金融科技在商业银行绿色金融业务中的运用及展望

近年来，绿色金融逐渐成为我国商业银行的一个重要业务门类，商业银行开展绿色金融业务，离不开金融科技的支持。金融科技在商业银行绿色业务识别、监管数据管理、环境与社会风险识别、资产定价等方面发挥着越来越重要的作用。但金融科技与绿色金融融合过程中也存在着一些亟需解决的困难。

一、金融科技在商业银行绿色金融业务开展中的运用

(一)金融科技与绿色金融逐步融合过程

金融科技支持商业银行绿色金融业务，大体上经历以下三个逐步深入融合的阶段。

第一阶段，绿色业务打标。人工识别绿色业务后，在授信系统中为对应业务添加标识，以便及时获得业务明细和统计数据。这一阶段为初级阶段，着眼点在于通过科技手段标记绿色业务并获取数据。

第二阶段，流程化、初步整合。绿色业务识别流程、环境与社会风险审查流程全面实现线上化，与商业银行授信系统相辅相成、高度融合，各类绿色金融报表自动生成。这一阶段，绿色金融业务系统初步成形。

第三阶段，智能化、大数据风控。强化金融科技手段的运用，在绿色业务识别模块引入人工智能手段，协助识别绿色业务；在环境与社会风险管理领域，引入大数据，通过建立算法与模型，对客户和项目进行绿色评级，最终转化为具体的风险策略和定价机制，为商业银行绿色金融精细化管理提供支撑。这一阶段属于金融科技的深度运用，是当前绿色金融领域的重点发展方向之一。

(二)金融科技在绿色金融领域的重点运用场景

当前，金融科技在商业银行绿色业务识别、环境效益测算、环境与社会风险识别、监管数据统计等方面运用广泛。

1、绿色业务精准识别与痕迹管理

绿色业务识别是绿色金融的基础工作，营销推动、数据统计、业绩计量、资源分配等均需依赖绿色业务的精准识别。商业银行每天会产生大量授信，需要借助金融科技手段准确识别、标记其中的绿色业务，并存留认定痕迹和证明材料。

2、环境效益测算

投融资项目的环境效益是未来商业银行环境信息披露的重要内容之一。环境效益测算，涉及环保、电力、热能、冶金、化工等等理工学科，对于金融从业人员而言，存在明显的专业壁垒。通过开发不同绿色项目的环境效益测算模型，将操作前台简化，录入参数即输出测算结果，可协助准确测算绿色融资带来的环境效益。

3、环境与社会风险识别

环境与社会风险管理是绿色金融的重要内涵之一。海量的风险信息，单纯依靠人力很难及时获取、归类、提炼、分级使用，通过大数据手段可以从不同数据源收集企业和项目的环保、安全、落后产能、职业病防控等违法违规信息，将数据结构化整理后入库，按照风险评级模型进行环境与社会风险评级，纳入商业银行内部综合评级体系，从而为银行资产投向、资产定价等决策提供有效支撑。

4、监管数据统计与报送

近年来，绿色金融监管政策不断完善，国家层面陆续发布了银保监会绿色信贷统计制度、人行绿色贷款专项统计制度、银保监会绿色融资统计制度等监管制度；此外，人行牵头开发了绿色金融监管综合信息系统，在湖州市试用，要求各金融机构绿色金融数据实时推送。通过金融科技手段，可准确识别、标记监管口径数据，从而实现监管数据的及时生成、统计和推送。

二、金融科技与绿色金融融合存在的困难

当前，金融科技支持绿色金融，存在绿色业务识别标准不统一、环境与社会风险数据获取困难、环境与社会风险评级模型不成熟等困难。

(一)绿色业务识别标准不统一

目前，商业银行需要执行多套绿色金融业务识别标准，包括发改委《绿色产业指导目录》、人民银行绿色贷款专项统计标准(目前与发改委目录一致)、银保监会绿色信贷统计标准、银保监会绿色融资统计标准、人民银行《绿色债券支持项目目录》等，以及未来可能还会出台的气候变化投融资项目标准等。标准不统一，对绿色金融从业人员造成很大困惑，也不利于人工智能模型的训练和部署。

(二)环境与社会风险信息获取困难

公开的环境与社会风险信息，分布在不同层级政府部门、协会、法院、媒体、企业官网、信息平台等不同网站，信息来源、信息展示方式、发布频次、更新逻辑等均不尽相同，如何及时整理出完整的、结构化的、便于使用的信息，成为目前环境与社会风险信息管理的重要障碍。

(三)缺乏统一、成熟的环境与社会风险评级模型

在获得环境与社会风险信息后，需要结合具体模型使用，金融科技可以在数据分析、模型运算中发挥重要作用。但目前我国缺乏权威、成熟的环境与社会风险评级模型，不利于风险信息在商业银行风险预警、风险管控、资产定价等方面的推广使用。

三、金融科技在商业银行绿色金融领域应用展望

未来，金融科技将在大数据获取与整合、客户环境与社会风险评级、环境风险压力测试、绿色资产定价、环境信息披露等领域发挥重要作用。

(一)AI助力，智能识别绿色业务

AI技术可以通过绿色关键词检索、神经网络深度学习等方法协助识别商业银行的绿色业务，并对业务进行初步归类，然后由人工进行二次确认，从而提高绿色业务识别的及时性、完整性、准确性。对于经营一线人员，还可以在获得项目资料的第一时间，借助AI手段及时识别绿色业务，以便组织相关资源对绿色业务进行支持。

(二)大数据整合，构建环境风险信息底层数据库

相比传统人工方式而言，金融科技在大数据收集与整理方面具有天然优势。一方面，金融科技可从环保、安全、法院、媒体等渠道源源不断获取企业和项目的环境与社会风险信息，并进行结构化处理和逻辑加工，形成风险预警和客户评级底层数据库；另一方面，还可广泛搜集整理绿色项目投融资机会，为商业银行差异化支持绿色产业提供精准标的。

(三)推动客户绿色评级，完善信用体系

客户绿色评级是商业银行绿色金融体系构建的重点基础工作之一。借助金融科技，在大数据的基础上，结合评级模型，可对商业银行存量客户和潜在客户进行全面的绿色评级(或升级为ESG评级)，完善客户画像。评级结果可直接用于风险预警、营销支持，也可纳入商业银行客户综合信用评级体系，为授信准入门槛、资产定价策略等提供可靠支持。

(四)开展环境风险压力测试，优化资产结构

随着我国生态文明建设的深入推进，以及碳中和时间表的出台，经济结构绿色转型的步伐越来越快，商业银行资产结构调整的压力也越来越大。环境风险压力测试是商业银行预判风险、提前调整资产结构的重要基础工作。金融科技可协助构建环境风险压力测试模型，并在测试过程中不断优化迭代，助力商业银行精准测试、正确决策。

(五)绿色资产差异化定价，助力经济绿色转型

环境外部性内部化，是开展绿色金融业务的重要目标之一。绿色资产差异化定价，是商业银行推动绿色金融业务发展的有效抓手。在客户绿色评级、环境风险压力测试基础上，借助金融科技，完善商业银行资产定价模型，例如提高“两高”(高污染、高碳排放)资产定价和经济资本占用系数，降低城镇环境基础设施、新能源与可再生能源等资产定价和经济资本占用系数，引导商业银行不断进行资产结构优化调整，助力我国经济结构绿色转型。

(六)精准统计，提高环境信息披露质效

环境信息披露是商业银行ESG管理的重点内容之一，其中涉及的绿色投融资绩效、环境效益、棕色资产数据、自身能耗数据等定量指标，需要发挥金融科技手段进行精准抓取和计算，提高环境信息披露数据的准确性和可核实性。