企业也会有意识地考虑发行绿色债券或实施绿色行为，进而吸引重视环境保护投资者的信任，降低其债券融资成本。因此，文章提出如下假设。
H1：企业发行绿色债券后，同行业其他企业的债券融资成本会显著降低。 文章以 2009-2019 年发行的公司债、企业债和中期票据为基础进行分析。文章剔除了金融公司、ST 公司和国外评级机构评级的债券共 2369 个样本观测值，经过整理获得债券样本观测值共计 11207 个，其中：绿色信用债券的观测值共计 513 个，普通信用债券的观测值共计 10694 个。
借鉴 Beatty 等（2013）和 Kim 等（2020）的做法，探究发行绿色债券对行业其他企业债券融资成本（用普通债券信用利差来度量）的影响。为 了克服混合 OLS 回归可能存在的内生性问题，同时考虑到各企业发行绿色债券的时间点不尽相同，文章参考 Beck 等（2010）提出的政策时点不一致 DID 的方法，设定基本计量模型如下式 ：
其中，i 表示发债企业，t 表示年份，εit CS 2015 ；杨国超、盘宇章，2019 ）。信用利差越高，表示该债券的信用风险越高，融资成本也就越高。Greeni × Postt 是主要解释变量，代表 DID 模型中的“ 政策” 处理变量（即双重差分项）。其中，Greeni i 赋值为 1 ，否则为 0 。同行业采用 Wind 行业分类的第四级行业分类。Postt i 发行债券的时间在发行绿色债券 t 时刻之后，则 Postt 取值为 1 ，否则取值为 0 ；对于控制组企业而言，Postt 0 。
在模型中，考虑到各企业发行绿色债券的时间点存在差异，如果在模型中加入 Greeni Postt Greeni Postt Greeni × Postt 的系数 α1 显著为负，则证明发行绿色债券可以降低同行业其他企业的债券融资成本。此外，模型中还加入了年度固定效应、评级机构固定效应、债券类型固定效应和企业（行业）固定效应，而且对模型回归系数的标准误进行异方差调整和在公司层面聚类。
下表考察了企业发行绿色债券对同行业其他企业债券融资成本的溢出效应：
第（1 ）列的结果显示，在不加任何控制变量的情况下，Greeni × Postt 的系数为 – 0.2941 ，且在 1% 的水平上显著为负。第（2 ）列控制了发债企业的固定效应，Greeni × Postt 的系数为-0.1872 ，仍在1% 的水平上显著为负。第（3 ）和（4 ）列，文章进一步控制了发债企业财务特征、债券特征以及年份、评级机构、债券种类和公司固定效应等变量，Greeni × Postt 的系数分别是-0.2045 和 – 0.1787 ，且均在1% 的水平上显著，说明企业发行绿色债券后，同行业其他企业的债券融资成本也会随之降低。从经济意义上讲，企业发行绿色债券的概率每增加 1 个标准差，同行业其他企业的债券融资成本会降低 5.4767% 。
[1]王营,冯佳浩.绿色债券促进企业绿色创新研究[J].金融研究,2022(06):171-188.
[2]毛捷,郭玉清,曹婧等.融资平台债务与环境污染治理[J].管理世界,2022,38(10):96-118.
[3] 祁怀锦 , 刘斯琴 . 中国债券市场存在绿色溢价吗 [J]. 会计研究 ,2021,No.409(11):131-148.
以下三种方式三选一
▪ 直接购买
添加客服微信，支付价格为69元。
▪ 朋友圈分享后免费领取（每人限领15份）
持续3小时，集齐5个赞，需要对所有人可见，并且本人关注CNDeepData公众号。
▪ 购买大会员
添加客服微信，购买年度会员149元，三年会员299元，永久会员899元，可享CNDeepData所有数据免费获取。
▪ 朋友圈分享要求：
①分享时间需要在早上7:30到晚上12:30之间。
②请附带一句推荐词，例如“推荐CNDD高质量数据库”。
③请将包含时间内容的截图发给客服。
▪ 添加客服微信方式 ：
扫描下方二维码，或搜索下方微信号。
添加客服微信号：DeepData001
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
CNDeepData
中国深度数据库：让精品数据，得以流动。
CNDeepData: Let high-quality data flow without barriers
113篇原创内容
公众号
CNDeepData：Let high-quality data flow without barriers
资源下载 此资源下载价格为69 积分（年度普通会员免费），请先登录 部分图片来源于网络，如涉侵权请告知，本站将第一时间删除。客服微信号：DeepData001
