對互金産品的思考?本報記者 蔣牧雲 張榮旺 上海 北京報道，我來為大家科普一下關于對互金産品的思考?以下内容希望對你有幫助!

對互金産品的思考

本報記者 蔣牧雲 張榮旺 上海 北京報道

以金融科技賦能綠色金融正成為行業趨勢，不少金融機構正在推進建設相關的綠色金融平台。同時，多地近期均發布了綠色金融相關政策引導，其中都提到了大數據、物聯網等金融科技之于環境效益與風險量化的作用。

對綠色金融而言，環境效益與風險的量化意味着什麼？在采訪中，多位業内人士向《中國經營報》記者表示，由于環境效益的線下勘測需要專業的人員，線上的數據評估則依賴于企業與金融機構之間的信息共享，使得相關信息的實際獲取難度較大，從而導緻金融機構難以給出相應的定價（貸款、債券利率，保險費率等），而金融科技的介入則能夠以技術手段部分解決上述難點。不過也需要注意的是，目前的賦能僅僅初見成效，為進一步提升金融科技的賦能效率與質量，仍然有很多需要深入研究的課題。

技術賦能初見成效

從已落地的綠色金融平台來看，大數據、物聯網等技術已經在賦能綠色金融方面初有成效。比如，廈門産權交易中心（廈門市碳和排污權交易中心）正全力推進廈門市綠色金融服務平台系統（以下簡稱“廈綠融”）建設。

廈門産權交易中心董事長連炜向記者介紹，為解決金融機構在環境效益測算、綠色信息識别、企業申請綠色金融服務缺少統一的、便捷的途徑等難點，廈綠融系統運用大數據技術，可自動判斷申報企業和項目申報業主是否符合廈門市綠色融資企業和綠色融資項目的申報條件，并嵌入了綠色融資項目智能識别、環境效益自動測算、直通車企業自動判定、入庫信息定期跟蹤等功能，為企業和項目的認定及入庫提供了快捷通道。目前，已有23家金融機構接入平台，113家綠色融資企業（項目）通過了入庫申報工作,其中包含海洋産業企業5家，廈綠融數字化金融服務平台綠色項目實現碳減排效益67948噸。

與此同時記者也注意到，近期多地發布的綠色金融相關政策引導中都提到了金融科技的重要性。比如，《深圳市金融科技專項發展規劃（2022—2025年）》中提到，要擴大綠色金融科技應用範圍。鼓勵運用金融科技手段健全綠色金融體系。鼓勵利用大數據、人工智能等技術建立綠色信息監測與分析模型，量化環境效益和轉型風險，提升綠色金融風險管理能力。

此外，近日中國人民銀行等六部委印發《重慶市建設綠色金融改革創新試驗區總體方案》。其中也提到要進一步建設“長江綠融通”綠色金融大數據綜合服務系統。建立智能化綠色金融統計監測與評估考核體系，開發環境效益監測評價功能；構建綠色金融風險防範化解機制，建立健全綠色金融風險預警機制等。

對于行業各方開始重視金融科技對綠金的賦能，連炜表示，未來金融科技必将更廣泛應用于綠色金融，大數據、人工智能和區塊鍊技術能為綠色金融的應用提供更廣闊的應用場景。下一步，廈綠融平台将積極借助“科技 制度”打通廈門市綠色融資企業庫與人民銀行廈門中心支行“綠票通”連接渠道，充分發揮綠色要素市場與綠色金融政策的疊加效應，力争打造數字化綠色金融的“廈門樣闆”。

對此，惠譽常青ESG研究組聯席董事賈菁薇也告訴記者，綠色金融一直面臨缺少相關企業發行人環境和社會方面的數據披露的問題，主要原因來自目前在監管層面缺少統一的強制性信息披露要求，另外也由于此類非傳統财務信息在公司運營中獲取難度較大。這導緻投資者（或機構）對企業進行ESG評價時缺少可參考信息，從而難以全面評價ESG因素對企業财務或非财務方面的影響。近年來國際上對ESG信息披露的要求日益提高，逐漸通過加強監管的方式，結合數據科學手段加強環境方面信息提取，建立對物理和轉型風險模型，來提高對氣候或ESG因素對投資有可能産生的影響的認知。

如何剔除數據偏差仍待研究

如上所述，綠色金融一直面臨環境效益以及綠色信息量化與獲取上的難點，那麼，具體有哪些難點？而這些難點會給金融機構在發展綠色金融時帶來什麼？

北京社科院研究員王鵬告訴記者，環境效益以及綠色信息的量化上的難點可以分為線上與線下兩個維度。線下維度，環境保護、綠色能源等領域的勘測需要專業人才。同時，許多勘測的數據要素，與金融機構以往處理的數據差異明顯。線上維度，則有賴于信息的共享與業務的協同，一旦企業與金融機構之間的信息不共享，就無法實現實時的評估與量化。

針對這些問題，金融科技可以通過技術手段解決一部分。比如線下的勘測，可以通過物聯網傳感器、無人機等檢測項目的進度、質量、效益。通過将實時的數據傳入機構的系統中，經過專家或系統的測算，來掌握項目的環境效益以及投資回報率等。而線上的難點則需要等待綠色金融的相關标準進一步推進，從金融科技的技術手段暫時無法解決。

冰鑒科技市場總監周揚表示，綠色金融的核心關鍵就是對企業主體的認定和評估，有了評估才能給予相應的定價（貸款、債券利率，保險費率等），而金融科技就是要從這些難點入手，尋找解決之道。以綠色貸款為例，除了監控綠色企業的工商、司法、财務等傳統數據指标外，還需要關注環保處罰數據、排污數據（如有），碳排放數據，碳交易數據等等。而很多企業沒有這些數據，又或者有數據但散落在各個細分領域的政府部門或行業組織，很難統一并結構化使用。

具體的解決方法方面，周揚表示，冰鑒科技作為人工智能風控企業，正在幫助機構提高綠色小微企業的風控水平。這其中不僅要運用NLP（自然語言處理）、機器學習和多方安全計算等技術處理複雜的數據源，而且要通過持續的模型訓練确定上述各種數據所占權重及對風控結果的影響。這些數據不僅來源多，而且有些又不能保證準确性和真實性，人工智能如何剔除這些偏差和影響，形成有效的綠色風控模型，是一個值得深入研究和反複實踐的課題。

不過，在金融科技推動綠色金融的同時，也有需要關注的問題。近日，中國人民銀行研究局局長王信、中國人民銀行金融研究所助理研究員周有容撰寫的《數字金融賦能綠色金融發展》中提到，數字綠色金融是通過大數據、機器學習、人工智能、區塊鍊、物聯網等技術支持，幫助環境效益項目進行投融資活動，實現可持續發展目标的金融創新。不過在發展數字綠色金融的同時，也需要關注3方面問題。

首先是商業秘密保護與信息公開披露的權衡。在企業環境效益信息、個人行為數據的收集、處理、共享等環節，仍存在數據非法采集、數據随意買賣、數據産權不清晰等問題。數據與信息的進一步挖掘和共享，也将引起企業關于商業機密洩露的擔憂。法律對信息安全的保護，則可能增加數據信息采集難度。因此，商業秘密保護與信息公開披露的權衡，影響數據獲取的廣度和精度，數字綠色金融的服務能力是否能夠保持較高水平，值得進一步觀察。

其次，替代性數據大規模應用的科學性值得深入研究。商業機構充分利用替代性數據，一定程度上解決了信息不對稱、數據不充分等問題。然而，一方面，替代性數據的數據分析（機器學習）模型本質是分類技術，并非真正意義的因果關系，不能作為解釋經濟、金融現象的主要甚至唯一依據。另一方面，替代性數據也存在覆蓋面不夠、質量和可信度低及數據時間跨度不夠等問題。應進一步完善替代性數據應用的理論基礎，防範替代性數據可能引發的問題，科學合理地應用替代性數據。

最後，數字技術運用的碳排放不可忽視。數字技術可有效優化企業、金融機構工作流程，節省人力資本，提高企業運營能耗比。但計算機運行會造成數量巨大的碳足迹，在利用數字技術推動綠色金融發展時，需要結合具體場景（如物流、生活服務等），客觀科學地判斷該金融服務是否産生了真實的節能減排和環境保護等效應。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!