“双碳”目标下绿色金融的碳减排效应及作用机制检验

任亚运（副教授），余 坚，刘俊霞（博士）

一、引言

2020年，我国向全世界做出了“碳达峰”与“碳中和”的庄严承诺，碳减排工作的持续推进迫在眉睫，为实现“30·60”目标，中国经济结构中的高碳排放行业必须向低碳转型。作为中国碳排放的两大主要源头，工业和农业生产的绿色转型是实现碳达峰与碳中和的先锋队。因此，拓宽低碳发展与气候治理的投融资渠道，探索有效工具推进工业和农业低碳转型，实现工业和农业低碳发展“两手抓”是现阶段深入推进实现“双碳”目标的内在要求。

2019年，中国工商银行总行投行部总经理李峰在国际清洁能源投融资大会中提出全球绿色发展的投融资需求在未来10年可达到数十万亿美元，可见低碳领域投融资问题已十分严峻。2020年，清华大学气候变化与可持续发展研究院也提出，当前实现碳中和目标仍存在着百万亿级的资金缺口，积极拓宽绿色投融资渠道，尽快建立健全与“双碳”目标相匹配的绿色金融体系成为低碳发展的重要一环。绿色金融作为绿色低碳发展理念在金融领域的实践和创新，旨在促进社会资金及各类资本等要素更多地流向环境友好型、气候友好型的国际市场和国内市场，通过提升区域环境质量和规避环境风险，促进人与自然和谐共生。并且，绿色金融通常采取抑制高碳投资、支持低碳项目等结构性策略实现市场激励和约束以引导市场预期，强调在不损害经济增长的情况下最大限度地将环境污染负外部性内生化，是我国低碳转型成败与否的关键所在。聚焦我国当前国情，“绿色金融实际效应如何”成为“双碳”目标下值得研究的一项话题。因此，本文致力于探讨绿色金融试点政策对我国主要碳源的工业和农业部门碳排放强度的影响，以期为“双碳”目标的顺利实现提供经验借鉴。

二、文献综述

当前关于各项政策碳减排效应方面的研究已经较为丰富。在直接政策效应方面，国家陆续制定了低碳试点政策、碳排放权交易试点政策等一系列规制工具来抑制碳排放量的增加，诸多学者也分别对其效应进行了检验，如：董梅和李存芳（2020）、张华（2020）和任亚运等（2020）分别对“低碳省区”试点政策和“低碳城市”试点政策的碳减排效应进行了分析和评价；李广明和张维洁（2017）、任亚运和傅京燕（2019）等学者陆续对碳排放交易权试点的碳减排政策效应进行了分析。在间接政策效应方面，郑石明等（2021）、苏涛永等（2022）研究发现气候政策协同和“创新型城市”试点政策均对碳减排有正向影响，范爱军等（2021）提出贸易政策的环境偏向性会给予二氧化碳隐形补贴，从而对碳减排产生负面影响。近年来，作为环境与气候治理必不可少因素之一的金融政策改革对碳减排的效应研究也逐步进入学者视野，但目前大部分研究主要是以传统金融为切入点对金融发展与二氧化碳排放的关系展开研究，且观点各异。Tamazian等（2009）认为金融自由化和金融开放是减少碳排放、改善环境状况的重要因素，金融发展的正向环境效应也得到了不少学者的验证；Zhang（2011）则认为金融发展会促进二氧化碳排放，任力和朱东波（2017）的研究也验证了这一结论。

对比传统金融而言，绿色金融作为一项创新型环境与气候治理工具，其目标和措施更具有针对性和方向性，但其环境效应研究却未得到充分挖掘。自金融部门绿色意识觉醒以来，各国纷纷开始进行以环境保护、资源节约、污染减排等为目标的金融活动，因此出现了多样化的绿色金融相关术语，如“可持续金融”“环境金融”等概念，这也致使早期的绿色金融概念存在大而不清的缺陷。为确保我国绿色金融工作得以有序开展，中国人民银行等七部委于2016年在《关于构建绿色金融体系的指导意见》中提出了绿色金融的官方定义：绿色金融为支持环境改善、应对气候变化和促进资源节约高效利用的经济活动，主要服务对象是环保、节能、清洁能源、绿色交通、绿色建筑等领域。早期关于绿色金融对低碳发展影响方面的研究多数集中于定性分析，如：曹梦石等（2021）在“双碳”目标背景下对无序资本和绿色资本进行了比较分析，从而提出要构建资本有序流动体制与机制的观点；杨涛和程炼（2010）与李淑文（2016）均以兴业银行为典型案例，分别对绿色金融支持低碳发展的经验和启示以及碳金融在我国的发展情况进行了分析。随着时间的演进，也有部分学者开始实证检验两者的关系，但对绿色金融发展水平的度量尚未统一，当前研究大多使用节能减排贷款比例等来衡量绿色金融发展水平，或选取绿色金融的工具之一作为切入点展开研究，其中以绿色信贷的研究居多，也有学者从绿色风投、绿色债券等视角探究绿色金融对低碳产业、低碳技术的激励作用。这也是本文选择从整体视角将绿色金融试点政策作为一项外生冲击进行政策效应评估的重要原因。

综上可知，作为创新型环境与气候治理工具的绿色金融政策，其实证分析尤其是碳减排方面的内容仍显匮乏。绿色金融发展不仅是推进金融改革创新的重要因素，也是助力绿水青山建设的重要环节，因此在“双碳”目标背景下探讨其碳减排效应正当其时。

三、作用机制

绿色金融是以金融机构为主体，通过多种渠道激励企业的生产活动绿色低碳化，进而降低碳排放的新型金融策略。本文对这些渠道进行总结梳理，得到三种最为主要的作用机制，并分点阐述。

第一，绿色金融可以激发绿色科技创新进而实现碳减排。绿色金融试点政策不仅从生产端和消费端推动企业生产绿色低碳产品，以鼓励和刺激的双向形式激发试点地区绿色科技创新，还通过下层资金支持和上层机制保障为企业保驾护航，从而达到绿色科技导向的碳减排效果。具体而言，长期以来节能环保专利技术发展及项目建设存在收益水平低、外部性强的特征，绿色金融试点政策的实施则从下层资金支持和上层机制保障上为企业绿色创新行为提供强有力的举措，促进企业实现绿色低碳发展。通过试点地区的内部金融平台与监管平台全面整合各类金融产品，制定高效的金融服务方案帮助企业应对外部环境结构和金融结构的变化，更进一步地在企业要素禀赋结构和生产结构变动的同时，为绿色专利、绿色项目、绿色技术等方面提供“筹划—发展—成熟—稳定”的全生命周期金融支持。

第二，绿色金融能够拉动绿色投资进而实现碳减排。绿色资本投资作为绿色金融的主要行为，重点流向的领域为循环经济领域、生态经济领域和低碳经济领域，因此绿色金融试点政策在推动企业主体经济行为绿色低碳化的同时，能够引导全社会资金关注这些绿色低碳产业，从而带动试点地区绿色投资额的增加，加强试点地区产业低碳化与低碳产业化的有机结合以达到碳减排效果。具体来说，一方面，在产业低碳化的过程中，企业从高耗能高碳排放的生产方式向绿色低碳转变的关键在于低碳技术的突破，但氢能、储能、CCS（二氧化碳捕获和封存）、各类工业节能项目等低碳技术的成熟发展往往需要大量的资金支撑，因此绿色投资的增加恰恰是该环节的活水之源。另一方面，在低碳产业化过程中，固废危废处理、新能源、水处理、土壤修复等战略新兴低碳产业的发展虽然方兴未艾，但同样可能因蕴含高风险等而令企业望而却步，而绿色金融拉动的绿色投资具有风险偏好倾向，正好能够为该系列战略新兴低碳产业注入绿色资本。

第三，绿色金融能够刺激区域节能实现碳减排。绿色金融试点政策在改变企业行为的过程中，重点作用于试点地区能源利用效率进而推进节能减排效应最大化，以达成低耗能高利用的碳减排效果。有研究表明，金融发展在中长期能够显著提升能源效率，二者存在长期协整关系，金融产业聚集程度越高，能源利用效率的提升程度越高。一方面，绿色金融政策能够支持试点区域发展风能等清洁能源，从能源要素禀赋结构上游减少甚至切断碳基能源的输入，从而提升区域节能潜力，通过改善能源结构提升清洁能源效率，实现节能减排。另一方面，在市场产品绿色低碳化的过程中，企业不仅想方设法地直接提升其能源利用效率，而且从绿色技术创新、生产结构优化等方面间接提升能源利用效率，推进传统能源转型，最终实现绿色产出最大化以满足居民的绿色消费需求进而在市场中得以生存。

上述作用机制如图1所示。

图1 绿色金融试点政策实现碳减排的作用机制

四、研究方法、模型设定与数据说明

（一）研究方法

双重差分法（Differences-in-Differences）是政策效果评估方法中的一种主流方法，其核心思路为：将所要研究的政策视为一项准自然实验，以是否实施该政策作为标准将研究对象划分为政策作用对象的实验组和非政策作用对象的对照组，通过对政策实施前后两组某一个共同具体指标平均改变量的差异进行比较，量化评估政策实施的效果。

2017年6月26日，广东、江西、贵州、浙江及新疆五地被批准为绿色金融改革创新试验区，这为本文利用双重差分法构建计量模型提供了可能。基于此，本文将我国绿色金融改革创新试验区试点政策（简称“绿色金融试点政策”）看作一次准自然实验，划分试点地区与非试点地区两组，采用双重差分法对比政策实施前后差异，研究绿色金融试点政策的碳减排实际效果。

（二）模型设定

20世纪70年代提出的IPAT模型是用于分析人类行为对自然环境影响的早期研究方法。其一般形式为：

其中，I表示环境变化程度，P表示人口规模，A表示富裕程度，T表示技术水平。为了便于分析，后续学者在IPAT模型的基础上又提出了STIRPAT模型，对影响因素的非等比例变化进行研究，其基本模型为：

其中：a是常数项；指数b、c、d为常数项待估参数；μ为随机扰动项。

由于绿色金融在理论上是缓解各行业在低碳领域的融资约束的有效手段，能够从资金流上对工业和农业产业链进行碳减排的帕累托改进。因此本文在STIRPAT模型的基础上结合双重差分法引入绿色金融试点政策核心变量和其他控制变量进行模型拓展，具体如下：

其中：CIit为碳排放强度，i为地区，t为时间；μit为随机干扰项；didit为双重差分变量，代表i省份在t年份是否被批准为绿色金融改革创新试验区；X jit表示STIRPAT模型中原有的人口规模、富裕程度、技术水平及拓展的系列控制变量。

进一步地，考虑到工业和农业是中国经济发展过程中的两个碳排放“大户”，本文将模型（3）进行细分如下：

其中，ICIit为工业碳排放强度，ACIit为农业碳排放强度，λi、δi为个体固定效应，γt、ζt为时间固定效应，uit和ξit为随机误差项。其他字母含义与模型（3）中含义保持一致。

（三）变量设置

1.被解释变量。

（1）工业碳排放强度（LN ICI）。为工业碳排放量与工业产值的比值。其中工业碳排放量的测算借鉴胡剑波等（2014）的方法，由实际消费的煤炭、焦煤、原油、汽油、煤油、柴油、燃料油以及天然气这8种化石能源或燃料根据IPCC法计算获得。

（2）农业碳排放强度（LNACI）。为农业碳排放量与农业产值的比值。其中农业碳排放量的计算借鉴田云和张银岭（2019）的方法，从农用物资、农地利用两个方面确定6种农业碳源因子进行测度。

2.核心解释变量（双重差分didit）。正如模型设定部分所言，本文基于绿色金融改革创新试验区试点政策和双重差分思想，将广东、江西、贵州、浙江及新疆五个绿色金融改革创新试验区视为实验组，2017年后取值为1；其他省份视为对照组，取值为0。

3.控制变量。基于IPAT模型和STIRPAT模型，人口规模（LNPOP）、人均财富（PGDP）、技术引进（FDI）与碳排放直接相关，本文分别采用各省年末人口的自然对数、各省人均GDP、各省实际利用外商直接投资额与国内生产总值的比值来进行表征。此外，借鉴已有研究，本文还选择环境规制（ER）、收入差距（IG）、产业集聚（IN）作为控制变量，分别采用节能环保财政支出与国内生产总值的比值、城镇人均可支配收入与农村人均纯收入之比、地区年末总就业人数与该地区土地面积的比值来衡量。

（四）数据来源与说明

在数据来源方面，工业碳排放强度和农业碳排放强度计算数据主要来自于历年的《中国能源统计年鉴》《中国农村统计年鉴》；控制变量主要来自于历年《中国统计年鉴》及各省统计年鉴。在时间设置方面，将2008年金融危机后第一年（2009年）作为研究起始年份，鉴于数据的可得性，以2019年作为研究截止年份。在地区设置方面，囿于数据原因，本文样本数据为我国30个省级行政区面板数据，未包含西藏自治区、中国香港、中国台湾和中国澳门地区。

变量的描述性统计如表1所示。

表1 变量描述性统计

五、回归结果分析

（一）基准回归结果分析

为得到尽可能准确、明晰的回归结果，本文对工业碳排放强度和农业碳排放强度及非比例变量取对数后，进行双重差分模型的基准回归，回归结果如表2所示。其中，模型（1）和（3）是时间和个体效应固定后仅包含核心解释变量和被解释变量的模型，模型（2）和（4）是加入控制变量并同时固定时间和个体效应的模型。由表2可以看出，在模型条件趋于更加严格的过程中核心解释变量的系数符号一直为负且显著性水平未发生变化，模型的可决系数值也在不断增加，这表明模型的估计结果是比较稳健的。本文以第（2）列和第（4）列为例进行结果解读。

表2 基准回归结果

由表2第（2）列和第（4）列可知，本文核心解释变量的回归系数分别在5%和1%的水平上显著为负，这表明在五个试点地区，我国绿色金融试点政策实施后确实对工业和农业碳排放强度起到了显著的抑制作用，与理论预期相符。平均来说，政策实施可为所在试点地区带来约11%的工业碳排放强度降幅和19%的农业碳排放强度降幅，降低成效十分可观。如理论基础及作用机制部分所言，绿色金融试点政策能够促进碳减排的原因可能在于，绿色金融试点政策的实施带来了绿色产业需求侧的变化，能源效率的改善形势紧迫，许多低碳项目的实施和低碳技术的开发需求增多，绿色投融资机会增多，低碳技术创新进程加快，使得绿色金融试点地区碳排放量显著下降，这一点也将在后文的作用机制检验部分进一步分析。

（二）稳健性检验

1.动态效应检验。双重差分法适用的重要前提是实验组与对照组具有相同的事前趋势，本文选择进行动态效应检验在进一步对其佐证的同时，也对政策实施后其影响工业和农业碳减排效应的强度变化趋势进行更直观地分析。具体做法为：将样本涉及各年份的时间虚拟变量与政策虚拟变量逐一相乘得到多个虚拟交乘项，并加入基准回归模型中再次进行回归，得到如图2所示的检验结果。其中，图2（a）和图2（b）分别为绿色金融试点政策对工业碳排放强度和农业碳排放强度的动态政策效应检验结果。

图2 动态效应检验

由图2（a）可知，政策实施前的2010～2016年交乘项系数均不显著，其置信区间均与0轴相交，即表明在此期间对工业碳排放强度的政策效应为0；2017～2019年绿色金融试点政策效应系数均显著小于0，其置信区间位于0轴下方，与实际相符。同样，由图2（b）结果可知，政策实施前的2010～2015年交乘项系数的置信区间与0轴相交，也均不显著，表明在此期间对农业碳排放强度的政策效应为0；2016～2019年绿色金融试点政策效应系数均显著小于0，其置信区间位于0轴下方，表示绿色金融政策对农业碳排放强度产生了显著的负向效应。其中，2016年农业碳排放强度已出现小幅显著波动可能归因于当年发布的《关于构建绿色金融体系的指导意见》产生的预期效应。此外由图2也可看出，前文基准回归结果具有稳健性，且随着时间的变化，无论是工业碳排放强度还是农业碳排放强度，核心解释变量系数的绝对值均不断增大，说明政策效应愈发明显，政策红利不断释放。

2.PSM-DID稳健性检验。虽然本文的主回归结果表明绿色金融试点政策有显著的碳减排效应，但该政策试点地区的选择可能受到各种因素的影响而产生自选择偏差问题。对此，本文采用PSM-DID方法对主回归结果进行稳健性检验。具体做法为：以人口规模、人均财富、技术引进、环境规制、收入差距和产业集聚作为匹配变量，对政策前的样本数据采用Logit模型进行卡尺1∶4匹配和近邻1∶4匹配后，删除未匹配数据，而后与2017年政策实施后的数据进行纵向匹配，从而得到更加平衡的样本，再次进行双重差分。匹配之后的数据回归结果如表3所示。表3中第（1）（3）列为运用近邻1∶4匹配后样本分别对工业和农业碳排放强度的回归结果，第（2）（4）列为运用卡尺1∶4匹配后样本分别对工业和农业碳排放强度的回归结果。

表3 PSM-DID回归结果

回归结果显示，本文核心解释变量系数的显著性并未发生根本性变化，均在5%或1%的水平上显著为负，与前文基准回归结果基本保持一致，这表明绿色金融试点政策可以促进碳减排这一研究结果具有一定的稳健性。

3.更改窗口期稳健性检验。考虑到绿色金融政策实施前后的时效性问题，本文以2017年政策实施年为分界，取政策前后更加均衡的2014～2019年样本区间再次进行双重差分回归，结果如表4所示。

表4 更改窗口期稳健性检验

表4第（1）（2）及（3）（4）列和基准回归保持一致，均遵循渐趋严格的条件分别进行回归。以第（2）和第（4）列结果为例，核心解释变量交乘项的系数全部在5%的水平上显著为负，与前文基准回归基本一致，再次证明了本文基准回归结果的稳健性。

4.安慰剂检验。在2017年之前，政府实施了多种政策（如碳交易试点、低碳城市试点及分省碳排放约束等）进行碳减排工作，为了排除这些相关政策的影响，本文选择去除绿色金融试点政策实施后（2017年后）的样本，重新虚拟假设以2017年以外其他年份作为政策实施年对实际政策实施前的样本重新进行双重差分，回归结果如表5所示。

表5 安慰剂检验

表5第（1）（2）（3）列分别表示虚拟假设代表性的2011年、2013年、2015年为政策实施年，并选择时间和个体效应双向固定后加入控制变量进行模型估计，得到的被解释变量为工业碳排放强度的回归结果。第（4）（5）（6）列分别表示虚拟假设2011年、2013年、2015年为政策实施年，并选择时间和个体效应双向固定后加入控制变量进行模型估计，得到的被解释变量为农业碳排放强度的回归结果。通过结果对比可知，在去除实际政策实施期年份样本后，虚拟其他年份为政策实施年时，核心解释变量的回归系数变得不再显著，这反向说明了在本文的分析中，工业和农业碳排放强度的降低确实系2017年绿色金融试点政策实施所致，前文基准回归结果具有稳健性得到了进一步验证。

六、作用机制检验

为进一步探究绿色金融试点政策影响碳排放强度的途径，本文借鉴任亚运和傅京燕（2019）的思路，对我国绿色金融试点政策促进碳减排的作用机制进行检验。基于前文对绿色金融可能通过激发绿色科技创新、拉动绿色投资、刺激区域节能实现碳减排的理论探讨，本文构建绿色专利、绿色投资、能源效率指标，并分别将其替换为因变量再次利用双重差分法进行作用机制检验，其中：①绿色专利（GPAT）为各地区绿色专利申请数量，并考虑其滞后影响；②绿色投资（GINV）为全社会固定资产投资中生态环境保护投资额的对数值；③能源效率（EE）采用国内生产总值与能源消费量比值来表征。具体结果如表6所示。

表6 绿色金融试点政策的碳减排作用机制检验

表6中第（1）（2）（3）列以绿色专利为因变量，分别表示绿色专利变量滞后两期、滞后一期与当期值，第（4）列以绿色投资为因变量，第（5）列以能源效率为因变量，选择时间和个体效应双向固定后加入控制变量进行回归。由表6结果可知：

一是绿色专利数据的当期系数与滞后期系数均在5%或1%的水平上显著为正。即绿色金融试点政策确实会通过绿色专利申请数量的增加，进而转化为具有持续性的绿色科技创新效应，从而带来工业和农业碳排放强度的降低。具体而言，低碳技术创新与推广的金融支持是国家绿色金融体系建设中的重要内容，因此随着政策的实施，试点地区绿色专利授权申请数量呈上升趋势，金融资金更多地投向于信用良好且环境效益高、回报率高的绿色专利申请项目，现有绿色低碳技术得到推广应用，低碳、零碳、负碳等技术不断发展，绿色创新技术优势显现，将自然而然地带动试点地区实现碳减排。

二是绿色投资系数在5%的水平上显著为正。即绿色金融试点政策确实可以通过绿色固定资产投资额的增加而间接带来工业和农业碳排放强度的降低。随着政策的实施，试点地区环境治理方面的投资额上升，企业将对生态治理的需求切实转化为市场需求，带动环保产业和低碳投资从而降低了碳排放强度。具体而言，绿色金融政策的实施能够通过资金导向机制影响社会资本投向，从而促进企业环保投资增加以实现低碳发展。绿色金融试点政策将企业环境保护主体责任与金融体系优化资源配置的核心功能相结合，支持环境效益具有优势的投资对象引导社会资金更多地流向绿色产业，为低碳技术创新和产品研发提供支撑，使企业绿色化发展成为内在要求，致使绿色投融资获得权与企业环境治理能力挂钩，随着环境治理投资需求的攀升，碳排放强度降低也成为必然。

三是能源效率的系数尚不显著。即当前绿色金融试点政策尚未通过能源效率的改善而间接带来工业和农业碳排放强度的显著降低。随着政策的实施，绿色金融资源会向清洁能源倾斜，一定程度上减缓了依靠传统能源提高生产率的趋势，但银企信息不对称会导致金融机构无法对企业的资信状况做出准确判断，其对环境信息披露不足且耗能较高的企业进行金融支持会被判定具有较高风险，从而使得能耗高、污染大的企业短期内融资仍较困难，因此可能导致目前绿色金融试点政策通过该渠道促进试点地区碳排放强度降低的效果在短期内未能显现。

七、结论与政策建议

本文以我国绿色金融改革创新试验区试点政策为研究切入点，以工业和农业两个碳排放“大户”为研究对象，基于双重差分法对2009～2019年30个省级行政区的面板数据进行了实证检验，并采用多种方法对基准回归结果进行了稳健性检验，旨在研究绿色金融试点政策对当地重要碳源的工业和农业部门碳排放强度的影响，同时也对绿色金融推进碳减排过程的潜在作用机制进行了进一步探讨，研究结论可为绿色金融助力“双碳”目标的政策完善提供一定的经验借鉴。基于此，本文提出以下政策建议：

第一，积极推广试点经验，加快健全绿色金融体系建设。绿色金融试点政策实施后，试点地区碳减排效果明显，但当前绿色金融仍被视为小众市场，其试点范围亟需扩大，将试点经验逐步推广至全国十分必要，同时应重视强化政策执行力度，进一步完善顶层设计以加速其政策红利在更大范围内释放。健全绿色金融体系建设需要政府持续发力，加快相应政策体系的形成与完善，充分发挥绿色金融试点政策效应，实现政府和市场的协调推进，为绿色投融资创新渠道，增强政府绿色投资与金融机构绿色融资的合力作用，充分挖掘和发挥绿色金融的巨大潜力。

第二，支持绿色技术创新，明确绿色资金投向的侧重点。绿色金融产品和服务要侧重于加强技术需求方面的投资支持，引导企业将资金更多地投向研发部门，支持企业能源技术创新，提升技术进步“清洁度”，尽可能修正滞后影响，实现绿色金融工具和绿色金融产品的“对症下药”，提升现代金融体系支持绿色低碳发展的能力，更高效地实现工业和农业同步碳减排以及与“双碳”目标的合理对接。

第三，加大绿色投资力度，合理设置绿色投融资标准。开展绿色金融服务的金融机构要遵循相关政策要求，在投融资决策中考虑潜在的环境影响，建立信息收集部门，专门收集和分析企业资信及环境信息，合理设置环境治理投资标准。金融部门在绿色金融经营活动中要引导企业加大对环保和环境治理的重视程度，可以根据不同行业的环保治理要求、不同企业的环境治理能力以及企业进行低碳生产所达到的最终目标设置不同的贷款利率和上限，使企业在能够提供足够的信用抵押、质押、担保、增信的条件下才能获得足够的资金支持，从而引导企业积极投入到绿色建设中来，使得绿色低碳生产与绿色金融投融资之间形成良性循环。

第四，持续发力节能提效，支持推进绿色循环低碳路径。根据本文研究结论，试点地区实行绿色金融试点政策后其单位传统能源消费产生的GDP还没有得到显著提升，但2021年中共中央、国务院发布的《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》中明确提出，到2030年我国重点耗能行业能源利用效率要达到国际先进水平。这也表明，能源效率改善问题是实现碳达峰目标的应有之义。因此，绿色金融试点政策未来需在实现能源使用低碳高效方面持续发力，积极构建合理的约束机制以及支持绿色创新的激励机制，从而改善当前传统能源的使用效率及加快清洁、可再生能源的开发，使工农业发展尽早达到高效且低碳，助力碳达峰、碳中和目标的实现。