綠色金融政策對制造業上市公司的激勵效應分析
——基于信息披露的視角

張鮮華， 崔雨晴

(蘭州財經大學 會計學院，蘭州 730020)

一、引言

2021年8月，聯合國政府間氣候變化專門委員會(IPCC)發布《第六次評估報告第一工作組報告》。報告指出，自工業革命以來，全球地表平均溫度已上升約1℃，由此可能導致的氣候變化已造成全球各地自然災害頻發，對地球生態和人類社會造成不可逆轉的負面影響。這是繼2015年《巴黎協定》提出關于“努力將氣溫升幅限制在工業化前水準以上1.5℃之內”的目標后，人類再一次意識到遏止全球氣候危機的緊迫性。全球各國為此采取諸多應對措施，制定和發布各類政策與相關標準，我國政府提出“2030年前碳達峰、2060年前碳中和”的遠景目標。事實上，我國應對氣候變化的努力至少可以追溯到2009年，出臺多項配套政策，其中之一是綠色金融政策。

在此背景下，曾為我國經濟發展作出貢獻，但同時是環境污染主要制造者的高污染高能耗企業(簡稱“兩高”企業)，不得不面對綠色升級轉型的嚴峻挑戰[1]?！皟筛摺逼髽I多屬于資本密集型行業，通常需要通過抵押資產以獲得持續的外部融資[2]和信貸資源[3]，迫切需要一系列配套政策和激勵手段助其完成產業升級與綠色轉型。綠色金融政策制定的初心是將對環境保護和治理的考量融入投融資活動，一方面給予綠色企業融資支持，引導資金流入節能環保和低碳減排等綠色領域；另一方面減少對污染項目的資金供給，實現資金的綠色配置[4]。

然而，在綠色金融政策實施過程中，相當一部分受到融資約束的“兩高”企業選擇“漂綠”(green washing)做法。漂綠是指企業為應對環境規制而選擇的象征性行為[5]，即通過虛假環保宣傳以達到粉飾自身行為的目的[6]。相關研究表明，融資需求較強的企業面對信貸約束時，會有較強動機操縱盈余[7]、粉飾環保表現[8]，甚至不惜披露虛假信息，以換取信貸資源的支持?；诖?，本文選取在我國經濟發展中占據重要地位且“兩高”企業較為集中的制造業作為研究對象，將該行業上市公司置于綠色金融政策全面實施的背景之下，并以決定綠色金融市場透明度的企業信息披露質量為視角，檢驗綠色金融政策的實施是否對制造業的綠色轉型升級發揮激勵作用。

二、文獻回顧與假設提出

(一)文獻回顧

什么是綠色金融，國內外學界尚未形成統一的界定，但均將其視為金融行業的重要創新，旨在通過運用多樣化的金融工具，將環境治理納入投融資活動，通過投融資行為實現資金的綠色配置，最終促進生態協調發展，實現經濟與環境之間的平衡[9-11]。實施綠色金融政策后，一方面優先考量綠色產業和清潔項目，給予傾斜；另一方面減少對污染項目的資金供給，促使傳統產業向綠色化轉變。本文采納由中國人民銀行、財政部等七部委于2016年8月聯合發布的《關于構建綠色金融體系的指導意見》(以下簡稱《指導意見》)中的定義：綠色金融是指為支持環境改善、應對氣候變化和資源節約高效利用的經濟活動，即對環保、節能、清潔能源、綠色交通、綠色建筑等領域的項目投融資，項目運營，風險管理等所提供的金融服務?！吨笇б庖姟返陌l布標志著綠色金融已上升至國家戰略高度?；诖?，綠色金融政策可視為通過貸款、私募基金、發行債券和股票、保險等金融服務，將社會資金引導至綠色產業發展的一系列政策和制度安排[12]。

近年來，引發學界和政策制定者廣泛關注的相關議題主要集中在實施綠色金融政策對宏觀經濟發展的影響，以及對企業和銀行形成的微觀影響[13]。通過大樣本研究，該政策已被證明能夠有效促進全社會綠色投資、綠色產業發展，且能夠對“兩高”企業形成顯著的融資懲罰效應和投資抑制效應[14-17]。不過從全球范圍來看，綠色金融尚屬新生事物，在發展過程中仍面臨如何持續實施的問題。學界為此的努力主要體現在三個方面：第一，探索如何完善綠色金融的正向激勵機制[18]。一方面是來自中央、地方兩級政府的財政貼息和稅收優惠支持，如何更好地發揮激勵作用[19]；另一方面是來自中央銀行再貸款的支持和低成本綠色發展基金，如何降低綠色融資的綜合成本[20]。第二，探索如何加大綠色金融產品和服務創新。實施綠色金融的領域或項目大多要求投資回報，需要吸取國際相關領域的先進經驗，通過創新綠色金融工具滿足市場多樣性和多維度需求，才能實現商業化或準商業化運作[21]。第三，探索如何持續提升綠色金融市場的透明度。研發綠色產品需要巨量投入，通過披露質量較低的環境信息來粉飾自身環保表現則成本較低，而綠色金融市場存在信息不對稱，加之公眾的綠色發展意識匱乏，使融資方利用信息優勢進行漂綠成為可能[22-23]?？梢?，綠色金融市場的透明度在某種程度上決定綠色金融政策所要達成的環境規制目標能否實現，即能否激發企業的內在減排動力，使其通過技術創新實現主動減排[24]。

通過以上文獻可以看出，雖然學者們大多已關注到綠色金融政策的實施給宏觀經濟的綠色發展帶來積極影響，但同時將微觀企業置于相對嚴苛的環境規制中。企業會基于適應哲學選擇真正“變綠”，還是基于對抗哲學進行粉飾性漂綠，這與綠色金融市場的透明度密切相關。本文基于既有研究成果，選取關乎綠色金融市場透明度的企業信息披露質量為視角，檢驗綠色金融政策全面實施背景下A股制造業上市公司公開披露的信息質量變化及其內在機制，以期助力政策制定者把握綠色金融政策對企業的微觀影響，最終達到激勵企業實現綠色升級轉型的初衷。

(二)提出假設

金融機構制定綠色金融政策的初心：一方面期望利用優先放貸或優惠性利率，給予綠色企業融資支持；另一方面期望通過限制信貸或懲罰性利率，約束污染企業發展。面對嚴苛的環境規制，企業會做何反應？根據《南方周末》2009—2016年連續8年發布的“中國漂綠榜”，漂綠現象廣泛存在，甚至不乏知名大企業榜上有名。常見手法是，企業通過信息披露向外界發送象征意味的信號，既可能是“報喜不報憂”的選擇性披露，也可能是“言行不一”的表述性操縱。

從企業披露的財務信息來看。實施綠色金融政策給“兩高”企業帶來一系列限制，引發企業融資問題，使得原本依賴外部持續融資的污染企業雪上加霜。污染型企業多屬于資本密集型行業，其外部融資依賴程度高，對這些企業來說，一旦由于信貸問題出現資本風險，企業很容易陷入生存危機[25]。而在外界看來，傳統制造業企業特別是“兩高”企業的高利潤往往與高消耗高污染畫上等號，被視為通過耗費大量能源、排放巨量污染物而來。在此背景下，“兩高”企業若報告顯示良好的盈利，則更容易引起公眾的強烈關注，甚至帶來政治成本。葉青等的研究證實登上“胡潤富豪榜”這一高調事件后富豪公司選擇低調行事，通過降低會計信息質量，以盡量規避或減輕公眾關注所帶來的政治成本[26]。唐松等基于政治成本假說，研究表明民營企業家背負的“原罪”嫌疑會降低其所經營企業的會計信息質量[27]。綜上，此類企業往往會選擇低調行事，通過平滑利潤，避免可能引發的公眾關注、造成高昂的政治成本，且不影響信貸資源的獲得?；诖?，提出假設H1：在綠色金融政策全面實施背景下，制造業上市公司的財務信息披露質量呈現下降趨勢。

從企業披露的非財務信息來看。一方面，企業履行社會責任特別是環保責任的成本高昂，需要足量的資金支持，財務績效構成企業社會責任的約束變量[28]；另一方面，相關研究表明企業履行社會責任對財務績效的正向影響需要一個較長期間，短期來看企業履行社會責任會降低當期的財務績效[29]。有研究顯示，企業環境信息披露質量對債務融資成本的降低作用十分有限[30]。因此，當企業有融資需求，但囿于環境規制，且財務績效不理想時，會利己考量而“報喜不報憂”地選擇性披露，或“言行不一”地表述性操縱披露，使非財務信息質量受損?；诖?，提出假設H2：在綠色金融政策全面實施背景下，制造業上市公司的非財務信息披露質量呈現下降趨勢。

三、研究設計

(一)樣本選擇與數據來源

本文選取在我國經濟發展中占據重要地位且“兩高”企業較為集中的A股制造業上市公司作為樣本，剔除存在觀察值缺失和ST及*ST企業。同時，選取樣本公司2010—2020年間公開披露的財務和非財務信息作為樣本數據。為避免極端值的影響，對連續變量進行1%和99%水平上的縮尾處理。最終，獲得非平衡面板樣本數據8206個。

分析采用的財務數據均來自CSMAR 數據庫，非財務數據來源于和訊網企業社會責任報告評級數據庫，數據分析采用Stata 16.0軟件完成。

此外，將2016年G20杭州峰會作為我國全面開展綠色金融實踐的起點。原因是在此次峰會上，擔任主席國的中國首次提出綠色金融理念，并成立綠色金融研究小組，激勵環境友好型綠色投資建設，引發全球關注。

(二)變量選取

1.驗證假設H1的變量選取

對于財務信息披露質量的衡量，目前學界常見的做法有兩種：第一種是采用盈余反應系數，即市場對盈余信息的反映程度，檢驗會計盈余與股票累計超額收益率之間的關聯性[27]112。綠色金融政策實施后，會計盈余與股票累計超額收益率之間若呈現正向關聯，則表明政策實施后企業財務信息披露質量有所提升；若負向關聯，則說明財務信息質量有所下降。第二種是采用Jones經典模型或修正后的Jones模型來說明企業的盈余管理水平。通過采用修正后的Jones模型計算出可操縱應計利潤(DA)，取絕對值，得到可操縱性應計利潤的絕對值(ABSDA)，用以衡量企業盈余管理的動機[31]。即若綠色金融政策全面實施后，企業的可操縱應計利潤增加，則表明企業的財務信息披露質量下降。為規避因測度方法的選取而導致偏差，本文在主回歸分析中采用第一種做法，在穩健性檢驗中采用第二種做法。

具體來說，當采用第一種做法時，解釋變量為綠色金融政策全面實施后的會計盈余，由NI*Year_dum兩部分組成。其中，NI為會計盈余，選取每股收益率(EPS)作為代理變量；Year_dum為政策虛擬變量，2010—2015年賦值為0，2016—2020年賦值為1；兩者的交互項則代表政策(未)實施下的會計盈余[32]。同時，被解釋變量為樣本公司i在第t年的股票累計超額收益率(CARi，t)，具體計算公式為

CARi，t=[∏(1+Ri，k-1]-[∏(1+Rm，k-1]，

(1)

式中，i表示樣本公司，k表示月份，Ri，k表示股票i在第t年第k月的報酬率，Rm，k表示同一月份內的市場回報率。數據來源于CSMAR數據庫中“考慮現金紅利再投資的月個股回報率”和“考慮現金紅利再投資的綜合月市場回報率(等權平均法)”?？紤]我國上市公司披露年報的日期為次年4月30日，第t年的CARi，t是指第t年5月初至t+1年4月末的12個月累計超額報酬率。

2.驗證假設H2的變量選取

解釋變量為政策虛擬變量，2010—2015年賦值為0，2016—2020年賦值為1。被解釋變量，即非財務信息披露質量，本文采納和訊網對樣本公司所披露的社會責任信息質量評級。該評級從股東責任、供應商、客戶和消費者權益責任、環境責任和公共責任等五個方面對企業所披露的社會責任信息進行綜合及分項評分，已被眾多國內研究者認可和采用。為了更精準地觀察企業應對綠色金融政策的信息披露表現，本文選取其中的環境責任分項評分作為非財務信息披露質量的代理變量。

3.控制變量的選取

為排除其他因素對研究結論存在的潛在影響，借鑒相關研究做法，并結合本文研究內容，選取兩類控制變量：一類是樣本公司的基本特征變量，包括企業規模(Size)、資產負債率(Lev)、營業收入增長率(Growth)、第一大股東持股比例(Top1)、經營性現金流比率(CF)和盈利能力(ROA)；另一類是樣本企業的股權特征和治理特征變量，包括是否兩職合一(Dual)、董事會規模(Boardsize)、獨董規模(Indrct)、高管是否持股(Mnghld)、機構持股比例(INST)和股權性質(SOE)。同時，加入個體、時間和省份效應，以期控制對回歸結果的影響。此外，為消除聚集效應可能帶來的偏誤，對回歸中的標準誤差進行企業層面的聚類(cluster)處理。相關變量的類型、名稱以及具體定義說明見表1。

表1 主要變量的定義

(三)模型構建

為檢驗綠色金融政策的全面實施對制造業上市公司財務和非財務信息披露質量的影響，基于假設H1和H2，分別構建回歸模型(2)和模型(3)。模型中的α0和β0表示常數項，Year為時間固定效應，Province為省份固定效應，ε為隨機擾動項。此外，考慮綠色金融政策的實施對信息披露質量的影響存在時滯效應，模型(2)和模型(3)中的被解釋變量分別為滯后一期的數據，解決時間序列數據中由于經濟活動的連續性或持久性導致的自相關問題。

CARi，t-1=α0+α1×NIi，t+α2×NIi，t×Year_dum+α3×Controli，t+Yeari，t+Provincei，t+ε；

(2)

CSRi，t-1=β0+β1×Year_dum+β2×Controli，t+Yeari，t+Provincei，t+ε。

(3)

為驗證在綠色金融政策實施背景下，制造業上市公司的財務信息披露質量呈現下降趨勢，在模型(2)中，系數α表明會計盈余的信息含量，α1為綠色金融政策實施前的盈余反應系數，預期顯著為正，α2為NI*Year_dum交互項的系數，表明實施綠色金融政策后制造業上市公司財務信息披露質量所發生的變化，預期顯著為負。同時，為驗證綠色金融政策背景下，制造業上市公司的非財務信息披露質量也呈現下降趨勢，在模型(3)中，系數β1表明實施綠色金融政策后制造業上市公司非財務信息披露質量的變化，預期顯著為負。

四、實證分析與結果討論

基于研究設計，對樣本企業8206個非平衡面板數據展開描述性統計、單變量統計和回歸分析，驗證研究假設。

(一)描述性統計和單變量分析

首先，對變量進行描述性統計分析，發現樣本企業無論是財務績效還是基本特征方面均存在較大差異。從非財務信息披露來看，差異也不容忽略，特別是環境責任信息披露的標準差達到0.910。其次，通過分組單變量分析，初步比較和判斷樣本企業在綠色金融政策實施前后的信息披露。結果表明，政策實施后，ABSDA和環境責任得分(CSR)均值明顯降低(0.050<0.058和0.102<0.658)，且差異在1%水平上顯著?？刂谱兞恐?，除營業收入增長和盈利能力變化不大外，其余變量均存在顯著的前后差異。由此，初步驗證假設H1和H2，即綠色金融政策全面實施，制造業上市公司財務和非財務信息披露質量呈現下降趨勢。

(二)相關性分析

主要變量間的相關性分析結果顯示，除盈利能力和會計盈余之間相關性較強，其他變量間相關系數均小于0.5，說明變量間不存在多重共線性，不會對模型的擬合優度產生影響。此外，控制變量與被解釋變量的關系基本顯著，說明控制變量的選取是適合的。

(三)多變量回歸分析

通過豪斯曼檢驗分析，驗證假設H1和H2是否成立，且同時控制個體、時間和省份，較適合的方法是采用面板數據模型中的個體固定效應模型進行回歸。另外，使用個體固定效應模型，控制不隨時間或個體變化的因素，解決部分內生性問題。

多變量回歸后的結果見表2。其中，第(1)列和第(2)列是模型(2)加入控制變量前后的回歸結果，重點觀察交互項NI*Year_dum，考察政策實施后財務信息披露質量的變化。模型(2)中，期初會計盈余指標NI的系數在加入控制變量前后顯著為正，表明在綠色金融政策全面實施前，樣本企業的財務信息披露質量良好。政策實施后，交互項NI*Year_dum的系數為負值，并在加入控制變量前后均表現為負相關，只是顯著程度上存在1%和5%水平上的區別。交互項為負，表明在綠色金融政策全面實施后，樣本企業的會計盈余和股票累計超額收益率之間的關系不再密切，會計盈余信息含量低，財務信息披露質量有所下降，假設H1得到驗證。

第(3)列和第(4)列是模型(3)加入控制變量前后的回歸結果，重點觀察虛擬變量Year_dum，考察政策實施后非財務信息披露質量的變化。環境責任信息披露的系數顯著為負，并在加入控制變量前后皆通過1%水平上的顯著性測試。這說明在綠色金融政策全面實施后，樣本企業的非財務信息披露質量明顯下降，假設H2得到驗證。

表2 多變量回歸

表2 (續)

五、進一步的機制檢驗

根據前文的文獻回顧可推斷，全面實施綠色金融政策后，“兩高”企業面臨著金融機構對信貸投放的嚴格規制，很難獲得債務融資，而且隨時可能成為政府環保監管和處罰的目標。實施綠色金融政策后，承受著環境責任風險、信貸違約風險和聲譽風險的“兩高”企業越來越難以獲得融資。面臨著融資困境的企業有強烈的調整對外披露信息的動機，通過迎合政策偏好而獲取信貸資源。本文進一步分析企業融資約束程度，檢驗其是否在信息披露質量下降過程中起到中介作用。

關于企業融資約束的測量方法有很多，代表性的測度方法有KZ指數[33]、WW指數[34]和SA指數[35]。結合本文研究，參考鞠曉生的做法，采用SA指數來衡量，原因在于：一方面，該研究關注的融資約束問題與本文類似，具體是由企業自身原因導致的貸款者“惜貸”，從而增加企業的外部融資成本，造成融資受限的情形；另一方面，融資約束測量方法雖多，但這些方法均依賴具有內生性的財務指標如現金流等，而融資約束與現金流等金融變量之間相互決定[36]，以致研究結論可能存在偏誤。選擇SA指數，僅使用企業規模和企業年齡兩個隨時間變化不大且具有很強外生性的變量構建指數，既易于計算，又排除內生性干擾。計算公式為

SA=0.043×Size2-0.073×Size-0.04×Age，

(4)

式中：Size為公司年末總資產除以100萬，再取自然對數；Age為樣本觀測年份與公司成立年份之差。(4)式計算結果取絕對值即SA指數，SA指數越大，面臨的融資約束越嚴重。

參照溫忠麟提出的中介效應檢驗程序，構造計量模型(5)、模型(6)和模型(7)。分別檢驗假設H1和H2的同時，分三個步驟來驗證融資約束在綠色金融政策實施與樣本公司(非)財務信息披露質量之間是否發揮中介效應[37]。

DA/CSR=α0+α1×Year_dum+α2×Control+Year+Province+ε，

(5)

SA=β0+β1×Year_dum+β2×Control+Year+Province+ε，

(6)

DA/CSR=α0+α1×Year_dum+δ×SA+α2×Control+Year+Province+ε。

(7)

回歸結果見表3。其中，第(1)列至第(3)列為驗證假設H1的三步回歸結果，第(4)列至第(6)列則是驗證假設H2的回歸結果。第(1)列Year_dum的回歸系數顯著為負(α1=-0.022，p<0.01)，說明政策實施對樣本企業財務信息披露質量具有顯著的負向影響，由此，進入下一步的中介效應檢驗。第(2)列顯示政策實施對樣本企業融資約束的影響，控制相關變量的影響后，Year_dum的回歸系數顯著為正(β1=0.345，p<0.01)，表明政策實施加強樣本企業的融資約束。第(3)列Year_dum的回歸系數依然顯著為負(α1=-0.037，p<0.01)，但比第(1)列下降0.015；同時，融資約束的回歸系數顯著為正(δ=0.041，p<0.1)。這表明政策實施后，在樣本企業財務信息披露質量下降過程中，融資約束起到部分的中介效應。用同樣的分步驟檢驗方法對假設H2進行回歸，結果表明，融資約束在政策實施后樣本企業財務信息披露質量下降過程中起到部分的中介作用。進一步回歸結果表明，實施綠色金融政策后，樣本企業面臨加劇的融資約束，引發企業在財務信息和非財務信息的披露上采取有損于信息質量的舉動。

表3 進一步的機制檢驗回歸

六、穩健性檢驗

在驗證假設H1的回歸分析中，采用盈余反應系數作為財務信息質量的代理變量。然而，該代理變量包含股價的因素，有可能受到市場和投資者預期的影響。為了保證研究結論的可靠性，采用前文所述的另一種主流方法，用修正的Jones模型計算可操縱應計利潤DA，取其絕對值，得到ABSDA，將其作為財務信息披露質量的代理變量。DA的計算步驟如下。

第一，構建模型(8)并進行回歸，估算參數β1、β2和β3。

(8)

式中：i表示樣本企業；t表示年度；TAi，t代表i公司在第t期的總應計利潤，為營業利潤減去經營活動現金凈流量；Ai，t-1代表i公司在第t-1期的期末總資產；ΔREVi，t為i公司在第t期的主營業務收入增加額；PPEi，t為i公司在第t期的期末固定資產賬面價值。

第二，將估算的β1、β2和β3代入模型(9)，計算非可操縱性應計利潤。式中，ΔRECi，t為企業的應收賬款變動額。

(9)

第三，通過公式(10)計算得到樣本企業在第t年的可操縱應計利潤。估算出DA值并取絕對值后，構建回歸模型(11)，檢驗綠色金融政策實施背景下樣本企業財務信息披露質量的變化。

(10)

ABSDA=α0+α1×Year_dum+α2×Control+Year+Province+ε。

(11)

針對假設H2，采取和訊網對樣本企業的社會責任信息披露質量總評分，構建回歸模型(12)檢驗綠色金融政策背景下樣本企業的非財務信息披露質量變化。

CSR=β0+β1×Year_dum+β2×Control+Year+Province+ε。

(12)

回歸結果表明，無論是否加入控制變量，α1的系數皆顯著為負。該結果驗證假設H1成立，即在綠色金融政策全面實施背景下，樣本企業的財務信息披露質量呈現下降趨勢。類似，無論是否加入控制變量，β1的系數皆顯著為負。該結果驗證假設H2成立，即在綠色金融政策全面實施背景下，樣本企業的非財務信息披露質量呈現下降趨勢。通過替換兩組變量后的穩健性檢驗表明，前文的檢驗結果較穩健。

七、研究結論與對策建議

(一)研究結論

推出綠色金融政策旨在將環?？剂咳谌胪度谫Y活動，實現資金的綠色配置。本文將2016年G20杭州峰會視為我國全面實施綠色金融政策的起點，以關乎綠色金融市場透明度的企業信息披露質量為視角，選取A股制造業上市公司為樣本，實證分析其公開披露的財務和非財務信息，檢驗綠色金融政策實施是否起到激勵企業綠色轉型的作用。結果表明：第一，全面實施綠色金融政策后，樣本企業的財務和非財務信息披露質量均有所下降。這一結果在替換相關變量后依然穩健。第二，進一步內在機制檢驗表明，綠色金融政策的全面實施致使樣本企業面臨愈發嚴苛的融資約束，樣本企業為獲取信貸資源而選擇迎合政策偏好，其結果是損害信息披露質量。

(二)對策建議

為了應對嚴峻的氣候風險，實現“雙碳”目標，我國的綠色金融市場仍需進一步發展。由此，提出以下對策建議。

對監管方來說，欲回歸政策制定的初心，需要在把握政策實施對企業可能形成的微觀影響的基礎上靈活施策，進一步完善綠色金融政策的相關標準。例如，“兩高”企業的綠色轉型是應對政策變化的難點，不同行業在轉型目標和路徑等方面缺乏共識，迫切需要轉型金融標準與機制的指導，尤其是具體的績效指標和測量工具[38]。在信息披露方面，需要引導企業進行規范化和結構化的披露，特別是環境績效信息需要量化，并構建環境效益信息披露平臺和綠色金融數據庫。

對企業特別是“兩高”企業來說，需要形成對自身所處政策及市場環境轉型趨勢的認知和定位[39]，盡快開展有關綠色轉型的戰略設計，并制定具體的應對策略。在此基礎上，探索跨行業合作和多技術路徑組合，運用金融與信息技術，加速企業的綠色轉型升級。在信息披露方面，除監管需要和規避風險等來自外部的動因外，企業需要在監管方和自身的共同推動下找到提升信息披露質量、實現企業真正變綠的內在動力。

對金融機構與中介機構來說，需要充分認識綠色金融在當前社會經濟背景下的戰略價值，不斷開發和創新綠色金融產品與業務，并逐步建立一整套科學、規范和可操作的綠色金融產品管理體系。在此基礎上，同步推進環境信息披露，實現商業模式的閉環[40]，在實現我國“雙碳”目標過程中獲得市場優勢。