劉德政， 丁志華

引 言

習近平總書記在第七十五屆聯(lián)合國大會一般性辯論上宣布，中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030 年前達到峰值，努力爭取2060 年前實現(xiàn)碳中和。在2021 年中國發(fā)展高層論壇圓桌會上，時任中國人民銀行行長易綱指出，實現(xiàn)碳中和目標需要巨量投資，要以市場化的方式引導金融體系提供所需要的投資支持。2023 年，在2 月份的北京城市副中心打造國家級綠色交易所啟動儀式以及6 月份的第十四屆陸家嘴論壇上，易綱再次強調(diào)要通過降低綠色溢價、加強國際合作等措施，積極踐行綠色發(fā)展理念，促進“雙碳”目標平穩(wěn)實現(xiàn)。綠水青山就是金山銀山，在國家“五位一體”總體布局中，生態(tài)文明建設作為其中“一位”，是國家當前的基本方略。為了有效實現(xiàn)碳中和目標，國家加快綠色金融的部署，同時推動各省制定結(jié)合本地實際情況、適宜本地經(jīng)濟發(fā)展的綠色金融體系構(gòu)建政策，但相關政策的實施效果有待進一步考證。本文選取了近七年來的中央級政策及部分代表性省、直轄市的綠色金融政策，運用PMC 指數(shù)模型，對其進行量化評價分析，以深入探討相關政策的一致性、合理性、優(yōu)缺點及改進措施路徑等，相關實證結(jié)論為后續(xù)相關政策制定和改進提供了參考依據(jù)。

一、文獻綜述

（一）綠色金融政策

綠色金融作為推動我國經(jīng)濟可持續(xù)發(fā)展的重要途徑，引起了學者的廣泛關注。當前在努力實現(xiàn)“雙碳”目標的背景下，不少學者對如何構(gòu)建并完善綠色金融體系進行了深入研究。目前針對綠色金融政策的研究，大多數(shù)聚焦于刻畫綠色金融的內(nèi)涵，通過闡述綠色金融的本質(zhì)特征及其在構(gòu)建低碳經(jīng)濟循環(huán)體系中的作用，探討綠色金融政策體系的必要性與實現(xiàn)路徑。例如，杜明軍（2022）運用因果森林思想方法，探討了基于綠色金融特征變量組和經(jīng)濟發(fā)展背景變量組支撐約束的異質(zhì)性變動規(guī)律，指出在綠色金融政策體系推進中存在內(nèi)涵認知不足等問題，并提出了相應的對策建議；葉大鳳等（2022）聚焦政策執(zhí)行環(huán)節(jié)，認為政策實際執(zhí)行中存在標準多樣、人才匱乏、資金不足等問題，提出加強宣傳等促進政策有效執(zhí)行的對策；葉林等（2023）認為我國現(xiàn)行的可持續(xù)發(fā)展政策在效率性、有效性、效益性和公平性上存在局限，而基于政策工具視角，綠色金融作為一項創(chuàng)新型政策工具可以彌補現(xiàn)有不足，對實現(xiàn)“雙碳”目標具有促進作用。

對政策本身的量化分析有助于政策制定者做出科學、客觀的判斷，把握政策內(nèi)容，洞察政策局限，優(yōu)化調(diào)整方向。例如在低碳財稅政策方面，Liu et al（2020）對中國2014 年以來低碳財稅政策文本進行定量分析和內(nèi)容挖掘，發(fā)現(xiàn)中國現(xiàn)行低碳財稅政策受到制度限制，低碳財稅政策工具單一化、碎片化、過程控制不足等問題普遍存在。隨著國內(nèi)各部門、各地區(qū)紛紛發(fā)布綠色金融政策，有些研究對其進行分析，卻少有文獻直接對這些政策本身進行量化評價。例如，廖玉清（2023）選取2017—2019 年的綠色金融相關政策作樣本，運用文本挖掘、高頻詞社會網(wǎng)絡分析等方法，對政策內(nèi)容進行了量化分析，但該研究的主要目的是探尋當前綠色金融政策體系的發(fā)展側(cè)重點；劉陽等（2023）收集整理了中國2012—2021 年的綠色金融政策文本，探討了綠色金融政策文本在不同維度、類型、地區(qū)的分布情況，并構(gòu)建了政策效力評估模型，側(cè)重于對重點地區(qū)的政策文本效力進行測算，而非對政策本身的合理性進行評價。因此，本文希望通過對中國近年來代表性部門及地區(qū)發(fā)布的綠色金融政策進行量化評分、對比分析，探討各項政策的優(yōu)劣之處及可能的改進方向，彌補綠色金融政策研究相關領域的空白。

（二）政策量化分析

通過對政策文本進行文本挖掘，繼而進行高頻詞分析、社會網(wǎng)絡分析等，是常見的政策量化分析方法。有一些文獻應用內(nèi)容分析法，從政策工具的視角出發(fā)，構(gòu)建基于政策工具、責任主體、時間序列、政策類型等維度的分析框架，在對政策文本進行編碼分類、專家打分等處理后得到定量的統(tǒng)計數(shù)據(jù)。例如，Luo et al（2022）為了全面考察中國碳排放權交易政策的實施效果，利用政策強度、工具和措施對2011至2020 年中國31 個省、自治區(qū)、直轄市碳排放權交易政策的內(nèi)容效度進行評估，從實際政策效應、平均政策內(nèi)容效度效應和政策數(shù)量效應三個方面評估了區(qū)域碳效率改善的時空驅(qū)動因素；Xiang（2022）從政策目標、政策力度和政策措施三個維度構(gòu)建中國省級農(nóng)業(yè)龍頭企業(yè)扶持政策的量化標準，對量化后的扶持政策文本進行評價分析；熊維清等（2023）構(gòu)建“政策工具-責任主體-政策類型”三維分析框架，對2012—2022 年中國省級層面發(fā)布的職業(yè)健康政策進行多維分類與交叉比較。

還有一些研究應用潛在狄利克雷分配（LDA）主題模型進行分析，該模型利用數(shù)學原理和算法自動從政策文本中提取主題。Song et al（2022）應用該模型分析食品安全政策內(nèi)容并識別熱點話題，從政策發(fā)布年數(shù)、分布區(qū)域、作用范圍、所屬機構(gòu)四個方面對中國食品安全政策進行量化分析；Zhu et al（2023）利用文本挖掘技術對日本2007—2020 年的《漁業(yè)白皮書》、2008—2020 年的《環(huán)境白皮書》和2004—2020 年的《海洋白皮書》三份年度報告的文本數(shù)據(jù)進行了海洋政策變遷的可視化研究，基于潛在狄利克雷分配（LDA）主題模型分析，發(fā)現(xiàn)這些白皮書在主題上存在顯著差異，但都以其獨特的主題清晰地回應了2011 年發(fā)生的東日本大地震。該模型方法往往使用自然語言處理技術的封裝算法，缺乏靈活性，而且受限于實際的文本內(nèi)容和參數(shù)選擇，提取效果并不穩(wěn)定。

（三）PMC 指數(shù)模型

Ruiz Estrada et al（2007）提出了Omnia Mobilis 假說，而基于此假說，Ruiz Estrada （2011）提出了PMC 指數(shù)模型（policy modeling consistency）。在文本挖掘的基礎上可以構(gòu)建該模型，而綜合國內(nèi)外應用PMC 指數(shù)模型的政策量化分析來看，其底層思路相似，即通過多維度政策指標構(gòu)建政策評價體系，進而對政策的合理性、影響力等進行量化評價。借助PMC 指數(shù)模型，人們可以衡量政策的內(nèi)部一致性，還可以直觀地看出各項政策在各個評價維度的得分情況，找出優(yōu)點與不足，便于后續(xù)修訂改進。該模型具有一定的科學性、合理性、可行性，是政策分析的優(yōu)秀工具，被廣泛用于各領域的政策量化評價。

例如，張永安等（2015）運用PMC 指數(shù)模型，以中關村國家自主創(chuàng)新示范區(qū)政策為例，對區(qū)域科技創(chuàng)新政策進行評價研究；臧維等（2021）以我國公布的30 份人工智能政策文本為樣本，對其量化評價后發(fā)現(xiàn)我國人工智能政策中的需求型政策工具需進一步加強，環(huán)境型政策工具結(jié)構(gòu)有待調(diào)整；宋亞萍（2021）則通過構(gòu)建PMC 指數(shù)模型對8 所高校一流本科教育政策文本進行量化評價并提出優(yōu)化建議；張永安等（2017）基于PMC 指數(shù)模型對我國房地產(chǎn)政策中單一項政策進行評價。

在金融政策評價領域，PMC 指數(shù)模型依然可以發(fā)揮作用。其中，既有金融政策對某一領域的影響性研究，也有對政策本身合理性進行的研究。例如，張永安等（2017）提出金融政策組合對企業(yè)技術創(chuàng)新的作用機理圖，計算出政策組合的PMC指數(shù)并對其評級；錢敏等（2019）選取2019 年中共中央辦公廳、國務院、銀保監(jiān)會和證監(jiān)會官方網(wǎng)站公布的13 項與金融業(yè)供給側(cè)改革相關的政策，對金融業(yè)供給側(cè)改革政策的合理性進行量化評價；夏雨等（2022）以2001—2022 年中央層面出臺的114 部互聯(lián)網(wǎng)金融政策為研究對象，探究互聯(lián)網(wǎng)金融政策演進及特征，并對互聯(lián)網(wǎng)金融政策進行量化評價；杜寶貴等（2023）構(gòu)建了科技金融政策評價指標體系，并采用PMC 指數(shù)模型對遴選出的16 項典型政策進行量化評價，發(fā)現(xiàn)地方科技金融政策總體水平可接受，但仍存在政策目標模糊不清、人才支持力度不足、部門間縱向協(xié)調(diào)不暢、區(qū)域和產(chǎn)業(yè)規(guī)劃缺乏等問題。

不同于早期的其他條件均相同假設，Omnia Mobilis 假說認為一切都是運動的，不能忽略或輕視任何一個變量的作用。因此，在構(gòu)建PMC 指數(shù)模型時，應該盡可能地將影響因素廣泛考慮在內(nèi)，且其權重應該相同。而且，PMC 指數(shù)模型的變量設置大量依賴于文本挖掘出的政策高頻詞，也依賴于政策樣本的內(nèi)在邏輯，增加了評價的客觀性與針對性。因此，對不同的研究領域與政策樣本，構(gòu)建PMC 指數(shù)模型的主要區(qū)別在于變量設置。例如，在醫(yī)保政策研究中，一級變量政策目標下設有醫(yī)?；鸸芾怼⒎召|(zhì)量提升、醫(yī)藥費用控制、患者權益保障、醫(yī)療資源配置（李祥飛等，2023）；在健身政策研究中，一級變量政策重點下設有體育組織、賽事活動、健身指導、場地設施、文化氛圍（時麗珍等，2023）；在綠色礦山建設政策量化評價框架中，一級變量政策內(nèi)容下有依法辦礦、規(guī)范管理、綜合利用、技術創(chuàng)新、節(jié)能減排、環(huán)境保護、土地復墾、社區(qū)和諧、企業(yè)文化（徐水太等，2023）。本文在變量設置環(huán)節(jié)除了著重參考前人研究，也根據(jù)政策的綠色特征、文本高頻詞和關鍵詞進行了設置。

二、研究設計

（一）政策來源與樣本選擇

自中國人民銀行等七部門于2016 年發(fā)布《關于構(gòu)建綠色金融體系的指導意見》以來，全國各省、自治區(qū)、直轄市均發(fā)布了促進綠色經(jīng)濟發(fā)展的政策。在國務院及省級政府官網(wǎng)以“綠色經(jīng)濟”“綠色金融”“低碳”為關鍵詞進行檢索，均可找到相關政策。本文選取2 個中央政策與8 個地方政策：中國人民銀行等七部門于2016年8 月31 日發(fā)布的《關于構(gòu)建綠色金融體系的指導意見》（銀發(fā)〔2016〕228 號）；中國銀保監(jiān)會于2022 年6 月1 日發(fā)布的《銀行業(yè)保險業(yè)綠色金融指引》（銀保監(jiān)發(fā)〔2022〕15 號）；北京市地方金融監(jiān)督管理局于2022 年9 月2 日發(fā)布的《“兩區(qū)”建設綠色金融改革開放發(fā)展行動方案》（京金融〔2022〕249 號）；重慶市人民政府辦公廳于2023 年1 月20 日發(fā)布的《重慶市建設綠色金融改革創(chuàng)新試驗區(qū)實施細則》（渝府辦發(fā)〔2023〕13 號）；上海市人民政府辦公廳于2021 年10 月8 日發(fā)布的《上海加快打造國際綠色金融樞紐服務碳達峰碳中和目標的實施意見》（滬府辦發(fā)〔2021〕27號）；江蘇省人民政府辦公廳轉(zhuǎn)發(fā)人民銀行南京分行等十三部門于2021 年9 月22日發(fā)布的《大力發(fā)展綠色金融指導意見》（蘇政辦發(fā)〔2021〕80 號）；廣東省人民政府辦公廳于2022 年6 月24 日發(fā)布的《廣東省發(fā)展綠色金融支持碳達峰行動實施方案》（粵辦函〔2022〕219 號）；福建省地方金融監(jiān)督管理局于2022 年9 月23 日發(fā)布的《推動綠色金融發(fā)展的若干措施》（閩綠色金改〔2022〕2 號）；黑龍江省人民政府辦公廳于2021 年8 月31 日發(fā)布的《黑龍江省綠色金融工作實施方案》（黑政辦發(fā)〔2021〕32 號）；吉林省人民政府辦公廳于2019 年11 月8 日發(fā)布的《關于推進綠色金融發(fā)展的若干意見》（吉政辦發(fā)〔2019〕45 號）。

這十個政策都聚焦于金融領域，除了《關于構(gòu)建綠色金融體系的指導意見》是2016 年發(fā)布、吉林省人民政府辦公廳《關于推進綠色金融發(fā)展的若干意見》是2019年發(fā)布，其余政策均是近三年來發(fā)布的，與當前綠色金融形勢結(jié)合較為緊密，具有較強的時效性與參考價值。除此之外，這幾個地方既有經(jīng)濟強省強市，也有相對落后的地區(qū)，覆蓋了東北、華北、東南、西南地區(qū)，具有一定的代表性。

（二）模型構(gòu)建

1.樣本預處理

對選定政策進行文本挖掘與分詞，統(tǒng)計出高頻詞語，并去除其中“省”“的”“等”詞語，去除地理名稱與機構(gòu)名稱，保留動詞、名詞和形容詞，整理出前100 名高頻詞匯。此處僅列舉詞頻排名前十的詞語，分別為綠色、金融、機構(gòu)、碳、發(fā)展、環(huán)境、銀行、項目、企業(yè)、服務。

2.變量設置

基于政策樣本的詞頻統(tǒng)計表與關鍵詞網(wǎng)絡圖譜，結(jié)合政策自身特點，參考張永安等（2015）關于政策量化評價的研究成果，共設置10 個一級變量與60 個二級變量。

本模型的10 個一級變量分別是：X1政策性質(zhì)，X2發(fā)布機構(gòu)，X3政策時效，X4政策領域，X5政策受眾，X6政策重點，X7政策功能，X8政策評價，X9激勵措施，X10政策公開。其中：

X1政策性質(zhì)參考張永安（2017）和李祥飛（2023），包含5 個二級變量，判斷政策是否對綠色金融體系建設存在預測、描述、建議、監(jiān)管、試驗作用。

X2發(fā)布機構(gòu)參考張永安（2015），包含4 個二級變量，分別是國務院、國家部委、省市政府和省市廳局，用來評價該項政策發(fā)布機構(gòu)的級別。

X3政策時效參考錢敏（2019），用來考察政策的作用時間，分為長期（5 年以上）、中期（3～5 年）和短期（2 年以內(nèi)），共3 個二級變量。

X4政策領域參考臧維（2021），下設經(jīng)濟、社會、環(huán)境、技術4 個二級變量，考察政策的作用范圍。

X5政策受眾是指該政策的作用對象，基于文本挖掘中的高頻詞和政策特征得出，有政府部門、產(chǎn)業(yè)企業(yè)、金融機構(gòu)，共3 個二級變量。

X6政策重點來源于文本挖掘中的高頻詞，考察政策是否聚焦于經(jīng)濟、生態(tài)、政府、市場、銀行、保險、債券、企業(yè)、服務、產(chǎn)品、信貸、投融資、機制、建設、改革、探索、創(chuàng)新、風險、監(jiān)管、評估，合計20 個二級變量。

X7政策功能參考張永安（2015）和錢敏（2019），旨在說明該政策的目的，有7個二級變量，分別是低碳減排、改善機制、規(guī)范標準、方案制定、引導實施、監(jiān)督管理、國際交流。

X8政策評價參考宋亞萍（2021），以依據(jù)充分、目標明確、方案合理、規(guī)劃翔實、符合實際5 個二級變量對該政策展開評估。

X9激勵措施是政策制定主體為推廣政策并保證政策得以順利施行而采取的一系列保障、激勵措施，基于文本挖掘過程構(gòu)建，包括資金投入、人才引進、基礎建設、信息共享、明確分工、目標考核、政策傾斜、法律保障、宣傳普及。這9 個二級變量對應的說明如下：加大資金投入或?qū)ｍ椯Y金支持，加大人才培養(yǎng)、引進力度，推進金融基礎設施建設，推動信息和數(shù)據(jù)共享，明確責任分工各司其職，納入工作目標績效考核，在稅收、價格、信貸、投融資等方面給予政策傾斜，建立健全相關法律法規(guī)，加大宣傳與普及力度、推動綠色金融社會共識形成。

X10政策公開參考Ruiz Estrada（2011），考察該政策是否公開發(fā)布，無二級變量。

3.構(gòu)建多投入產(chǎn)出表

本文根據(jù)上節(jié)所設定的10 個一級變量與60 個二級變量構(gòu)建多投入產(chǎn)出表，該表可被視作一個數(shù)據(jù)分析框架，每一個一級變量包含數(shù)個二級變量，如一級變量X1 下包含二級變量X1：1、X1：2、X1：3、X1：4、X1：5，依此類推，通過對二級變量進行賦值進一步計算出一級變量。

然后對變量進行參數(shù)設定，該表對變量的個數(shù)沒有限制，并且從長遠來看，每個二級變量的重要性沒有區(qū)別。因此，本研究中每個二級變量的權重都相同，并采用二進制對其進行0、1 賦值，這樣可以保證二級變量對結(jié)果產(chǎn)生同等影響。當政策滿足二級變量時，該二級變量賦值為1，否則賦值為0。一級變量X10 無二級變量，則以一級變量直接賦值。

4.計算PMC 指數(shù)

根據(jù)Mario Arturo Ruiz Estrada 的計算方法，本文通過以下4 個步驟計算PMC指數(shù)：

首先，將一、二級變量放入多投入產(chǎn)出表中；其次，根據(jù)公式（1）、（2）計算二級變量；再次，根據(jù)公式（3）得到一級變量的值；最后，利用公式（4）計算出各項政策的PMC 指數(shù)。

其中，i為一級指標，j為二級指標，PMC為最終得出的PMC 指數(shù)。

一級變量取值與最終的PMC 指數(shù)如表1 所示。由于本研究設定10 個一級變量，因此PMC 指數(shù)取值介于1 到10 之間，可根據(jù)得分及評級標準對政策進行等級劃分，其中0～4.99 分為“不良”等級，5～6.99 分為“可接受”等級，7～8.99 分為“優(yōu)秀”等級，9～10 分為“完美”等級。

表1 十項政策的PMC 指數(shù)

表2 凹陷指數(shù)匯總表

三、實證結(jié)論及分析

（一）政策整體特征分析

根據(jù)表1 所示的各政策PMC 指數(shù)及其等級、排名，可以看出：P2（銀保監(jiān)會）和P8（福建）的PMC 指數(shù)分別為6.42、6.32，評價等級為可接受；其余8 項政策的PMC 指數(shù)均大于7，評價等級為優(yōu)秀，其中P1（人民銀行等七部門）、P5（上海）、P6（江蘇）、P7（廣東）、P9（黑龍江）、P10（吉林）的指數(shù)為7 到8 之間，P3（北京）、P4（重慶）的PMC 指數(shù)均大于8?？傮w來看，這十項政策質(zhì)量優(yōu)良，都可以較好地指導綠色金融體系的規(guī)劃構(gòu)建，但沒有任何一項政策是不良或完美政策。

（二）均值比較分析

將一級變量的值與其平均值比較可以發(fā)現(xiàn)：

①在X2、X3、X10 三個一級變量上，各項政策的得分均等于該一級變量的均值。由于這十項政策的發(fā)布機構(gòu)都是國家部委、省市政府、省市廳局中的一個，作用時效都是長期，均在相應的官方網(wǎng)站上公開發(fā)布，因此這十項政策在X2 發(fā)布機構(gòu)、X3 政策時效、X10 政策公開上的得分相同，且都等于該一級變量的均值。

②在X4 至X8 五個一級變量上，至少半數(shù)以上的政策得分高于一級變量均值。X4 政策領域有5 項政策高于均值且得分為1，X5 政策受眾有8 項政策得分高于均值，說明政策制定者希望盡可能覆蓋更多的受眾，希望更多的產(chǎn)業(yè)、主體參與到綠色金融體系的建設中來；X6 政策重點有6 項政策得分高于均值，大部分政策的著眼點是相似的，在政策相應的權責范圍內(nèi)囊括了盡可能多的關鍵內(nèi)容，便于詳細地指導政策受眾；X7 政策功能有6 項政策得分高于均值，低于均值的4 項政策均只有2 個二級變量沒有得分，說明政策制定主體都比較希望這十項政策能在低碳、執(zhí)行、監(jiān)管等多方面有實際應用效果，目的性強；X8 政策評價有9 項政策得分高于均值，只有P8（福建）因為規(guī)劃不夠翔實未能拿到1 分。

③在X1、X9 兩個一級變量上，大多數(shù)政策得分低于一級變量均值。X1 政策性質(zhì)只有3 項政策得分高于均值，相較于其他政策，這三項政策都具有預測性質(zhì)；X9激勵措施均值相對偏低，且只有4 項政策得分高于均值，沒有任何一個政策拿到1分，說明各項政策在這方面有較大的改進空間。

（三）與“完美”政策比較分析

設定一個各一級變量均為1、PMC 指數(shù)為10 的“完美”政策，其與各項政策的差值即為凹陷指數(shù)，可得到以下凹陷指數(shù)匯總表。

接下來，從橫向即各一級變量的凹陷情況、縱向即各項政策的凹陷情況兩方面來分析。

橫向來看，各一級變量的凹陷指數(shù)在0 至0.75 之間，下面按照凹陷指數(shù)從大到小的順序依次分析。

①各項政策發(fā)布機構(gòu)單一，且都是長期執(zhí)行有效，因此X2 發(fā)布機構(gòu)、X3 政策時效凹陷指數(shù)最大，分別是0.75、0.66；

②X9 激勵措施的凹陷指數(shù)為0.31，在激勵措施方面，大部分政策都注重人才的培養(yǎng)與引進，注重信息的披露與共享，在執(zhí)行方面有具體的責任單位，且在稅收、投融資等方面給予了綠色產(chǎn)業(yè)、企業(yè)一定的政策傾斜，但有部分政策忽視了資金投入、目標考核機制與社會層面的宣傳普及，此外，僅有3 項政策提出要加強金融基礎建設，僅有2 項政策希望建立健全相應法律法規(guī)，為綠色金融保駕護航；

③X6 政策重點的凹陷指數(shù)為0.22，基本上所有的政策都堅持市場主導、政府引導，注重經(jīng)濟發(fā)展與生態(tài)建設齊頭并進，著眼于金融機構(gòu)、信貸產(chǎn)品、改善機制、探索創(chuàng)新、把控風險，但相當多的政策沒有重點強調(diào)事后評估與監(jiān)管；

④X1 政策性質(zhì)的凹陷指數(shù)為0.18，所有政策都具有描述、建議性質(zhì)，有9 項政策具有監(jiān)管、試點性質(zhì)，但只有3 項政策具有預測性質(zhì)；

⑤X4 政策領域、X7 政策功能的凹陷指數(shù)均為0.17，各政策可以加強在技術領域的布局，制定執(zhí)行規(guī)范標準，也便于與國際接軌，加強國際合作交流；

⑥X5 政策受眾、X8 政策評價、X10 政策公開的凹陷指數(shù)分別為0.07、0.02、0，說明這幾個一級變量最為接近“完美”政策，一致性程度高。

縱向來看，各項政策凹陷指數(shù)在1.53 至3.68 之間，P8（福建）、P2（銀保監(jiān)會）凹陷指數(shù)最大，均大于3，評分最低；P4（重慶）、P3（北京）凹陷指數(shù)最小，均小于2，即更接近于“完美”政策；其余6 項政策凹陷指數(shù)均在2 到3 之間。

回看評分最低的兩項政策，其中P8（福建）受限于篇幅較短，在很多地方?jīng)]有明確具體的指導，規(guī)劃不算翔實充分，除了X1 政策性質(zhì)與X10 政策公開得分為1，其余各一級變量都小于1 分且不高于平均值，凹陷指數(shù)高達3.68。該政策僅涉足經(jīng)濟、環(huán)境領域，沒有過多考慮社會與技術因素，產(chǎn)業(yè)、企業(yè)作為金融消費者是綠色金融體系的重要一環(huán)卻沒有太多的參與感。

針對該政策，改進順序為X4 政策領域、X6 政策重點、X9 激勵措施、X5 政策受眾、X7 政策功能、X8 政策評價，具體的改進路徑應結(jié)合實際情況進行。其中，可以重點改進政策領域、政策受眾、政策重點、激勵措施，把銀行、保險等金融機構(gòu)及其提供的各類信貸產(chǎn)品與產(chǎn)業(yè)、企業(yè)聯(lián)動起來，鼓勵各類企業(yè)綠色轉(zhuǎn)型；強調(diào)金融基礎設施建設及新型綠色技術在拓寬金融應用領域、下沉金融應用市場方面的重大作用；利用好福建沿海省份的地理區(qū)位優(yōu)勢、對外開放先鋒的改革引領優(yōu)勢，加強本地同國際綠色金融組織的交流，對標國際完善規(guī)范標準，爭取國際綠色投融資；構(gòu)建信息大數(shù)據(jù)平臺，在統(tǒng)計、監(jiān)測、評價等方面提供信息共享服務，緩解信息不對稱，推動跨領域、跨部門合作；可以推動立法，既要明確環(huán)境保護法律責任，倒逼高污染、高耗能產(chǎn)業(yè)轉(zhuǎn)型，也要明確貸款人盡職免責要求；加強宣傳普及，推動綠色金融知識進校園、進工廠、進社區(qū)，倡導綠色生產(chǎn)、綠色消費，塑造社會環(huán)保共識。

P2（銀保監(jiān)會）為銀保監(jiān)會針對銀行業(yè)、保險業(yè)發(fā)布的專項政策，并不涉及其余機構(gòu)、部門，涉及領域較窄，內(nèi)容相對單一，除了X8 政策評價與X10 政策公開得分為1，其余一級變量得分都小于1，凹陷指數(shù)為3.58。但其X7 政策功能得分較高，說明其在該專項領域有較強的針對性，目的明確，能起到較好的指導效果。該政策改進順序為X4 政策領域、X9 激勵措施、X1 政策性質(zhì)、X6 政策重點、X5 政策受眾、X7 政策功能，可重點改進激勵措施方面，加大資金投入，鞏固基礎設施建設，加強政策支持，推動政策制定與行業(yè)立法，加強指引的同時也加強保障。

對比評分較高的兩項政策P4（重慶）、P3（北京），發(fā)現(xiàn)這兩項政策有很多相似之處，優(yōu)勢明顯。這兩項政策綜合考慮了綠色金融在各領域、各產(chǎn)業(yè)的應用情況，目的性強，重點突出且全面，激勵措施也比較豐富，可以更好地指導政府部門、金融機構(gòu)乃至于金融消費者如何參與構(gòu)建綠色金融體系。P4（重慶）的改進重點為X9激勵措施，P3（北京）的改進順序為X9 激勵措施、X1 政策性質(zhì)、X6 政策重點。這兩項政策在激勵措施領域略有缺失，都需要改進法律保障方面，這也是絕大多數(shù)政策忽略的地方。此外，P3（北京）還可以設定目標考核機制，將推動綠色金融發(fā)展納入年度工作責任目標，明確主責部門和時間表，將相關任務納入重點督辦事項，確保綠色金融改革任務落到實處、改出效果。

P1（人民銀行等七部門）發(fā)布時間最早，總領性質(zhì)最強，凹陷指數(shù)為2.52，該政策改進順序為X7 政策功能、X4 政策領域、X6 政策重點、X1 政策性質(zhì)、X9 激勵措施，可以進一步拓寬政策領域、深化政策功能，在技術應用、機制改革、規(guī)范標準方面加以改進。

P5（上海）、P6（江蘇）地理位置連接緊密，凹陷指數(shù)也接近，分別為2.59、2.40。P5（上海）的改進順序為X1 政策性質(zhì)、X9 激勵措施、X7 政策功能、X6 政策重點，P6（江蘇）的改進順序為X9 激勵措施、X1 政策性質(zhì)、X6 政策重點、X7 政策功能。這兩項政策都可以強化預測、監(jiān)管性質(zhì)，豐富事后監(jiān)管與項目評估內(nèi)容，改進基礎建設與法律保障激勵措施，江蘇還需要加大資金與人才投入，加強國際交流。

P7（廣東）凹陷指數(shù)為2.15，該政策改進順序為X9 激勵措施、X6 政策重點、X7政策功能。作為中國經(jīng)濟最強省份之一與改革開放前沿陣地，該省這項政策卻需要在機制改革與國際交流方面加以改進。此外，該政策是眾多省份中激勵措施得分最低的，可以在人才引進、目標考核、法律保障、宣傳普及四點上再下功夫。

P9（黑龍江）、P10（吉林）也是相鄰的省份，凹陷指數(shù)分別為2.54、2.68。P9（黑龍江）的改進順序為X9 激勵措施、X4 政策領域、X1 政策性質(zhì)、X6 政策重點、X7 政策功能，P10（吉林）的改進順序為X6 政策重點、X7 政策功能、X4 政策領域、X9 激勵措施、X1 政策性質(zhì)。這兩項政策在政策領域上都可以拓展技術領域，在政策重點上都可以進一步突出深化改革，在政策功能上都可以強調(diào)規(guī)范標準，在激勵措施上都可以改進基礎設施建設方面。這樣可以用新技術、新機制、新標準、新設施促進同為東北重工業(yè)基地的兩個省份綠色轉(zhuǎn)型。P9（黑龍江）還可以加大資金投入、加強法律保障，P10（吉林）還可以加強組織宣傳，推動綠色金融教育普及。

四、結(jié)論與討論

（一）研究結(jié)論

本文選取2016—2023 年間中國內(nèi)地的10 項綠色金融政策作樣本，運用PMC指數(shù)模型對其進行定量分析，得到以下結(jié)論：

（1）總體來看，這十項政策的PMC 指數(shù)最低值為6.32，最高值為8.47，均值為7.44，設計是較為優(yōu)秀的。除了P2（銀保監(jiān)會）、P8（福建）為可接受等級，其余8 項政策均為優(yōu)秀等級。各項政策的PMC 指數(shù)與發(fā)布時間的先后、發(fā)布機構(gòu)的層級、發(fā)布地區(qū)的地理區(qū)位、經(jīng)濟水平并沒有顯著的關系；得分較高的政策如P3（北京）、P4（重慶）、P7（廣東）發(fā)布時間較晚，制定政策時可以充分借鑒已有的、效果顯著的政策，但得分較低的政策，如P2（銀保監(jiān)會）、P8（福建）發(fā)布時間也并不早；中央級政策作為頂層設計，得分并沒有高于大部分省市級政策。

（2）這十項政策在發(fā)布機構(gòu)、政策時效、政策受眾、政策評價、政策公開方面一致性程度較高，在激勵措施方面一致性程度較低。從均值分析來看，政策領域、政策受眾、政策重點、政策功能、政策評價這五個一級變量中，政策得分高于一級變量均值，說明多數(shù)政策聚焦于這幾個維度，但依然可以在技術創(chuàng)新、內(nèi)控監(jiān)管、評估反思、規(guī)范標準、國際交流等方面加以強化。政策性質(zhì)、激勵措施的政策得分低于一級變量均值，有兩項內(nèi)容是絕大多數(shù)政策沒有考慮到的：一是政策性質(zhì)方面僅有3項政策有預測性質(zhì)，二是激勵措施方面僅有2 項政策提到了法律保障。

（3）各項政策仍有較大的優(yōu)化空間，應結(jié)合各項政策的評價指標得分情況，具體情況具體分析，研判其優(yōu)劣勢及后續(xù)改進空間。例如，對比得分最低的兩項政策與得分最高的兩項政策，發(fā)現(xiàn)它們在政策領域、政策受眾、政策重點、政策功能、激勵措施方面差距明顯，可以為后續(xù)政策改進提供一定的方向。這十項政策普遍存在不足之處，比如調(diào)控層級較為單一，政策受眾缺乏交流；政策時效多為長期，少有短期目標規(guī)劃；激勵措施不夠完備，保障機制有待加強；約束懲戒力度不足，難以發(fā)揮政策效力等。

（二）研究啟示

本文在Mario Arturo Ruiz Estrada 等人研究的基礎上，運用PMC 指數(shù)模型，將評價維度劃分為10 個一級變量，并細分至60 個二級變量，賦予每個二級變量相同的權重，進而計算出PMC 指數(shù)及凹陷指數(shù)，對政策進行量化評價，并直觀地展示其優(yōu)劣勢。本文在一定程度上豐富了國內(nèi)綠色金融政策研究，增進了人們對綠色金融體系構(gòu)建目標、如何構(gòu)建、構(gòu)建重難點的理解，并提出以下建議，在節(jié)能減排、力爭“雙碳”目標實現(xiàn)的大背景下，為未來綠色金融政策的修訂及制定提供參考和借鑒，促進新政策更加全面、合理、準確。

（1）拓寬政策領域，擴大政策調(diào)控范圍、層級。充分發(fā)揮政府、機構(gòu)、企業(yè)、個人等主體的作用，利用信息共享、意見反饋、獎金激勵等機制加強互動、上下聯(lián)動，例如搭建信息共享平臺對企業(yè)的“綠色信用”進行公示，實現(xiàn)跨部門、跨地區(qū)無縫協(xié)作；設立“低碳直通車”反饋渠道，充分吸納金融機構(gòu)、市場企業(yè)、金融消費者等主體的反饋意見，確保各主體充分聯(lián)系自身實際與社會經(jīng)濟宏觀環(huán)境，參與到綠色金融機制改革中來。

（2）設定短期規(guī)劃，對政策目標進行細化量化。在政策性質(zhì)方面加入預測目標方面的內(nèi)容，在政策時效方面構(gòu)建長短期政策相結(jié)合的政策體系。利用長期統(tǒng)籌確保其連續(xù)性，利用短期規(guī)劃確保其靈活性，可以隨著形勢變化及時做出調(diào)整，這也有助于穩(wěn)步推進政策執(zhí)行。同時，金融機構(gòu)與企業(yè)應履行社會擔當，定期發(fā)布社會責任報告與綠色金融報告，對碳減排貸款、綠色債券等內(nèi)容出具專題分析。

（3）完善激勵措施細則，多措并舉支持體系建設。各級政府要加大專項資金投入，加強人才培養(yǎng)力度，適當給予稅收、價格政策傾斜，推進綠色金融基礎設施與信息共享平臺建設；對綠色生產(chǎn)、光盤行動、單車出行等行為獎勵低碳積分，用來兌換息費減免、支付紅包等獎勵；鼓勵基層機構(gòu)、企業(yè)密切配合政府指導部門，下沉至居民及商業(yè)社區(qū)，利用豐富多樣的宣傳渠道，面向社會公眾做好綠色金融知識普及。

（4）引入約束懲戒機制，提高政策效力。除了資金投入、政策支持、人才培養(yǎng)等獎勵性激勵措施，還應引入更多的懲罰機制。我國一些大型銀行將環(huán)境與社會風險及氣候風險評估要求嵌入投融資審批和管理各環(huán)節(jié)，全流程執(zhí)行綠色環(huán)保一票否決制，但我國在綠色金融領域缺乏權威的約束性文件，建議中央加強頂層設計，建立健全綠色金融法律法規(guī)，明確各主體在綠色金融體系建設中的責任與義務。

（三）研究局限與展望

當然，本文研究存在一定的局限性：一是研究視角有待進一步擴展。綠色金融政策的指導對象是政府部門、金融機構(gòu)及金融消費者，且更多地著眼于金融供給端。綠色經(jīng)濟政策則豐富了金融需求端的內(nèi)容，指導能源、貿(mào)易、物流、交通、建筑等行業(yè)如何進行綠色升級，工業(yè)、農(nóng)業(yè)、服務業(yè)等產(chǎn)業(yè)如何實現(xiàn)低碳生產(chǎn)、消費，后續(xù)可以加入更多政策進行綠色低碳循環(huán)發(fā)展經(jīng)濟體系中供給端及需求端的對比分析。二是在PMC 指數(shù)模型的構(gòu)建中，變量設置仍具有一定的主觀性，變量的維度及深度需要進一步研究?？梢钥紤]設計一些普適性的標準變量，輔以針對具體問題的非標準變量，讓變量更加多樣化。

此外，可以考慮時間因素，研究某一時間段內(nèi)同類政策有何變化、改進并分析其現(xiàn)實原因；還可以根據(jù)地理位置、經(jīng)濟水平、生態(tài)水平等因素對政策進行分組，研究同組別之內(nèi)、不同組別之間的政策特征。