在2023年10月召开的中央金融工作会议中，明确提出“加快建设金融强国”，做好科技金融、绿色金融、养老金融、普惠金融、数字金融五篇大文章，要为经济社会发展提供高质量服务。习近平总书记强调，要着力提升科技自立自强能力，推动产业转型升级，推动城乡区域协调发展，推动经济社会发展绿色化、低碳化，推动经济实现质的有效提升和量的合理增长。在当前新产业、新模式、新动能不断涌现的背景下，如何更好发挥金融对实体经济的支持作用，是金融业高质量发展需要考虑的重要内容，仅锚定经济利益的发展模式将难以存续，以可持续发展视角推动金融与经济的融合更具现实意义。环境（Environmental）、社会（Social）和治理（Governance），即ESG作为可持续发展理念的重要内容，也有必要在金融业中有更进一步的运用。
中央财经大学绿色金融国际研究院
院长 王遥
ESG推动金融业向可持续和负责任方向发展
随着气候变化和资本市场环境变动带来的风险敞口增大，将ESG逐步纳入金融投资管控和项目管理中，对于平衡经济增长、社会发展和环境保护等多方位需求均有积极意义，近年来ESG对于金融业的影响也深化至银行业、保险业、证券业、基金业等各个业态中，推动金融业向可持续和负责任方向发展。在银行业方面，2022年6月，原中国银保监会发布《银行业保险业绿色金融指引》（简称《指引》），环境、社会和治理风险的识别与管理等相关内容在《指引》中共被提及达33次，明确提出对ESG风险进行有效识别、监测、防控等，要关注客户（融资方）及其主要承包商、供应商因公司治理缺陷和管理不到位而在建设、生产、经营活动中可能给环境、社会带来的危害及引发的风险。在保险业方面，除前述提及的《指引》以外，2022年11月，原中国银保监会《绿色保险业务统计制度的通知》中也将为环境、社会、治理风险提供保障的保险业务纳入重要的统计范畴，以充分发挥保险在建立健全绿色低碳循环发展经济体系中的作用。在证券业方面，推动上市企业可持续发展能力建设是重要方向，2024年4月，在证监会统一部署下，沪深北三地交易所又分别发布了《上海证券交易所上市公司自律监管指引第14号——可持续发展报告（试行）》《深圳证券交易所上市公司自律监管指引第17号——可持续发展报告（试行）（征求意见稿）》《北京证券交易所上市公司持续监管指引第11号——可持续发展报告（征求意见稿）》，从整体框架上较为完善地覆盖了可持续披露框架和包括环境、社会、治理三个维度具体的议题内容，是证券业市场信息披露进一步规范化的体现。在基金业方面，早于2018年，中国证券投资基金业协会《绿色投资指引（试行）》，提出有条件的基金管理人可以采用系统的ESG投资方法，综合环境、社会、公司治理因素落实绿色投资，积极建立符合绿色投资或ESG投资规范的长效机制等。以环境、社会和公司治理为核心的ESG责任投资已成为金融业新兴的投资策略，是金融业落实绿色发展理念、构建绿色金融体系的重要抓手。
金融科技增强ESG服务质效
在ESG理念逐步深化、政策指导趋于密集、市场实践加快发展的背景下，如何更好发挥ESG对金融业的支持作用，是下一步需要解决的重要议题。基于ESG运用的场景和金融机构高质量发展的重要举措，未来金融科技与ESG的融合发展是解决现实之需的重要手段。数字化、科技化是新时代金融发展的重要趋势，也是实现金融高质量发展的关键手段。2019年发布的《金融科技（FinTech）发展规划（2019—2021年）》是我国金融科技发展历程中首份顶层规划，也是我国金融科技第一发展阶段的指导纲要，具有里程碑的意义。近年来，金融科技创新不断取得突破性成果，金融云、超融合数据中心、绿色算力、隐私计算以及金融分布式数据库的应用，为ESG理念支持金融行业的绿色化、数字化发展提供了强大的技术支撑。金融科技与ESG的有机融合也为绿色金融项目识别、追踪和管理提供更多可能性，有助于金融业优化业务结构、提升服务效率、完善风险管理。
一是金融科技与ESG的融合有助于加快数字化可持续投资平台建设，优化金融业投资结构。金融科技可以主体与项目为抓手，借助高效的关键词检索与分类匹配技术，在供给与需求库中快速实现信息的扫描与链接，有效降低信息不对称造成的供需错位，助力金融业快速识别ESG项目和客户资源，实现配置优化和精准服务。举例来看，人工智能关键词检索可以推动ESG指标识别，提高项目可持续判断的精准性。以词频——逆文档频率（TF-IDF）技术为例，金融机构可以设置ESG指标关键词及ESG标准语料库，通过检索客户和项目信息中ESG有关词频出现的标准化次数、逆文档频率等相关计算判断ESG关键词的重要性与相关度，从而实现可持续客户分类、绿色项目归纳等。但在实际应用中，金融科技与ESG融合也面临着当前ESG标准语言与金融科技的系统化语言不一致的困境。由于ESG标准多为定性描述，国际市场上也存在着SBTi、TCFD等不同的主流披露框架，可能存在同一关键词定义多样、同一项目在不同披露框架中命名不同的差异化问题，而人工智能模型的底层逻辑是电脑通过识别0与1的二进制或十六进制计算，比照ASC II等国际信息交换标准对字符串进行识别与输出，换而言之金融科技的系统化语言对ESG标准语言本身缺乏一定理解能力，当前ESG标准的多样化表述对代码规范与系统开发带来了挑战。
二是金融科技与ESG的融合可以加快智能合约和可持续金融产品开发，实现金融业资金投募提质增效。智能合约是基于区块链的自动执行合约，基于区块链可追溯性的特性，使链上录入的每个数据均被盖上时间戳，结合数据信息在记录、传输、存储的过程中不可被篡改的特性，智能合约和区块链技术可以实现对公司ESG信息的调取、跟踪与监管，既降低了金融机构由信息不对称带来的数据信任成本，也可以确保合约上企业遵守ESG标准经营。
具体来看，智能合约可以帮助金融机构根据预设条件自动执行奖励或惩罚。随着可持续金融、转型金融理念的提出，在开展转型类金融产品创新时，该类产品相较于普通绿色金融产品往往通过设置关键绩效指标（KPI）和可持续发展绩效目标（SPT）来提供差异化的金融支持，智能合约的采用在产品开发上便利了挂钩类产品的应用实施，当项目客户未履行其ESG承诺、未完成转型绩效指标时，智能合约可以自动在产品期限、利率等合同约定方面进行浮动调整，缓解了金融业转型项目管理难、跟踪难、考核难等问题，提高了金融业募投资金服务产业可持续发展的质效。但在实际应用中，金融科技与ESG融合也面临着合约评估准确性受数据安全、质量、数量影响的难题。
一方面，在信息安全和监管侧，区块链技术存在数据意外删除不可逆的问题，去中心化的特性可以使数据不通过第三方机构及组织盘点，在缺乏监管的情况下敏感文件及客户数据的隐私性也还有待考量；另一方面，由于ESG信息披露理念尚未全面铺开，项目客户的信息披露数据可能存在缺失、披露质量不一等问题，同时公共部门所掌握的ESG相关信息也分散于不同部门，金融机构获取有效信息存在难点，也会对智能合约的标准化实施造成影响。
三是金融科技与ESG的融合可以提升风险研判的科学性，为金融业投后管理提供保障。金融科技可以通过机器学习、时间序列等方法，将环境压力、ESG评估、信用风险回归量化，通过最小化模型均方根误差等方法实现高精度预测。举例来看，金融机构可以将时间序列中人工神经网络模型运用于ESG风控模型体系建设。通过对企业环境信用评级、碳排放管理水平、员工权益保障、安全生产、公司治理、经营管理、财务指标等重要变量赋予权重并纳入运算节点计算违约概率，实现可持续投资的风险与质量预测，有效帮助金融业提升对项目客户履约能力的预判，以更可控、更安全、更具风险收益比的方式为长尾市场中的中小投资者提供资金支持。但在实际应用中，金融科技与ESG融合也面临着缺乏成熟模型开发经验和复合人才储备缺乏的难题。由于市场上金融科技与ESG耦合的实践数量有限、金融机构开发模型经验不足，且具有量化和ESG交叉知识的后备人才缺乏，建模样本过少或样本噪音干扰过大都可能导致ESG风控模型无法有效学习到不同行业、不同项目样本的一般规律，最终表现在模型泛化能力弱，实际风险管理效果不及预期。
ESG支持金融业高质量发展的三点建议
一是要尽快建立标准化的ESG语言体系，夯实ESG与金融科技交互的基础。在金融端，金融机构可以与ESG数据提供商和行业标准组织合作，推动提高ESG数据的标准化和透明度。建立统一的ESG数据标准将有助于提高数据质量和可比性，为金融科技技术应用提供标准化的语料库和数据保障，提高金融业绿色高质量发展效率。在技术端，金融科技公司可以与ESG研究机构、政府监管部门、行业协会等建立合作伙伴关系，探索建立去中心化技术领域的自律组织，增进行业对话。
二是完善ESG数据管理制度，增强ESG数据质量。数据准确与技术创新是金融科技长期服务绿色金融风险监管的基础。一方面，加快破局当前大部分地区未建立互通归集的ESG数据平台的瓶颈，用好公共信息中ESG相关的重要数据内容，改变当前数据分散的情形，如最为重要的用电量、用水量等与碳排放核算最为紧密的数据分别由电力公司、水务公司管辖；排污量、有害物质、环评信用等由环保部门主管；环保税则由税务部门主导；废弃物回收由城管部门备案等，有必要通过数据整合逐步形成区域ESG综合数据库。另一方面，相关管理部门可以ESG信息披露为依托，从数据安全性、规范性、准确性角度提出ESG数据信息管理及应用指导规范，引导金融机构规范运用ESG数据信息。
三是强化金融科技和ESG融合的人才梯队建设。金融机构可加强业内跨策略人才、数据科学家、可持续研究专员等系列复合人才建设，通过系统化的培训，积极推动大数据、区块链、人工智能等技术手段的应用，将ESG管理融入绿色金融活动的全流程中，实现投前风险识别与分类，投中差异分配与管理，投后动态监控与追责。同时，金融业还可加快业内数字化、平台化的建设交流，积累模型开发基础与数据经验，促进不同业务品种间的融合互联，降低ESG评估过程中的数据偏差，提高风险预警的准确性，避免金融机构投向可能面临重大ESG问题的企业。
（此文刊发于《金融电子化》2024年4月上半月刊）
