基于文本挖掘的我國綠色金融政策研究

廖玉清

摘要：以我國2017—2019年綠色金融相關政策為數據源，通過提取政策文件的文本－行特征詞和高頻關鍵詞，構建詞云圖、共現矩陣，采用高頻詞社會網絡分析等方法，實現對這三年綠色金融相關政策內容信息的量化分析，從政策制定側重點及政策內容上對文本進行總結。結果表明，我國2017—2019年綠色金融政策體現了政府對綠色金融企業機構激勵機制及監管制度的完善，體現出這三年綠色金融發展的側重點。

關鍵詞：綠色金融；文本內容挖掘；詞云；共詞分析

中圖分類號：C 939 ?文獻標志碼：A ?文章編號：1009?895X（2023）02?0219?08

DOI：10.13256/j.cnki.jusst.sse.2023.02.017

Chinese Green Finance Policy Research Based on Text Mining

LIAO Yuqing

（ Business School， University of Shanghai for Science and Technology， Shanghai 200093， China）

Abstract：With the relevant policies of green finance in China from 2017 to 2019 as the data source， the quantitative analysis of the content information of green finance related policies is conducted by extracting the text line feature words and high-frequency keywords in documents， constructing the word cloud map， co-occurrence matrix， high-frequency word social network， and summarizing the text from the policy formulation focus and policy content. The results show that during 2017-2019 Chinas policy of green finance improves the governments incentive mechanism and regulatory system for green finance enterprises andinstitutions， and reflects the focus of green finance development in the past three years.

Keywords：green finance ；text mining ；word cloud ；co-occurrence analysis

自改革開放以來，我國的經濟得到迅速發展，經濟實力排名躋身世界前列。但是，伴隨我國經濟的高速發展而來的是自然資源的大量開采以及生態環境的嚴重破壞。為應對氣候變化并節約集約高效利用自然資源，我國開始探索綠色經濟的發展道路。金融作為現代經濟的核心，在社會資源配置中起著至關重要的作用。綠色金融能夠引導資金從高耗能、高污染行業逐步退出，更多地流向綠色環保產業，是推動經濟可持續發展和產業升級轉型的有力保障[1]。

綠色金融的實質是圍繞綠色投融資、項目和風控開展的一攬子金融產品、市場制度以及各種政府監管措施的統一有機結合體[2]。目前我國環境質量任務繁重，環保投資需求巨大，構建綠色金融體系正當其時[3]。通過對我國綠色金融相關政策及制度的梳理，可以看出我國已將綠色金融作為國家的戰略目標，并通過出臺各項政策，制定相關規定來保障國內綠色金融的發展[4]。但與先進國家相比，法律法規體系建設滯后、財政資金補貼力度有限、政策性機構作用發揮不足等問題依然存在[5]。因此，應激發地方政府推進綠色產業和綠色金融發展的積極性，并確保信息溝通的有效性和綠色金融政策的一致性，提升可測度的監管質量[6]，以完善綠色金融體系的建設。

近幾年，伴隨著“一帶一路”政策以及鄉村振興戰略的逐步推進，綠色金融的政策體系逐漸完善。本文主要對2017?2019年綠色金融相關政策進行分析研究，梳理在政策引導下的綠色金融產業的發展側重點，以展示這三年綠色金融政策的發展格局。

一、研究回顧

基于政策解構視角，王鳳榮等認為政府綠色金融政策主要分為兩個維度的政府行為，一方面是來自經濟領域的政府行為，包括財政項目撥款、稅收優惠等經濟手段，另一方面是來自于管控投資方向、綠色產品屬性、生產數量限定等方面的行政手段和法律手段[7]。Fischer 認為綠色金融產品能夠拉動社會資本投入綠色環保領域，但企業環境行為的信息披露不足使污染事件屢禁不止，不利于綠色金融發展[8]。Ghisetti 等認為良好的法律環境是綠色金融健康發展的重要保障，配套的法律制度不健全將會使綠色金融的效果大大降低[9]。

在政策量化研究的領域中，文本挖掘已經得到廣泛應用，尤其在海量的政策文本研究中產生了大量研究成果?，F有研究主要是基于綠色金融投入主體的相關指標來測算綠色金融發展水平。Miao 等認為綠色金融發展離不開中小企業市場的支持力量，但綠色金融理念卻在中小企業中沒有得到廣泛應用，這在很大程度上抑制了經濟發展轉型和綠色金融產品創新[10]。丁杰將雙重差分法引入綠色信貸政策有效性研究，證明了綠色信貸抑制了重污染企業的信貸融資[11]。在排污權交易方面，也有學者關注政策監管問題。黃韜等發現在現有的金融市場和金融法治格局下，監管權力分散、制度不完善等因素會導致綠色債券市場存在的監管套利問題[12]。

隨著計算機方法的引入和應用，政策文本分析所能處理的素材量和處理精度得到了大幅提升，并引入了新的方法和理念[13]。文本挖掘技術可以從海量政策數據中抽取隱含的知識，解讀和獲知政策的立場、傾向以及廣義的政策比較分析[14]。系統性、客觀性、定理性是內容分析法的特點和優勢，胡嫣然基于文本挖掘，采用內容分析法對我國鐵路運輸企業的財稅支持政策進行量化分析和研究[15]。趙公民等通過引入扎根理論和文本挖掘的研究方法，對政策文本進行詞頻分析、語義網絡分析和中心性分析，研究廣東省科技金融系統的運行模式[16]。

通過梳理現有文獻，發現大部分學者在綠色金融政策領域的研究為定性研究，對政策文本的定量研究缺乏。因此，本文以基于文本挖掘的文本可視化分析方法，對這三年我國綠色金融政策的發展側重點進行梳理以呈現發展格局。

二、數據來源和處理方案

（一）數據來源

本文所分析的政策文本數據來源于“法律之星”網站收錄的綠色金融政策文件，使用“八爪魚”數?據爬取工具，爬取2017?2019年綠色金融相關的?政策文件，共獲得這三年的政策文本數據量1509 份，其中包括中央政策文件、部門規章以及各省市?政策文件。筆者將得到的政策文本進行梳理，剔除?重復文件，最終得到1487份綠色金融政策文本。

（二）文本處理方案

本文以2017?2019年我國綠色金融政策文件為實驗文本數據，利用內容挖掘系統?ROSTCM6和社會語義網絡分析工具?UCINET ，通過文本預處理、文本高頻詞提取、高頻詞共現性分析、社會語義網絡構建這四個步驟，得到可視化的高頻關鍵詞詞云圖和社會語義網絡來分析這三年我國綠色金融政策的發展趨向和側重點。其具體的實驗步驟如下。

（1）文本預處理。由于收集到的文本數據包含噪聲，須對文本進行預處理。首先，對文本進行去重，刪除如“＼”“？”“《”“》”等無意義符號，獲得簡單清洗后的文本。其次，由于收集到的文本數據為中文，故須進行中文分詞。本文利用 ROSTCM6提供的分詞工具進行中文分詞。最后，對分詞后的文本進行去停用詞操作，得到預處理后的文本數據。

（2）文本高頻詞提取。詞匯頻率不僅是文本的基本單位表征，而且反映了文本的語義和關注焦點。文章中的高頻關鍵詞往往能反映出文章作者對某一領域的關注程度。本文利用?UCINET 工具對預處理后的文本數據進行詞頻統計分析，得到2017?2019年綠色金融政策文件的高頻詞匯。

（3）高頻詞共現性分析?；谔崛〉降木G色金融政策文本數據中的高頻關鍵詞，統計同一時間維度下兩個關鍵詞之間的共現頻率構建文本－高頻詞共現矩陣，結合統計到的高頻關鍵詞的共現矩陣來分析政策文件的核心內容。

（4）社會語義網絡構建。為了挖掘高頻關鍵詞間的聯系，本研究利用 UCINET 工具結合 NET- DAW 工具，經程序后臺處理，自動繪制綠色金融政策文本中高頻詞共現關系矩陣的社會語義網絡，以表現關鍵詞間的內在邏輯。

三、綠色金融政策文本挖掘

（一）分詞提取及詞頻統計

首先，筆者在剔除重復文件之后，刪除各發文機構、附件流程及人名等無實際意義的干擾詞語；其次，由于現有的內容挖掘系統內置的自定義詞表以及停用詞表與本研究主題關聯不大，為保證分析結果的有效性，本文以前期搜集到的政策文件解讀為依據，比如將“綠色信貸”“信用信息”“碳金融”等詞語添加至自定義詞表，并利用 ROSTCM6分詞功能反復修改并更新自定義詞表，以得到更準確的分詞結果；最后，分別對這三年的政策文本進行分詞、詞頻統計分析，得到共現關鍵詞如表1所示。

（二）共現性分析

為展現這三年政策文本關鍵詞之間的聯系，以 詞語之間的聯系來表示政策文本的核心內容。統計兩兩關鍵詞之間在同一年的政策文本中共同出現的頻次，構成文本－高頻詞共現矩陣，其頻次越高，說明兩兩關鍵詞之間的關系越緊密。但是，僅靠關鍵詞之間的頻次高低反映詞語之間的聯系緊密程度太過單薄，要進一步將原生共現矩陣轉化為相似矩陣。相似矩陣中的數值范圍在[0，1]，數值越接近1，說明兩個關鍵詞的距離越近，關聯程度越高。以2017年政策文本－高頻詞相似矩陣為例，如表2所示。

本研究進一步對整個關鍵詞網絡進行密度測量，密度的取值范圍在[0，1]之間，密度越接近1，表示整個關鍵詞網絡節點連接緊密且整個網絡的復雜性較高。使用?UCINET 的密度測量工具對2017?2019年政策文本的網絡密度進行測量，得出：這三年的網絡密度值分別為0.6120，0.5138和0.4691，說明這三年的綠色金融政策文本具有較復雜的網絡體系，且關鍵詞網絡各節點之間的聯系密切，文本信息內容主題較豐富；均值方差分別為0.2039，0.4818和0.4729，說明較2017年相比，2018年和2019年的關鍵詞網絡中的主要關鍵詞之間維系小范圍的緊密程度，綠色金融政策發展的側重點有明確的主題分布。

四、政策文本挖掘的社會網絡分析

綠色金融政策文本的分析法主要有以下三種：（1）定性政策文本分析，多為對話語性和語義的分析，即從某一視角對政策文本資料中的某個詞語進行解讀和分析；（2）定量分析，通過定量來識別政策文本中可能出現的使用次數較多的關鍵詞語，將其中的定義綜合作為關鍵詞或政策的核心關鍵詞，進而不斷分析和挖掘政策文本背后可能隱含的信息；（3）政策的綜合分析，此方法主要集合了政策的定性分析與定量分析，除了對制定政策的文本內容進行主觀的定性分析外，也同時包括定量的研究以及對未來政策的發展趨勢的綜合預判。

由于本研究的政策文本數據量較大，內容主題維度較高，為更好地呈現高頻主題關鍵詞的可視化效果，筆者先對政策文本進行提取行特征詞操作，剔除意義不大的高頻關鍵詞，以從文中抽取的特征詞進行量化來表示文本信息，如表3所示；再將2017?2019年的文本－行特征詞分別導入到詞云圖生成網站 WordArt ，構建相應的詞云圖。

筆者將整理好的政策文本－行特征詞導入到詞云圖生成網站 WordArt ，其中在特征詞文本中出現頻次最高的關鍵詞在詞云圖中越突顯。使用“UCINET→NETDAW ”功能分別構建這三年的綠色金融政策文本的社會語義網絡，其中節點表示關鍵詞，連線表示關鍵詞之間的共現關系。

（一）2017年綠色金融政策的詞云圖與社會網絡分析

2017年我國綠色金融政策已具有較清晰的基礎架構。從圖1所示的2017年綠色金融政策文本詞云圖可以看出，“創新”“互聯網”“大數據”“科 技”“監管”“評估考核”“金融機構”“保險”“信貸”“基金”“擔?！薄敖逃薄稗r業”等詞 語在詞云圖中均有突顯。結合圖2所示的2017年 綠色金融政策社會語義網絡可知：隨著信息技術的 發展成熟，綠色金融體系也要適應社會的發展，重 視改革創新；在之前的綠色信貸、綠色保險、綠色 債券以及綠色中介服務等主體綠色金融產品的基礎 上，更多地強調利用互聯網、大數據技術創新綠色 金融產品的重要性；在綠色金融發展中政府發揮著 重要作用，政策性金融比傳統金融更需要構建科學 的約束機制，提高參與綠色金融的產業機構的監管以及信用信息共享能力，加強對綠色金融產業參與資歷和業績的評估考核力度。此外，2017年“鄉村振興”戰略的提出，使得我國綠色金融政策加大對農村農業綠色發展的融資扶持，發展綠色金融助推鄉村振興，國土資源配置等得到改善。

（二）2018年綠色金融政策的詞云圖與社會網絡分析

從圖3所示的2018年綠色金融政策詞云圖可以看出，“創新”“服務”“優化”“資源”“協調”“環境”“審批”“監管”“考核”“投資”“扶持”“培育”“保險”“農業”等詞語在詞云圖中均被突顯出來。圖4的2018年綠色金融政策社會語義網絡說明：2018年的政策在2017年的基礎上沒有增加關于綠色金融產品的新內容，但是政府的引導性地位更加突出，筆者認為各級綠色金融體系應保持創新的前進動力，加大對綠色金融企業機構的投資力度，扶持中小微企業的綠色轉型，要求參與綠色金融的企業機構提供優質的金融服務；注重環境與生產的協調性，增強綠色保險的突出作用，強調環境污染責任保險工作的重要性；完善企業或者機構參與綠色金融的審批機制，優化績效考核體系；注重發展農村綠色農業，促進綠色生態示范區的建設；鼓勵創新培訓，金融人才是綠色金融體系不斷專業化、多元化的生力軍。

（三）2019年綠色金融政策的詞云圖與社會網絡分析

從圖5所示的2019年綠色金融政策詞云圖可以看出，“創新”“資源”“服務”“監管”“環境”“科技”“培訓”“金融機構”“教育”“公共服務”“高質量”“農業農村”“農產品”“知識產權”“銀行”“共享”等詞語在詞云圖上均被突顯出來。結合圖6的2019年綠色金融政策社會語義網絡可知：和2017年、2018年相比較，2019年的政策體現出綠色金融作為一種政策性金融比傳統金融更注重社會效益的特征，且政策針對性更強；堅持利用好新科技工具如大數據、互聯網、人工智能不斷創新升級綠色金融體系，建立健全并參與綠色金融企業機構的信息共享平臺，增強互聯效應；加強政府監管力度，并促進社會督促約束綠色金融企業機構加快完善金融服務體系；隨著各種 IP 熱的興起，綠色金融開始重視對知識產權的綠色轉型；保障農村農業的綠色金融的融資力度，發展農產品以及文化旅游的品牌營銷，切實為鄉村振興戰略做出貢獻。

五、結語

本文對2017?2019年我國綠色金融政策進行梳理分析，探尋當前綠色金融政策體系的發展側重點，以詞云圖結合社會語義網絡展現我國這三年的綠色金融政策體系發展格局，主要結論如下。

一方面，由上述2017?2019年詞云圖與社會?語義網絡的對比分析可知，在政策制定上，每一階?段的綠色金融政策制定都是隨著不同的時代發展背?景而變化。2017年和2019年的政策文本高頻關鍵?詞以及社會語義網絡以“創新”“監管”“服務”“綠色基金”“農村農業”等詞語為核心詞，既有?政策引導的關鍵詞，也有對綠色金融發展體系中特?定綠色金融產品的針對性措施關鍵詞，而2018年?的政策文本的高頻詞以及社會語義網絡主要以“協?調”“創新”“監管”等政策引導詞為核心詞，沒 有對綠色金融產品有明確的發展策略關鍵詞，更多 地是為2017年鞏固政策，為2019年作政策鋪墊。

另一方面，在政策內容上可知：第一，綠色金融作為一種政策性金融，政府在其體系的構建以及發展中起著主要作用，這三年的政策文件充分顯示了政府對參與綠色金融的企業機構的激勵機制以及監管制度的制定和完善，引導金融機構對綠色金融加大投入力度，提供更完善的綠色金融服務，建立更完善的綠色金融項目清單；第二，我國綠色金融政策體系的基本架構已經形成，依據全國各地區的發展水平以及信息技術發展水平將綠色金融建設成具有中國特色的發展體系，打造綠色企業的信用信息共享平臺，加強各地互聯，找尋社會新興發展動力，比如知識產權、人工智能等，為我國的綠色金融體系注入新的活力；第三，由于“鄉村振興”戰略的提出，農村農業的轉型升級開始加入綠色金融體系的建設，國家發展綠色農產品品牌戰略，發展文化旅游、體育旅游等特色綠色旅游產品；第四，加大了對高校以及科研院校的扶持力度，重點培養高端金融人才，為綠色金融體系的長久發展提供專業活力。

本文對我國2017?2019年綠色金融政策的發展格局進行梳理，但由于數據的限制無法分析每年全部的政策文本，并且沒有對政策進行更細致的分類分析，缺少政策發文機構之間的對比分析，在接下來的研究中將繼續推進對綠色金融政策文本多角度的研究。

參考文獻：

[1]鄒?錦吉.綠色金融政策、政策協同與工業污染強度?基于政策文本分析的視角[J].金融理論與實踐， 2017（12）：71?74.

[2]秦雨桐， 王靜.中國綠色金融發展現狀及問題研究[J].天津經濟， 2019（12）：20?25.

[3]環境保護部.構建綠色金融政策體系推動環境質量改善[EB/OL].（2016?09?05）[2020?02?16]https：// www.mee.gov.cn/gkml/sthjbgw/qt/201609/t20160903_363532_wh.htm.

[4]楊冠雄， 李吉祥， 劉紅.我國綠色金融法規政策構建的思考[J].西部金融， 2017（12）：90?92.

[5]周中明.我國綠色金融政策支持體系構建[J].合作經濟與科技， 2017（17）：54?56.

[6]貴斌威.綠色金融發展的法律政策研究[J].知識經濟， 2019（21）：65;72.

[7]王鳳榮， 夏紅玉， 李雪.中國文化產業政策變遷及其有效性實證研究?基于轉型經濟中的政府競爭視角[J].山東大學學報（哲學社會科學版）， 2016（3）：13?26.

[8]FISCHER C. Environmental protection for sale： strategic green industrial policy and climate finance[J]. Environmental and Resource Economics， 2017，66（3）：553?575.

[9]GHISETTI C， QUATRARO F. Green technologies and environmental productivity： a cross-sectoral analysis of direct and indirect effects in Italian regions[J]. Ecological Economics， 2017，132：1?13.

[10]MIAO C L， FANG D B， SUN L Y， et al. Naturalresources utilization efficiency under the influence of green technological ?innovation[J]. Resources， Conservation and Recycling， 2017，126：153?161.

[11]丁杰.綠色信貸政策、信貸資源配置與企業策略性反應[J].經濟評論， 2019（4）：62?75.

[12]黃韜， 樂清月.中國綠色債券市場規則體系的生成特點及其問題[J].證券市場導報?， 2018（11）：41?49;58.

[13]裴雷， 孫建軍， 周兆韜.政策文本計算：一種新的政策文本解讀方式[J].圖書與情報， 2016（6）：47?55.

[14]張驍， 周霞， 王亞丹.中國科技服務業政策的量化與演變?基于扎根理論和文本挖掘分析[J].中國科技論壇， 2018（6）：6?13.

[15]胡嫣然.基于文本挖掘的中國鐵路運輸企業財稅支持政策研究[D].北京：北京交通大學， 2016.

[16]趙公民， 劉金金， 武勇杰， 等.基于扎根理論和文本挖掘的廣東省科技金融政策共詞網絡研究[J].科技管理研究， 2019，39（3）：51?57.

（編輯：程愛婕）