绿色金融抑制碳排放效果的实证研究

张桂芝 孙红梅

（上海师范大学，上海 200234）

一、引言

随着生态文明建设步伐的加快，中国提出了2030 年前实现“碳达峰”、2060 年前实现“碳中和”的目标，并分别从宏观和微观层面分别采取系列措施加强环境管理。2016 年中国人民银行、财政部等七部门下发的《关于构建绿色金融体系的指导意见》明确了构建绿色金融体系的重要意义和未来发展方向，指出绿色金融体系是指通过绿色信贷、绿色债券、绿色股票指数、绿色发展基金、绿色保险、碳金融等金融工具和相关政策支持经济向绿色化转型的制度安排。绿色金融强调最大程度地利用资源，平衡协调生态环境与经济发展的关系。截至2021 年末，中国仅绿色信贷余额已超过15.9 万亿元；2021 年中国境内发行债券488只，同比增长123.85%；规模6083.22亿元，同比增长176.31%。近年来，中国能源消费总量增长趋势有所放缓，2015 年至2019 年能源消耗强度分别为0.63、0.60、0.58、0.56、0.55，呈现逐年下降趋势。其中绿色金融发挥了怎样的作用，作用大小如何，是否需要调整绿色金融政策，是否需要平衡中国区域内绿色金融政策不平衡等问题都亟待研究。绿色金融在中国起步较晚，其经济效益与环境效益具有一定滞后性，因此，本文实证研究绿色金融对中国碳排放强度的具体影响，为完善绿色金融体系提供政策依据。

二、基于文献回顾的理论分析与研究假设

（一）绿色金融对碳排放强度的影响理论

规模效应理论认为当一国经济发展水平落后时，环境污染程度较轻；随着经济发展和人均收入增加，环境污染逐渐严重；当该国经济发展达到某一阈值后，随着经济发展与社会进步，环境污染程度得到控制，环境质量逐渐改善。王遥等（2016）从宏观、微观及传统经济互补性三方面进行论证，认为绿色金融能够与环境保护政策协调互补，促进经济发展绿色化、生态化。技术效应理论认为金融机构通过开展绿色金融业务，设立绿色金融业务部门向环境友好型企业提供资金，不仅能满足企业生产经营需要，还有助于提高企业创新能力，将技术优势转化为产品优势，在使用新技术过程中有效提高能源尤其是大宗能源的使用效率，极大地提高可再生能源使用率，减少工业生产资源消耗，降低能源消耗与浪费。姚耀军（2010）以中国省级面板数据为样本，通过实证解释金融发展能够显著正向影响技术进步，加速建设创新型国家，并提出加快金融机构改革的建议。产业结构效应理论认为绿色金融可以促进产业结构转型升级，推动区域经济协调、绿色发展和社会文明进步（李晓西等，2015）。在国家大力号召发展绿色金融的情况下，中国人民银行、银保监会以及证监会纷纷制定绿色金融政策指引，引导金融机构将贷款发放给环境友好型企业，减少对“两高一剩”行业的贷款额度，合理平衡生态环境效益与经济效益，促进产业结构调整。李健和周慧（2012）认为碳排放强度与中国产业结构密切相关，与第二产业关系最强，与第三产业关系次之，与第一产业关系最弱。金融机构降低对“两高一剩”行业的贷款比重，有助于降低不良贷款率，增加资本充足率，降低融资风险，随着金融机构资金流向变化，将助推中国产业结构升级，使中国加快步入环境库兹涅茨曲线“拐点”，有效减少碳排放。基于此，提出以下假设H1a和H1b。

H1a：绿色金融能够有效抑制二氧化碳排放。

H1b：滞后一期绿色金融能够有效抑制二氧化碳排放。

（二）绿色信贷与碳减排的关系

通过收集梳理现有研究成果，绿色信贷抑制碳排放的路径主要表现在以下三个方面：第一，绿色信贷政策推动重污染企业绿色转型，调整优化能源消费结构。曹廷求等（2021）研究发现2012 年发布的《绿色信贷指引》政策对积极履行社会责任的重污染企业绿色转型具有促进作用。刘传哲和任懿（2019）认为我国整体绿色信贷比率对能源消费结构优化效果显著。第二，金融机构通过对“两高一剩”行业和环保类企业制定有差别的信贷政策，影响“两高一剩”行业融资与进一步发展，最终抑制能源消费，实现碳减排。吴晟等（2021）研究认为绿色信贷政策的传导路径为绿色信贷政策控制外部融资，进而影响经济增长，最终抑制能源消费。马妍妍和俞毛毛（2020）认为绿色信贷政策通过融资约束对重污染企业的实体经营造成负面冲击，使得企业被动缩减生产规模，抑制企业排污行为。蔡海静等（2019）认为绿色信贷政策实施后，受政策冲击大的城市二氧化硫排放量和工业废水排放量均显著下降。第三，绿色信贷政策有助于优化、调整我国产业结构，进而实现碳减排的目标。李毓等（2020）认为绿色信贷对整体产业结构升级具有显著的正向促进作用，且对第二产业结构升级具有正向促进作用。张云辉和赵佳慧（2019）认为绿色信贷直接作用于产业结构优化的效果非常显著。江红莉等（2020）认为从宏观经济视角来看绿色信贷能够抑制碳排放。基于此，提出以下假设H2。

H2：绿色信贷能够有效抑制二氧化碳排放。

（三）绿色证券与碳减排的关系

在制度模式视角下，田雪等（2018）在研究中肯定了绿色证券由政府主导模式到市场主导模式的进步，但在此模式下上市公司的环保评估内容仍旧存在各期指标不统一、横向缺乏可比性、环保部门与证券监管机构信息不对称等问题，影响绿色证券生态效应的发挥。张文鑫等（2012）根据绿色证券运行情景和系统体系，认为绿色证券缺乏环保核查后督查制度，由此应持续改进绿色证券机制。在投资收益视角下，已有的研究结果发现绿色证券投资与非绿色证券投资相比，二者投资绩效并无明显区别，甚至绿色证券投资绩效要低于市场平均水平。史燕平等（2017）认为我国绿色共同基金的投资绩效与其他社会责任投资基金、传统共同基金的表现对比并无显著差异。危平和舒浩（2018）研究认为现阶段我国绿色基金的投资表现要显著低于市场平均水平，且其风险调整收益要低于市场基准和传统基金。

由于绿色证券的运作模式尚不成熟，上市公司在融资后缺乏环保部门的监督，持续披露环境信息和改善环境绩效的动力不足。同时，由于现阶段绿色证券数量和金额规模都较小，投资者不能通过投资绿色证券获得超额收益，因此绿色证券发行者的融资成本较难通过筛选作用降低。基于此，提出以下假设H3。

H3：绿色证券不能有效抑制二氧化碳排放。

（四）绿色保险与碳减排的关系

众多学者对绿色保险给出了不同定义。狭义的绿色保险是指环境污染责任保险，是企业污染事故保险补偿机制。广义的绿色保险是指支持环境改善、应对气候变化和资源节约高效利用的保险风险管理服务和保险基金支持，包括巨灾保险、环境污染责任险、碳保险等创新产品。其中巨灾保险发展比较成熟，目前覆盖范围最广的主要为农业保险。从绿色保险对碳减排的影响机制来看，降彩石（2021）认为绿色保险作为绿色金融的组成部分，以稳定机制、利益机制、整合机制、增信机制、联动机制、激励机制等六项机制助力绿色低碳发展。陈敬元（2016）认为发展绿色保险可以为绿色生产提供风险保障以及融资支持，从而促进我国绿色生产体系建设。秦芳菊（2020）认为绿色保险所具有的及时补偿、降低管理成本、风险控制等功能可以调动保险机构监督企业生产行为的积极性，敦促企业及时采取措施，降低环境污染事故发生概率。基于此，提出以下假设H4。

H4：绿色保险能够有效抑制二氧化碳排放。

（五）绿色投资与碳减排的关系

狭义的绿色投资是指在污染治理和环境保护方面的投资。广义的绿色投资是指能够增加绿色GDP的投资，即在总投资中扣除对生态效益的无益投资和负向投资。以绿色投资的主体作为分类依据，绿色投资可分为政府绿色投资、企业绿色投资和公众绿色投资等，政府作为改善生态环境的主要推手，是绿色投资的核心力量（赖德胜等，2011）。从企业微观视角出发，企业增加绿色投资，可用于研发资金、人员投入、提高绿色专利数等方面，有助于在生产过程中减污降能，优化企业环境表现。陈宇峰和马延柏（2021）认为企业增加绿色投资能够显著改善其环境绩效。肖黎明和李秀清（2020）认为绿色证券对企业绿色投资效率具有显著的促进作用，从而带动企业环境绩效提升。从区域视角出发，多元化主体的绿色投资有助于发挥规模效应，提高自然资源使用效率，促进绿色可持续发展。以“一带一路”沿线地区作为研究对象，吕阳（2020）通过构建绿色投资决策模型，从成本收益角度分析绿色投资的可行性。从全国宏观视角出发，廖显春等（2020）以环境污染治理投资、可再生能源投资中水利电力投资、营林建设投资之和作为绿色投资的替代变量，认为绿色投资对居民绿色福利产生正向影响。政府加大环保投入，发挥杠杆作用，引导社会资金流向环保基础设施建设、林业保护、新兴环保项目等领域，从宏观角度调控我国碳排放量，致力于实现碳达峰、碳中和目标。基于此，提出以下假设H5。

H5：绿色投资能够有效抑制二氧化碳排放。

本文的边际贡献主要体现在以下两个方面：第一，众多学者关于绿色金融与碳排放关系的研究，主要集中在局部地区，抑或是探讨绿色金融对具体行业碳排放的影响，研究绿色金融对我国整体碳排放影响的很少。第二，已有文献缺乏不同绿色金融产品如何影响碳排放效果的具体分析，本文将研究绿色信贷、绿色证券、绿色保险和绿色投资等四类绿色金融产品如何影响碳排放效果，并探讨区域政策的协同效果。

三、研究设计

（一）绿色金融指标的确定

选取绿色信贷、绿色证券、绿色保险和绿色投资四个准则层、九个指标层构成绿色金融内容，其中由于各个省份金融机构的绿色信贷余额尚不存在官方统计数据，所以用各省份金融机构对区域内上市环保类企业的贷款余额作为绿色信贷余额的替代指标。绿色证券的指标由环保类上市公司市值占比和高污染类上市公司市值占比构成。鉴于现阶段绿色保险主要由环境污染责任保险和农业保险构成，所以选择两类险种的规模占比和赔付率构成绿色保险准则层内容。在研究宏观经济绿色投资影响时，大多数学者认为政府环境保护投资是绿色投资的核心部分，绿色投资的主要资金来源于政府财政投入，所以选择政府环保投入占比和节能环保公共支出占比构成绿色投资准则层内容。具体内容见表1。

表1 绿色金融指标衡量内容

目前主要的综合评价方法有专家评价法、综合指数法、因子分析法、熵值法等。专家评价法和综合指数法是一种主观赋权法，人为因素带来的偏差较大，而因子分析法减少了评价指标的维数，因此本文选用更为客观的熵值法进行赋权，根据各项指标值的变异程度来确定指标权重。收集数据运用熵值法计算各个省份绿色金融指数。

第一步，对指标进行标准化处理：

对于正向性指标：

对于负向性指标：

其中，Xj(it)表示i省份t时期的j指标，X'j(it)表示i省份t时期的j标准化指标。

第二步，计算各指标下30 个省份数据标准化后数值的比重Pj(it)，表示不同指标下不同样本的贡献程度，具体公式如下所示：

第三步，求熵值ej，表示30 个省份对不同指标的贡献总量。

第四步，计算差异，算出权重。运用熵值法计算的绿色金融各指标权重见表2。

表2 绿色金融各指标权重

运用熵值法计算出中国30个省份的绿色金融指数，见表3。2020年北京、天津、上海、江苏、浙江等地的绿色金融指数较高，广东、福建、山东等地的绿色金融指数次之，而云南、甘肃及青海等省份的绿色金融指数相对较低。

表3 2020年中国30个省份绿色金融指数

（二）碳排放量指标的确定

鉴于中国省级碳排放强度指标缺乏权威机构的统计，碳排放量的计算参考郭义强等（2010）的研究方法，通过碳排放系数测算各省份碳排放强度，具体如下所示：

其中，i=1，2，3，表示煤炭、石油、天然气三种一次能源的消费量，EECO2表示能源消费导致的碳排放强度，EConi表示各类能源的消费量，EFi表示各类能源的碳排放系数，Coi表示各类能源的碳氧化率，具体数值参见表4。

表4 各类能源碳排放系数及碳氧化率

（三）其他指标的选取

1.碳交易政策。自2011 年以来，北京、天津、上海、重庆、广东、湖北、深圳、福建等地先后启动了碳交易试点，探索建立碳交易机制。其中，深圳碳交易市场于2013年6月在中国率先启动线上交易，福建省最晚也于2016 年12 月启动碳交易市场，是中国第8 个碳交易试点。由此将碳交易政策作为虚拟变量，在相应年份开展碳交易试点的省份设值为1，其余省份设值为0。

2.环境规制。参考庞庆华等学者（2020）的研究，以单位污染物排放所需的环保投入额来衡量，ER越大表示环境规制力越强，具体计算如下：

i表示中国各省份（i=1，2，…，30），t表示时间（t=1，2，…，12），j表示排放物种类（j=1，2，3，4），包括废水、固体废弃物、二氧化硫、烟粉尘。其中，ER表示环境规制强度，Z 表示污染治理投入额，表示污染治理投入额的均值，P表示污染物排放量，表示污染物排放量的均值。

（四）数据来源

绿色金融指数数据来源于CSMAR 数据库、Wind数据库以及《中国统计年鉴》《中国金融年鉴》《中国保险年鉴》《中国环境统计年鉴》；碳排放强度和环境规制相关数据来源于《中国能源统计年鉴》和CSMAR数据库；工业增加值、市场化指数、进出口总额、研发支出、城镇化水平和外商直接投资额以及GDP 数据来源于CEIC数据库和Wind数据库。

（五）模型构建

构建动态广义矩估计模型，在一定程度上克服了静态方法因忽略内生性问题而产生的较大偏误。

其中，i表示省份，取值为1～30；t 表示年份，取值为2009—2020年；CO2i,t表示各省份当期碳排放强度，以各省份碳排放总量除以各省份GDP 得到；CO2i,t-1表示滞后一期的碳排放强度；GFit表示各省份当期绿色金融指数；GFi,t-1表示滞后一期的绿色金融指数；Ctp为虚拟变量，表示各省份是否开展碳交易试点；Er为各省份的环境规制强度；Il为各省份工业化水平，以各省份同比工业增加值表示；Mi为各省份市场化指数；Open表示各省份的开放性水平，以各省份的进出口总额除以GDP衡量；RD表示各省份的研发支出，以各省份研发支出除以实际GDP得到；Urban表示各省份的城镇化水平，以各省份城市人口除以总人口衡量；FDI表示外商直接投资水平，以外商直接投资额除以实际GDP 衡量。ε表示随机误差项。模型运用计量软件Stata15.1进行实证。

将绿色金融指数所包含的四个指标绿色信贷、绿色证券、绿色保险和绿色投资分别进行异质性分析，构建模型7至模型10，分析四种绿色业务分别对中国当期碳排放强度的影响方向和大小。

表5 变量定义表

四、实证分析

（一）描述性分析

对模型中所有变量进行描述性分析，得到各变量的均值、标准误、最小值和最大值，其中碳排放强度、绿色金融、绿色证券和绿色保险指标的均值分别为0.6639、0.1340、0.0291 和0.0803，且最小值和最大值差异较大，说明各省份不同年份碳排放强度、绿色金融、绿色证券和绿色保险发展存在显著差异，如表6所示。

表6 主要变量描述性统计分析

（二）面板数据单位根检验

单位根检验（Unit Root Test）是判断变量之间是否存在协整关系的前提条件，在对模型参数进行估计之前有必要对数据的平稳性加以检验。构建的模型中面板量为30，大于时间量12，为短面板模型，为避免伪回归，选用HT 检验，该检验为Harris & Tzavalis（1999）所提出，基于T 固定而n 趋于无穷大的检验统计量，其原假设为非平稳序列，当结果拒绝原假设时，为平稳序列。

表7 HT检验结果

由HT检验结果可知，ρ的统计量为0.2491，而Z=-2.1183，相应的P值为0.0294，表明在5%的显著性水平下拒绝面板单位根的原假设，为平稳序列，从而进行下一步计量分析。

（三）两步DIFF-GMM实证分析

Arellano & Bond（1991）提出DIFF-GMM 方法，其基本思路是：对基本模型进行一阶差分以去除固定效应的影响，然后用一组滞后的被解释变量作为差分方程中相应变量的工具变量，模型中将滞后一期的碳排放强度作为差分方程中的工具变量，检验绿色金融对碳排放强度的削减方向和力度，实证结果如表8所示。

表8 绿色金融和碳排放强度两步DIFF-GMM实证结果

为增强回归结果的可靠性，对模型设定的合理性和工具变量的有效性进行检验。通过自相关检验方法检验扰动项的差分是否存在一阶与一致估计，由于模型采用的是动态面板数据，AR（1）检验结果为0.018，表明拒绝原假设，即扰动项的差分存在一阶自相关。AR（2）检验结果为0.179，表明接受原假设，即一阶差分方程的随机误差项中不存在二阶序列相关。通过Hansen过度识别约束检验对所使用的工具变量的有效性进行检验，检验结果为0.286，说明所使用的工具变量L.CO2t-1与误差项是不相关的，即工具变量L.CO2t-1有效且模型设定正确。

模型中L.CO2t-1的系数为0.593，在1%的水平下显著为正，说明滞后一期的碳排放强度对当期碳排放强度有一定的惯性影响。GF的系数为-0.039，在1%的水平下显著为负，说明当期绿色金融对碳排放强度有削减作用；L.GFt-1的系数为-0.023，在5%的水平下显著为负，说明滞后一期的绿色金融对当期碳排放强度有显著削减作用，这也间接说明绿色金融对生态环境的影响具有滞后性，可以验证假设H1a和H1b。Er、Mi、Open、R&D、FDI的系数分别为-0.004、-0.009、0.168、-0.084、0.055，均通过显著性检验，说明环境规制、市场化水平和研发支出均对当期碳排放强度有负向作用，而开放性水平和外商直接投资水平对当期碳排放强度有正向作用。Ctp、Il、Urban的系数分别为0.013、0.001和0.786，但并不显著。

（四）异质性分析

模型7 至模型10 分别为当期及滞后一期的绿色信贷、绿色证券、绿色保险以及绿色投资对各省份当期碳排放强度的影响，结果见表9。模型7 中AR（1）系数为0.032，AR（2）系数为0.471，说明扰动项存在一阶自相关但不存在二阶序列相关，Hansen 检验结果为0.241，说明所使用的工具变量L.CO2t-1与误差项不相关。滞后一期的碳排放强度系数为0.424，当期绿色信贷的系数为-266.868，且在5%的水平下显著，说明当期绿色信贷业务能够显著减少当期碳排放强度，但滞后一期的绿色信贷业务对当期碳排放强度的影响不显著，可以验证假设H2。同理可知，模型8 中滞后一期的碳排放强度系数为0.361，当期及滞后一期的绿色证券对当期碳排放强度的影响不明显，这可能是由于绿色证券对碳排放强度的影响尚未表现出来的原因，可以验证假设H3。模型9中滞后一期的碳排放强度系数为0.298，当期及滞后一期的绿色保险系数分别为-0.092和-0.048，均在1%的水平下显著，说明绿色保险能够显著减少当期碳排放强度，可以验证假设H4。模型10 中滞后一期碳排放强度系数为0.092，在10%的水平下显著，当期绿色投资的系数为-1.531，在10%的水平下显著，说明当期绿色投资能够显著减少当期碳排放强度，可以验证假设H5。

表9 四大绿色业务的异质性分析

（五）稳健性检验

1.替换被解释变量。替换碳排放强度的衡量指标，选用人均二氧化碳值作为被解释变量，采用差分GMM方法进行稳健性检验，检验结果见表10。检验结果与表8一致，说明绿色金融对碳排放存在抑制效应。

表10 绿色金融和人均二氧化碳值两步DIFF-GMM实证结果

2.OLS 估计和固定效应估计。借鉴Bond（2002）的检验方法，由于OLS估计通常会导致滞后项系数向上偏误，而固定效应估计则会产生一个严重向下的滞后项系数，如果DIFF-GMM 估计值介于固定效应估计值和混合OLS估计值之间，则DIFF-GMM估计是可靠有效的，检验结果见表11。

表11 OLS估计与固定效应估计

由表11 可知，固定效应估计中L.CO2t-1的系数为0.301，OLS 估计中L.CO2t-1的系数为0.891，而DIFFGMM估计中L.CO2t-1的系数为0.593，估计值介于固定效应估计值与OLS 估计值之间，即实证结果具有稳健性。

3.分阶段检验。将样本分为2009—2014 年、2015—2020 年两个时间段，分别对各时间段的模型进行GMM估计检验，结果见表12。

表12 分时间段的稳健性检验

由表12 估计结果可知，各主要变量回归系数的方向没有发生变化，对碳排放强度的影响是稳定的。无论是更换被解释变量、更改模型估计方法进行系数比较还是分时段检验，研究结论基本一致，这说明DIFF-GMM模型通过稳健性检验，其实证结果是可靠有效的。

五、研究结论与建议

（一）研究结论

研究结果发现：第一，通过熵值法计算各省份绿色金融指数发现中国绿色金融业务发展存在区域差异，北京、天津、上海及江苏等地的绿色金融指数较高，其中北京市2020 年绿色金融指数为0.3475，而山西、陕西及内蒙古等地的绿色金融指数偏低，其中山西省2020 年绿色金融指数为0.1743。中国东、中、西部绿色金融发展水平差异较大，与中国经济发展水平分布大致相似，中国绿色金融指数较高的地区大都表现为政府积极推广绿色政策，宏观调控经济发展结构，例如，北京市积极筹备绿色发展基金并开展环境污染责任保险试点，绿色信贷规模在2021 年末达到1.39 万亿元，同年绿色债券规模和数量位居中国前列。绿色金融业务较为落后的地区则受到经济条件与产业结构的影响，转型之路较为艰难。例如，山西省作为资源大省，经济发展主要依托于煤炭资源的开发，经济发展模式仍旧停留在主要依靠开发资源拉动GDP增长，银行业对“两高一剩”行业转型升级的引导作用相对较弱，环保类上市公司发展缓慢。

第二，总体而言，无论是当期绿色金融还是滞后一期绿色金融均对当期碳排放强度存在显著削弱效果。在不同类别绿色金融产品抑制碳排放效果方面，绿色信贷业务是绿色金融业务发展的主力军，早在1995 年原国家环境保护总局发布了《关于运用信贷政策促进环境保护工作的通知》，2019年银保监会又发布《关于防范和控制耗能高污染行业贷款风险的通知》。金融机构积极开展绿色信贷业务战略布局，制定专项政策，不断完善服务流程，并且将绿色信贷所产生的经济、环境和社会效益体现在社会责任报告中。我国目前绿色证券已由政府主导的绿色证券模式转为市场主导的绿色证券模式，在该模式下，环保部门要求上市公司在融资或再融资前进行环境信息披露，即在准入阶段落实上市公司的环境情况，但在公司成功上市后，环保部门和证券部门缺乏持续监督机制和细化的规章制度要求。再者，环保部门与证券监管机构联动性较差，双方信息没有形成良好的交换渠道，导致获取上市公司环境信息成本较高，对企业进行环保监管和做出违规处罚决定存在时滞性。对上市公司本身而言，由于不利的环境信息披露会影响公司盈利，因此上市公司对环境信息披露的主观性较强，披露的环境信息内容各期维度不同且缺乏可比性。环境污染责任保险作为绿色保险的主要品种，目前主要是高污染类国有企业投保，企业投保环境污染责任保险后，保险公司会持续对企业生产过程中有可能造成重大环境污染的行为进行监督，降低环境污染事故发生概率，以降低自身承担的风险。从农业保险发展现状来看，2009 年我国农业保险保费收入为132.83 亿元，2018 年为815 亿元，增长达五倍以上。2009年我国节能环保支出为1236.62亿元，2020年为6317亿元，2020年相较于2009年增长约四倍，其中广东、江苏、北京和四川的节能环保支出较高，但仍有部分省份对节能环保投入没有给予足够重视。

（二）政策建议

中国绿色金融的各个领域并不是独立发展的，而是作为互补手段相辅相成的。针对绿色金融对碳排放强度的影响，提出如下五项建议：

第一，加快推进中西部地区绿色金融发展，缩小绿色金融地区发展差异，发挥绿色金融抑制碳排放的作用。中国中西部地区在绿色金融发展方面与东部地区存在较大差距，主要体现在绿色信贷与绿色投资上。由于绿色金融涉及范围广，有一定的推进难度，中西部地区可以由政府层面出台具有强制力的相关政策，以此推行绿色金融业务，使各项绿色金融业务协调平衡发展，共同发挥其抑制碳排放的作用。

第二，促进多元化主体推进绿色信贷业务，大力支持新兴绿色领域。目前中国的绿色信贷发展主体主要是国有大型银行以及股份制银行，地方法人银行开展绿色信贷业务相对缓慢，这就极大限制了绿色信贷的受众与推广面。此外，金融机构除支持光伏、水力、风力发电等技术较为成熟的绿色领域外，还应支持新兴绿色领域，如垂直农场、新能源汽车和绿色建筑等，确保相关绿色产业有充足的资本流入，进一步降低中国能源消费总量与碳排放强度，加快生态文明建设。

第三，积极发展绿色证券市场，规范上市公司环境信息披露内容。在以市场为主导的绿色证券发展模式下，监管机构应细化对上市公司环境信息披露内容的要求，根据各行业的发展特征，制定绿色证券绩效评价准则与指数，使上市公司环境信息披露内容横向、纵向可比。同时，环保部门与证券监管机构要建立畅通的信息交流渠道，提高环保信息交换的时效性，及时应对企业的环境事件。此外，在绿色证券领域可以推广发展绿色基金，发挥绿色间接融资的作用，将社会上的零散资金集聚起来投向不具备上市资格的新兴环保企业，提高不同规模企业的生态环境效益。

第四，构建绿色保险立法体系，发挥多种绿色保险的作用。借鉴发达国家经验，在绿色保险领域建立自愿投保与强制投保相结合的原则，强制高污染类企业投保，其他行业则自愿投保。目前我国绿色保险业务主要集中在环境污染责任险和巨灾保险上，极少保险公司开展碳保险、森林保险等其他险种业务，投保人难以投保。对此，保险机构应培育和引进环境风险识别控制人才，设立多元化绿色保险品种，满足市场主体需求，为传统产业升级改造保驾护航。

第五，加大环保投入力度，切实落实环保工作。各级地方政府应加大环保投入，针对环境污染同时进行源头防治、过程控制和末端治理，在地方环境污染治理的全过程建立有效的污染防控机制，同时落实环境绩效考核标准。发挥政府环保投入资金的杠杆作用，撬动社会资本流向环保领域，因地制宜构建地方生态文明体系，加快全国生态文明建设。