廣東省綠色金融發展水平測度
——基于遺傳算法優化的神經網絡模型的研究

張一凡 董曉紅 吳井泉

(哈爾濱商業大學,黑龍江 哈爾濱 150028)

一、引言

在人們環保意識與可持續發展理念日益增強的背景下，綠色金融作為實現綠色發展的重要舉措，為完成我國供給側改革與產業結構升級，促進環境、經濟協調發展起到重要作用。黨的十九大提出建設美麗中國，要求建立健全綠色低碳循環發展的經濟體系，構建市場導向的綠色技術創新體系，發展綠色金融。G20杭州峰會指出發展綠色金融的必要性，強調市場缺乏一套更為完善、科學的綠色金融度量與評估體系。在我國綠色金融發展過程中，廣東省作為我國經濟、金融建設前沿地帶，在2017年進入全球金融中心指數體系并獲批建設綠色金融改革創新試驗區，在金融資源配置、金融風險防控、金融改革創新等方面具有明顯優勢，作為測度對象比較具有代表性。神經網絡模型作為具有自適應、自組織、自主學習能力的數學分析方法廣泛應用于建立基本評價模型，遺傳算法具有良好的全局搜索優化能力，可優化神經網絡自身存在的易陷入局部最優解等問題，使評價輸出更為精確。因此，針對國內綠色金融評價體系尚不完善的現狀，運用遺傳算法對神經網絡模型進行優化的科學方法，建立城市綠色金融發展水平測度模型，對2011年和2016年廣東省21個地級市綠色金融建設情況進行對比分析。這有利于推動全國各城市綠色發展，明確綠色金融體系建設目標，對促進綠色金融發展有著重要的現實意義。

目前國內外對綠色金融發展水平的研究很多，但多數評測指標的建立只是針對某些特定的金融產品而設計，還未形成科學、統一的標準。如國外研究中Marcel Jecuken(2001)通過構建五維評價體系，對34家知名銀行可持續發展戰略進行評測，得出銀行可持續發展和環境關系日趨緊密，發展綠色金融為促進金融業可持續發展打下良好基礎[1]。國際金融公司等9家商業銀行(2002)提出赤道原則，對環保項目融資風險按指標體系進行劃分。國內研究中，白欽先(2006)從基礎、核心、擴展、衍生四個功能演繹金融發展進程并對其進行重新界定[2]。黃建歡(2014)分析金融發展影響區域綠色發展的四個機理并采用空間杜賓模型分析各機理的相對重要性與空間溢出效應[3]。

綜上可知，目前已有評價和分析多側重于定性分析，然而定量更能應用數據客觀地對測度評分進行分析，使結果更具科學性。因此，本文在原有理論的基礎上建立模型測度城市綠色金融發展水平，對政府發展綠色金融具有借鑒意義。

二、城市綠色金融評價體系的構建

(一)評價指標的選取與數據來源

1.綠色金融指標的選取

(1)借鑒中國人民銀行泰州銀行(2016)[4]的思路，根據廣東省節能減排等舉措，選取單位GDP能耗來衡量資源消耗，工業廢水、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工業廢水、廢氣、固體廢物排放量來衡量城市環境污染水平。

(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地資本配置效應。資源配置作為金融的核心功能，將有限的資源根據區域生產率與產出率進行合理分配，有利于提高城市綠色金融發展水平。此指標數據大說明該地區資產利用效率較高，綠色金融發展前景更為廣闊。用外商投資利用總額、儲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，金融市場通過融資等手段將資金轉化為資本，為企業擴大生產與技術研發提供支持。用邊際資本生產率衡量投資總額對當地經濟發展的增量，此指標越大反映企業資金利用率越高，從而使經濟增速加快，促使金融業良性發展。

(3)借鑒楊陽(2017)[5]等人的思路，用環保投資占比、節能環保公共支出占比來衡量城市綠色投資情況，政府與社會投資有利于綠色項目的融資情況，并直觀反映出當地綠色金融的重視程度。用清潔發展機制項目交易量占比衡量區域碳金融發展程度，碳金融致力于減少企業溫室氣體的排放，此指標越大表明地區企業參與碳配額交易越多，綠色金融發展水平越是良好。高耗能企業市值占比、環保企業市值占比兩項指標從正、負兩方向分別衡量高耗能企業與環保企業在金融市場的融資情況。保險深度用于測度廣東省各城市保險業的發展水平。

本文綜合采取以下15個指標建立城市綠色金融發展水平評價指標體系，見表1。

表1 廣東省城市綠色金融發展水平指標體系

2.樣本數據來源

選取廣東省21個地級市作為觀測目標，選取2011年和2016年兩年數據。主要數據來源于《廣州統計年鑒》、廣東省各市《統計年鑒》、wind數據庫以及中國清潔發展機制網。

(二)指標權重的確定

1.數據預處理

由于指標體系中各項指標計量單位存在差異，因此需要對原始數據進行標準化處理，消除特征之間的差異性，使不同的特征具有相同的尺度，同時還需消除正、負項指標對數據加總等方面的影響。因此，對正負向指標采用不同的標準化處理。

正向指標：

(1)

負向指標：

(2)

其中，Xij代表在n個樣本，m個指標的評價體系中第i個樣本的第j個指標的數值(i=1,2,…,n;j=1,2,…,m),Zij代表歸一化后的數據。

2.熵權法確定指標權重

熵值法是一種客觀的賦值方法，原理是根據指標數據的離散程度，衡量其對系統的比較作用，即有效信息量的大小，從而賦予指標一定權重。指標的熵越大，包含信息的有效性越大，對綜合評價的影響越大，因此賦予權重越大。具體步驟如下：

(1)計算第j項指標下第i個樣本值占該指標的比值：

(3)

(2)計算第j項指標的熵值：

(4)

其中，k=1/In(n)>0，滿足e≥0。

(3)計算信息熵的冗余度(差異)：

dj=1-ej,j=1,…,m

(5)

(4)計算各項指標的權重：

(6)

依據上式綜合計算各指標權重，結果如表2所示。

表2 熵權法分析結果

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

三、基于遺傳算法優化BP神經網絡模型的實證分析

(一)遺傳算法優化神經網絡模型的構建

1.BP神經網絡模型

BP(Back Propagation)神經網絡是以誤逆差傳播算法為原理的多層前饋網絡模型，由輸入層、隱含層和輸出層三層結構組成。該模型通過向前在神經網絡的拓撲結構之間傳遞信號，向后在拓撲結構之間傳遞誤差而不斷調整網絡的權值與閾值，使得單個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為訓練樣本誤差，M為所設輸出層的單元個數，dj為對單元j對訓練樣本的目標值，Yj為訓練樣本的輸出值，E為神經網絡計算的總誤差。

BP神經網絡對城市綠色金融的預測包括訓練與檢驗兩個部分，其步驟為：先通過訓練樣本進行學習，對網絡權值、閾值信息進行儲存，而后將檢驗樣本輸入，將其預測輸出與實際輸出進行對比檢驗。本文選用三層神經網絡結構，輸入層節點數為15，與城市綠色發展水平測度指標數目一致；輸出層節點數為1，即為城市綠色金融發展評分。隱含層數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驗公式為:

(9)

其中，a為輸入層數目，b為輸出層數目。由式9可知，本文選取的隱含層數目為8，因此該神經網絡模型拓撲結構為15-8-1型。

2.遺傳算法的優化

BP神經網絡具有初始權值與閾值在選擇上缺乏依據，隨機性過大；目標函數的復雜性梯度下降法使訓練次數過多，收斂速度緩慢；局部最優算法的應用容易陷于局部最優解等缺點，眾多學者針對其缺點對模型進行改進。其中遺傳算法是采取逐次迭代搜尋最優的方法，對全局進行搜索從而解決神經網絡陷入局部最優解的局限，實現在整個信息全局搜索采集。本文利用遺傳算法對神經網絡模型進行優化，其步驟如圖1所示：

圖1 GA+BP算法流程圖

(二)實驗結果分析

1.BP神經網絡預測分析

在42組2011年和2016年廣東省城市綠色金融發展水平指標數據中，選取其中36組作為訓練樣本，6組為預測檢驗樣本。將各城市指標數據設為 BP神經網絡的輸入數據，根據公式10可求得各城市評分Sj，并將其設為輸出目標，通過matlab進行訓練，得出城市綠色金融發展水平預測結果，從中選取部分結果進行分析[6]，如圖2所示。

(10)

其中, n為各指標總數，m為樣本總數，Wi為第i項指標所占權重，μi為第i項指標歸一化后數據。

圖2 BP神經網絡預測

由訓練結果可知，誤差最大百分比為6.9529%，平均誤差百分比為5.3489%。誤差相對較高。這主要是由于BP神經網絡具有初始權值與閾值在選擇上缺乏依據、網絡訓練結果存在較高的隨機性且易陷入局部最優解等缺點。

2.GA-BP神經網絡預測分析

采用遺傳算法對BP神經網絡的權值和閾值進行優化，設立種群規模為20，最大進化代數為20，交叉概率為0.8，變異概率為0.1。利用matlab進行訓練。測試結果如圖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網絡預測

由訓練結果可知，誤差最大百分比為-0.7268%，平均誤差百分比為0.5262%，符合預期。

遺傳算法優化的神經網絡模型與未優化的模型誤差對比如圖4所示。結果表明，遺傳算法優化神經網絡模型的預測誤差較低，對城市綠色金融發展水平的預測更為精確，因此選用遺傳算法優化后BP神經網絡評價模型。

圖4 GA+BP優化前后訓練誤差

3.測度結果分析

運用遺傳算法優化神經網絡模型對廣東省2011年茂名、肇慶、清遠、潮州、揭陽、云浮六市綠色金融發展情況進行預測。結果如表3所示，其中最大相差誤差為2.1913%，符合預期，滿足城市綠色金融發展水平測度要求。

表3 GA+BP測試樣本預測

四、實證結果分析

(一)2011年和2016年綠色金融發展對比分析

由遺傳算法優化神經網絡得出以下2011年、2016年廣東省城市綠色金融發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展水平測度得分

由圖5對比可知，2011年和2016年廣東省各城市綠色金融評分均有顯著提高，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展水平，粵西地區(陽江、茂名、湛江)以及粵西北北部部分地區(韶關、清遠、肇慶)還處于低值集聚狀態。這與珠江三角洲地區作為我國金融改革的先發地，在金融發展與環境保護方面的政策支持與經濟高速增長有著密不可分的關系。又由對比可知，2011年廣東省綠色金融僅有珠三角洲地區測度水平較高，周邊地區綠色金融發展水平較低，而2016年各城市綠色金融發展均有明顯提升，與珠三角地區的差距進一步縮小，說明發展前期形成了資金的集聚狀態，發展良好地區對金融資源吸納能力較強，從而導致周邊地區資本外流，發展較為緩慢。綠色金融發展成熟階段具有擴散效應，由發展良好地區資金進行投資，對周邊地區的發展起到帶動作用。

圖5 2011年和2016年廣東省城市綠色金融測度得分

由比較圖5可知，2011年和2016年梅州、河源、東莞等地區綠色金融發展躍升最為顯著，而珠海、湛江、佛山地區評分則有所倒退，分析五城市各指標對其評分變化貢獻率以及各指標全省城市平均貢獻率(以2011年各指標評分為基數)如表5所示。

表5 各指標貢獻率

由表5中城市綠色金融測度中各指標的平均貢獻率分析可知，工業廢水排放量(39.66%)、工業固體廢物生產量(17.24%)、工業能源消耗總量(17.98%)、保險深度(31.76%)四指標對廣東省城市綠色金融發展增長有主要的貢獻作用，前兩項指標貢獻率較高主要是由于廣東省在“十二五”期間(2011-2015)著力完善節能政策法規標準體系，出臺《“十二五”節能規劃》等法律法規，大力開展節能循環經濟工作，推動清潔能源生產服務市場化，并于2016年實行《工業節能管理辦法》、《綠色制造2016專項行動實施方案》，對高耗能企業進行進一步約束，實現 “十三五”規劃的良好開端等均有著密切聯系，各城市在保險深度方面表現良好主要是由于通過“十二五”期間保險業改革不斷深化，保險發展迅速，保險收入位居全國第一，并且在發展綠色保險方面進行多方位嘗試。而高耗能企業市值占比(-1.57%)、環保公共支出占比(-7.03%)對綜合評分起到主要反向作用，其中環保公共支出占比主要反映出政府財政支出對環保事業的支持不足，說明各城市政府應當調整財政支出占比，加大對環保事業重視力度，以政府資金號召社會資本流入環保經濟、循環經濟，實現高耗能產業向節能環保型產業轉型。高耗能企業市值占比反映出廣東省產業轉型還在改革進程中，高能耗企業發展擴展速率高于環境治理，各城市應當加大對高能耗企業環境指標監控力度，完成去產能，實現產業升級。

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能減排財政政策綜合示范城市，發展循環經濟，引領全省環保活動的開展。對比分析表5城市得分，除去平均貢獻率較高的三個指標，五年內梅州綠色金融發展水平增長速度快主要是因為在存貸比(73.84%)、儲蓄率(22.58%)、環保投資占比(55.51%)三個指標方面表現突出，環保投資占比分數高反映出梅州政府引領社會資本對環保產業加大支持力度，存貸比、儲蓄率反映出梅州金融業發展增速快，潛在資本豐厚，為環保、創新性企業發展提供了優良環境。東莞在節能環保支出公共占比(16.00%)、環保企業市值占比(18.24%)等指標方面表現良好，節能環保公共支出占比指標貢獻率增加體現出東莞政府對環保改革的大力支持，以政府資金與政策帶動環保型城市的建設。環保企業市值占比指標表現出東莞政策性鼓勵環保型企業發展取得階段性成功，產業改革實現良好開端。

佛山(-1.41%)、珠海(-3.61%)兩市綠色金融發展呈負增長趨勢，除去邊際資本生產率負向貢獻率指標，珠海綠色金融評分呈負增長主要是由于環保投資占比(-50.95%)、貸款配置效率(-13.49%)兩個指標負向貢獻率加大，主要與新常態背景下，珠海GDP增速快，2011—2016年GDP穩步上升，并于2016年位列全省第一位有關，但珠海環保投資同比增速較為緩慢，不能應對其快速增長的經濟模式下環保型企業發展的資金需求。同時，貸款配置效率貢獻率下降反映出資本配置效率增速下降，削減了金融活性，對綠色金融發展有一定抑制作用。佛山分數降低是由于其環保投資占比(-21.95%)、外商投資利用總額(-13.67%)較低，反映出其資本支持環保產業潛能較小的問題。

(二)2016年各城市綠色金融發展對比分析

通過表4可知，2016年廣東省綠色金融發展水平測度中，深圳、廣州分別以79.45與70.95位于第一位和第二位，韶關以50.67位列末尾。以各指標各城市平均分數為基數計算各指標對其城市得分的貢獻率，如表5所示。

深圳作為我國經濟大省，在環保方面有著顯著成就，是全國第一個低碳生態示范城市，同時其經濟發展迅速，金融資本活躍，在建設發展碳金融市場等方面都有著實質性成就。廣州作為國家綠色金融發展中心城市，其花都區被設立為綠色金融改革創新試驗區，在培育發展綠色金融組織體系、創新產品和完善金融服務等方面獲得政府、資本大力支持，完成跨越式發展。由表5分析可知，廣州、深圳兩市在環保企業市值占比(138.92%、138.92%)、外商投資利用總額(116.09%、142.17%)、儲蓄率(46.27%、90.57%)三項指標方面表現突出，環保企業市值占比主要表明兩市在引進、建設生態型企業方面取得巨大成功，這主要與兩市經濟建設領先、環保企業建設政策傾斜大、金融環境良好、企業成長條件良好有著密切關系。外商投資利用總額、儲蓄率兩項指標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，進而為環保型企業發展提供強大資本支持密切相關。

韶關地處廣東省粵西北地區，與其他城市相比深入內陸，國民經濟總量與增速都處于較低狀態，經濟發展與金融活性處于較低狀態，分析可知其在工業廢水(-35.41%)、廢氣(-63.01%)、固體廢棄物排放量(-25.52%)、工業能源消耗總量(-30.90%)方面得分較低，主要是由于廣東珠三角等沿海地區城市產業升級，高能耗企業向內陸轉移，韶關作為產業對接地區，建立韶關(東莞)產業轉移園區，相對污染物增多，從而環保企業市值占比也有所下降。外商投資利用總額(-26.84%)、存貸比(-24.21%)兩項指標得分低反映出金融水平較低，這與其自身經濟水平較低、珠三角地區資源聚集效應導致資本外流有關。這導致韶關金融活性進一步被削弱，綠色金融發展水平低下。

五、結論與建議

由于綠色金融水平測度的復雜性，本文探討了基于遺傳算法優化的神經網絡對廣東省各城市綠色金融發展水平進行測度，實驗結果表明， GA-BP網絡在精度與穩定性方面均優于傳統的神經網絡模型，能準確地反映城市綠色金融發展水平，從而更易于針對各項指標對各城市綠色金融發展提出指導性的對策建議。通過實證分析，廣東省綠色金融發展水平整體呈穩步上升趨勢，不同城市因為地緣、政策扶持因素等不同而呈現出不同的發展水平變化：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展水平，而粵西地區(陽江、茂名、湛江)以及粵西北北部部分地區(韶關、清遠、肇慶)依然處于低值集聚狀態。從整體上看，節能環保經濟的推廣與保險業的改革大力促進了2011—2016年間廣州市綠色金融的發展。根據上述結論提出以下建議：

第一，提高資本對于節能環保企業的支持，政府引導社會資本流入綠色產業，發揮金融創新作用，通過綠色信貸等創新型金融工具，多方式、多角度為綠色產業擴寬融資渠道，支持小微型企業成長，推動環保節能創新，發展循環經濟，實現城市產業結構升級。

第二，提高金融資本配置效率，加強政府對金融資源流向綠色產業的積極引導作用，同時放低市場準入門檻，激發市場活力，提高市場配置資源的能力。完善落后生產能力退出的運作機制，加強產業政策引導，充分發揮企業投資管理、環境保護、質檢等部門的作用，鼓勵和支持發展先進生產能力，有序推進產業生態轉型。

第三，建立綠色金融平臺，拓寬綠色金融信息渠道，發展綠色金融信息服務，降低投資者獲取信息的成本，吸引更多投資者投資建設當地綠色項目。建立綠色金融合作機制，由資源集聚效應較好的地區進行投資，發揮綠色金融擴散效應，推動金融資本擴散至周邊資源低值集聚地區，從而推動地方綠色金融全面發展。