張一凡 董曉紅 吳井泉

(哈爾濱商業(yè)大學(xué),黑龍江 哈爾濱 150028)

一、引言

在人們環(huán)保意識(shí)與可持續(xù)發(fā)展理念日益增強(qiáng)的背景下，綠色金融作為實(shí)現(xiàn)綠色發(fā)展的重要舉措，為完成我國供給側(cè)改革與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，促進(jìn)環(huán)境、經(jīng)濟(jì)協(xié)調(diào)發(fā)展起到重要作用。黨的十九大提出建設(shè)美麗中國，要求建立健全綠色低碳循環(huán)發(fā)展的經(jīng)濟(jì)體系，構(gòu)建市場(chǎng)導(dǎo)向的綠色技術(shù)創(chuàng)新體系，發(fā)展綠色金融。G20杭州峰會(huì)指出發(fā)展綠色金融的必要性，強(qiáng)調(diào)市場(chǎng)缺乏一套更為完善、科學(xué)的綠色金融度量與評(píng)估體系。在我國綠色金融發(fā)展過程中，廣東省作為我國經(jīng)濟(jì)、金融建設(shè)前沿地帶，在2017年進(jìn)入全球金融中心指數(shù)體系并獲批建設(shè)綠色金融改革創(chuàng)新試驗(yàn)區(qū)，在金融資源配置、金融風(fēng)險(xiǎn)防控、金融改革創(chuàng)新等方面具有明顯優(yōu)勢(shì)，作為測(cè)度對(duì)象比較具有代表性。神經(jīng)網(wǎng)絡(luò)模型作為具有自適應(yīng)、自組織、自主學(xué)習(xí)能力的數(shù)學(xué)分析方法廣泛應(yīng)用于建立基本評(píng)價(jià)模型，遺傳算法具有良好的全局搜索優(yōu)化能力，可優(yōu)化神經(jīng)網(wǎng)絡(luò)自身存在的易陷入局部最優(yōu)解等問題，使評(píng)價(jià)輸出更為精確。因此，針對(duì)國內(nèi)綠色金融評(píng)價(jià)體系尚不完善的現(xiàn)狀，運(yùn)用遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化的科學(xué)方法，建立城市綠色金融發(fā)展水平測(cè)度模型，對(duì)2011年和2016年廣東省21個(gè)地級(jí)市綠色金融建設(shè)情況進(jìn)行對(duì)比分析。這有利于推動(dòng)全國各城市綠色發(fā)展，明確綠色金融體系建設(shè)目標(biāo)，對(duì)促進(jìn)綠色金融發(fā)展有著重要的現(xiàn)實(shí)意義。

目前國內(nèi)外對(duì)綠色金融發(fā)展水平的研究很多，但多數(shù)評(píng)測(cè)指標(biāo)的建立只是針對(duì)某些特定的金融產(chǎn)品而設(shè)計(jì)，還未形成科學(xué)、統(tǒng)一的標(biāo)準(zhǔn)。如國外研究中Marcel Jecuken(2001)通過構(gòu)建五維評(píng)價(jià)體系，對(duì)34家知名銀行可持續(xù)發(fā)展戰(zhàn)略進(jìn)行評(píng)測(cè)，得出銀行可持續(xù)發(fā)展和環(huán)境關(guān)系日趨緊密，發(fā)展綠色金融為促進(jìn)金融業(yè)可持續(xù)發(fā)展打下良好基礎(chǔ)[1]。國際金融公司等9家商業(yè)銀行(2002)提出赤道原則，對(duì)環(huán)保項(xiàng)目融資風(fēng)險(xiǎn)按指標(biāo)體系進(jìn)行劃分。國內(nèi)研究中，白欽先(2006)從基礎(chǔ)、核心、擴(kuò)展、衍生四個(gè)功能演繹金融發(fā)展進(jìn)程并對(duì)其進(jìn)行重新界定[2]。黃建歡(2014)分析金融發(fā)展影響區(qū)域綠色發(fā)展的四個(gè)機(jī)理并采用空間杜賓模型分析各機(jī)理的相對(duì)重要性與空間溢出效應(yīng)[3]。

綜上可知，目前已有評(píng)價(jià)和分析多側(cè)重于定性分析，然而定量更能應(yīng)用數(shù)據(jù)客觀地對(duì)測(cè)度評(píng)分進(jìn)行分析，使結(jié)果更具科學(xué)性。因此，本文在原有理論的基礎(chǔ)上建立模型測(cè)度城市綠色金融發(fā)展水平，對(duì)政府發(fā)展綠色金融具有借鑒意義。

二、城市綠色金融評(píng)價(jià)體系的構(gòu)建

(一)評(píng)價(jià)指標(biāo)的選取與數(shù)據(jù)來源

1.綠色金融指標(biāo)的選取

(1)借鑒中國人民銀行泰州銀行(2016)[4]的思路，根據(jù)廣東省節(jié)能減排等舉措，選取單位GDP能耗來衡量資源消耗，工業(yè)廢水、廢氣、固體廢物等污染物的排放量占城市主要污染物排放量的比重較大，因此選取單位GDP工業(yè)廢水、廢氣、固體廢物排放量來衡量城市環(huán)境污染水平。

(2)借鑒黃建歡、周國富(2014)等人的思路，用貸款配置效率衡量當(dāng)?shù)刭Y本配置效應(yīng)。資源配置作為金融的核心功能，將有限的資源根據(jù)區(qū)域生產(chǎn)率與產(chǎn)出率進(jìn)行合理分配，有利于提高城市綠色金融發(fā)展水平。此指標(biāo)數(shù)據(jù)大說明該地區(qū)資產(chǎn)利用效率較高，綠色金融發(fā)展前景更為廣闊。用外商投資利用總額、儲(chǔ)蓄率衡量資本支持的潛能，以存貸比來衡量資本的支持力度，金融市場(chǎng)通過融資等手段將資金轉(zhuǎn)化為資本，為企業(yè)擴(kuò)大生產(chǎn)與技術(shù)研發(fā)提供支持。用邊際資本生產(chǎn)率衡量投資總額對(duì)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的增量，此指標(biāo)越大反映企業(yè)資金利用率越高，從而使經(jīng)濟(jì)增速加快，促使金融業(yè)良性發(fā)展。

(3)借鑒楊陽(2017)[5]等人的思路，用環(huán)保投資占比、節(jié)能環(huán)保公共支出占比來衡量城市綠色投資情況，政府與社會(huì)投資有利于綠色項(xiàng)目的融資情況，并直觀反映出當(dāng)?shù)鼐G色金融的重視程度。用清潔發(fā)展機(jī)制項(xiàng)目交易量占比衡量區(qū)域碳金融發(fā)展程度，碳金融致力于減少企業(yè)溫室氣體的排放，此指標(biāo)越大表明地區(qū)企業(yè)參與碳配額交易越多，綠色金融發(fā)展水平越是良好。高耗能企業(yè)市值占比、環(huán)保企業(yè)市值占比兩項(xiàng)指標(biāo)從正、負(fù)兩方向分別衡量高耗能企業(yè)與環(huán)保企業(yè)在金融市場(chǎng)的融資情況。保險(xiǎn)深度用于測(cè)度廣東省各城市保險(xiǎn)業(yè)的發(fā)展水平。

本文綜合采取以下15個(gè)指標(biāo)建立城市綠色金融發(fā)展水平評(píng)價(jià)指標(biāo)體系，見表1。

表1 廣東省城市綠色金融發(fā)展水平指標(biāo)體系

2.樣本數(shù)據(jù)來源

選取廣東省21個(gè)地級(jí)市作為觀測(cè)目標(biāo)，選取2011年和2016年兩年數(shù)據(jù)。主要數(shù)據(jù)來源于《廣州統(tǒng)計(jì)年鑒》、廣東省各市《統(tǒng)計(jì)年鑒》、wind數(shù)據(jù)庫以及中國清潔發(fā)展機(jī)制網(wǎng)。

(二)指標(biāo)權(quán)重的確定

1.數(shù)據(jù)預(yù)處理

由于指標(biāo)體系中各項(xiàng)指標(biāo)計(jì)量單位存在差異，因此需要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除特征之間的差異性，使不同的特征具有相同的尺度，同時(shí)還需消除正、負(fù)項(xiàng)指標(biāo)對(duì)數(shù)據(jù)加總等方面的影響。因此，對(duì)正負(fù)向指標(biāo)采用不同的標(biāo)準(zhǔn)化處理。

正向指標(biāo)：

(1)

負(fù)向指標(biāo)：

(2)

其中，Xij代表在n個(gè)樣本，m個(gè)指標(biāo)的評(píng)價(jià)體系中第i個(gè)樣本的第j個(gè)指標(biāo)的數(shù)值(i=1,2,…,n;j=1,2,…,m),Zij代表歸一化后的數(shù)據(jù)。

2.熵權(quán)法確定指標(biāo)權(quán)重

熵值法是一種客觀的賦值方法，原理是根據(jù)指標(biāo)數(shù)據(jù)的離散程度，衡量其對(duì)系統(tǒng)的比較作用，即有效信息量的大小，從而賦予指標(biāo)一定權(quán)重。指標(biāo)的熵越大，包含信息的有效性越大，對(duì)綜合評(píng)價(jià)的影響越大，因此賦予權(quán)重越大。具體步驟如下：

(1)計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)樣本值占該指標(biāo)的比值：

(3)

(2)計(jì)算第j項(xiàng)指標(biāo)的熵值：

(4)

其中，k=1/In(n)>0，滿足e≥0。

(3)計(jì)算信息熵的冗余度(差異)：

dj=1-ej,j=1,…,m

(5)

(4)計(jì)算各項(xiàng)指標(biāo)的權(quán)重：

(6)

依據(jù)上式綜合計(jì)算各指標(biāo)權(quán)重，結(jié)果如表2所示。

表2 熵權(quán)法分析結(jié)果

如表2所示，熵權(quán)法測(cè)得權(quán)重結(jié)果中的外商投資利用總額、環(huán)保企業(yè)市值占比、貸款配置效率所占權(quán)重較大，分別為0.1333、0.1043和0.0877，表明其對(duì)城市綠色金融發(fā)展水平影響較大；單位GDP固體廢棄物排放量、高耗能企業(yè)市值占比、單位GDP能耗所占權(quán)重較小，分別為0.0326、0.0387和0.0390，表明其對(duì)城市綠色金融發(fā)展水平影響較小。

三、基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的實(shí)證分析

(一)遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

1.BP神經(jīng)網(wǎng)絡(luò)模型

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是以誤逆差傳播算法為原理的多層前饋網(wǎng)絡(luò)模型，由輸入層、隱含層和輸出層三層結(jié)構(gòu)組成。該模型通過向前在神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)之間傳遞信號(hào)，向后在拓?fù)浣Y(jié)構(gòu)之間傳遞誤差而不斷調(diào)整網(wǎng)絡(luò)的權(quán)值與閾值，使得單個(gè)樣本的誤差隨之減小，最終使總誤差E趨于最小，其公式如下：

(7)

(8)

其中，Ek為訓(xùn)練樣本誤差，M為所設(shè)輸出層的單元個(gè)數(shù)，dj為對(duì)單元j對(duì)訓(xùn)練樣本的目標(biāo)值，Yj為訓(xùn)練樣本的輸出值，E為神經(jīng)網(wǎng)絡(luò)計(jì)算的總誤差。

BP神經(jīng)網(wǎng)絡(luò)對(duì)城市綠色金融的預(yù)測(cè)包括訓(xùn)練與檢驗(yàn)兩個(gè)部分，其步驟為：先通過訓(xùn)練樣本進(jìn)行學(xué)習(xí)，對(duì)網(wǎng)絡(luò)權(quán)值、閾值信息進(jìn)行儲(chǔ)存，而后將檢驗(yàn)樣本輸入，將其預(yù)測(cè)輸出與實(shí)際輸出進(jìn)行對(duì)比檢驗(yàn)。本文選用三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層節(jié)點(diǎn)數(shù)為15，與城市綠色發(fā)展水平測(cè)度指標(biāo)數(shù)目一致；輸出層節(jié)點(diǎn)數(shù)為1，即為城市綠色金融發(fā)展評(píng)分。隱含層數(shù)目的確定至今沒有廣泛使用的明確理論，本文選取的隱含層經(jīng)驗(yàn)公式為:

(9)

其中，a為輸入層數(shù)目，b為輸出層數(shù)目。由式9可知，本文選取的隱含層數(shù)目為8，因此該神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)為15-8-1型。

2.遺傳算法的優(yōu)化

BP神經(jīng)網(wǎng)絡(luò)具有初始權(quán)值與閾值在選擇上缺乏依據(jù)，隨機(jī)性過大；目標(biāo)函數(shù)的復(fù)雜性梯度下降法使訓(xùn)練次數(shù)過多，收斂速度緩慢；局部最優(yōu)算法的應(yīng)用容易陷于局部最優(yōu)解等缺點(diǎn)，眾多學(xué)者針對(duì)其缺點(diǎn)對(duì)模型進(jìn)行改進(jìn)。其中遺傳算法是采取逐次迭代搜尋最優(yōu)的方法，對(duì)全局進(jìn)行搜索從而解決神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)解的局限，實(shí)現(xiàn)在整個(gè)信息全局搜索采集。本文利用遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，其步驟如圖1所示：

圖1 GA+BP算法流程圖

(二)實(shí)驗(yàn)結(jié)果分析

1.BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析

在42組2011年和2016年廣東省城市綠色金融發(fā)展水平指標(biāo)數(shù)據(jù)中，選取其中36組作為訓(xùn)練樣本，6組為預(yù)測(cè)檢驗(yàn)樣本。將各城市指標(biāo)數(shù)據(jù)設(shè)為 BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，根據(jù)公式10可求得各城市評(píng)分Sj，并將其設(shè)為輸出目標(biāo)，通過matlab進(jìn)行訓(xùn)練，得出城市綠色金融發(fā)展水平預(yù)測(cè)結(jié)果，從中選取部分結(jié)果進(jìn)行分析[6]，如圖2所示。

(10)

其中, n為各指標(biāo)總數(shù)，m為樣本總數(shù)，Wi為第i項(xiàng)指標(biāo)所占權(quán)重，μi為第i項(xiàng)指標(biāo)歸一化后數(shù)據(jù)。

圖2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

由訓(xùn)練結(jié)果可知，誤差最大百分比為6.9529%，平均誤差百分比為5.3489%。誤差相對(duì)較高。這主要是由于BP神經(jīng)網(wǎng)絡(luò)具有初始權(quán)值與閾值在選擇上缺乏依據(jù)、網(wǎng)絡(luò)訓(xùn)練結(jié)果存在較高的隨機(jī)性且易陷入局部最優(yōu)解等缺點(diǎn)。

2.GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析

采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化，設(shè)立種群規(guī)模為20，最大進(jìn)化代數(shù)為20，交叉概率為0.8，變異概率為0.1。利用matlab進(jìn)行訓(xùn)練。測(cè)試結(jié)果如圖3所示，誤差最大百分比為1.5041%，平均誤差百分比為0.5194%。

圖3 GA+BP網(wǎng)絡(luò)預(yù)測(cè)

由訓(xùn)練結(jié)果可知，誤差最大百分比為-0.7268%，平均誤差百分比為0.5262%，符合預(yù)期。

遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型與未優(yōu)化的模型誤差對(duì)比如圖4所示。結(jié)果表明，遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)誤差較低，對(duì)城市綠色金融發(fā)展水平的預(yù)測(cè)更為精確，因此選用遺傳算法優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型。

圖4 GA+BP優(yōu)化前后訓(xùn)練誤差

3.測(cè)度結(jié)果分析

運(yùn)用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型對(duì)廣東省2011年茂名、肇慶、清遠(yuǎn)、潮州、揭陽、云浮六市綠色金融發(fā)展情況進(jìn)行預(yù)測(cè)。結(jié)果如表3所示，其中最大相差誤差為2.1913%，符合預(yù)期，滿足城市綠色金融發(fā)展水平測(cè)度要求。

表3 GA+BP測(cè)試樣本預(yù)測(cè)

四、實(shí)證結(jié)果分析

(一)2011年和2016年綠色金融發(fā)展對(duì)比分析

由遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)得出以下2011年、2016年廣東省城市綠色金融發(fā)展的空間分布情況如圖5所示，城市具體得分情況如表4所示。

表4 廣州省城市綠色金融發(fā)展水平測(cè)度得分

由圖5對(duì)比可知，2011年和2016年廣東省各城市綠色金融評(píng)分均有顯著提高，廣州、深圳、珠海、東菀等珠江三角洲沿海城市保持了較高的綠色金融發(fā)展水平，粵西地區(qū)(陽江、茂名、湛江)以及粵西北北部部分地區(qū)(韶關(guān)、清遠(yuǎn)、肇慶)還處于低值集聚狀態(tài)。這與珠江三角洲地區(qū)作為我國金融改革的先發(fā)地，在金融發(fā)展與環(huán)境保護(hù)方面的政策支持與經(jīng)濟(jì)高速增長有著密不可分的關(guān)系。又由對(duì)比可知，2011年廣東省綠色金融僅有珠三角洲地區(qū)測(cè)度水平較高，周邊地區(qū)綠色金融發(fā)展水平較低，而2016年各城市綠色金融發(fā)展均有明顯提升，與珠三角地區(qū)的差距進(jìn)一步縮小，說明發(fā)展前期形成了資金的集聚狀態(tài)，發(fā)展良好地區(qū)對(duì)金融資源吸納能力較強(qiáng)，從而導(dǎo)致周邊地區(qū)資本外流，發(fā)展較為緩慢。綠色金融發(fā)展成熟階段具有擴(kuò)散效應(yīng)，由發(fā)展良好地區(qū)資金進(jìn)行投資，對(duì)周邊地區(qū)的發(fā)展起到帶動(dòng)作用。

圖5 2011年和2016年廣東省城市綠色金融測(cè)度得分

由比較圖5可知，2011年和2016年梅州、河源、東莞等地區(qū)綠色金融發(fā)展躍升最為顯著，而珠海、湛江、佛山地區(qū)評(píng)分則有所倒退，分析五城市各指標(biāo)對(duì)其評(píng)分變化貢獻(xiàn)率以及各指標(biāo)全省城市平均貢獻(xiàn)率(以2011年各指標(biāo)評(píng)分為基數(shù))如表5所示。

表5 各指標(biāo)貢獻(xiàn)率

由表5中城市綠色金融測(cè)度中各指標(biāo)的平均貢獻(xiàn)率分析可知，工業(yè)廢水排放量(39.66%)、工業(yè)固體廢物生產(chǎn)量(17.24%)、工業(yè)能源消耗總量(17.98%)、保險(xiǎn)深度(31.76%)四指標(biāo)對(duì)廣東省城市綠色金融發(fā)展增長有主要的貢獻(xiàn)作用，前兩項(xiàng)指標(biāo)貢獻(xiàn)率較高主要是由于廣東省在“十二五”期間(2011-2015)著力完善節(jié)能政策法規(guī)標(biāo)準(zhǔn)體系，出臺(tái)《“十二五”節(jié)能規(guī)劃》等法律法規(guī)，大力開展節(jié)能循環(huán)經(jīng)濟(jì)工作，推動(dòng)清潔能源生產(chǎn)服務(wù)市場(chǎng)化，并于2016年實(shí)行《工業(yè)節(jié)能管理辦法》、《綠色制造2016專項(xiàng)行動(dòng)實(shí)施方案》，對(duì)高耗能企業(yè)進(jìn)行進(jìn)一步約束，實(shí)現(xiàn) “十三五”規(guī)劃的良好開端等均有著密切聯(lián)系，各城市在保險(xiǎn)深度方面表現(xiàn)良好主要是由于通過“十二五”期間保險(xiǎn)業(yè)改革不斷深化，保險(xiǎn)發(fā)展迅速，保險(xiǎn)收入位居全國第一，并且在發(fā)展綠色保險(xiǎn)方面進(jìn)行多方位嘗試。而高耗能企業(yè)市值占比(-1.57%)、環(huán)保公共支出占比(-7.03%)對(duì)綜合評(píng)分起到主要反向作用，其中環(huán)保公共支出占比主要反映出政府財(cái)政支出對(duì)環(huán)保事業(yè)的支持不足，說明各城市政府應(yīng)當(dāng)調(diào)整財(cái)政支出占比，加大對(duì)環(huán)保事業(yè)重視力度，以政府資金號(hào)召社會(huì)資本流入環(huán)保經(jīng)濟(jì)、循環(huán)經(jīng)濟(jì)，實(shí)現(xiàn)高耗能產(chǎn)業(yè)向節(jié)能環(huán)保型產(chǎn)業(yè)轉(zhuǎn)型。高耗能企業(yè)市值占比反映出廣東省產(chǎn)業(yè)轉(zhuǎn)型還在改革進(jìn)程中，高能耗企業(yè)發(fā)展擴(kuò)展速率高于環(huán)境治理，各城市應(yīng)當(dāng)加大對(duì)高能耗企業(yè)環(huán)境指標(biāo)監(jiān)控力度，完成去產(chǎn)能，實(shí)現(xiàn)產(chǎn)業(yè)升級(jí)。

由表4可知，梅州(-13.67%)、東莞(10.65%)兩市綠色金融得分增長率位列前二，兩市作為國家節(jié)能減排財(cái)政政策綜合示范城市，發(fā)展循環(huán)經(jīng)濟(jì)，引領(lǐng)全省環(huán)?；顒?dòng)的開展。對(duì)比分析表5城市得分，除去平均貢獻(xiàn)率較高的三個(gè)指標(biāo)，五年內(nèi)梅州綠色金融發(fā)展水平增長速度快主要是因?yàn)樵诖尜J比(73.84%)、儲(chǔ)蓄率(22.58%)、環(huán)保投資占比(55.51%)三個(gè)指標(biāo)方面表現(xiàn)突出，環(huán)保投資占比分?jǐn)?shù)高反映出梅州政府引領(lǐng)社會(huì)資本對(duì)環(huán)保產(chǎn)業(yè)加大支持力度，存貸比、儲(chǔ)蓄率反映出梅州金融業(yè)發(fā)展增速快，潛在資本豐厚，為環(huán)保、創(chuàng)新性企業(yè)發(fā)展提供了優(yōu)良環(huán)境。東莞在節(jié)能環(huán)保支出公共占比(16.00%)、環(huán)保企業(yè)市值占比(18.24%)等指標(biāo)方面表現(xiàn)良好，節(jié)能環(huán)保公共支出占比指標(biāo)貢獻(xiàn)率增加體現(xiàn)出東莞政府對(duì)環(huán)保改革的大力支持，以政府資金與政策帶動(dòng)環(huán)保型城市的建設(shè)。環(huán)保企業(yè)市值占比指標(biāo)表現(xiàn)出東莞政策性鼓勵(lì)環(huán)保型企業(yè)發(fā)展取得階段性成功，產(chǎn)業(yè)改革實(shí)現(xiàn)良好開端。

佛山(-1.41%)、珠海(-3.61%)兩市綠色金融發(fā)展呈負(fù)增長趨勢(shì)，除去邊際資本生產(chǎn)率負(fù)向貢獻(xiàn)率指標(biāo)，珠海綠色金融評(píng)分呈負(fù)增長主要是由于環(huán)保投資占比(-50.95%)、貸款配置效率(-13.49%)兩個(gè)指標(biāo)負(fù)向貢獻(xiàn)率加大，主要與新常態(tài)背景下，珠海GDP增速快，2011—2016年GDP穩(wěn)步上升，并于2016年位列全省第一位有關(guān)，但珠海環(huán)保投資同比增速較為緩慢，不能應(yīng)對(duì)其快速增長的經(jīng)濟(jì)模式下環(huán)保型企業(yè)發(fā)展的資金需求。同時(shí)，貸款配置效率貢獻(xiàn)率下降反映出資本配置效率增速下降，削減了金融活性，對(duì)綠色金融發(fā)展有一定抑制作用。佛山分?jǐn)?shù)降低是由于其環(huán)保投資占比(-21.95%)、外商投資利用總額(-13.67%)較低，反映出其資本支持環(huán)保產(chǎn)業(yè)潛能較小的問題。

(二)2016年各城市綠色金融發(fā)展對(duì)比分析

通過表4可知，2016年廣東省綠色金融發(fā)展水平測(cè)度中，深圳、廣州分別以79.45與70.95位于第一位和第二位，韶關(guān)以50.67位列末尾。以各指標(biāo)各城市平均分?jǐn)?shù)為基數(shù)計(jì)算各指標(biāo)對(duì)其城市得分的貢獻(xiàn)率，如表5所示。

深圳作為我國經(jīng)濟(jì)大省，在環(huán)保方面有著顯著成就，是全國第一個(gè)低碳生態(tài)示范城市，同時(shí)其經(jīng)濟(jì)發(fā)展迅速，金融資本活躍，在建設(shè)發(fā)展碳金融市場(chǎng)等方面都有著實(shí)質(zhì)性成就。廣州作為國家綠色金融發(fā)展中心城市，其花都區(qū)被設(shè)立為綠色金融改革創(chuàng)新試驗(yàn)區(qū)，在培育發(fā)展綠色金融組織體系、創(chuàng)新產(chǎn)品和完善金融服務(wù)等方面獲得政府、資本大力支持，完成跨越式發(fā)展。由表5分析可知，廣州、深圳兩市在環(huán)保企業(yè)市值占比(138.92%、138.92%)、外商投資利用總額(116.09%、142.17%)、儲(chǔ)蓄率(46.27%、90.57%)三項(xiàng)指標(biāo)方面表現(xiàn)突出，環(huán)保企業(yè)市值占比主要表明兩市在引進(jìn)、建設(shè)生態(tài)型企業(yè)方面取得巨大成功，這主要與兩市經(jīng)濟(jì)建設(shè)領(lǐng)先、環(huán)保企業(yè)建設(shè)政策傾斜大、金融環(huán)境良好、企業(yè)成長條件良好有著密切關(guān)系。外商投資利用總額、儲(chǔ)蓄率兩項(xiàng)指標(biāo)則主要與兩市充分利用地緣、政策因素吸引外資，人均GDP較高，積累了雄厚的民間資本，進(jìn)而為環(huán)保型企業(yè)發(fā)展提供強(qiáng)大資本支持密切相關(guān)。

韶關(guān)地處廣東省粵西北地區(qū)，與其他城市相比深入內(nèi)陸，國民經(jīng)濟(jì)總量與增速都處于較低狀態(tài)，經(jīng)濟(jì)發(fā)展與金融活性處于較低狀態(tài)，分析可知其在工業(yè)廢水(-35.41%)、廢氣(-63.01%)、固體廢棄物排放量(-25.52%)、工業(yè)能源消耗總量(-30.90%)方面得分較低，主要是由于廣東珠三角等沿海地區(qū)城市產(chǎn)業(yè)升級(jí)，高能耗企業(yè)向內(nèi)陸轉(zhuǎn)移，韶關(guān)作為產(chǎn)業(yè)對(duì)接地區(qū)，建立韶關(guān)(東莞)產(chǎn)業(yè)轉(zhuǎn)移園區(qū)，相對(duì)污染物增多，從而環(huán)保企業(yè)市值占比也有所下降。外商投資利用總額(-26.84%)、存貸比(-24.21%)兩項(xiàng)指標(biāo)得分低反映出金融水平較低，這與其自身經(jīng)濟(jì)水平較低、珠三角地區(qū)資源聚集效應(yīng)導(dǎo)致資本外流有關(guān)。這導(dǎo)致韶關(guān)金融活性進(jìn)一步被削弱，綠色金融發(fā)展水平低下。

五、結(jié)論與建議

由于綠色金融水平測(cè)度的復(fù)雜性，本文探討了基于遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)對(duì)廣東省各城市綠色金融發(fā)展水平進(jìn)行測(cè)度，實(shí)驗(yàn)結(jié)果表明， GA-BP網(wǎng)絡(luò)在精度與穩(wěn)定性方面均優(yōu)于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，能準(zhǔn)確地反映城市綠色金融發(fā)展水平，從而更易于針對(duì)各項(xiàng)指標(biāo)對(duì)各城市綠色金融發(fā)展提出指導(dǎo)性的對(duì)策建議。通過實(shí)證分析，廣東省綠色金融發(fā)展水平整體呈穩(wěn)步上升趨勢(shì)，不同城市因?yàn)榈鼐?、政策扶持因素等不同而呈現(xiàn)出不同的發(fā)展水平變化：廣州、深圳、珠海、東菀等珠江三角洲沿海城市保持了較高的綠色金融發(fā)展水平，而粵西地區(qū)(陽江、茂名、湛江)以及粵西北北部部分地區(qū)(韶關(guān)、清遠(yuǎn)、肇慶)依然處于低值集聚狀態(tài)。從整體上看，節(jié)能環(huán)保經(jīng)濟(jì)的推廣與保險(xiǎn)業(yè)的改革大力促進(jìn)了2011—2016年間廣州市綠色金融的發(fā)展。根據(jù)上述結(jié)論提出以下建議：

第一，提高資本對(duì)于節(jié)能環(huán)保企業(yè)的支持，政府引導(dǎo)社會(huì)資本流入綠色產(chǎn)業(yè)，發(fā)揮金融創(chuàng)新作用，通過綠色信貸等創(chuàng)新型金融工具，多方式、多角度為綠色產(chǎn)業(yè)擴(kuò)寬融資渠道，支持小微型企業(yè)成長，推動(dòng)環(huán)保節(jié)能創(chuàng)新，發(fā)展循環(huán)經(jīng)濟(jì)，實(shí)現(xiàn)城市產(chǎn)業(yè)結(jié)構(gòu)升級(jí)。

第二，提高金融資本配置效率，加強(qiáng)政府對(duì)金融資源流向綠色產(chǎn)業(yè)的積極引導(dǎo)作用，同時(shí)放低市場(chǎng)準(zhǔn)入門檻，激發(fā)市場(chǎng)活力，提高市場(chǎng)配置資源的能力。完善落后生產(chǎn)能力退出的運(yùn)作機(jī)制，加強(qiáng)產(chǎn)業(yè)政策引導(dǎo)，充分發(fā)揮企業(yè)投資管理、環(huán)境保護(hù)、質(zhì)檢等部門的作用，鼓勵(lì)和支持發(fā)展先進(jìn)生產(chǎn)能力，有序推進(jìn)產(chǎn)業(yè)生態(tài)轉(zhuǎn)型。

第三，建立綠色金融平臺(tái)，拓寬綠色金融信息渠道，發(fā)展綠色金融信息服務(wù)，降低投資者獲取信息的成本，吸引更多投資者投資建設(shè)當(dāng)?shù)鼐G色項(xiàng)目。建立綠色金融合作機(jī)制，由資源集聚效應(yīng)較好的地區(qū)進(jìn)行投資，發(fā)揮綠色金融擴(kuò)散效應(yīng)，推動(dòng)金融資本擴(kuò)散至周邊資源低值集聚地區(qū)，從而推動(dòng)地方綠色金融全面發(fā)展。