綠色風險投資抑制了碳排放嗎？
——基于綠色技術創新視角的實證研究

邵興宇，范德勝

(1.中國社會科學院大學 經濟學院， 北京 102488； 2.北京外國語大學 國際商學院， 北京 100081)

一、引言

改革開放40多年以來，我國經濟飛速增長，但高投資、高能耗和高排放的粗放型增長方式也讓我們付出了巨大的環境代價，環境問題已然對我國長期可持續發展形成資源和環境約束。在這種情況下，2020年9月，習近平主席在第75屆聯合國大會一般性辯論上向全世界做出“碳達峰”和“碳中和”的莊嚴承諾，這一承諾無疑向全世界展現了我國實現經濟綠色發展的決心和雄心。

碳減排目標的提出意味著經濟社會向綠色低碳轉型，而綠色技術創新正是推動這種轉型的基礎和關鍵。與此同時，綠色革命作為新一輪的技術革命，其發展也同樣離不開金融資本的支持。易綱認為綠色金融的重點在于通過“市場+政府支持”的機制，動員更多私人、民營資本加入綠色產業的融資行為[1]。綠色風險投資是社會各界積極應對環境變化、推動綠色技術發展的重要抓手。據新浪科技報道，由比爾蓋茨等科技大亨發起的風險投資計劃已經完成對45家創業企業共計10億美元的投資，專門用于清潔能源技術開發。在國內，綠色技術也同樣是風險投資的熱門領域。但是與實踐相比，目前學界對于綠色風險投資的研究還十分匱乏。那么綠色風險投資能否降低碳排放？綠色風險投資又是否促進了綠色技術進步？這正是本文嘗試解答的問題。

二、文獻綜述及研究假設

(一)綠色風險投資與碳排放

現有研究將綠色領域定義為：以知識為基礎的，能夠改善操作業績、提高生產力、增加效益，同時減少成本、原料、能源消耗、廢物及污染的任何一種產品或服務。廣義講，綠色領域包括所有能夠減少廢物，提高效益的科技、創新、產品、生產方式等等[2]。所謂的綠色風險投資，指的就是投向綠色領域的風險投資。從理論上看，綠色風險投資與綠色產業存在天然契合。不同于傳統污染型企業，環境友好型企業代表了未來綠色發展的方向，有相當比例正處于初創階段，運營能力往往還不夠成熟，具有成長階段企業的普遍特征[3]。在現有文獻中，作為綠色金融的一個重要組成部分，綠色風險投資也被普遍認為架起了金融資本與綠色企業之間合作的橋梁[4]，并直接促進了碳排放的減少[5]。

具體來講，一方面，綠色風險投資的引入增加了綠色行業金融資源供給，并通過促進綠色產品供給擴大，實現碳排放減少[6]。綠色風險投資本身就是綠色金融的一種形態，作為一種金融資源，其加大投入直接促進了綠色產品的供給[7]。與此同時，綠色風險投資對綠色行業的金融支持也帶來了“信號”效應。由于風險投資往往要求較高的回報率，風險投資的介入往往意味著被投資企業表現出健康的運行狀態。綠色風險投資向綠色行業的投資可以被視為一種“信號”，吸引更多其他資本形式流向綠色行業，從而進一步放大對碳排放的影響[8]。

假設1：在其他條件相同的情況下，綠色風險投資與單位碳排放呈負相關關系，即隨著綠色風險投資提高，碳排放水平降低。

(二)綠色風險投資與綠色技術創新

在經典理論當中，關于金融與技術創新之間關系的研究已經相當多，一系列研究總體上認為金融加快了技術創新的進程[9]。近年來興起的綠色革命很大程度上也是由綠色技術創新推動的。綠色創新被定義為有助于提高環境可持續性的創新，是防止環境惡化的重要戰略[10]。然而，綠色創新需要長期的戰略投資和大量的資金支持[11]。風險投資提供資金和資源，且投資周期往往較長，因此在促成綠色技術創新上扮演了重要角色[12]。具體來看，綠色風險投資至少在3個層面促進了綠色技術創新：

第一，引入綠色風險投資緩解了融資約束，為創新提供了資金支持。通常來講，創業企業往往具有經營不穩定、風險較高等特征，且往往缺乏足值抵押物，因此導致企業在傳統融資模式下難以獲取金融支持。風險投資本身就具有風險偏好較高的特點，其投資著眼于企業未來的發展前景而非企業固定資產，通過提供資金推動企業進一步創新[13-14]。

第二，引入綠色風險投資有助于完善公司治理結構，為創新提供組織支持。創業企業通常缺乏相關資源和商業經驗，內部組織架構不健全，公司治理結構不完善，極大制約了技術研發[15]。對風險投資而言，投資人與被投資企業之間形成了委托代理關系，有必要強化對被投資企業的監督。與此同時，風險投資本身也寄希望于通過被投資企業的穩步發展來推動完成IPO，從而獲得較高收益并順利退出，而這也要求風險投資主動改善被投資企業公司治理結構[16]。

第三，引入綠色風險投資為創新搭建了信息交流的平臺，為創新提供了平臺支持。通過風險投資機構所構建的網絡，創業企業可以從外界獲取資金、信息、知識、技術、信任等發展所必需的資源[17]。

基于以上研究情況，本文提出如下假設：

假設2：在其他條件相同的情況下，綠色風險投資與綠色技術創新呈正相關關系，即隨著綠色風險投資提高，綠色技術進步水平提高。

(三)綠色技術創新與碳排放

綠色技術創新作為實現生態文明和綠色轉型的關鍵途徑,與其他技術相比更具創新性和可持續性。人們很早就注意到技術創新在實現碳減排中的作用，1992年聯合國舉行的環境與發展大會中通過了《21世紀議程》,其中就明確強調了綠色技術的重要性[18]。技術進步同樣也是我國近年來碳排放減少最為重要的推動力量[19]。綠色技術水平的提高直接提升了現有能源的利用效率，綠色技術創新通過現有能源循環利用提高了能源效率，使得單位GDP產出所需要的化石能源大大減少，進而達到了減少碳排放的目的[20]。同時，技術進步也使核能、風能、生物能、地熱能等各類清潔能源產出增加，改變了傳統化石能源與新興清潔能源的比價關系，從而使得新能源成為能源供給的潛在替代選項，通過減少化石能源的使用，改變了現有能源結構[21]。更重要的是，綠色技術創新的誕生和推廣改善了綠色產品供給，率先實現綠色技術進步的行業因其在高技術要素含量等方面的優勢，自身獲利能力增強，進而對產業結構產生影響[22]；同時需求方面，綠色技術也促使綠色產品價格降低，從而改變了傳統產品與綠色產品之間的比價關系，由此改善產業結構，并最終實現碳減排目標[23]。

結合假設1和假設2的論證，不難看到綠色風險投資、綠色技術進步與碳排放之間的密切聯系。其一，綠色風險投資對碳排放存在直接影響，綠色風險投資通過擴大綠色產品供給和“信號”效應直接促進碳減排；其二，綠色技術創新在綠色風險投資與碳排放之間發揮中介效應，即綠色風險投資通過促進綠色技術創新間接影響了碳排放。因此，本文提出如下假設：

假設3：綠色技術創新在綠色風險投資與碳排放之間發揮了中介效應。

總結上述理論機制分析，我們利用機制路線圖(圖1)來更加清晰地展示綠色風險投資、綠色技術創新和碳排放三者之間的關系。

圖1 理論機制路線

三、數據來源和計量模型設定

(一)變量定義與數據來源

1.核心被解釋變量

本文核心被解釋變量為碳排放強度的對數值。碳排放強度是碳排放與實際GDP的比值，表示單位產出對應的碳排放量。到目前為止，各省份碳排放強度仍然缺乏官方數據。本文采用聯合國政府間氣候變化專門委員會(IPCC)提供的方法，根據如下公式計算獲得各省份二氧化碳排放強度：

(1)

式(1)中，C是碳排放強度，n表示各類不同能源，參考聯合國政府間氣候變化專門委員會的研究方法，本文將終端能源消費劃分為煤炭、焦炭、汽油、煤油、柴油、燃料油和天然氣7種,En為第n種能源消費量，數據來自于《中國能源統計年鑒》，βn為第n種能源碳排放系數，具體數值參考IPCC相關指南[24]，αn是能源的標準煤折算系數，12/44是碳乘數因子。

2.核心解釋變量

本文核心解釋變量為綠色風險投資規模的對數值。目前國內關于綠色金融的研究大多局限于綠色信貸和綠色債券等，對綠色風險投資研究較為薄弱的一個重要原因是研究數據的匱乏。本文參考江紅莉等[7]的研究方法，將綠色風險投資定義為投向新能源、新材料和環保3個行業的風險投資總額，其中新能源包括太陽能、風能和生物能等，環保包括水污染治理、大氣污染治理、固廢處理利用、環保產品和環境服務等，新材料包括膜材料、環保設備等。綠色風險投資的原始數據來源于清科集團的私募通數據庫(PEDATA)，將新能源、新材料、環保3個行業的風險投資額依據風險投資事件發生的年份和被投資企業注冊地分別匹配到不同年份和省份，并取對數。

3.中介變量

綠色技術進步。現有研究分別從綠色技術創新的投入、產出和績效3個維度入手，分別形成了R&D投入、專利申請和獲取、全要素生產率三類指標。但是 R&D投資和綠色生產率的獲取往往受限于數據可得性，數據質量難以保證。目前看，綠色技術進步最為直接的體現是專利的獲得情況，使用綠色專利來評估綠色技術進步具有一定的優勢。鑒于此，本文整理了中國知識產權局公布的有效專利申請信息，并結合世界知識產權組織(WIPO)公布的環境友好型技術界定標準，從專利申請信息中篩選出各省份各個年度綠色專利和全部專利申請數據。本文利用專利數據，參考王班班等[25]的研究方法，構造了兩類指標：(1)綠色專利申請規模，反映綠色技術創新的規模；(2)綠色專利申請占比，即綠色專利申請量占全部專利申請量的比例，反映技術創新方向。

4.控制變量

考慮到碳排放強度還受到其他眾多因素的影響，本文選取如下控制變量：(1) 人均GDP的對數值及人均GDP對數值的平方，用以刻畫人均GDP對碳排放可能存在的倒“U”型影響，即環境庫茲涅茨假說(EKC假說)；(2) 城鎮化率，定義為城鎮人口占常住人口的比率；(3) 產業結構，定義為第二產業占GDP的比重；(4) 人口密度，定義為每平方公里人口數的對數值；(5) 貿易開放度，定義為進出口總額占GDP的比重。以上數據全部取自國家統計局官網。

通過以上步驟，整合《中國能源統計年鑒》、私募通數據庫、國家知識產權局專利數據等，剔除寧夏、新疆、西藏等樣本嚴重缺失的地區后，獲得了28個省份2006—2019年的非平衡面板數據，對上述變量的描述性統計如表1所示。其中，碳排放強度取對數后均值為0.581，同時極值間差距較大，表明我國省級碳排放強度整體偏高且不同區域間差距明顯；綠色風險投資規模對數后均值為2.992，即綠色風險投資平均規模仍相對較小，但標準差達到2.075，反映出各省份綠色風險投資發展上存在巨大差異；綠色專利申請規模取對數后同樣標準差較大，同時綠色專利申請占比兩個極值間差距明顯，反映出各省份綠色技術進步水平的不均衡。控制變量方面，人均GDP在樣本期間內穩步上升，產業結構均值為0.429，第二產業仍在經濟結構中占有較大比重；我國當前城鎮化進程穩步推進，但西部地區稍有落后，人口密度取對數后均值達到7.927，反映了我國人口相對稠密的特點，同時也與新疆、西藏等部分西部省份樣本缺失有關，貿易開放度東西部之間差距明顯。

表1 描述性統計

(二)模型設定

1.散點圖

為直觀觀測綠色風險投資與碳排放強度、綠色專利申請規模和綠色專利申請占比的關系，畫出散點圖(圖2～圖4)。從圖中不難看到，綠色風險投資與碳排放之間呈負相關關系，而與綠色專利申請規模、綠色專利申請占比均呈正相關關系，即綠色風險投資規模上升可能導致碳排放強度下降，假設1符合散點圖直觀觀察。同時綠色風險投資規模上升促使綠色專利申請規模和申請占比上升，表明假設2也很可能是成立的，但要得到精確的結論還需要進行更嚴格的實證檢驗。

圖2 綠色風險投資與碳排放強度散點

圖4 綠色風險投資與綠色專利申請占比散點

2.模型構建

基于本文提出的研究假設，首先設定如下基準模型：

Ln(C/GDP)it=α0+α1*LnGreenVCit+α2*Controlsit+μi+υt+εit

(2)

其中，下標i代表不同省份，下標t代表不同年份，Ln(C/GDP)it為被解釋變量，表示在時期t的第i個省份碳排放強度的對數值。核心解釋變量LnGreenVCit為i省份在時期t的綠色風險投資規模的對數值。控制變量組包括人均GDP對數值、人均GDP對數平方、城鎮化率、產業結構、人口密度對數值、貿易開放度，αi為待估參數，μi表示個體固定效應，υt為時間固定效應，εit為隨機誤差項。

同時，為檢驗假設2提出的綠色風險投資影響碳排放強度的具體機制，本文構建如下中介效應模型：

(3)

(4)

本文采用逐步回歸法進行中介效應檢驗，詳細檢驗過程為：首先對基準方程(2)進行回歸，如果核心解釋變量系數顯著，則表明綠色風險投資對碳排放強度存在總體效應，進一步進行后續檢驗。其次，以綠色技術水平的j維度(綠色專利申請規模、綠色專利占比)作為被解釋變量，檢驗回歸方程(3)，驗證綠色風險投資是否影響了綠色技術水平。最后，以碳排放強度為被解釋變量，將綠色風險投資與綠色技術水平第j個維度同時納入模型，檢驗回歸方程(4)。如果回歸方程(4)中回歸系數δj與回歸方程(3)中系數θj同時顯著，則表明綠色技術水平第j個維度存在中介效應；若系數δj與系數θj當中至少存在一個變量不顯著，則進行Sobel檢驗；若檢驗結果顯著，則存在中介效應，反之，則不存在中介效應。

四、直接效應分析

(一)基準回歸結果

為防止計量結果出現偽回歸，在實證開始前先進行了面板數據單位根檢驗，以檢驗變量的平穩性。由于使用的數據樣本是非平衡面板，采用面板Fisher型單位根檢驗，檢驗結果如表2所示，結果顯示面板數據平穩，可以對面板進行回歸檢驗。

表2 各變量平穩性檢驗結果

本文首先使用全樣本研究綠色風險投資對碳排放強度的影響。對回歸方程(2)進行實證檢驗，結果報告在表3的(1)～(4)列。表3的(1)列首先報告了不納入控制變量下核心解釋變量綠色風險投資對數值與被解釋變量碳排放強度間雙向固定效應模型的回歸結果。結果顯示，對全樣本而言，綠色風險投資與碳排放強度呈現負相關。隨后(2)列將控制變量組加入回歸，同時仍然控制個體效應和時間效應，核心解釋變量同樣保持1%水平上顯著。為了便于比較分析，表3第(3)列～(4)列分別匯報了使用混合最小二乘法(Pooled Least Square)和隨機效應模型的回歸結果，結果顯示，在所有回歸結果中，綠色風險投資的估計系數均顯著為負，且系數值為-0.319～-0.187。此外，觀察控制變量，人均GDP回歸系數全部顯著為正，且人均GDP的平方項均顯著為負，表明對本文樣本而言，伴隨著人均GDP的上升，碳排放強度先上升后下降，即二者之間呈現倒“U”型，這與現有關于環境庫茲涅茨假說的研究是契合的；城鎮化率、產業結構和人口密度系數全部為正，這也與現有研究結論保持一致[26]。上述結果說明，綠色風險投資對碳排放強度具有顯著負向作用，初步驗證了本文的假設1。

表3 綠色風險投資對碳排放的直接效應回歸結果

(二)穩健性檢驗

1.變量替換

為檢驗上述結果的穩健性，進一步考察綠色風險投資對碳排放強度的影響，首先考慮替換被解釋變量，以消除單一變量測度對回歸結果產生的潛在影響。本文借鑒胡海峰等[9]及Xiaoyan等[27]的研究方法，用人均碳排放和PM2.5替換碳排放強度，并繼續用雙向固定效應模型進行回歸。其中，人均碳排放定義為各省份當年碳排放總量除以常住人口規模后取對數，PM2.5使用華盛頓大學Atmospheric Composition Analysis Group提供的各省區地表PM2.5年均濃度。回歸結果分別匯報在表4的第(1)和第(2)列。從回歸結果看，綠色風險投資對人均碳排放和PM2.5的回歸系數分別為-0.186和-0.171，與綠色風險投資對碳排放強度的回歸系數較為接近，且回歸系數均在1%水平下顯著。此外，控制變量組與基準回歸結果正負號方向及顯著性也仍保持一致，這初步證明基準回歸結果較為可信。

2.子樣本回歸

在基準分析的基礎上，各省區按照地理位置劃分為東中西部地區，并使用雙向固定效應模型分別進行回歸，以考察綠色風險投資對碳排放強度在不同地區間可能存在的異質性。表4的第(3)～(5)列分別匯報了東部地區、西部地區和中部地區的回歸結果。從回歸結果看，對不同地區而言，綠色風險投資對碳排放強度的回歸系數處于-0.171到-0.197之間，與全樣本回歸-0.187的回歸結果大致接近，且仍然保持1%水平下顯著。其中，東部地區回歸系數絕對值最小，中部地區最大，這表明綠色風險投資規模上升對中部地區碳排放強度降低的作用作為明顯，西部地區其次，東部地區作用最小。

表4 變量替換及子樣本回歸結果

3.內生性處理

對于本文實證結果的一個擔憂來自于變量內生性問題。盡管面板固定效應模型可以在一定程度上解決回歸模型存在的內生性問題，但嚴格的實證結論仍需要對內生性問題進行進一步研究討論。就本文而言，內生性問題的潛在來源主要是核心被解釋變量碳排放強度與核心解釋變量綠色風險投資規模之間可能存在的反向因果關系和遺漏變量。為此，借鑒江紅莉等[7]的研究思路，在基準模型(1)的基礎上，提出如下回歸：

Ln(C/GDP)it=α0+ξ*Ln(C/GDP)it-1+α1*LnGreenVCit+α2*Controlsit+μi+υt+ειt

(5)

引入滯后變量ξLn(C/GDP)it-1涵蓋了其他可能對碳排放強度產生影響的因素，在很大程度上緩解模型遺漏變量的問題，從而降低計量設定可能存在的設定偏誤。另外，考慮到綠色風險投資規模與碳排放強度之間可能存在的內生變量問題，采用兩步系統GMM方法(two step sys-GMM)進行估計，將ξLn(C/GDP)it-1及LnGreenVCit視為內生變量，并將這些變量的兩階及更高階滯后變量作為工具變量。這一回歸的結果分別報告在表5的第(3)列。

表5 系統GMM回歸結果

但是在有限樣本的條件下，兩步系統GMM估計仍然有可能造成估計系數向下偏倚的問題。現有研究認為，混合OLS通常會高估被解釋變量滯后一階的回歸系數，與之相反，使用固定效應模型回歸時則往往會造成被解釋變量滯后一階系數被低估。為此，參考Bond等[28]的檢驗法則，這一法則提出，如果GMM對被解釋變量滯后一階的估計系數介于固定效應與OLS估計值之間，那么GMM的估計結果就相對較為可靠。為此，表5第(1)列和第(2)列分別提供了帶有滯后項的混合OLS 模型估計值和固定效應模型估計值。

從回歸結果看，3種方法估計一階滯后項系數分別為0.799、0.626和0.656，其中GMM估計值大于固定效應估計值而小于混合OLS 估計值，滿足Bond等[28]提出的經驗法則，可以認為系統GMM方法的估計結果是有效的。此外，Sargan檢驗和Hansen檢驗的結果P值分別為0.999和0.696，均明顯高于0.1，即工具變量的選擇是有效的。同時殘差序列相關性檢驗顯示AR(2)的P值大于0.1，表明差分后殘差項不存在序列相關性問題。從實證結果看，核心解釋變量與被解釋變量之間回歸系數仍然保持1%水平下顯著性，同時系統GMM估計顯示回歸系數為-0.048 9，二者之間仍然存在顯著負相關關系，這表明綠色風險投資規模對碳排放強度的影響在統計上是穩健的。

五、中介效應分析

(一)綠色技術進步的中介效應分析

以上實證結果表明綠色風險投資規模上升降低了碳排放強度。為進一步討論綠色風險投資對碳排放強度的具體影響機制，本文將綠色專利申請規模和綠色專利申請占比納入回歸，對回歸方程(3)和回歸方程(4)進行檢驗，檢驗結果如表6所示。

表6 綠色專利申請規模及申請占比中介效應回歸結果

續表(表6)

在表6的第(1)和第(2)列，首先使用雙向固定效應分別對綠色風險投資與綠色專利申請規模、申請占比的關系進行回歸。回歸結果顯示，綠色風險投資規模對綠色專利申請規模和綠色專利申請占比回歸系數均在1%水平下顯著，且回歸系數為正，即綠色風險投資規模的上升促進了綠色專利申請規模和綠色專利申請占比上升，假設2得到驗證。

表6的第(3)和第(4)列匯報了使用雙向固定效應模型對回歸方程(4)的檢驗結果。從回歸結果看，綠色專利申請規模及綠色專利申請占比的回歸系數均在1%水平下顯著為負，說明綠色專利申請規模及申請占比的上升抑制了碳排放強度。與此同時，在對方程(4)的檢驗中，核心解釋變量綠色風險投資規模的回歸系數仍然保持顯著為負。綜合考慮回歸方程(3)和回歸方程(4)的檢驗結果，綠色專利申請規模及綠色專利申請占比均在綠色風險投資與碳排放強度的關系中發揮部分中介效應，假設3得到驗證，即綠色風險投資規模上升促進了綠色技術進步，進而實現了碳排放強度下降。

(二)穩健性檢驗

為證明本文結論的可靠性，同時進一步深入討論綠色技術進步在綠色風險投資與碳排放強度間的中介作用，將中介變量替換為綠色專利獲得規模及綠色專利在全部獲得專利中的占比，同時繼續使用雙向固定效應模型，再次對方程(3)和方程(4)進行檢驗，回歸結果如表7所示。

表7 綠色專利獲得規模及獲得占比中介效應回歸結果

續表(表7)

表7的第(1)和第(2)列匯報了綠色風險投資對綠色專利獲得規模和獲得占比的檢驗結果。與使用綠色專利申請規模及占比回歸得到的結果類似，綠色風險投資對綠色專利獲得規模和綠色專利獲得占比的回歸系數仍為正，且保持一定顯著性。同時，將綠色專利獲得規模及綠色專利獲得占比納入方程(4)，檢驗結果匯報在表7第(3)和第(4)列。結果表明綠色專利獲得規模及綠色專利獲得占比均對碳排放強度存在負向作用，同時綠色風險投資回歸系數保持顯著為負，即綠色專利獲得規模和綠色專利獲得占比均在綠色風險投資與碳排放強度的關系中發揮部分中介效應。檢驗結果表明中介效應回歸結果較為可信。

六、結論及政策建議

本文利用2006—2019年28個省(自治區、直轄市)的面板數據，采用雙向固定效應模型和中介效應模型，實證研究了綠色風險投資規模變動對碳排放強度的影響。研究結果表明：(1)綠色風險投資規模上升顯著抑制了碳排放強度；(2)綠色風險投資上升顯著提高了綠色專利申請規模和綠色專利申請占比，即綠色風險投資促進了綠色技術進步；(3)綠色專利申請規模和綠色專利申請占比均在綠色風險投資與碳排放強度的關系中發揮了部分中介效應，綠色風險投資規模上升促進了綠色技術進步，進而實現了碳排放強度下降。

基于以上結論，本文提出如下政策建議：

(1)支持綠色風險投資發展，通過綠色投資促進碳減排。在以政府為主導的綠色金融供給之外，通過發展綠色風險投資，將民間資本匯集于綠色產業中。考慮適當放寬綠色風險投資資金來源，降低綠色風險投資相關稅費。同時通過多層次資本市場建設，進一步完善風險投資退出機制，最終實現綠色風險投資與綠色產業發展的良性互動。

(2)加快綠色技術自主創新研發，用創新的方式完成我國經濟低碳轉型。作為綠色技術創新的供給方，企業部門特別是新興產業企業部門需要成為政策保護和支持的重點。未來仍需要繼續著眼于綠色技術的研發和普及，積極促進產學研相結合，提高企業創新的規模和質量，對企業創新予以鼓勵，提高企業部門創新的積極性。

(3)強化綠色金融體系建設與綠色技術創新的協同性。以綠色風險投資發展為抓手，促進綠色金融資源與綠色技術創新相融合。用金融提升創新，以創新實現減碳，完善綠色金融、綠色技術創新和經濟低碳化三者之間的協作機制。建議在綠色金融改革創新試驗區探索綠色風險投資與綠色技術創新協同推進的新路徑，盡快形成可復制、可推廣的協同發展經驗。