基于PMC指数模型的中国绿色金融政策量化分析.pdf

139 基于 PMC指数模型的中国绿色金融政策量化分析刘德政，丁志华摘要 绿色金融政策的有效实施能够规范金融秩序，对政策对象起到培育激发、引导调节、约束限制等作用，从而有效推动我国绿色经济增长。基于 PMC 指数模型，结合文本挖掘与内容分析方法，选取 2个中央级、8个省级绿色金融政策进行政策量化分析，研究发现：整体来看政策水平优良，8项政策等级评价为优秀，2项为可接受，无不良和完美级政策；各项政策在发布机构、政策时效、政策受众、政策评价、政策公开方面一致性程度较高；得分较高的相关政策总体呈现目的性强、重点突出、内容全面的特点，得分较低的相关政策存在受众领域较窄、规划不够详细、激励措施匮乏等问题。通过对评价维度及政策本身进行分析，提出以下建议：拓宽政策领域，扩大政策调控范围、层级；设定短期规划，对政策目标进行细化量化；完善激励措施细则，多措并举支持体系建设；引入约束惩戒机制，提高政策效力，为以后出台相关政策提供借鉴。关键词 绿色金融；政策评价；PMC指数模型基金项目 国家社会科学基金重大项目“绿色低碳消费的政策体系构建研究”（项目编号：22ZD&137）；中国矿业大学社会科学基金重大项目培育专项“双碳 背景下绿色低碳消费行为机制及政策体系设计研究”（项目编号：2023ZDPYSK07）中图分类号 F832.0 文献标志码 A 文章编号 1009-105X（2024）01-0139-14doi：10.20089/ki.issn.1009-105x.2024.01.012引 言习近平总书记在第七十五届联合国大会一般性辩论上宣布，中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于 2030 年前达到峰值，努力争取 2060 年前实现碳中和。在 2021 年中国发展高层论坛圆桌会上，时任中国人民银行行长易纲指出，实现碳中和目标需要巨量投资，要以市场化的方式引导金融体系提供所需要的投资支持。2023 年，在 2 月份的北京城市副中心打造国家级绿色交易所启动仪式以及 6 月份的第十四届陆家嘴论坛上，易纲再次强调要通过降低绿色溢价、加强国际合作等措施，积极践行绿色发展理念，促进“双碳”Vol.26 No.01 Jan.2024中国矿业大学学报（社会科学版）140 目标平稳实现。绿水青山就是金山银山，在国家“五位一体”总体布局中，生态文明建设作为其中“一位”，是国家当前的基本方略。为了有效实现碳中和目标，国家加快绿色金融的部署，同时推动各省制定结合本地实际情况、适宜本地经济发展的绿色金融体系构建政策，但相关政策的实施效果有待进一步考证。本文选取了近七年来的中央级政策及部分代表性省、直辖市的绿色金融政策，运用 PMC 指数模型，对其进行量化评价分析，以深入探讨相关政策的一致性、合理性、优缺点及改进措施路径等，相关实证结论为后续相关政策制定和改进提供了参考依据。一、文献综述（一）绿色金融政策绿色金融作为推动我国经济可持续发展的重要途径，引起了学者的广泛关注。当前在努力实现“双碳”目标的背景下，不少学者对如何构建并完善绿色金融体系进行了深入研究。目前针对绿色金融政策的研究，大多数聚焦于刻画绿色金融的内涵，通过阐述绿色金融的本质特征及其在构建低碳经济循环体系中的作用，探讨绿色金融政策体系的必要性与实现路径。例如，杜明军（2022）运用因果森林思想方法，探讨了基于绿色金融特征变量组和经济发展背景变量组支撑约束的异质性变动规律，指出在绿色金融政策体系推进中存在内涵认知不足等问题，并提出了相应的对策建议；叶大凤等（2022）聚焦政策执行环节，认为政策实际执行中存在标准多样、人才匮乏、资金不足等问题，提出加强宣传等促进政策有效执行的对策；叶林等（2023）认为我国现行的可持续发展政策在效率性、有效性、效益性和公平性上存在局限，而基于政策工具视角，绿色金融作为一项创新型政策工具可以弥补现有不足，对实现“双碳”目标具有促进作用。对政策本身的量化分析有助于政策制定者做出科学、客观的判断，把握政策内容，洞察政策局限，优化调整方向。例如在低碳财税政策方面，Liu et al（2020）对中国 2014 年以来低碳财税政策文本进行定量分析和内容挖掘，发现中国现行低碳财税政策受到制度限制，低碳财税政策工具单一化、碎片化、过程控制不足等问题普遍存在。随着国内各部门、各地区纷纷发布绿色金融政策，有些研究对其进行分析，却少有文献直接对这些政策本身进行量化评价。例如，廖玉清（2023）选取 20172019 年的绿色金融相关政策作样本，运用文本挖掘、高频词社会网络分析等方法，对政策内容进行了量化分析，但该研究的主要目的是探寻当前绿色金融政策体系的发展侧重点；刘阳等（2023）收集整理了中国 20122021 年的绿色金融政策文本，探讨了绿色金融政策文本在不同维度、类型、地区的分布情况，并构建了政策效力评估模型，侧重于对重点地区的政策文本效力进行测算，而非对政策本身的合理性进行评价。因此，本文希望通过对中国近年来代表性部门及地区发布的绿色金融政策进行量化评分、对比分析，探讨各项政策的优劣之处及可能的改进方向，弥能源经济与管理 141 补绿色金融政策研究相关领域的空白。（二）政策量化分析通过对政策文本进行文本挖掘，继而进行高频词分析、社会网络分析等，是常见的政策量化分析方法。有一些文献应用内容分析法，从政策工具的视角出发，构建基于政策工具、责任主体、时间序列、政策类型等维度的分析框架，在对政策文本进行编码分类、专家打分等处理后得到定量的统计数据。例如，Luo et al（2022）为了全面考察中国碳排放权交易政策的实施效果，利用政策强度、工具和措施对 2011至 2020 年中国 31 个省、自治区、直辖市碳排放权交易政策的内容效度进行评估，从实际政策效应、平均政策内容效度效应和政策数量效应三个方面评估了区域碳效率改善的时空驱动因素；Xiang（2022）从政策目标、政策力度和政策措施三个维度构建中国省级农业龙头企业扶持政策的量化标准，对量化后的扶持政策文本进行评价分析；熊维清等（2023）构建“政策工具-责任主体-政策类型”三维分析框架，对20122022 年中国省级层面发布的职业健康政策进行多维分类与交叉比较。还有一些研究应用潜在狄利克雷分配（LDA）主题模型进行分析，该模型利用数学原理和算法自动从政策文本中提取主题。Song et al（2022）应用该模型分析食品安全政策内容并识别热点话题，从政策发布年数、分布区域、作用范围、所属机构四个方面对中国食品安全政策进行量化分析；Zhu et al（2023）利用文本挖掘技术对日本 20072020 年的 渔业白皮书、20082020 年的 环境白皮书 和 20042020 年的 海洋白皮书 三份年度报告的文本数据进行了海洋政策变迁的可视化研究，基于潜在狄利克雷分配（LDA）主题模型分析，发现这些白皮书在主题上存在显著差异，但都以其独特的主题清晰地回应了 2011 年发生的东日本大地震。该模型方法往往使用自然语言处理技术的封装算法，缺乏灵活性，而且受限于实际的文本内容和参数选择，提取效果并不稳定。（三）PMC指数模型Ruiz Estrada et al（2007）提出了 Omnia Mobilis 假说，而基于此假说，Ruiz Estrada（2011）提出了 PMC 指数模型（policy modeling consistency）。在文本挖掘的基础上可以构建该模型，而综合国内外应用 PMC 指数模型的政策量化分析来看，其底层思路相似，即通过多维度政策指标构建政策评价体系，进而对政策的合理性、影响力等进行量化评价。借助 PMC 指数模型，人们可以衡量政策的内部一致性，还可以直观地看出各项政策在各个评价维度的得分情况，找出优点与不足，便于后续修订改进。该模型具有一定的科学性、合理性、可行性，是政策分析的优秀工具，被广泛用于各领域的政策量化评价。例如，张永安等（2015）运用 PMC 指数模型，以中关村国家自主创新示范区政策为例，对区域科技创新政策进行评价研究；臧维等（2021）以我国公布的 30 份人工智能政策文本为样本，对其量化评价后发现我国人工智能政策中的需求型政策Vol.26 No.01 Jan.2024中国矿业大学学报（社会科学版）142 工具需进一步加强，环境型政策工具结构有待调整；宋亚萍（2021）则通过构建PMC 指数模型对 8 所高校一流本科教育政策文本进行量化评价并提出优化建议；张永安等（2017）基于 PMC 指数模型对我国房地产政策中单一项政策进行评价。在金融政策评价领域，PMC 指数模型依然可以发挥作用。其中，既有金融政策对某一领域的影响性研究，也有对政策本身合理性进行的研究。例如，张永安等（2017）提出金融政策组合对企业技术创新的作用机理图，计算出政策组合的 PMC指数并对其评级；钱敏等（2019）选取 2019 年中共中央办公厅、国务院、银保监会和证监会官方网站公布的 13 项与金融业供给侧改革相关的政策，对金融业供给侧改革政策的合理性进行量化评价；夏雨等（2022）以 20012022 年中央层面出台的114 部互联网金融政策为研究对象，探究互联网金融政策演进及特征，并对互联网金融政策进行量化评价；杜宝贵等（2023）构建了科技金融政策评价指标体系，并采用 PMC 指数模型对遴选出的 16 项典型政策进行量化评价，发现地方科技金融政策总体水平可接受，但仍存在政策目标模糊不清、人才支持力度不足、部门间纵向协调不畅、区域和产业规划缺乏等问题。不同于早期的其他条件均相同假设，Omnia Mobilis 假说认为一切都是运动的，不能忽略或轻视任何一个变量的作用。因此，在构建 PMC 指数模型时，应该尽可能地将影响因素广泛考虑在内，且其权重应该相同。而且，PMC 指数模型的变量设置大量依赖于文本挖掘出的政策高频词，也依赖于政策样本的内在逻辑，增加了评价的客观性与针对性。因此，对不同的研究领域与政策样本，构建 PMC 指数模型的主要区别在于变量设置。例如，在医保政策研究中，一级变量政策目标下设有医保基金管理、服务质量提升、医药费用控制、患者权益保障、医疗资源配置（李祥飞等，2023）；在健身政策研究中，一级变量政策重点下设有体育组织、赛事活动、健身指导、场地设施、文化氛围（时丽珍等，2023）；在绿色矿山建设政策量化评价框架中，一级变量政策内容下有依法办矿、规范管理、综合利用、技术创新、节能减排、环境保护、土地复垦、社区和谐、企业文化（徐水太等，2023）。本文在变量设置环节除了着重参考前人研究，也根据政策的绿色特征、文本高频词和关键词进行了设置。二、研究设计（一）政策来源与样本选择自中国人民银行等七部门于 2016 年发布 关于构建绿色金融体系的指导意见 以来，全国各省、自治区、直辖市均发布了促进绿色经济发展的政策。在国务院及省级政府官网以“绿色经济”“绿色金融”“低碳”为关键词进行检索，均可找到相关政策。本文选取 2 个中央政策与 8 个地方政策：中国人民银行等七部门于 2016年 8 月 31 日发布的 关于构建绿色金融体系的指导意见（银发 2016 228 号）；中国银保监会于 2022 年 6 月 1 日发布的 银行业保险业绿色金融指引（银保监发2022 15 号）；北京市地方金融监督管理局于 2022 年 9 月 2 日发布的 “两区”建设能源经济与管理 143 绿色金融改革开放发展行动方案（京金融 2022 249 号）；重庆市人民政府办公厅于 2023 年 1 月 20 日发布的 重庆市建设绿色金融改革创新试验区实施细则（渝府办发 2023 13 号）；上海市人民政府办公厅于 2021 年 10 月 8 日发布的 上海加快打造国际绿色金融枢纽服务碳达峰碳中和目标的实施意见（沪府办发 2021 27号）；江苏省人民政府办公厅转发人民银行南京分行等十三部门于 2021 年 9 月 22日发布的 大力发展绿色金融指导意见（苏政办发 2021 80 号）；广东省人民政府办公厅于 2022 年 6 月 24 日发布的 广东省发展绿色金融支持碳达峰行动实施方案（粤办函 2022 219 号）；福建省地方金融监督管理局于 2022 年 9 月 23 日发布的 推动绿色金融发展的若干措施（闽绿色金改 2022 2 号）；黑龙江省人民政府办公厅于 2021 年 8 月 31 日发布的 黑龙江省绿色金融工作实施方案（黑政办发2021 32 号）；吉林省人民政府办公厅于 2019 年 11 月 8 日发布的 关于推进绿色金融发展的若干意见（吉政办发 2019 45 号）。这十个政策都聚焦于金融领域，除了 关于构建绿色金融体系的指导意见 是2016 年发布、吉林省人民政府办公厅 关于推进绿色金融发展的若干意见 是 2019年发布，其余政策均是近三年来发布的，与当前绿色金融形势结合较为紧密，具有较强的时效性与参考价值。除此之外，这几个地方既有经济强省强市，也有相对落后的地区，覆盖了东北、华北、东南、西南地区，具有一定的代表性。（二）模型构建1样本预处理对选定政策进行文本挖掘与分词，统计出高频词语，并去除其中“省”“的”“等”词语，去除地理名称与机构名称，保留动词、名词和形容词，整理出前 100 名高频词汇。此处仅列举词频排名前十的词语，分别为绿色、金融、机构、碳、发展、环境、银行、项目、企业、服务。2变量设置基于政策样本的词频统计表与关键词网络图谱，结合政策自身特点，参考张永安等（2015）关于政策量化评价的研究成果，共设置 10 个一级变量与 60 个二级变量。本模型的 10 个一级变量分别是：X1 政策性质，X2 发布机构，X3 政策时效，X4政策领域，X5 政策受众，X6 政策重点，X7 政策功能，X8 政策评价，X9 激励措施，X10 政策公开。其中：X1 政策性质参考张永安（2017）和李祥飞（2023），包含 5 个二级变量，判断政策是否对绿色金融体系建设存在预测、描述、建议、监管、试验作用。X2 发布机构参考张永安（2015），包含 4 个二级变量，分别是国务院、国家部委、省市政府和省市厅局，用来评价该项政策发布机构的级别。X3 政策时效参考钱敏（2019），用来考察政策的作用时间，分为长期（5 年以上）、中期（35 年）和短期（2 年以内），共 3 个二级变量。Vol.26 No.01 Jan.2024中国矿业大学学报（社会科学版）144 X4 政策领域参考臧维（2021），下设经济、社会、环境、技术 4 个二级变量，考察政策的作用范围。X5 政策受众是指该政策的作用对象，基于文本挖掘中的高频词和政策特征得出，有政府部门、产业企业、金融机构，共 3 个二级变量。X6 政策重点来源于文本挖掘中的高频词，考察政策是否聚焦于经济、生态、政府、市场、银行、保险、债券、企业、服务、产品、信贷、投融资、机制、建设、改革、探索、创新、风险、监管、评估，合计 20 个二级变量。X7 政策功能参考张永安（2015）和钱敏（2019），旨在说明该政策的目的，有 7个二级变量，分别是低碳减排、改善机制、规范标准、方案制定、引导实施、监督管理、国际交流。X8 政策评价参考宋亚萍（2021），以依据充分、目标明确、方案合理、规划翔实、符合实际 5 个二级变量对该政策展开评估。X9 激励措施是政策制定主体为推广政策并保证政策得以顺利施行而采取的一系列保障、激励措施，基于文本挖掘过程构建，包括资金投入、人才引进、基础建设、信息共享、明确分工、目标考核、政策倾斜、法律保障、宣传普及。这 9 个二级变量对应的说明如下：加大资金投入或专项资金支持，加大人才培养、引进力度，推进金融基础设施建设，推动信息和数据共享，明确责任分工各司其职，纳入工作目标绩效考核，在税收、价格、信贷、投融资等方面给予政策倾斜，建立健全相关法律法规，加大宣传与普及力度、推动绿色金融社会共识形成。X10 政策公开参考 Ruiz Estrada（2011），考察该政策是否公开发布，无二级变量。3构建多投入产出表本文根据上节所设定的 10 个一级变量与 60 个二级变量构建多投入产出表，该表可被视作一个数据分析框架，每一个一级变量包含数个二级变量，如一级变量X1 下包含二级变量 X1：1、X1：2、X1：3、X1：4、X1：5，依此类推，通过对二级变量进行赋值进一步计算出一级变量。然后对变量进行参数设定，该表对变量的个数没有限制，并且从长远来看，每个二级变量的重要性没有区别。因此，本研究中每个二级变量的权重都相同，并采用二进制对其进行 0、1 赋值，这样可以保证二级变量对结果产生同等影响。当政策满足二级变量时，该二级变量赋值为 1，否则赋值为 0。一级变量 X10 无二级变量，则以一级变量直接赋值。4计算 PMC指数根据 Mario Arturo Ruiz Estrada 的计算方法，本文通过以下 4 个步骤计算 PMC指数：首先，将一、二级变量放入多投入产出表中；其次，根据公式（1）、（2）计算二级变量；再次，根据公式（3）得到一级变量的值；最后，利用公式（4）计算出各项政策的能源经济与管理 145 PMC 指数。X N 0，1（1）X=XR 01 （2）Xi=j=1nXijT()Xij（3）PMC=i=110()Xij=1nXijT()Xij（4）其中，i 为一级指标，j 为二级指标，PMC 为最终得出的 PMC 指数。一级变量取值与最终的 PMC 指数如表 1 所示。由于本研究设定 10 个一级变量，因此 PMC 指数取值介于 1 到 10 之间，可根据得分及评级标准对政策进行等级划分，其中 04.99 分为“不良”等级，56.99 分为“可接受”等级，78.99 分为“优秀”等级，910 分为“完美”等级。表 1十项政策的 PMC指数X1X2X3X4X5X6X7X8X9X10PMC等级排名P10.80.250.330.7510.750.7110.8917.48优秀5P20.60.250.330.50.670.650.8610.5616.42可接受9P30.80.250.33110.9110.7818.06优秀2P410.250.33111110.8918.47优秀1P50.60.250.33110.850.7110.6717.41优秀7P60.80.250.33110.80.8610.5617.60优秀4P710.250.33110.850.8610.5617.85优秀3P810.250.330.50.670.50.710.80.5616.32可接受10P90.80.250.330.7510.80.8610.6717.46优秀6P100.80.250.330.7510.70.7110.7817.32优秀8均值0.820.250.330.830.930.780.830.980.6917.44三、实证结论及分析（一）政策整体特征分析根据表 1 所示的各政策 PMC 指数及其等级、排名，可以看出：P2（银保监会）和P8（福建）的 PMC 指数分别为 6.42、6.32，评价等级为可接受；其余 8 项政策的PMC 指数均大于 7，评价等级为优秀，其中 P1（人民银行等七部门）、P5（上海）、P6（江苏）、P7（广东）、P9（黑龙江）、P10（吉林）的指数为 7 到 8 之间，P3（北京）、P4（重庆）的 PMC 指数均大于 8。总体来看，这十项政策质量优良，都可以较好地指导绿色金融体系的规划构建，但没有任何一项政策是不良或完美政策。Vol.26 No.01 Jan.2024中国矿业大学学报（社会科学版）146 （二）均值比较分析将一级变量的值与其平均值比较可以发现：在 X2、X3、X10 三个一级变量上，各项政策的得分均等于该一级变量的均值。由于这十项政策的发布机构都是国家部委、省市政府、省市厅局中的一个，作用时效都是长期，均在相应的官方网站上公开发布，因此这十项政策在 X2 发布机构、X3 政策时效、X10 政策公开上的得分相同，且都等于该一级变量的均值。在 X4 至 X8 五个一级变量上，至少半数以上的政策得分高于一级变量均值。X4 政策领域有 5 项政策高于均值且得分为 1，X5 政策受众有 8 项政策得分高于均值，说明政策制定者希望尽可能覆盖更多的受众，希望更多的产业、主体参与到绿色金融体系的建设中来；X6 政策重点有 6 项政策得分高于均值，大部分政策的着眼点是相似的，在政策相应的权责范围内囊括了尽可能多的关键内容，便于详细地指导政策受众；X7 政策功能有 6 项政策得分高于均值，低于均值的 4 项政策均只有 2 个二级变量没有得分，说明政策制定主体都比较希望这十项政策能在低碳、执行、监管等多方面有实际应用效果，目的性强；X8 政策评价有 9 项政策得分高于均值，只有 P8（福建）因为规划不够翔实未能拿到 1 分。在 X1、X9 两个一级变量上，大多数政策得分低于一级变量均值。X1 政策性质只有 3 项政策得分高于均值，相较于其他政策，这三项政策都具有预测性质；X9激励措施均值相对偏低，且只有 4 项政策得分高于均值，没有任何一个政策拿到 1分，说明各项政策在这方面有较大的改进空间。（三）与“完美”政策比较分析设定一个各一级变量均为 1、PMC 指数为 10 的“完美”政策，其与各项政策的差值即为凹陷指数，可得到以下凹陷指数汇总表。表 2凹陷指数汇总表X1X2X3X4X5X6X7X8X9X10凹陷排名P10.20.750.660.2500.250.2900.1102.526P20.40.750.660.50.330.350.1400.4403.582P30.20.750.66000.1000.2201.949P400.750.66000000.1101.5310P50.40.750.66000.150.1900.3302.594P60.20.750.66000.20.1400.4402.407P700.750.66000.150.1400.4402.158P800.750.660.50.330.50.290.20.4403.681P90.20.750.660.2500.20.1400.3302.545P100.20.750.660.2500.30.2900.2202.683均值0.180.750.660.170.070.220.170.020.3102.56接下来，从横向即各一级变量的凹陷情况、纵向即各项政策的凹陷情况两方面来分析。能源经济与管理 147 横向来看，各一级变量的凹陷指数在 0 至 0.75 之间，下面按照凹陷指数从大到小的顺序依次分析。各项政策发布机构单一，且都是长期执行有效，因此 X2 发布机构、X3 政策时效凹陷指数最大，分别是 0.75、0.66；X9 激励措施的凹陷指数为 0.31，在激励措施方面，大部分政策都注重人才的培养与引进，注重信息的披露与共享，在执行方面有具体的责任单位，且在税收、投融资等方面给予了绿色产业、企业一定的政策倾斜，但有部分政策忽视了资金投入、目标考核机制与社会层面的宣传普及，此外，仅有 3 项政策提出要加强金融基础建设，仅有 2 项政策希望建立健全相应法律法规，为绿色金融保驾护航；X6 政策重点的凹陷指数为 0.22，基本上所有的政策都坚持市场主导、政府引导，注重经济发展与生态建设齐头并进，着眼于金融机构、信贷产品、改善机制、探索创新、把控风险，但相当多的政策没有重点强调事后评估与监管；X1 政策性质的凹陷指数为 0.18，所有政策都具有描述、建议性质，有 9 项政策具有监管、试点性质，但只有 3 项政策具有预测性质；X4 政策领域、X7 政策功能的凹陷指数均为 0.17，各政策可以加强在技术领域的布局，制定执行规范标准，也便于与国际接轨，加强国际合作交流；X5 政策受众、X8 政策评价、X10 政策公开的凹陷指数分别为 0.07、0.02、0，说明这几个一级变量最为接近“完美”政策，一致性程度高。纵向来看，各项政策凹陷指数在 1.53 至 3.68 之间，P8（福建）、P2（银保监会）凹陷指数最大，均大于 3，评分最低；P4（重庆）、P3（北京）凹陷指数最小，均小于 2，即更接近于“完美”政策；其余 6 项政策凹陷指数均在 2 到 3 之间。回看评分最低的两项政策，其中 P8（福建）受限于篇幅较短，在很多地方没有明确具体的指导，规划不算翔实充分，除了 X1 政策性质与 X10 政策公开得分为 1，其余各一级变量都小于 1 分且不高于平均值，凹陷指数高达 3.68。该政策仅涉足经济、环境领域，没有过多考虑社会与技术因素，产业、企业作为金融消费者是绿色金融体系的重要一环却没有太多的参与感。针对该政策，改进顺序为 X4 政策领域、X6 政策重点、X9 激励措施、X5 政策受众、X7 政策功能、X8 政策评价，具体的改进路径应结合实际情况进行。其中，可以重点改进政策领域、政策受众、政策重点、激励措施，把银行、保险等金融机构及其提供的各类信贷产品与产业、企业联动起来，鼓励各类企业绿色转型；强调金融基础设施建设及新型绿色技术在拓宽金融应用领域、下沉金融应用市场方面的重大作用；利用好福建沿海省份的地理区位优势、对外开放先锋的改革引领优势，加强本地同国际绿色金融组织的交流，对标国际完善规范标准，争取国际绿色投融资；构建信息大数据平台，在统计、监测、评价等方面提供信息共享服务，缓解信息不对称，推动跨领域、跨部门合作；可以推动立法，既要明确环境保护法律责任，倒逼高污染、高耗能产业转型，也要明确贷款人尽职免责要求；加强宣传普及，推动绿色金Vol.26 No.01 Jan.2024中国矿业大学学报（社会科学版）148 融知识进校园、进工厂、进社区，倡导绿色生产、绿色消费，塑造社会环保共识。P2（银保监会）为银保监会针对银行业、保险业发布的专项政策，并不涉及其余机构、部门，涉及领域较窄，内容相对单一，除了 X8 政策评价与 X10 政策公开得分为 1，其余一级变量得分都小于 1，凹陷指数为 3.58。但其 X7 政策功能得分较高，说明其在该专项领域有较强的针对性，目的明确，能起到较好的指导效果。该政策改进顺序为 X4 政策领域、X9 激励措施、X1 政策性质、X6 政策重点、X5 政策受众、X7 政策功能，可重点改进激励措施方面，加大资金投入，巩固基础设施建设，加强政策支持，推动政策制定与行业立法，加强指引的同时也加强保障。对比评分较高的两项政策 P4（重庆）、P3（北京），发现这两项政策有很多相似之处，优势明显。这两项政策综合考虑了绿色金融在各领域、各产业的应用情况，目的性强，重点突出且全面，激励措施也比较丰富，可以更好地指导政府部门、金融机构乃至于金融消费者如何参与构建绿色金融体系。P4（重庆）的改进重点为 X9激励措施，P3（北京）的改进顺序为 X9 激励措施、X1 政策性质、X6 政策重点。这两项政策在激励措施领域略有缺失，都需要改进法律保障方面，这也是绝大多数政策忽略的地方。此外，P3（北京）还可以设定目标考核机制，将推动绿色金融发展纳入年度工作责任目标，明确主责部门和时间表，将相关任务纳入重点督办事项，确保绿色金融改革任务落到实处、改出效果。P1（人民银行等七部门）发布时间最早，总领性质最强，凹陷指数为 2.52，该政策改进顺序为 X7 政策功能、X4 政策领域、X6 政策重点、X1 政策性质、X9 激励措施，可以进一步拓宽政策领域、深化政策功能，在技术应用、机制改革、规范标准方面加以改进。P5（上海）、P6（江苏）地理位置连接紧密，凹陷指数也接近，分别为 2.59、2.40。P5（上海）的改进顺序为 X1 政策性质、X9 激励措施、X7 政策功能、X6 政策重点，P6（江苏）的改进顺序为 X9 激励措施、X1 政策性质、X6 政策重点、X7 政策功能。这两项政策都可以强化预测、监管性质，丰富事后监管与项目评估内容，改进基础建设与法律保障激励措施，江苏还需要加大资金与人才投入，加强国际交流。P7（广东）凹陷指数为 2.15，该政策改进顺序为 X9 激励措施、X6 政策重点、X7政策功能。作为中国经济最强省份之一与改革开放前沿阵地，该省这项政策却需要在机制改革与国际交流方面加以改进。此外，该政策是众多省份中激励措施得分最低的，可以在人才引进、目标考核、法律保障、宣传普及四点上再下功夫。P9（黑龙江）、P10（吉林）也是相邻的省份，凹陷指数分别为 2.54、2.68。P9（黑龙江）的改进顺序为 X9 激励措施、X4 政策领域、X1 政策性质、X6 政策重点、X7 政策功能，P10（吉林）的改进顺序为 X6 政策重点、X7 政策功能、X4 政策领域、X9 激励措施、X1 政策性质。这两项政策在政策领域上都可以拓展技术领域，在政策重点上都可以进一步突出深化改革，在政策功能上都可以强调规范标准，在激励措施上都可以改进基础设施建设方面。这样可以用新技术、新机制、新标准、新设施促能源经济与管理 149 进同为东北重工业基地的两个省份绿色转型。P9（黑龙江）还可以加大资金投入、加强法律保障，P10（吉林）还可以加强组织宣传，推动绿色金融教育普及。四、结论与讨论（一）研究结论本文选取 20162023 年间中国内地的 10 项绿色金融政策作样本，运用 PMC指数模型对其进行定量分析，得到以下结论：（1）总体来看，这十项政策的 PMC 指数最低值为 6.32，最高值为 8.47，均值为7.44，设计是较为优秀的。除了 P2（银保监会）、P8（福建）为可接受等级，其余 8 项政策均为优秀等级。各项政策的 PMC 指数与发布时间的先后、发布机构的层级、发布地区的地理区位、经济水平并没有显著的关系；得分较高的政策如 P3（北京）、P4（重庆）、P7（广东）发布时间较晚，制定政策时可以充分借鉴已有的、效果显著的政策，但得分较低的政策，如 P2（银保监会）、P8（福建）发布时间也并不早；中央级政策作为顶层设计，得分并没有高于大部分省市级政策。（2）这十项政策在发布机构、政策时效、政策受众、政策评价、政策公开方面一致性程度较高，在激励措施方面一致性程度较低。从均值分析来看，政策领域、政策受众、政策重点、政策功能、政策评价这五个一级变量中，政策得分高于一级变量均值，说明多数政策聚焦于这几个维度，但依然可以在技术创新、内控监管、评估反思、规范标准、国际交流等方面加以强化。政策性质、激励措施的政策得分低于一级变量均值，有两项内容是绝大多数政策没有考虑到的：一是政策性质方面仅有 3项政策有预测性质，二是激励措施方面仅有 2 项政策提到了法律保障。（3）各项政策仍有较大的优化空间，应结合各项政策的评价指标得分情况，具体情况具体分析，研判其优劣势及后续改进空间。例如，对比得分最低的两项政策与得分最高的两项政策，发现它们在政策领域、政策受众、政策重点、政策功能、激励措施方面差距明显，可以为后续政策改进提供一定的方向。这十项政策普遍存在不足之处，比如调控层级较为单一，政策受众缺乏交流；政策时效多为长期，少有短期目标规划；激励措施不够完备，保障机制有待加强；约束惩戒力度不足，难以发挥政策效力等。（二）研究启示本文在 Mario Arturo Ruiz Estrada 等人研究的基础上，运用 PMC 指数模型，将评价维度划分为 10 个一级变量，并细分至 60 个二级变量，赋予每个二级变量相同的权重，进而计算出 PMC 指数及凹陷指数，对政策进行量化评价，并直观地展示其优劣势。本文在一定程度上丰富了国内绿色金融政策研究，增进了人们对绿色金融体系构建目标、如何构建、构建重难点的理解，并提出以下建议，在节能减排、力争“双碳”目标实现的大背景下，为未来绿色金融政策的修订及制定提供参考和借鉴，促进新政策更加全面、合理、准确。Vol.26 No.01 Jan.2024中国矿业大学学报（社会科学版）150 （1）拓宽政策领域，扩大政策调控范围、层级。充分发挥政府、机构、企业、个人等主体的作用，利用信息共享、意见反馈、奖金激励等机制加强互动、上下联动，例如搭建信息共享平台对企业的“绿色信用”进行公示，实现跨部门、跨地区无缝协作；设立“低碳直通车”反馈渠道，充分吸纳金融机构、市场企业、金融消费者等主体的反馈意见，确保各主体充分联系自身实际与社会经济宏观环境，参与到绿色金融机制改革中来。（2）设定短期规划，对政策目标进行细化量化。在政策性质方面加入预测目标方面的内容，在政策时效方面构建长短期政策相结合的政策体系。利用长期统筹确保其连续性，利用短期规划确保其灵活性，可以随着形势变化及时做出调整，这也有助于稳步推进政策执行。同时，金融机构与企业应履行社会担当，定期发布社会责任报告与绿色金融报告，对碳减排贷款、绿色债券等内容出具专题分析。（3）完善激励措施细则，多措并举支持体系建设。各级政府要加大专项资金投入，加强人才培养力度，适当给予税收、价格政策倾斜，推进绿色金融基础设施与信息共享平台建设；对绿色生产、光盘行动、单车出行等行为奖励低碳积分，用来兑换息费减免、支付红包等奖励；鼓励基层机构、企业密切配合政府指导部门，下沉至居民及商业社区，利用丰富多样的宣传渠道，面向社会公众做好绿色金融知识普及。（4）引入约束惩戒机制，提高政策效力。除了资金投入、政策支持、人才培养等奖励性激励措施，还应引入更多的惩罚机制。我国一些大型银行将环境与社会风险及气候风险评估要求嵌入投融资审批和管理各环节，全流程执行绿色环保一票否决制，但我国在绿色金融领域缺乏权威的约束性文件，建议中央加强顶层设计，建立健全绿色金融法律法规，明确各主体在绿色金融体系建设中的责任与义务。（三）研究局限与展望当然，本文研究存在一定的局限性：一是研究视角有待进一步扩展。绿色金融政策的指导对象是政府部门、金融机构及金融消费者，且更多地着眼于金融供给端。绿色经济政策则丰富了金融需求端的内容，指导能源、贸易、物流、交通、建筑等行业如何进行绿色升级，工业、农业、服务业等产业如何实现低碳生产、消费，后续可以加入更多政策进行绿色低碳循环发展经济体系中供给端及需求端的对比分析。二是在 PMC 指数模型的构建中，变量设置仍具有一定的主观性，变量的维度及深度需要进一步研究。可以考虑设计一些普适性的标准变量，辅以针对具体问题的非标准变量，让变量更加多样化。此外，可以考虑时间因素，研究某一时间段内同类政策有何变化、改进并分析其现实原因；还可以根据地理位置、经济水平、生态水平等因素对政策进行分组，研究同组别之内、不同组别之间的政策特征。参考文献：杜宝贵、廉玉金，2023：基于 PMC指数模型的地方科技金融政策评价研究，创新科技 第 4期，第 33页。能源经济与管理 151 杜明军，2022：完善绿色金融政策体系的战略思考，区域经济评论 第 6期，第 121页。李祥飞、张振、于佳卉、敖治华，2023：基于 PMC 指数模型的我国医保支付方式改革政策量化与评价分析，中国医疗管理科学 第 1期，第 36页。廖玉清，2023：基于文本挖掘的我国绿色金融政策研究，上海理工大学学报（社会科学版）第 2 期，第220页。刘阳、张鸿勋、冯艳、程静、赵万琴、代晶晶，2023：绿色金融政策支撑绿色创新发展的效度优化研究基于政策文本量化分析，昆明学院学报 第 2期，第 87页。钱敏、郭梁，2019：金融业供给侧改革政策量化评价基于 PMC 指数模型，区域治理 第 43 期，第207、209页。时丽珍、黄晓灵、黄菁，2023：基于 TM-PMC 指数模型的全民健身公共服务政策内容分析与量化评价，中国体育科技 第 1期，第 16页。宋亚萍，2021：高校一流本科教育政策内容量化评价与优化基于 PMC 指数模型的分析，教育发展研究 第 9期，第 12页。夏雨、郭凤君、魏明侠，2022：我国互联网金融政策的历史演进与评价基于政策文本的量化分析，河南工业大学学报（社会科学版）第 4期，第 36页。熊维清、卞一州、李光宇、刘正培、张涵博、张宗久，2023：我国省级职业健康政策文本量化研究基于政策工具、责任主体和政策类型的三维框架，中国卫生政策研究 第 6期，第 68页。徐水太、袁