基于文本分析视角的绿色金融研究综述

摘 要：我国自提出“双碳”目标以来，绿色金融已成为推动我国加快发展方式绿色转型的重要抓手，不仅对中国经济高质量发展具有重要意义，也已成为学术界研究的热点前沿。文本分析作为能够将非结构化数据量化为文本语言特征指标的重要工具，已广泛应用到经管领域。本文通过梳理绿色金融政策和绿色金融市场的文本分析应用进展，结合其他领域的文本分析应用，提出绿色金融领域的研究参考，并对未来的潜在研究方向进行展望，存在相当的理论价值与实践价值。

关键词：绿色金融；文本分析；绿色信贷；绿色债券；双碳目标

中图分类号：F832.5 文献标识码：A 文章编号：2096-0298（2024）08（a）--04

1 引言

2020年，习近平总书记在第75届联合国大会上宣布了“双碳”目标，即中国力争在2030年之前实现“碳达峰”，在2060年之前实现“碳中和”。当前，我国经济发展已步入高质量发展阶段，绿色发展是高质量发展的“底色”。因此，梳理绿色金融的研究脉络，探索新的研究思路与研究工具并付诸实践，具有十分重要的意义。党的二十大报告提出，要加快构建中国话语和中国叙事体系，讲好中国故事、传播好中国声音。在财经领域，非结构化数据中蕴含的信息逐渐得到挖掘。相比结构化数据，非结构化数据的来源和形式更加多样，因此能够极大程度地扩充研究数据来源。绿色金融作为助力我国实现“双碳”目标的重要金融工具，随着不同市场主体，包括政策制定者、市场管理者和企业等传递绿色金融相关的文本内容量不断增多，文本分析的应用也逐渐深入。

文本分析是指以文本数据为信息来源，运用特定的技术挖掘文本的情绪语调、可读性、相似度等特征，并利用这些特征进行实证研究的技术（Gentzkow等， 2019；姚加权等，2020）。因此，在绿色金融领域采用文本分析方法进行研究的文献多从以上三个文本语言特征着手。对于绿色金融的概念，Labatt和White（2002）在前人研究的基础上，对绿色金融进行了总结性的定义，认为绿色金融包括所有支持环境治理与改善及环境风险管理的金融活动。2016年，中国人民银行发布《关于构建绿色金融体系的指导意见》，将绿色金融定义为支持环境改善、应对气候变化和资源节约高效利用的经济活动，即对环保、节能、清洁能源、绿色交通、绿色建筑等领域的项目投融资、项目运营、风险管理等提供的金融服务。基于文本分析的视角，从政策与市场两个角度梳理绿色金融领域研究，具有重要的研究意义与研究价值。

2 绿色金融政策研究与文本分析

国际上，绿色金融的政策体系较我国更为完善，例如欧盟碳市场的建立与运行规则（EU ETS）和赤道原则。2021年以来，国务院发布《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》《2030年前碳达峰行动方案》等一系列文件，推动我国“双碳”目标加速实现，构成我国绿色金融体系的顶层设计（王遥和任玉洁，2022）。对于我国的绿色金融政策体系演进过程，相关学者已进行了详细的梳理（冉连，2020；朱兰和郭熙保，2022）。针对环境政策的文本分析从词频统计与内容分析向人工智能协助进行技术分析的手段过渡。

根据已有文献来看，我国的环境政策理念重心从经济发展向生态保护转变，当下围绕“绿水青山就是金山银山”的“两山”理论，将生态环境保护置于优先地位，体现了我国环境政策的与时俱进。但从绿色金融政策实效来看，仍然存在一定不足。首先，绿色金融政策效果呈现了碳减排地区发展不均衡的空间特征（陈秋红和张园园，2022），应推动我国绿色政策的多地区协同发展。其次，政策实施效果的地区不均衡现象也会在群众感知中体现（Zhu等，2016）。公众对环境表现的感知程度较低时，政策效果并不理想（Weber， 2016）。从国内绿色金融政策的公众感知来看，Wang等（2022）对微博文本的分析发现，当前我国在绿色金融方面的公众认知集中在金融资源利用方面，在政策试验区的表现尤为如此，我国的绿色金融政策在试验地区能够产生有效作用。因此，我国应均衡使用多种政策工具，实现碳减排的协同发展（付琳等，2022），发挥金融科技在绿色金融中的作用，给予政策引领。我国绿色金融可以借鉴国际经验，考虑专门立法、完善多层次环境规制体系，强化市场主体的作用。

绿色金融政策文本分析目前仅针对现有文本进行内容分析与因果推断，针对性地进行指数构建与政策风险预警研究较少。政策文本的宏观分析方面，政策不确定性指数是文本分析方法的热点。Baker等（2016）利用美国新闻媒体数据，通过相关词典进行统计，建立描述经济政策不确定性的EPU指数，围绕EPU指数展开的实证研究较为成熟，且存在不同的领域扩展。研究角度有以下三个：一是将EPU指数纳入绿色金融绩效的评估体系当中，考察宏观政策对绿色金融实施效果的影响。二是借鉴政策不确定性指数的构建方法，构建绿色金融政策不确定性指数，帮助政策制定者与市场主体进行政策风险预警。三是通过分析文本语言特征，帮助减小市场主体执行绿色金融政策的偏差。

3 绿色金融市场研究与文本分析

当前文献对绿色金融市场及相关金融产品研究较为丰富。在文本分析的应用上，以发展较为成熟的绿色信贷、绿色债券两个典型绿色金融产品为主。

3.1 绿色信贷

中国的绿色信贷政策2012年颁布《绿色信贷指引》以来不断完善。绿色信贷的发展与绿色金融的深入实践引起了学术界的广泛关注，相关研究集中在企业获取绿色信贷的影响因素及绿色信贷的经济后果两方面。

3.1.1 获取绿色信贷的影响因素

马骏（2015）提出了包含绿色信贷在内的我国绿色金融政策体系理论性框架，随着传统的宏观分析模型和发展而来的动态随机一般均衡模型（DSGE）等被引入绿色金融研究的基础上（Dietz等，2016；Van den Bremer和Van der Ploeg，2021），王遥等（2019）建立了绿色信贷激励政策模型，发现贴息、定向降准、再贷款等政策工具能从“数量”和“质量”上实现绿色信贷的激励效果，实现“经济”与“环境”的双赢。Campiglio（2016）则认为，区别化的准备金率也对绿色信贷的实施有益。

绿色信贷的影响因素方面，使用文本分析方法的文献较少，考虑到文本分析能够帮助预测宏观经济周期（Shapiro等，2018），现有模型的构建可以加入文本指标完善模型，根据宏观经济周期预测来完善绿色信贷政策体系。

3.1.2 绿色信贷的经济后果

绿色信贷的经济后果研究分为宏观和微观两个维度。宏观层面的研究主要围绕绿色信贷的经济效益与环境效益展开。首先，前文提到绿色信贷政策可以有效实现经济效益和环境效益的良性互动，实现双赢的机制是波特效应（谢婷婷和刘锦华，2019）。其次，绿色信贷通过资助企业可以促进我国产业结构升级（Hu et al.，2020），有效提高碳排放效率来促进“双碳”目标的实现，因而在政府治理和经济发展中扮演着重要角色。微观层面的研究更关注绿色信贷对银行和企业的影响，尤其是信用风险。虽然绿色信贷能够有效抑制商业银行的不良贷款（孙光林等，2017），但企业通过“多言寡行”的环境披露模式，商业银行容易由于企业的印象管理而产生逆向选择，出现“漂绿”行为（李哲，2018）。

文本分析对绿色信贷的信用风险研究相对丰富。李哲和王文翰（2021）通过词频统计构建相关变量发现，企业“多言寡行”的环境表现更能获得绿色信贷，但亦有学者发现绿色信贷政策约束的提升会降低企业“漂绿”行为（吴秋生和任晓姝，2023），因为绿色信贷政策会对重污染企业的投融资产生惩罚机制，企业也会因此积极披露有效的环境信息。文本分析在绿色信贷的经济后果研究的未来应用可以从以下两点拓展：一是借鉴文本分析在企业财务欺诈方面的研究，从更多会计信息形式质量的维度进行分析，如文本可读性的修饰（Lo等，2017）、企业连续几年披露文本的相似度与绿色信贷获取反应（Brown和Tucker，2011）等。二是考虑使用新的文本，如媒体报道、电视电话会议等（Antweiler and Frank，2004）。

3.2 绿色债券

绿色债券是政府、金融机构、工商企业等发行者向投资者发行，承诺按一定利率支付利息，并按约定条件偿还本金的债权债务凭证，且募集资金的最终投向应为符合规定条件的绿色项目（王遥和徐楠，2016）。国际上对绿色债券的认证标准有两种：一是2014年国际资本市场协会（ICMA）推出的绿色债券原则（GBP）：二是气候债券倡议组织（CBI）在GBP的基础上修订而来的气候债券标准（CBS）。近年来，我国不断修订《绿色债券发行指引》，以适应新时代的发展要求，同时逐渐与国际标准接轨。在绿色债券的研究中，使用文本分析进行研究的文献极少，绿色债券发行和认证标准是整个领域的重要文本，目前的研究从这一点展开。Aruga等（2022）通过文本挖掘技术分析了日本绿色债券发行标准如何与国际发行标准接轨。我国关于《绿色债券发行指引》和绿色债券的政策文本研究较少，完全可以从政策文本间的相似度着手。由于文本分析在这一领域的应用主要是上市公司财务报告的相似度分析（Hoberg和Phillips，2010）或不同年份的信息增量分析（葛锐等，2020），针对《绿色债券发行指引》的分析可以结合其与GBP和CBS的异同，亦可考虑不同版本的增量信息。

绿色债券的相关研究主要包括绿色债券价格的影响因素、发行绿色债券的经济后果和绿色溢价的存在性三方面。文本分析在绿色债券研究中的应用较少，因此本文根据相近领域的文本分析应用提出部分参考。

3.2.1 绿色债券价格的影响因素

杨希雅和石宝峰（2020）研究发现，发行方式、绿色政策支持力度、第三方绿色认证和发债主体的财务状况会影响绿色债券的定价，而第三方认证规范性不足会带来绿色溢价的问题（张丽宏等，2021）。近年来，能源价格（Pham和Nguyen，2022）是绿色债券价格的一个影响因素。文本语言特征与语义特征在债券定价方面的研究亦不充分，但股票定价较丰富。Kumar等（2021）发现，投资者的情绪语调对股价有正向影响，可以相应复制到债券的影响中。

3.2.2 发行绿色债券的经济后果

从宏观角度来看，绿色债券价格与不同国家和不同金融产品市场之间存在联动性（Reboredo和Ugolini，2020），可能存在一定的风险溢出效应。不同语言中词法句法的使用不同，渗透出不同的语言标记，不同国家的金融市场文本信息会由于时态、语态标记的不同而产生认知距离（Kim等，2021），从而影响绿色债券价格的风险传染性。微观方面，企业发行绿色债券对企业融资成本（桂荷发等，2022）和绿色创新决策（王营和冯佳浩，2022）存在显著影响，从而提高了企业的环境绩效与企业声誉。企业信息披露文本、高管发言文本和音视频信息提供了大量文本来源，能够为绿色债券的微观经济后果研究提供经济指标，也从侧面反映了企业发行绿色债券的动机。

3.2.3 绿色溢价的存在性

绿色溢价指绿色债券的风险溢价低于普通债券的现象（Baker等，2019）。当前文献对绿色溢价存在性的结论并不统一，有学者认为绿色债券存在溢出效应（Zerbib，2019），即绿色溢价；亦有研究认为绿色溢价并不存在（Larcker和Watts，2020）。祁怀锦和刘斯琴（2021）认为，绿色信息披露和媒体关注度是带来绿色溢价问题的重要机制，因此着手分析企业信息披露文本和媒体文本对了解绿色溢价的存在性及绿色债券价格的影响机制有一定的理论和现实依据，应得到学术关注。

4 结语

随着中国绿色金融体系的逐渐完善，绿色金融的“三大功能”与“五大支柱”作用尽显，助力“双碳”目标的实现，绿色金融研究也百花齐放。文本分析作为当下能够将文本信息与音视频信息等非结构化数据量化，并纳入因果推断与建模预测的有利分析工具，逐渐进入绿色金融的研究中来。

本文基于文本分析视角对绿色金融领域研究进行综述。首先，环境政策文本的研究侧重政策文本的词频统计及民众情绪，环境政策起到了积极的作用，但仍存在区域不平衡性。其次，绿色信贷和绿色债券两个典型的绿色金融产品相关的研究与文本分析应用颇具潜力。绿色信贷市场的文本分析关注企业“言行一致”与否及伴随而来的“漂绿”行为分析与预警。绿色债券市场关注政策文本对照。在绿色债券价格的影响因素、发行绿色债券的经济后果及绿色溢价的研究中，文本分析具有成为重要分析工具的潜力。

虽然，现有绿色金融的研究较为丰富，但无论是从政策文本角度还是金融市场角度，文本分析的应用都较为有限。究其原因有以下三点：第一，就文本内容而言，政策文本情感中立，且行文风格统一，特征不突出；第二，情绪语调分析需要使用情感词典，而目前缺少绿色金融词典，仍然需要建构绿色金融话语体系，形成情感词典；第三，绿色金融文本数据量有限。绿色金融的文本分析应用可从以下三点进行丰富。

4.1 将更多文本分析工具纳入绿色金融研究中

借鉴宏观领域及其他细分金融市场领域的文本分析应用，尝试使用更多的文本分析技术解构现有文本，如自然语言处理技术（NLP）、深度学习预测模型等。

4.2 多角度开源绿色文本信息

扩充不同行业、不同语言的绿色金融文本信息，细化绿色金融研究领域，如绿色信贷、绿色债券、绿色保险、绿色基金等，文本信息形式可以涵盖多模态，再次检验现有研究或对原先由于数据受限无法研究的问题展开检验。

4.3 跨学科进行绿色金融的文本分析

基于交叉学科理论，探索绿色金融领域的不同影响机制，丰富绿色金融理论，如结合环境经济学与认知语言学，从文本时态、语态和性别倾向等探索其与绿色金融现有运行机制之间的联系，丰富绿色金融基础理论，完善绿色金融体系。

参考文献

Antweiler W.，Frank M. Z.. Is all that talk just noise？ The information content of internet stock message boards[J]. The Journal of Finance， 2004， 59（3）： 1259−1294.

Aruga K.， et al.. Developing novel technique for investigating guidelines and frameworks： A text mining comparison between international and Japanese green bonds[J]. Journal of Risk and Financial Management， 2022， 15（9）： 382.

Baker S. R.， et al.. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics， 2016， 131（4）： 1593−1636

Brown S. V.，Tucker J. W.. Large-sample evidence on firms’ year-over-year MD&A modifications[J]. Journal of Accounting Research， 2011， 49（2）： 309−346.

Hoberg G.，Phillips G.. Product market synergies and competition in mergers and acquisitions： A textbased analysis[J]. The Review of Financial Studies， 2010， 23（10）： 3773−3811.

Kim J.， Kim Y.，Zhou J.. Time encoding in languages and investment efficiency[J]. Management Science， 2021， 67（4）： 2609-2629.

Labatt S， White R R. Environmental finance： a guide to environmental risk assessment and financial products [M]. New York： John Wiley and Sons Ltd.， 2002.

Larcker D. F. and Watts E. M.. Where’s the greenium？[J]. Journal of Accounting and Economics， 2020（69）： 2-3.

Lo K.， Ramos F. and Rogo R.. Earnings management and annual report readability[J]. Journal of Accounting and Economics， 2017， 63（1）： 1−25.

Pham L. and Nguyen C. P.. How do stock， oil， and economic policy uncertainty influence the green bond market？[J]. Finance Research Letters， 2022（45）： 102128.

Reboredo J. C. and Ugolini A.. Price connectedness between green bond and financial markets[J]. Economic Modelling， 2020（88）： 25-38.

Van den Bremer T. S.，Van der Ploeg F.. The Risk-adjusted carbon price[J]. American Economic Review， 2021， 111（9）： 2782-2810.

Weber E. U.. What shapes perceptions of climate change？ New research since 2010[J]. Wiley Interdisciplinary Reviews： Climate Change， 2016， 7（1）： 125-134.

Zerbib O. D. The effect of pro-environmental preferences on bond prices： Evidence from green bonds[J]. Journal of Banking & Finance， 2019（98）： 39-60.

陈秋红，张园园.中国畜牧业碳减排政策演进： 基于452份政策文本的分析[J].华中农业大学学报（社会科学版），2022，157（1）： 10-23.

付琳，张东雨，闫昊本，等.基于政策文本分析的中国碳减排政策工具研究[J].科学学研究，2022（5）：1-19

葛锐，刘晓颖，孙筱蔚.审计师更换影响管理层报告信息增量了吗： 来自纵向文本相似度的证据[J].审计研究，2020（4）：113-122.

桂荷发，刘子茗，张春莲.b9ea349be6fa2adf5b930198e3c54b4da78381dc412712a8b0257d49b63dbecd环境友好型偏好对绿色债券融资成本的影响[J].金融论坛，2022，27（8）：29-39+51.

李哲.“多言寡行”的环境披露模式是否会被信息使用者摒弃[J].世界经济， 2018，41（12）：167-188.

李哲，王文翰.“多言寡行”的环境责任表现能否影响银行信贷获取： 基于“言”和“行”双维度的文本分析[J].金融研究，2021（12）：116-132.

马骏.论构建中国绿色金融体系[J].金融论坛，2015，20（5）：18-27.

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（11）：131-148.

孙光林，王颖，李庆海.绿色信贷对商业银行信贷风险的影响[J].金融论坛，2017， 22（10）：31-40.

王遥，潘冬阳，彭俞超，等.基于DSGE模型的绿色信贷激励政策研究[J].金融研究，2019（11）：1-18.

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（6）：171-188.

吴秋生，任晓姝.绿色信贷政策与企业“漂绿”行为治理： 基于国家金融学框架下的实证研究[J].金融经济学研究，2023，38（1）： 1-15.

杨希雅，石宝峰.绿色债券发行定价的影响因素[J].金融论坛，2020，25（1）：72-80.

张丽宏，刘敬哲，王浩.绿色溢价是否存在： 来自中国绿色债券市场的证据[J].经济学报，2021，8（2）：45-72.