李宇航 高微

摘? ?要：隨著大數(shù)據(jù)和人工智能的快速發(fā)展，人工智能技術(shù)已成為推動(dòng)區(qū)域綠色金融發(fā)展的重要助力。根據(jù)2008—2019年30個(gè)省級(jí)面板數(shù)據(jù)，釋析人工智能對(duì)區(qū)域綠色金融水平的影響效應(yīng)，結(jié)果表明，人工智能可提升區(qū)域綠色金融發(fā)展水平并體現(xiàn)出區(qū)域差異性，即對(duì)東部區(qū)域綠色金融的促進(jìn)效應(yīng)明顯高于中西部地區(qū)。為此，提出實(shí)施區(qū)域差異政策、培養(yǎng)專業(yè)技術(shù)人才和強(qiáng)化金融市場(chǎng)監(jiān)管等建議。

關(guān)鍵詞：人工智能；綠色金融；技術(shù)市場(chǎng)；高質(zhì)量發(fā)展

中圖分類號(hào)：F224? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2023）16-0105-05

一、文獻(xiàn)綜述

近年來(lái)，隨著全球氣候變化和可持續(xù)發(fā)展目標(biāo)的要求，綠色金融受到世界各國(guó)政府、金融機(jī)構(gòu)和企業(yè)的廣泛關(guān)注[1]。發(fā)展綠色金融是實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展和環(huán)境保護(hù)雙贏的關(guān)鍵路徑。2020年6月，中國(guó)證監(jiān)會(huì)發(fā)布《關(guān)于加強(qiáng)投資者教育和綠色金融工作的通知》，提出了加強(qiáng)投資者教育、綠色金融機(jī)制建設(shè)、行業(yè)標(biāo)準(zhǔn)和綠色金融信息披露等要求；同年9月，中國(guó)銀保監(jiān)會(huì)發(fā)布《關(guān)于進(jìn)一步推動(dòng)綠色信貸業(yè)務(wù)有序發(fā)展的指導(dǎo)意見》，明確了綠色信貸相關(guān)業(yè)務(wù)的業(yè)務(wù)范圍、綠色標(biāo)準(zhǔn)的確定和風(fēng)險(xiǎn)管理等內(nèi)容；同年12月，歐洲委員會(huì)推出“歐洲綠色協(xié)議”，旨在加強(qiáng)歐洲的綠色金融基礎(chǔ)設(shè)施和綠色投資工具的研發(fā)，以支持歐洲在2030年前實(shí)現(xiàn)減排目標(biāo)?？梢?，各國(guó)政府對(duì)綠色金融高度重視和支持，為企業(yè)和金融行業(yè)提供明確的指導(dǎo)和規(guī)范，為經(jīng)濟(jì)向更加環(huán)保、可持續(xù)的方向轉(zhuǎn)型提供積極的推動(dòng)力。在此背景下，人工智能作為一項(xiàng)顛覆性的技術(shù)創(chuàng)新，具有強(qiáng)大的數(shù)據(jù)分析和智能決策能力，可以有效提供更精確和高效的分析結(jié)果和決策支持[2]，從而實(shí)現(xiàn)綠色金融市場(chǎng)的規(guī)范化和可持續(xù)發(fā)展[3]。目前雖然學(xué)界對(duì)綠色金融的概念界定、影響因素和市場(chǎng)發(fā)展等方面進(jìn)行了一定的研究，但是關(guān)注人工智能技術(shù)對(duì)綠色金融發(fā)展水平影響的研究較少。因此，本文基于創(chuàng)新擴(kuò)散理論，對(duì)人工智能驅(qū)動(dòng)下的中國(guó)綠色金融發(fā)展進(jìn)行分析，旨在為綠色金融市場(chǎng)高質(zhì)量發(fā)展提供有益的參考建議。

學(xué)界對(duì)綠色金融的研究主要包括以下方面。一是綠色金融的概念界定及基礎(chǔ)理論。Lindenberg（2014）認(rèn)為，綠色金融是對(duì)公共和私人的綠色投資進(jìn)行融資，包括環(huán)境產(chǎn)品和服務(wù)、環(huán)境和氣候損害的預(yù)防、減少和補(bǔ)償、鼓勵(lì)環(huán)境保護(hù)政策的實(shí)施，以及與綠色投資相關(guān)的金融體系和工具，如綠色氣候基金、綠色債券和結(jié)構(gòu)化綠色基金等[4]。李曉西等人（2017）認(rèn)為，綠色金融是以促進(jìn)經(jīng)濟(jì)、資源、環(huán)境協(xié)調(diào)發(fā)展為目的而進(jìn)行的信貸、保險(xiǎn)、證券、產(chǎn)業(yè)基金等金融活動(dòng)[5]。Hemanand et al（2022）認(rèn)為，綠色金融是專注于可持續(xù)經(jīng)濟(jì)的可持續(xù)項(xiàng)目和政策的金融投資[6]。二是綠色金融發(fā)展現(xiàn)狀及測(cè)評(píng)。黃孝武等人（2022）基于綠色信貸、綠色證券等5個(gè)維度構(gòu)建指標(biāo)體系測(cè)算綠色金融發(fā)展指數(shù)，分析其區(qū)域差異與動(dòng)態(tài)演進(jìn)趨勢(shì)，得出中國(guó)綠色金融發(fā)展水平較低且呈現(xiàn)下降趨勢(shì)，但綠色金融發(fā)展相對(duì)差異的變化較為穩(wěn)定等結(jié)論[7]。王君萍等人（2022）基于省級(jí)數(shù)據(jù)，運(yùn)用熵權(quán)法及灰色關(guān)聯(lián)模型對(duì)中國(guó)區(qū)域綠色金融發(fā)展水平進(jìn)行測(cè)度，發(fā)現(xiàn)其存在顯著的空間相關(guān)性，得出各省份的綠色金融發(fā)展整體水平較低的結(jié)論[8]。邢宇等人（2023）采用綠色投入、綠色產(chǎn)出維度的評(píng)價(jià)指標(biāo)體系，利用DEA-Malmquist指數(shù)分析法測(cè)度2013—2020年中國(guó)綠色金融發(fā)展效率，探尋其區(qū)域差異及演化趨勢(shì)，得出綠色金融發(fā)展效率整體呈上升趨勢(shì)但存在顯著區(qū)域異質(zhì)性的結(jié)論[9]。三是現(xiàn)有實(shí)證研究大多將綠色金融作為自變量或中介變量，深入探索其社會(huì)、經(jīng)濟(jì)、環(huán)境效益，如綠色金融對(duì)經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)轉(zhuǎn)型升級(jí)、碳排放等因素的影響[10-14]，但聚焦于綠色金融發(fā)展本身及其影響因素的研究仍存在一定的不足和局限。目前，雖然關(guān)注了綠色金融市場(chǎng)，但實(shí)現(xiàn)其可持續(xù)發(fā)展和穩(wěn)定增長(zhǎng)仍然需要深入研究和探索。

二、研究假說(shuō)與設(shè)計(jì)

（一）研究假說(shuō)

當(dāng)前，中國(guó)人工智能技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域，并成為促進(jìn)金融產(chǎn)品創(chuàng)新、推動(dòng)綠色金融發(fā)展的重要助力，對(duì)提高企業(yè)主營(yíng)業(yè)務(wù)利潤(rùn)、降低企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)和促進(jìn)金融業(yè)數(shù)字化進(jìn)程等方面具有積極的作用[15]。人工智能技術(shù)對(duì)綠色金融的積極影響效應(yīng)主要體現(xiàn)在以下方面。

第一，人工智能技術(shù)能緩解信息不對(duì)稱的問(wèn)題，從而能有效識(shí)別和降低金融風(fēng)險(xiǎn)。人工智能技術(shù)能解決“數(shù)據(jù)孤島”問(wèn)題，如通過(guò)對(duì)環(huán)境數(shù)據(jù)、企業(yè)數(shù)據(jù)和市場(chǎng)數(shù)據(jù)的深入挖掘，幫助金融機(jī)構(gòu)更準(zhǔn)確評(píng)估綠色金融項(xiàng)目的潛力和風(fēng)險(xiǎn)，從而提高其決策的科學(xué)性和有效性。

第二，人工智能技術(shù)能增加綠色金融產(chǎn)品供給，以滿足多層次的融資需求。人工智能技術(shù)可將海量的信息進(jìn)行收集和整理，發(fā)現(xiàn)不同企業(yè)和客戶在不同場(chǎng)景、不同階段下的融資需求，增加綠色融資產(chǎn)品供給，實(shí)現(xiàn)供給端和消費(fèi)端的精準(zhǔn)匹配。

第三，人工智能技術(shù)能提升綠色金融服務(wù)水平，促進(jìn)綠色金融高質(zhì)量發(fā)展。人工智能技術(shù)可簡(jiǎn)化金融機(jī)構(gòu)自動(dòng)化和數(shù)字化流程，減少材料消耗和人為錯(cuò)誤，提高工作效率和消費(fèi)者滿意度。同時(shí)，金融機(jī)構(gòu)可通過(guò)人工智能技術(shù)應(yīng)用提升綠色金融服務(wù)效率。

此外，人工智能技術(shù)與技術(shù)市場(chǎng)具有相互影響、相互促進(jìn)的效應(yīng)。人工智能技術(shù)的成熟和發(fā)展能促進(jìn)技術(shù)市場(chǎng)發(fā)展并形成規(guī)模效應(yīng)，從而推動(dòng)人工智能產(chǎn)業(yè)和產(chǎn)業(yè)智能化發(fā)展。而技術(shù)市場(chǎng)化水平的提高能促進(jìn)數(shù)據(jù)資源和人工智能產(chǎn)業(yè)的集聚，從而為人工智能發(fā)展提供必要的資金、技術(shù)和人才，持續(xù)促進(jìn)人工智能技術(shù)的迭代升級(jí)和技術(shù)進(jìn)步。人工智能技術(shù)可通過(guò)技術(shù)市場(chǎng)為金融機(jī)構(gòu)和企業(yè)提供技術(shù)服務(wù)和技術(shù)支持，從而進(jìn)一步影響區(qū)域綠色金融發(fā)展水平。比如，周杰琦等人（2023）認(rèn)為，人工智能會(huì)提升區(qū)域綠色發(fā)展效率，且人工智能的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化效應(yīng)在市場(chǎng)化水平上越高、人力資本積累越深厚的區(qū)域表現(xiàn)越為顯著[16]。綜合以上分析，本文提出以下假設(shè)：

假設(shè)1：人工智能技術(shù)有助于促進(jìn)區(qū)域綠色金融發(fā)展水平。

假設(shè)2：人工智能技術(shù)可通過(guò)技術(shù)市場(chǎng)發(fā)展水平影響區(qū)域綠色金融發(fā)展水平。

（二）研究設(shè)計(jì)

1.模型構(gòu)建。構(gòu)建基準(zhǔn)回歸模型分析農(nóng)地流轉(zhuǎn)對(duì)農(nóng)業(yè)碳生產(chǎn)率的影響，其模型為：

GFit=η0+η1AIit+η2ΣXit+γi+μt+εit（1）

其中，GFit表示被變量綠色金融發(fā)展水平，AIit表示核心解釋變量人工智能；i代表省份，t代表時(shí)間；Xit為一系列控制變量的集合，包括產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)化水平、人力資本水平和對(duì)外開放程度；γi代表區(qū)域固定效應(yīng)，μt為年份固定效應(yīng)，εit為隨機(jī)誤差項(xiàng)；η0、η1和η2為待估參數(shù)，其中η1是本文關(guān)注的核心參數(shù)。

為進(jìn)一步分析人工智能提升區(qū)域綠色金融發(fā)展水平，根據(jù)前文研究假設(shè)，進(jìn)一步檢驗(yàn)人工智能通過(guò)影響技術(shù)市場(chǎng)發(fā)展水平對(duì)區(qū)域綠色金融發(fā)展水平的傳導(dǎo)機(jī)制，本文借鑒以往研究方法，使用逐步回歸發(fā)構(gòu)建中介模型。其模型為：

Mit=θ0+θ1AIit+θ2ΣXit+γi+μt+εit（2）

GFit=ψ0+ψ1AIit+ψ2Mit+ψ3ΣXit+γi+μt+εit（3）

其中，Mit為中介變量，由技術(shù)市場(chǎng)發(fā)展水平表示。如果方程中的η1、θ1、ψ1系數(shù)均顯著，則存在中介效應(yīng)。

2.變量定義。變量主要包括被解釋變量和核心解釋變量：

（1）被解釋變量。本文采用工業(yè)機(jī)器人安裝密度作為各省人工智能狀況的代理變量（AI）。工業(yè)機(jī)器人數(shù)據(jù)來(lái)自于國(guó)際機(jī)器人聯(lián)盟（IFR），本文參考Bartik（1991）和康茜（2021）的做法，將各行業(yè)層面的機(jī)器人數(shù)據(jù)轉(zhuǎn)化為省級(jí)數(shù)據(jù)。其測(cè)算方法為：

Bit=■（Fit×Ritj）

其中，Bit表示i省t年的工業(yè)機(jī)器人安裝密度，F(xiàn)it表示j行業(yè)年的各行業(yè)機(jī)器人數(shù)量，Ritj表示i省t年j行業(yè)就業(yè)人數(shù)與全國(guó)總就業(yè)人數(shù)的比重。

（2）核心解釋變量，即綠色金融發(fā)展水平（GF）。參考方建國(guó)（2019）的做法，從綠色信貸、綠色投資、綠色保險(xiǎn)和政府支持四個(gè)層面出發(fā)，構(gòu)建區(qū)域綠色金融發(fā)展水平指標(biāo)體系。本文采用熵值法對(duì)各項(xiàng)指標(biāo)權(quán)重進(jìn)行測(cè)度，最終得到各省域綠色金融發(fā)展水平指數(shù)。為消除各指標(biāo)在量綱、數(shù)量級(jí)及方向上的差異，本文對(duì)各指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，其公式為：

正向指標(biāo)：

Xij=■（4）

負(fù)向指標(biāo)：

Xij=■（5）

計(jì)算熵值的權(quán)重和得分：

第一，先構(gòu)建原始指標(biāo)數(shù)據(jù)矩陣，設(shè)有m個(gè)城市，有n項(xiàng)評(píng)價(jià)指標(biāo)，矩陣公式為：

X={Xij}m×n（0·i·m，0·j·n）（6）

第二，第j項(xiàng)指標(biāo)的熵值為：

ej=-k■PijlnPij，j=1，2，...，n（7）

其中，Pij ij/■Xij，=1/ln n，且ej≥0。

第三，計(jì)算信息熵的冗余度：

dj=1-ej（8）

第四，計(jì)算各指標(biāo)的權(quán)重為：

wj=■0·wj·1，■wj=1（9）

第五，計(jì)算各指標(biāo)的綜合得分：

wj=■wj·X■（10）

基于以上步驟，使用熵值法計(jì)算綠色債券、綠色投資、綠色保險(xiǎn)和政府支持的權(quán)重系數(shù)，見表1。將各項(xiàng)指標(biāo)的權(quán)重系數(shù)乘以標(biāo)準(zhǔn)化后的指標(biāo)數(shù)據(jù)，可計(jì)算出各省域綠色金融發(fā)展水平。

中介變量：本文以技術(shù)市場(chǎng)發(fā)展水平作為中介變量，以各省技術(shù)市場(chǎng)成交額占GDP的比重表示。

控制變量：為更加全面地分析人工智能對(duì)區(qū)域綠色金融發(fā)展水平的影響效應(yīng)，還需要研究可能影響綠色金融的其他因素。通過(guò)對(duì)以往研究，本文選取以下控制變量。一是產(chǎn)業(yè)結(jié)構(gòu)（IS）：以第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值的比值表示，反映不同區(qū)域產(chǎn)業(yè)結(jié)構(gòu)情況；二是工業(yè)化水平（II）：以工業(yè)增加值與地區(qū)生產(chǎn)總數(shù)的比值表示，反映不同區(qū)域工業(yè)化水平；三是對(duì)外開放程度（FO）：以貨物進(jìn)出口總額與GDP的比值表示，反映不同區(qū)域?qū)ν忾_放程度；四是人力資本水平（HC）：以高等學(xué)校在校生人數(shù)與總?cè)丝跀?shù)的比值表示，反映不同區(qū)域人力資源水平。

3.數(shù)據(jù)來(lái)源與樣本選擇。根據(jù)數(shù)據(jù)的可得性和完整性，本文選取2008—2019年中國(guó)30個(gè)省份相關(guān)數(shù)據(jù)開展研究。其中指標(biāo)初始數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》《中國(guó)保險(xiǎn)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》，部分缺失指標(biāo)采用線性插值法進(jìn)行補(bǔ)齊。各指標(biāo)的描述性統(tǒng)計(jì)見表2。

三、實(shí)證結(jié)果分析

（一）基準(zhǔn)回歸

根據(jù)公式進(jìn)行基礎(chǔ)回歸，初步得出人工智能與區(qū)域綠色金融發(fā)展水平間的關(guān)系，其結(jié)果如表3所示。

表3列（1）中人工智能系數(shù)為0.030 7，且在5%的水平上顯著。隨著控制變量逐步增加，列（2）至列（5）中人工智能的系數(shù)均為正，且均在10%以及5%的水平上顯著。以上結(jié)果表明，人工智能可提升區(qū)域綠色金融發(fā)展水平，即人工智能每提高1%，區(qū)域綠色金融發(fā)展水平將提高0.0285%，假設(shè)1得到了驗(yàn)證。

（二）內(nèi)生性檢驗(yàn)

為進(jìn)一步消除內(nèi)生性問(wèn)題，本文選擇人工智能的滯后一期作為工具變量，采用二階段最小二乘法進(jìn)行回歸。其結(jié)果見表4。

表4第（1）列中，一階段顯示IV系數(shù)估計(jì)值在1%的水平上顯著為正，驗(yàn)證了相關(guān)性假定。F統(tǒng)計(jì)量檢驗(yàn)值大于10，消除了弱工具變量的問(wèn)題。此外，第（2）列中Kleibergen-Paap rk LM統(tǒng)計(jì)量p值全部小于0.1，拒絕了識(shí)別不足的原假設(shè)；Kleibergen-Paap-rk-Wald F統(tǒng)計(jì)量大于10，也表明并不存在弱工具變量的問(wèn)題。第二階段回歸結(jié)果顯示，人工智能系數(shù)在10%的水平上顯著為正，說(shuō)明在緩解內(nèi)生性問(wèn)題后，本文的結(jié)論依然成立，即人工智能能夠顯著提升區(qū)域綠色金融發(fā)展水平。

（三）穩(wěn)健性檢驗(yàn)

為避免數(shù)據(jù)中存在異常值對(duì)回歸結(jié)果造成影響，對(duì)樣本進(jìn)行1%雙側(cè)縮尾處理。本文上述分別對(duì)所有變量小于第1個(gè)百分位數(shù)的值替換為第1個(gè)百分位數(shù)，對(duì)所有變量大于第99個(gè)百分位數(shù)的值替換為第99個(gè)百分位數(shù)，見表5。

根據(jù)表5中的回歸結(jié)果可發(fā)現(xiàn)，人工智能的系數(shù)方向和顯著性水平并沒(méi)有發(fā)生變化，所以上文回歸結(jié)果是穩(wěn)健的。

四、機(jī)制與異質(zhì)性分析

（一）機(jī)制分析

本文根據(jù)公式（2）和（3）驗(yàn)證了技術(shù)市場(chǎng)發(fā)展水平（TD）的中介作用，見表6。

根據(jù)表6所示，人工智能系數(shù)在10%的水平上顯著為正，表明人工智能對(duì)區(qū)域綠色金融產(chǎn)生了積極影響，這與前文的研究結(jié)論一致。將人工智能與技術(shù)市場(chǎng)水平同時(shí)納入回歸模型中，人工智能和技術(shù)市場(chǎng)發(fā)展水平顯著為正。結(jié)合列（1）和（2）結(jié)果，表明人工智能通過(guò)提升技術(shù)市場(chǎng)發(fā)展水平能積極促進(jìn)區(qū)域綠色金融發(fā)展，假設(shè)2得到驗(yàn)證。

（二）異質(zhì)性分析

中國(guó)各區(qū)域的經(jīng)濟(jì)發(fā)展水平、營(yíng)商環(huán)境、資源稟賦等具有較大的差異，且區(qū)域綠色金融發(fā)展水平不均衡，那么，其人工智能對(duì)不同區(qū)域綠色金融發(fā)展水平的促進(jìn)作用是否也有差異。為此本文將30個(gè)省份劃分為東部、中部和西部，進(jìn)一步分析不同區(qū)域下人工智能對(duì)區(qū)域綠色金融發(fā)展水平影響效應(yīng)的差異，見表7。

從表7第（1）至第（3）列中看，東部地區(qū)人工智能系數(shù)顯著高于中部和西部地區(qū)，表明人工智能對(duì)東部地區(qū)綠色金融發(fā)展水平的提升效應(yīng)明顯高于中部和西部地區(qū)。

五、結(jié)論與對(duì)策

本文基于2008—2019年中國(guó)省級(jí)面板數(shù)據(jù)，開展人工智能對(duì)區(qū)域綠色金融發(fā)展水平的影響效應(yīng)研究。結(jié)果表明，人工智能技術(shù)的引入能夠提升區(qū)域綠色金融發(fā)展水平，人工智能可通過(guò)技術(shù)市場(chǎng)發(fā)展水平促進(jìn)區(qū)域綠色金融水平的提升。人工智能對(duì)不同區(qū)域綠色金融發(fā)展水平存在差異性影響，即人工智能技術(shù)對(duì)東部區(qū)域綠色金融的促進(jìn)效應(yīng)高于中西部地區(qū)?；谝陨辖Y(jié)論，本文提出以下建議。

第一，實(shí)施區(qū)域差異政策。針對(duì)區(qū)域綠色金融發(fā)展的差異性，以及人工智能技術(shù)在不同地區(qū)對(duì)綠色金融發(fā)展影響的異質(zhì)性，政府應(yīng)實(shí)施區(qū)域差異化政策。比如，對(duì)技術(shù)創(chuàng)新能力較弱的地區(qū)加大人工智能技術(shù)的培訓(xùn)和支持力度，對(duì)技術(shù)先進(jìn)的地區(qū)通過(guò)激勵(lì)政策和引導(dǎo)基金等方式推動(dòng)開展更多的創(chuàng)新項(xiàng)目，以促進(jìn)人工智能技術(shù)與綠色金融的深度融合。

第二，培養(yǎng)專業(yè)技術(shù)人才。人工智能技術(shù)在綠色金融領(lǐng)域的應(yīng)用需要具備相關(guān)知識(shí)和技能的專業(yè)人才，因此，政府和高校等科研機(jī)構(gòu)應(yīng)加大對(duì)人工智能和綠色金融交叉領(lǐng)域人才的培養(yǎng)力度，培養(yǎng)能深入理解綠色金融和人工智能技術(shù)的高素質(zhì)從業(yè)人員，有效促進(jìn)人才的區(qū)域流動(dòng)；鼓勵(lì)學(xué)界、金融機(jī)構(gòu)和企業(yè)間的交流合作，促進(jìn)人工智能技術(shù)的推廣和應(yīng)用。

第三，強(qiáng)化金融市場(chǎng)監(jiān)管。為確保人工智能技術(shù)在綠色金融應(yīng)用的安全可靠，政府有關(guān)部門應(yīng)制定相關(guān)政策和法規(guī)，明確人工智能在綠色金融中的應(yīng)用范圍、準(zhǔn)入條件和監(jiān)管要求；建立綠色金融和人工智能技術(shù)的評(píng)估體系，對(duì)相關(guān)產(chǎn)品和服務(wù)進(jìn)行評(píng)估和監(jiān)測(cè)；加強(qiáng)對(duì)數(shù)據(jù)隱私和信息安全的保護(hù)，提高公眾對(duì)人工智能技術(shù)在綠色金融中的信任度。

參考文獻(xiàn)：

[1]? ?Sachs J D， Woo W T， Yoshino N. Why Is Green Finance Important？[M].Rochester，NY：2019.

[2]? ?徐國(guó)慶，蔡金芳，姜蓓佳. ChatGPT/生成式人工智能與未來(lái)職業(yè)教育[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023（7）：64-77.

[3]? ?廖高可，李庭輝. 人工智能在金融領(lǐng)域的應(yīng)用研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2023（3）：141-158.

[4]? ?Lindenberg D N.Definition of Green Finance[J].Economic Review，2014（6）.

[5]? ?李曉西. 綠色金融盈利性與公益性關(guān)系分析[J].金融論壇，2017（5）：3-11.

[6]? ?Hemanand D，Mishra N，Premalatha G.Applications of Intelligent Model to Analyze the Green Finance for Environmental Development in the Context of Artificial Intelligence[J].Computational Intelligence and Neuroscience，Hindawi，2022（24）.

[7]? ?黃孝武，宗樹旺，林永康.綠色金融發(fā)展的區(qū)域差異及創(chuàng)新效應(yīng)[J].統(tǒng)計(jì)與決策，2022（24）：139-142.

[8]? ?王君萍，劉亞倩，李善燊.“雙碳”目標(biāo)下區(qū)域綠色金融發(fā)展時(shí)空特征及障礙因子診斷[J].生態(tài)經(jīng)濟(jì)，2022（10）：53-61，87.

[9]? ?邢宇，邊衛(wèi)軍.中國(guó)綠色金融發(fā)展效率的區(qū)域差異與動(dòng)態(tài)演變趨勢(shì)[J].新疆社會(huì)科學(xué)，2023（2）：62-72.

[10]? ?肖仁橋，肖陽(yáng)，錢麗.綠色金融、綠色技術(shù)創(chuàng)新與經(jīng)濟(jì)高質(zhì)量發(fā)展[J].技術(shù)經(jīng)濟(jì)，2023（3）：1-13.

[11]? ?史代敏，施曉燕.綠色金融與經(jīng)濟(jì)高質(zhì)量發(fā)展：機(jī)理、特征與實(shí)證研究[J].統(tǒng)計(jì)研究，2022（1）：31-48.

[12]? ?謝東江，胡士華.綠色金融、產(chǎn)業(yè)結(jié)構(gòu)與城市工業(yè)綠色全要素生產(chǎn)率[J].國(guó)際金融研究，2023（5）：46-56.

[13]? ?謝東江，胡士華，包蕓夕.綠色金融能否提高中國(guó)城市綠色全要素生產(chǎn)率：基于中國(guó)285個(gè)城市的證據(jù)[J].中國(guó)地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023（6）：1-16.

[14]? ?杜明軍.綠色金融對(duì)環(huán)境治理的政策效應(yīng)及異質(zhì)性識(shí)別[J].統(tǒng)計(jì)理論與實(shí)踐，2023（4）：10-20.

[15]? ?劉曉雁，陳柯宇，陳柯宇.人工智能加速金融業(yè)數(shù)字化進(jìn)程[J].時(shí)代金融，2023（5）：4-6.

[16]? ?周杰琦，陳達(dá)，夏南新.人工智能、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與綠色發(fā)展效率：理論分析和經(jīng)驗(yàn)證據(jù)[J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2023（4）：96-113.

[責(zé)任編輯? ?興? ?華]