田原　朱淑珍　陳煒

摘要：利用灰色系統(tǒng)理論及信息熵對金融環(huán)境特別是融資環(huán)境和碳市場的關聯性進行分析，構建碳市場與金融環(huán)境指標體系，并對其關聯度進行排序及指標甄別，結果表明：中國在建設碳市場的進程中，政策導向應依靠國內融資，國際資金只能作為輔助渠道；積極促進綠色債券、基金等股權債權的發(fā)展，比銀行提供間接融資對碳市場的影響更加顯著；金融機構信貸中真正用于低碳生產或投資的款項十分有限，政府只需對信貸結構稍加優(yōu)化，向低碳領域轉移，便可對碳市場起到明顯的杠桿作用。

關鍵詞：碳市場；金融環(huán)境；政策分析；信息熵；灰色關聯

中圖分類號：F062.2文獻標識碼：A文章編號：10037217（2017）05002007

一、引言和文獻綜述

二十國集團（G20）作為當今國際上重要的多邊對話平臺，致力于構建創(chuàng)新、活力、聯動、包容的世界經濟，同時，也必須在應對氣候變化問題中發(fā)揮重要的領導作用。這對于提升未來中國經濟的發(fā)展?jié)摿?，提高發(fā)展質量也意義重大?！笆濉弊鳛橹袊洕鷱母咚侔l(fā)展轉向“新常態(tài)”、創(chuàng)新型經濟發(fā)展承前啟后的重要階段，需要抓住重要的改革窗口期，實現從量的積累到質的飛越發(fā)展。中國正在推動綠色金融創(chuàng)新，并于2015年成立中國金融學會綠色金融專業(yè)委員會。G20會議期間，中國也強調了“十三五”中對綠色金融的積極推進，提出了綠色金融（即廣義的碳金融）體系的概念。作為一種市場化的制度安排，金融在促進環(huán)境保護和生態(tài)建設方面具有十分重要的作用。通過綠色債券、綠色證券、綠色保險、環(huán)境基金、政府和社會資本合作關系（PublicPrivate Partnership，PPP）等創(chuàng)新型金融產品提供資金支持，加強金融政策與產業(yè)政策的協調配合，可以有效減少對高耗能高污染行業(yè)、環(huán)境違法企業(yè)的資金支持，引導資源向綠色和低碳行業(yè)的配置，并強調碳市場作為減排資金的退出平臺對于碳金融體系的重要性。激活國內碳市場對于發(fā)展低碳經濟、爭取國際貨幣地位有著重要意義，了解其所處金融環(huán)境的影響，為碳市場的健康運行和全面推廣提供分析結構和政策建議[1]。

2013年6月至今，中國的碳排放交易體系（Emission Trading Schemes，ETS）在包括上海在內的七個試點省市已運行多年，碳交易市場（簡稱碳市場）已具雛形。中國政府擬于2017年推出全國碳市場。碳金融體系的構建是我國保持經濟可持續(xù)發(fā)展，實現綠色經濟和低碳經濟騰飛的重要組成[2]。碳交易作為金融市場的一個組成部分，無時無刻不受到金融宏觀環(huán)境的影響[3]。因而優(yōu)化中國碳市場的金融環(huán)境，促進碳交易市場快速發(fā)展的前提在于分析宏觀金融環(huán)境

——尤其是融資環(huán)境與碳市場的關系。

據G20工作組測算，2016—2020年，中國低碳融資需求最高可達30萬億元，2016—2030年的綠色資金需求最高為123萬億元。

同時，G20峰會中中國政府也提出了調動社會資金、構建碳金融體系的思路。

針對巨大的資金缺口以及碳市場發(fā)展中的不足[4-6]，

本文擬從碳市場及其金融環(huán)境——尤其是融資環(huán)境入手，利用灰色系統(tǒng)理論分析其關聯性，甄別影響碳市場的關鍵金融環(huán)境指標，以期為指導碳金融健康發(fā)展的政策建議以及科學研究提供有益參考。

財經理論與實踐（雙月刊）2017年第5期

2017年第5期（總第209期）田原，朱淑珍，陳煒：

中國金融環(huán)境與碳市場發(fā)展的關聯度及作用分析——基于G20背景

當前，金融環(huán)境對碳市場的影響研究聚焦于其對碳排放與碳價格的作用探析。Chevallier的研究結果表明，宏觀經濟環(huán)境在衰退期對于碳交易市場的建設起到了負面的作用[7]。Tamazian等根據金磚四國的面板數據，探析了金融發(fā)展、經濟發(fā)展對環(huán)境質量之間的正向積極作用[8]。Boutabba、Jalil和Feridun分別以印度和中國為例，研究均表明碳排放與經濟增長、能源消耗、金融發(fā)展之間具有長期關系[9，10]。Zhang也以中國為例，在研究碳排放的金融環(huán)境影響因素時發(fā)現，股票市場對碳排放具有重要影響[11]。Ozturk和Acaravci證明了經濟收入、能源消費、開放度和金融發(fā)展對碳排放具有長期正向影響[12]。雖然影響碳市場的因素還有諸如全球經濟形勢、全球氣候談判、政府氣候政策、特殊事件及氣候等客觀因素[13]，但上述因素是定量分析碳市場金融環(huán)境的關鍵指標，因此，本文也從前人的研究中選取了與金融環(huán)境尤其是融資相關的指標。

為了從全局或整體角度審視碳市場與金融環(huán)境時間序列的相關性，本文采用廣義灰色關聯分析法[14-18]①，同時，為了避免在計算灰色關聯度時采用相同權重而有失評價公允性和最優(yōu)性[19]，考慮利用信息熵客觀賦權，以盡可能利用客觀數據的全部信息量[20]。

二、數據和研究方法

（一）變量選取

綜合已有研究可知，與碳市場相關的金融環(huán)境影響因素涵蓋金融發(fā)展、證券市場、外國直接投資等，碳金融是一個龐大的系統(tǒng)，整體的運作涉及到信貸市場、資本市場、企業(yè)技術研發(fā)投資以及公共財政管理等多個領域。錯綜復雜的系統(tǒng)中，需要采用科學的方法在碳金融資金支持系統(tǒng)中選取代表性變量指標（統(tǒng)稱為金融環(huán)境變量），

構建簡明且具有代表性的碳金融體系資金支持框架，這也是本文的研究目標及創(chuàng)新之處。其中綠色信貸屬于間接融資，綠色債券、綠色證券、環(huán)境基金屬于直接融資，綠色保險和PPP等形式為不同程度上的金融創(chuàng)新。借鑒前人研究的所用指標，并同時聚焦資金支持方式、程度和效率，例如市場直接融資和間接融、外國直接投資，并加入經濟增長、能源消耗等與碳市場緊密相關的變量，來輔助衡量金融環(huán)境因素的關聯度。此外，整個金融市場的創(chuàng)新程度也會對碳市場的資金支持產生直接的影響，其中直接融資形式中的代理變量選取股市規(guī)模、股市效率以及清潔能源投資額，間接融資形式中的代理變量選取金融發(fā)展程度、金融發(fā)展規(guī)模和綠色信貸量。作為發(fā)展中國家，中國主要通過CDM（Clean Development Mechanism，清潔發(fā)展機制）實現國際約定的減排目標[5]，所以CDM項目減排量與碳交易量一樣，都是衡量碳市場活躍程度、發(fā)展水平的關鍵指標。endprint

2005—2014年碳市場和金融環(huán)境變量及其定義如表1所示。

從圖1可知，碳市場與宏觀金融環(huán)境各變量的趨勢關系并不清晰，因而需要通過灰色關聯分析評判變量間的相關程度。

（二）GM（1，1）模型數據模擬

根據前人的研究理論[15，17]，運用均值GM（1，1）模型進行灰色預測的過程如下：

存在時間序列X（0）=（x（0）（1），x（0）（2），…，x（0）（n）），且x（0）（k）0，k=1，2，…，n；X（1）為X（0）的一次累加生成算子序列：X（1）=（x（1）（1），x（1）（2），…，x（1）（n）），且x（1）（k）=∑ki=1x（0）（i），k=1，2，…，n。那么，有x（0）（k）+ax（1）（k）=b稱為GM（1，1）模型均值形式。若Z（1）=（z（1）（2），z（1）（3），…，z（1）（n）），且z（1）（k）=12（x（1）（k）+x（1）（k-1）），k=2，3，…，n，則GM（1，1）模型均值形式中的參數向量=[a，b]T由OLS運算可得：

=（BTB）-1BTY

并且Y，B分別為：

Y=x（0）（2）x（0）（3）x（0）（n）B=-z（0）（2）1-z（0）（3）-z（0）（n）11

可得時間相應式：

（1）（k）=x（0）（1）-bae-a（k-1）+bak=1，2，…，n

其累減還原式為：

（0）（k）=α（1）（1）（k）=（1）（k）-（1）（k-1）k=1，2，…，n

則可得X（0）所對應的時間相應式為：

（0）（k）=（1-ea）x（0）（1）-bae-a（k-1）k=1，2，…，n。

注：各變量數值取自然對數。

數據來源：《中國銀行業(yè)社會責任報告》和中國國家統(tǒng)計局。

（三）灰色關聯和熵權分析

灰色關聯分析的關聯序有不同的構建方式，常用的有考慮絕對量關系的絕對關聯序，以及從時刻觀測數據相對于始點的變化速率著眼的相對關聯序。這里既考慮絕對量的關系又結合變化速率的關系[25]，因此，采用綜合關聯序對碳市場與金融環(huán)境來進行探討，以權重將絕對與相對關聯度結合。

（1）標準化時間序列。

利用均值化算子將原始數據列化為無量綱序列，可求得統(tǒng)一量綱后的碳市場指標：碳交易量序列（Y1），CDM項目減排量（Y2）。相似地，可得標準化后的金融環(huán)境指標數據

，并按表1中由上到下的指標順序設為

X1，X2，…，X12。

在灰色關聯分析中，Y1，Y2為系統(tǒng)特征行為序列，則系統(tǒng)特征數k=2，而X1，X2，…，X12為相關因素行為序列，且個數為u=12。Yi與Xj具有相等長度（v=10）。

（2）絕對關聯矩陣計算。

求解各行為序列的始點零化像數值。由Y0i=Yi-yi（1）=（y0i（1），y0i（2），…，y0i（10）），其中i=1，2求得系統(tǒng)所有時間序列的零化像。利用公式

εij=1+Ysi+Xsj1+Ysi+Xsj+Xsj-Ysi，

其中，i=1，2；j=1，2，…，12。

由Ysi=∑9k=2y0i（k）+12y0i（10）、Xsj=∑9k=2x0j（k）+12x0j（10）以及Xsj-Ysi=∑9k=2（x0j（k）-y0i（k）+12（x0j（10）-y0i（10））運算可得絕對關聯矩陣A=（εij）。

（3）相對關聯矩陣計算。

與絕對關聯矩陣計算不同是，首先利用X′j=Xj/xj（1）=（x′j（1），x′j（2），…，x′j（10）），j=1，2，…，12計算系統(tǒng)特征行為序列Yi的初值像Y′1，Y′2。類似地，得到相關因素行為序列Xj的初值像X′1，X′2，…，X′12。其次，與絕對關聯矩陣計算求系統(tǒng)所有序列始點零化像方法一樣，分別可得Y′i與X′j的始點零化像Y′01，Y′02與X′01，X′02，…，X′012，利用εij求得相對關聯矩陣B=（γij）。

（4）綜合關聯矩陣計算。

根據綜合關聯矩陣計算式將絕對和相對關聯矩陣聯合：

C=θA+（1-θ）B=（θεij+（1-θ）γij）=（ρij）。

（5）熵值法指標權重計算。

采用熵值法確定指標權重，熵是系統(tǒng)無序程度的一種表征方法[25，26]：假設存在非負序列X={x1，x2，…，xm}，其中∑mi=1xi=1，那么H=-1lnm∑mi=1xilnxi則稱為X的熵值。在m種情景、n個評價指標下，則設指標數據矩陣為A=（aij）m×n，其中第j項熵值：ej=-1lnm∑mi=1pijlnpij，且pij=aij/∑mi=1aij為第i種狀態(tài)值與第j項指標中所占比例，并認為當pij=0時，pijlnpij=0，那么稱1-ej為第j項指標的差異系數。則較大的差異系數對應較小的熵值，即該指標對系統(tǒng)的作用較大，故第j項指標的熵權為： ωj=（1-ej）/∑nj=1（1-ej）。

三、結果分析

（一）灰色預測結果

“清潔能源投資額”的原始數據如表2所示。

表3為GM（1，1）模型所計算的原始數據檢驗精度，其平均相對誤差為Δ=16∑13k=2Δk=16.24%，說明該模型可用于缺失數據后續(xù)的灰色預測。其預測結果為（（0）（8），（0）（9），（0）（10））=（16130，15667，15218），因此，補足了時間序列缺實的三個數據。

（二）灰色關聯矩陣計算結果

由灰色關聯的方法計算得到絕對關聯矩陣：endprint

A=（εij）=0.77510.52670.64830.51730.61510.89470.58180.55810.72360.90430.57770.52230.94860.54360.74190.52320.68760.88850.63340.59470.86460.87930.62670.5334

同時求得相對關聯矩陣：

B=（γij）=0.52910.51970.52260.51950.52150.61040.52080.52030.52500.54470.52070.51960.96500.51590.65760.50640.60320.61900.56740.54320.78160.70280.56390.5125

綜合關聯度θ取0.5，即假設時間序列關于始點變化的絕對量關系與速率關系同等重要，于是可得：

C=（ρij）=0.65210.52320.58550.51840.56830.75260.55130.53920.62430.72450.54920.52100.95680.52970.69970.51480.64540.75380.60040.56890.82310.79100.59530.5230

（三）指標權重計算結果

由碳市場數據經標準化后得到其指標數據矩陣Y=（yij）10×2，其中狀態(tài)十項，評估指標兩項。根據熵值法權重計算式得到兩項指標的權重分別為ωYj=（0.51530.4847）。類似地，由金融環(huán)境數據經標準化后得到宏觀環(huán)境指標數據矩陣X=（xij）10×12，進而可得十二項宏觀金融環(huán)境指標權重分別為：

ωXj=（0.0851 0.0816 0.0832 0.0797 0.0826 0.0893 0.0823 0.0823 0.0840 0.0870 0.0821 0.0808）T

（四）基于信息熵的灰色關聯度

將已求得的綜合關聯矩陣C=Y*1Y*2T，與已知碳市場指標權重ωYj進行運算，可以得到： Y*2ωY2=3.8787>Y*1ωY1=3.6634，因而Y2≥Y1，所以Y2為最優(yōu)特征。

類似地，將綜合關聯矩陣C=X*1X*2 … X*12與已知金融環(huán)境指標權重ωXj進行運算，可以得到：

ωXjX*j=[0.1370 0.0859 0.1069 0.0823 0.1003 0.1345 0.0948 0.0942 0.1215 0.1319 0.0909 0.0844]

因此，最終結果為X1≥X6≥X10≥X9≥X3≥X5≥X7≥X8≥X11≥X2≥X12≥X4，即X1為最優(yōu)特征，X6次之，而X4、X12、X2較劣，即GDP增速、能源消耗增速以及FDI與碳市場績效關聯度不大，所以考慮刪除該三項指標。由上可知，最后確定的碳市場金融環(huán)境指標依次為：X1≥X6≥X10≥X9≥X3≥X5≥X7≥X8≥X11，共計九項。

（五）結果分析

綠色信貸額與清潔能源投資額的增加，會直接影響減排量的上升進而提高全社會可交易碳額。而股票市場效率和股票市場規(guī)模可以解釋為反映直接融資規(guī)模和效率的指標，其大小表明直接融資體系的資金配置體量與效率的水平；金融發(fā)展規(guī)模和金融發(fā)展效率可以解釋為間接融資規(guī)模和效率的指標，其大小表明間接融資體系的資金配置體量與效率的水平；金融資產中用于投資的份額的增加對應著金融創(chuàng)新度的提升，金融創(chuàng)新主要體現的是金融產品的創(chuàng)新，制度和市場的創(chuàng)新除了資金比例外需要更多的指標來表現。

（1）體現直接融資水平的股票市場效率和規(guī)模與碳市場的關聯性較強，

面對中國碳市場交易冷清的局面，關注總體直接融資水平也許對改善碳市場現狀起到敲山震虎的作用。對間接融資的金融中介規(guī)模及效率指標的分析也表明了其與碳市場發(fā)展的顯著關聯度，其主要原因是銀行貸款依然是中國企業(yè)獲得外部資金從而擴大低碳投資規(guī)模的最有力支持，因此，中國的碳市場發(fā)展十分依賴銀行資產規(guī)模的擴張。另外

，金融中介的效率與規(guī)模相比，其關聯度要略小，說明對減排的作用，間接融資的“量”仍然要大于融資的“質”。對比直接融資和間接融資對碳市場的關聯度，直接融資的關聯度更顯著，說明積極促進股權或債權即綠色債券、綠色基金和綠色信托等企業(yè)直接融資的規(guī)模和效率，不僅是金融市場深化的途徑，也更有助于碳市場的健康成長。

（2）

清潔能源投資即CDM項目東道國注冊和運作項目的估計資本投資，基本是中國清潔能源基金的直接投資形式，而綠色信貸額則是間接融資對減排項目的支持，

綠色信貸額與清潔能源投資額同為減排融資指標，但前者與碳市場的關聯更加緊密，

可見，綠色信貸對于碳市場的發(fā)展是具有針對性的。

（3）對比綠色信貸額

與另兩個表征間接融資的指標，

可以發(fā)現后者與碳市場的關聯度小得多。一方面，說明綠色信貸對碳市場的發(fā)展是極具針對性的；另一方面，說明金融機構的貸款結構中真正用于低碳生產或投資的款項是十分有限的。從圖2不難發(fā)現，近年來中國的社會融資總量幾乎呈下降趨勢，實體經濟的融資尚且如此捉襟見肘，綠色專款的零星占比也就不足為奇，否則也不會出現減排信貸關聯度遠大于整體信貸的情況。因此，政府應采取有效宏觀調控措施以促進銀行優(yōu)化貸款結構，例如采用“綠色差別化存款準備金”與“資本充足率要求”，修改計算資本充足率要求的風險權重來支持低碳資產，以及其他旨在放寬低碳企業(yè)貸款條件的量化宏觀審慎政策，也是加快碳市場發(fā)展的手段之一。

圖22004—2014年綠色信貸額和社會融資總量

數據來源：《中國銀行業(yè)社會責任報告》和中國國家統(tǒng)計局。

（4）金融創(chuàng)新程度之所以與碳市場的關聯度較低，主要原因可能在于碳市場這樣一個剛剛推出的金融市場體現了更多公共品的屬性，目前來看，無法形成對逐利資本足夠的吸引，因此，金融產品的創(chuàng)新也如鳳毛麟角，例如，截至2016年5月中旬，中國債券市場僅存在7只綠色債券，發(fā)行規(guī)模共計520億元。截至2015年10月，中證指數公司編制的綠色環(huán)保類指數約為16個，占其編制的A股市場指數總數（約800個）的2%；基金管理機構設立的以環(huán)保為主題的基金約有32只，其中，指數型基金15只，主動管理型基金17只[27]。endprint

（5）如圖3所示，近年來中國的FDI凈流入占比GDP的比率不到5%，這限制了其作為驅動碳市場發(fā)展的動力。說明在開展碳市場的進程中，中國還是應依靠國內融資，國際資金只能作為輔助的資金渠道，相較需要依靠大量國際資本助力碳交易市場的小國，中國作為發(fā)展中國家的領頭羊這也是碳交易市場發(fā)展的合理政策取向。事實上，中國政府大力推進應對氣候變化南南合作，主動從2015年開始加大對發(fā)展中國家應對氣候變化的資金支持，并出資200億元人民幣建立氣候變化南南合作基金。但即便如此，FDI的投資還是需要被嚴格監(jiān)控，例如，2014年中國的FDI實際使用情況中制造業(yè)占比為334%，遙遙領先于其他行業(yè)，其次是房地產業(yè)。說明政府或社會團體在考慮減排及發(fā)展碳市場時，要把這兩個行業(yè)的項目緊緊納入“綠色”政策導向中，以避免隨著FDI的擴張，反而對低碳發(fā)展產生負面作用。

圖31997—2014年中國FDI實際使用情況

數據來源：中國國家統(tǒng)計局。

四、結論

碳市場作為服務“綠色經濟”改革的重要環(huán)節(jié)，與金融環(huán)境特別是融資環(huán)境的發(fā)展息息相關。剖析其內在關聯，有助于制定一系列政策并進行制度調整，通過貸款、私募投資、發(fā)行債券和股票、保險等金融服務引導社會資金進入低碳產業(yè)。

通過總結歸納中國碳市場與宏觀環(huán)境尤其是融資研究的表征指標，

采用灰色系統(tǒng)理論和熵權法對指標進行梳理篩選，并分析

對比直接和間接融資發(fā)現，積極促進綠色債券、綠色基金和綠色信托等股權債權的發(fā)展比銀行提供間接融資對碳市場的影響更加顯著。同時，減排專項信貸關聯度遠大于整體信貸的情況，說明金融機構的貸款結構中真正用于低碳生產或投資的款項十分有限，政府應采取有效宏觀調控措施促進銀行優(yōu)化貸款結構，這也是加快碳市場發(fā)展的手段之一。

碳額度的公共品屬性致使其無法形成對金融創(chuàng)新、逐利資本的足夠吸引。此外，國際資金的FDI在GDP中不到5%的占比，也弱化了其對碳市場的影響力，因此，中國在發(fā)展碳市場的進程中，政策導向還是應依靠國內融資，國際資金只能作為輔助的資金渠道。

注釋：

①灰色系統(tǒng)理論研究不確定性系統(tǒng)問題時，對數據量大小及樣本有無規(guī)律性并無要求，因而擅長處理數據樣本量小或不滿足統(tǒng)計要求的問題，它廣泛應用于能源、環(huán)境、金融、經濟和管理等領域?；疑A測和灰色關聯是灰色系統(tǒng)理論中的重要內容，其中灰色預測主要采用GM（1，1）模型。

參考文獻：

[1] 田原，陳煒.金融創(chuàng)新系統(tǒng)結構模型及實證研究[J].技術經濟與管理研究，2015（4）：82-88.

[2] 杜莉，張云，王鳳奎.開發(fā)性金融在碳金融體系建構中的引致機制[J].中國社會科學，2013（4）：103-119.

[3] 唐躍軍，黎德福.環(huán)境資本、負外部性與碳金融創(chuàng)新[J].中國工業(yè)經濟，2010（6）：5-14.

[4] Lo A Y，Howes M.Powered by the state or finance？ the organization of Chinas carbon markets[J].Eurasian Geography and Economics，2013，54（4）：386-408.

[5] 張晨，楊玉，張濤.基于Copula模型的商業(yè)銀行碳金融市場風險整合度量[J].中國管理科學，2015，23（4）：61-69.

[6] 高楊，李健.基于 EMDPSOSVM 誤差校正模型的國際碳金融市場價格預測[J].中國人口資源與環(huán)境，2014，24（6）：163-170.

[7] Chevallier J.Macroeconomics，finance，commodities：interactions with carbon markets in a datarich model[J].Economic Modelling，2011，28（1-2）：557-567.

[8] Tamazian A，Chousa J P，Vadlamannati C.Does higher economic and financial development lead to environmental degradation：evidence from the BRIC countries[J].Energy Policy，2009，37（1）：246-253.

[9] Boutabba M A.The impact of financial development，income，energy and trade on carbon emissions：evidence from the Indian economy[J].Economic Modelling，2014，40：33-41.

[10] Jalil A，Feridun M.The impact of growth，energy and financial development on the environment in China：a cointegration analysis[J].Energy Economics，2011，33（2）：284-291.

[11] Zhang Y J.The impact of financial development on carbon emissions：an empirical analysis in China[J].Energy Policy，2011，39（4）：2197-2203.

[12] Ozturk I，Acaravci A.The longrun and causal analysis of energy，growth，opennessand financial development on carbon emissions in Turkey[J].Energy Economics，2013，36：262-267.endprint

[13] 杜莉，孫兆東，汪蓉.中國區(qū)域碳金融交易價格及市場風險分析[J].武漢大學學報：哲學社會科學版，2015，68（2）：86-93.

[14] 岳洪江，劉思峰.灰色系統(tǒng)理論的發(fā)展、應用與擴散特征研究[J].系統(tǒng)科學學報，2008，16（4）：14-21.

[15] 謝乃明，劉思峰.離散GM（1，1）模型與灰色預測模型建模機理[J].系統(tǒng)工程理論與實踐，2005，25（1）：93-98.

[16] 劉思峰，蔡華，楊英杰，等.灰色關聯分析模型研究進展[J].系統(tǒng)工程理論與實踐，2013，33（8）：2041-2046.

[17] 江藝羨，張岐山.GM（1，1）模型背景值的優(yōu)化[J].中國管理科學，2015，23（9）：146-152.

[18] 王先甲，張熠.基于AHP和DEA的非均一化灰色關聯方法[J].系統(tǒng)工程理論與實踐，2011，31（7）：1222-1229.

[19] 劉思峰，楊英杰，吳利豐，等.灰色系統(tǒng)理論及其應用[M].北京：科學出版社，2014.

[20] 郭曉君，劉思峰，方志耕.基于粗糙數和信息熵的產品設計方案灰色關聯評估模型[J].運籌與管理，2015，24（6）：170-175.

[21] Ziaei S M.Effects of financial development indicators on energy consumption and CO2 emission of European，East Asian and Oceania countries[J].Renew Sust Energ Rev，2015，42：752-759.

[22] Dogan E，Seker F.The influence of real output，renewable and nonrenewable energy，trade and financial development on carbon emissions in the top renewable energy countries[J].Renew Sust Energ Rev，2016，60：1074-1085.

[23] Khandaker S，Ali M J.The impact of macroeconomic variables on stock market volatility：evidence from crosscountry analysis pre，during and post gfc[OL].During and Post Gfc，see http：//papers.ssrn.com/sol3/papers.cfm？abstract_id= 2699122，2015.

[24] Doytch N，Narayan S.Does FDI influence renewable energy consumption？ an analysis of sectoral FDI impact on renewable and nonrenewable industrial energy consumption[J].Energ Econ，2016，54：291-301.

[25] Hao Y，Liu Y M.Has the development of FDI and foreign trade contributed to Chinas CO2 emissions？ an empirical study with provincial panel data[J].Nat Hazards，2015，76：1079-1091.

[26] 黃海新，孔暢，于海斌等.自適應特征熵權模糊C均值聚類算法的研究[J].系統(tǒng)工程理論與實踐，2016，36（1）：219-223.

[27] 馬駿.“十三五”時期綠色金融發(fā)展十大領域[J].中國銀行業(yè).2016（1）：22-24.

（責任編輯：寧曉青）endprint