張一凡 董曉紅 吳井泉

(哈爾濱商業(yè)大學(xué),黑龍江 哈爾濱 150028)

一、引言

在人們環(huán)保意識與可持續(xù)發(fā)展理念日益增強的背景下，綠色金融作為實現(xiàn)綠色發(fā)展的重要舉措，為完成我國供給側(cè)改革與產(chǎn)業(yè)結(jié)構(gòu)升級，促進(jìn)環(huán)境、經(jīng)濟協(xié)調(diào)發(fā)展起到重要作用。黨的十九大提出建設(shè)美麗中國，要求建立健全綠色低碳循環(huán)發(fā)展的經(jīng)濟體系，構(gòu)建市場導(dǎo)向的綠色技術(shù)創(chuàng)新體系，發(fā)展綠色金融。G20杭州峰會指出發(fā)展綠色金融的必要性，強調(diào)市場缺乏一套更為完善、科學(xué)的綠色金融度量與評估體系。在我國綠色金融發(fā)展過程中，廣東省作為我國經(jīng)濟、金融建設(shè)前沿地帶，在2017年進(jìn)入全球金融中心指數(shù)體系并獲批建設(shè)綠色金融改革創(chuàng)新試驗區(qū)，在金融資源配置、金融風(fēng)險防控、金融改革創(chuàng)新等方面具有明顯優(yōu)勢，作為測度對象比較具有代表性。神經(jīng)網(wǎng)絡(luò)模型作為具有自適應(yīng)、自組織、自主學(xué)習(xí)能力的數(shù)學(xué)分析方法廣泛應(yīng)用于建立基本評價模型，遺傳算法具有良好的全局搜索優(yōu)化能力，可優(yōu)化神經(jīng)網(wǎng)絡(luò)自身存在的易陷入局部最優(yōu)解等問題，使評價輸出更為精確。因此，針對國內(nèi)綠色金融評價體系尚不完善的現(xiàn)狀，運用遺傳算法對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化的科學(xué)方法，建立城市綠色金融發(fā)展水平測度模型，對2011年和2016年廣東省21個地級市綠色金融建設(shè)情況進(jìn)行對比分析。這有利于推動全國各城市綠色發(fā)展，明確綠色金融體系建設(shè)目標(biāo)，對促進(jìn)綠色金融發(fā)展有著重要的現(xiàn)實意義。

目前國內(nèi)外對綠色金融發(fā)展水平的研究很多，但多數(shù)評測指標(biāo)的建立只是針對某些特定的金融產(chǎn)品而設(shè)計，還未形成科學(xué)、統(tǒng)一的標(biāo)準(zhǔn)。如國外研究中Marcel Jecuken(2001)通過構(gòu)建五維評價體系，對34家知名銀行可持續(xù)發(fā)展戰(zhàn)略進(jìn)行評測，得出銀行可持續(xù)發(fā)展和環(huán)境關(guān)系日趨緊密，發(fā)展綠色金融為促進(jìn)金融業(yè)可持續(xù)發(fā)展打下良好基礎(chǔ)[1]。國際金融公司等9家商業(yè)銀行(2002)提出赤道原則，對環(huán)保項目融資風(fēng)險按指標(biāo)體系進(jìn)行劃分。國內(nèi)研究中，白欽先(2006)從基礎(chǔ)、核心、擴展、衍生四個功能演繹金融發(fā)展進(jìn)程并對其進(jìn)行重新界定[2]。黃建歡(2014)分析金融發(fā)展影響區(qū)域綠色發(fā)展的四個機理并采用空間杜賓模型分析各機理的相對重要性與空間溢出效應(yīng)[3]。

綜上可知，目前已有評價和分析多側(cè)重于定性分析，然而定量更能應(yīng)用數(shù)據(jù)客觀地對測度評分進(jìn)行分析，使結(jié)果更具科學(xué)性。因此，本文在原有理論的基礎(chǔ)上建立模型測度城市綠色金融發(fā)展水平，對政府發(fā)展綠色金融具有借鑒意義。

二、城市綠色金融評價體系的構(gòu)建

(一)評價指標(biāo)的選取與數(shù)據(jù)來源

1.綠色金融指標(biāo)的選取

(1)借鑒中國人民銀行泰州銀行(2016)[4]的思路，根據(jù)廣東省節(jié)能減排等舉措，選取單位GDP能耗來衡量資源消耗，工業(yè)廢水、廢氣、固體廢物等污染物的排放量占城市主要污染物排放量的比重較大，因此選取單位GDP工業(yè)廢水、廢氣、固體廢物排放量來衡量城市環(huán)境污染水平。

(2)借鑒黃建歡、周國富(2014)等人的思路，用貸款配置效率衡量當(dāng)?shù)刭Y本配置效應(yīng)。資源配置作為金融的核心功能，將有限的資源根據(jù)區(qū)域生產(chǎn)率與產(chǎn)出率進(jìn)行合理分配，有利于提高城市綠色金融發(fā)展水平。此指標(biāo)數(shù)據(jù)大說明該地區(qū)資產(chǎn)利用效率較高，綠色金融發(fā)展前景更為廣闊。用外商投資利用總額、儲蓄率衡量資本支持的潛能，以存貸比來衡量資本的支持力度，金融市場通過融資等手段將資金轉(zhuǎn)化為資本，為企業(yè)擴大生產(chǎn)與技術(shù)研發(fā)提供支持。用邊際資本生產(chǎn)率衡量投資總額對當(dāng)?shù)亟?jīng)濟發(fā)展的增量，此指標(biāo)越大反映企業(yè)資金利用率越高，從而使經(jīng)濟增速加快，促使金融業(yè)良性發(fā)展。

(3)借鑒楊陽(2017)[5]等人的思路，用環(huán)保投資占比、節(jié)能環(huán)保公共支出占比來衡量城市綠色投資情況，政府與社會投資有利于綠色項目的融資情況，并直觀反映出當(dāng)?shù)鼐G色金融的重視程度。用清潔發(fā)展機制項目交易量占比衡量區(qū)域碳金融發(fā)展程度，碳金融致力于減少企業(yè)溫室氣體的排放，此指標(biāo)越大表明地區(qū)企業(yè)參與碳配額交易越多，綠色金融發(fā)展水平越是良好。高耗能企業(yè)市值占比、環(huán)保企業(yè)市值占比兩項指標(biāo)從正、負(fù)兩方向分別衡量高耗能企業(yè)與環(huán)保企業(yè)在金融市場的融資情況。保險深度用于測度廣東省各城市保險業(yè)的發(fā)展水平。

本文綜合采取以下15個指標(biāo)建立城市綠色金融發(fā)展水平評價指標(biāo)體系，見表1。

表1 廣東省城市綠色金融發(fā)展水平指標(biāo)體系

2.樣本數(shù)據(jù)來源

選取廣東省21個地級市作為觀測目標(biāo)，選取2011年和2016年兩年數(shù)據(jù)。主要數(shù)據(jù)來源于《廣州統(tǒng)計年鑒》、廣東省各市《統(tǒng)計年鑒》、wind數(shù)據(jù)庫以及中國清潔發(fā)展機制網(wǎng)。

(二)指標(biāo)權(quán)重的確定

1.數(shù)據(jù)預(yù)處理

由于指標(biāo)體系中各項指標(biāo)計量單位存在差異，因此需要對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除特征之間的差異性，使不同的特征具有相同的尺度，同時還需消除正、負(fù)項指標(biāo)對數(shù)據(jù)加總等方面的影響。因此，對正負(fù)向指標(biāo)采用不同的標(biāo)準(zhǔn)化處理。

正向指標(biāo)：

(1)

負(fù)向指標(biāo)：

(2)

其中，Xij代表在n個樣本，m個指標(biāo)的評價體系中第i個樣本的第j個指標(biāo)的數(shù)值(i=1,2,…,n;j=1,2,…,m),Zij代表歸一化后的數(shù)據(jù)。

2.熵權(quán)法確定指標(biāo)權(quán)重

熵值法是一種客觀的賦值方法，原理是根據(jù)指標(biāo)數(shù)據(jù)的離散程度，衡量其對系統(tǒng)的比較作用，即有效信息量的大小，從而賦予指標(biāo)一定權(quán)重。指標(biāo)的熵越大，包含信息的有效性越大，對綜合評價的影響越大，因此賦予權(quán)重越大。具體步驟如下：

(1)計算第j項指標(biāo)下第i個樣本值占該指標(biāo)的比值：

(3)

(2)計算第j項指標(biāo)的熵值：

(4)

其中，k=1/In(n)>0，滿足e≥0。

(3)計算信息熵的冗余度(差異)：

dj=1-ej,j=1,…,m

(5)

(4)計算各項指標(biāo)的權(quán)重：

(6)

依據(jù)上式綜合計算各指標(biāo)權(quán)重，結(jié)果如表2所示。

表2 熵權(quán)法分析結(jié)果

如表2所示，熵權(quán)法測得權(quán)重結(jié)果中的外商投資利用總額、環(huán)保企業(yè)市值占比、貸款配置效率所占權(quán)重較大，分別為0.1333、0.1043和0.0877，表明其對城市綠色金融發(fā)展水平影響較大；單位GDP固體廢棄物排放量、高耗能企業(yè)市值占比、單位GDP能耗所占權(quán)重較小，分別為0.0326、0.0387和0.0390，表明其對城市綠色金融發(fā)展水平影響較小。

三、基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的實證分析

(一)遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

1.BP神經(jīng)網(wǎng)絡(luò)模型

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是以誤逆差傳播算法為原理的多層前饋網(wǎng)絡(luò)模型，由輸入層、隱含層和輸出層三層結(jié)構(gòu)組成。該模型通過向前在神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)之間傳遞信號，向后在拓?fù)浣Y(jié)構(gòu)之間傳遞誤差而不斷調(diào)整網(wǎng)絡(luò)的權(quán)值與閾值，使得單個樣本的誤差隨之減小，最終使總誤差E趨于最小，其公式如下：

(7)

(8)

其中，Ek為訓(xùn)練樣本誤差，M為所設(shè)輸出層的單元個數(shù)，dj為對單元j對訓(xùn)練樣本的目標(biāo)值，Yj為訓(xùn)練樣本的輸出值，E為神經(jīng)網(wǎng)絡(luò)計算的總誤差。

BP神經(jīng)網(wǎng)絡(luò)對城市綠色金融的預(yù)測包括訓(xùn)練與檢驗兩個部分，其步驟為：先通過訓(xùn)練樣本進(jìn)行學(xué)習(xí)，對網(wǎng)絡(luò)權(quán)值、閾值信息進(jìn)行儲存，而后將檢驗樣本輸入，將其預(yù)測輸出與實際輸出進(jìn)行對比檢驗。本文選用三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層節(jié)點數(shù)為15，與城市綠色發(fā)展水平測度指標(biāo)數(shù)目一致；輸出層節(jié)點數(shù)為1，即為城市綠色金融發(fā)展評分。隱含層數(shù)目的確定至今沒有廣泛使用的明確理論，本文選取的隱含層經(jīng)驗公式為:

(9)

其中，a為輸入層數(shù)目，b為輸出層數(shù)目。由式9可知，本文選取的隱含層數(shù)目為8，因此該神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)為15-8-1型。

2.遺傳算法的優(yōu)化

BP神經(jīng)網(wǎng)絡(luò)具有初始權(quán)值與閾值在選擇上缺乏依據(jù)，隨機性過大；目標(biāo)函數(shù)的復(fù)雜性梯度下降法使訓(xùn)練次數(shù)過多，收斂速度緩慢；局部最優(yōu)算法的應(yīng)用容易陷于局部最優(yōu)解等缺點，眾多學(xué)者針對其缺點對模型進(jìn)行改進(jìn)。其中遺傳算法是采取逐次迭代搜尋最優(yōu)的方法，對全局進(jìn)行搜索從而解決神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)解的局限，實現(xiàn)在整個信息全局搜索采集。本文利用遺傳算法對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，其步驟如圖1所示：

圖1 GA+BP算法流程圖

(二)實驗結(jié)果分析

1.BP神經(jīng)網(wǎng)絡(luò)預(yù)測分析

在42組2011年和2016年廣東省城市綠色金融發(fā)展水平指標(biāo)數(shù)據(jù)中，選取其中36組作為訓(xùn)練樣本，6組為預(yù)測檢驗樣本。將各城市指標(biāo)數(shù)據(jù)設(shè)為 BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，根據(jù)公式10可求得各城市評分Sj，并將其設(shè)為輸出目標(biāo)，通過matlab進(jìn)行訓(xùn)練，得出城市綠色金融發(fā)展水平預(yù)測結(jié)果，從中選取部分結(jié)果進(jìn)行分析[6]，如圖2所示。

(10)

其中, n為各指標(biāo)總數(shù)，m為樣本總數(shù)，Wi為第i項指標(biāo)所占權(quán)重，μi為第i項指標(biāo)歸一化后數(shù)據(jù)。

圖2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測

由訓(xùn)練結(jié)果可知，誤差最大百分比為6.9529%，平均誤差百分比為5.3489%。誤差相對較高。這主要是由于BP神經(jīng)網(wǎng)絡(luò)具有初始權(quán)值與閾值在選擇上缺乏依據(jù)、網(wǎng)絡(luò)訓(xùn)練結(jié)果存在較高的隨機性且易陷入局部最優(yōu)解等缺點。

2.GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測分析

采用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化，設(shè)立種群規(guī)模為20，最大進(jìn)化代數(shù)為20，交叉概率為0.8，變異概率為0.1。利用matlab進(jìn)行訓(xùn)練。測試結(jié)果如圖3所示，誤差最大百分比為1.5041%，平均誤差百分比為0.5194%。

圖3 GA+BP網(wǎng)絡(luò)預(yù)測

由訓(xùn)練結(jié)果可知，誤差最大百分比為-0.7268%，平均誤差百分比為0.5262%，符合預(yù)期。

遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型與未優(yōu)化的模型誤差對比如圖4所示。結(jié)果表明，遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差較低，對城市綠色金融發(fā)展水平的預(yù)測更為精確，因此選用遺傳算法優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)評價模型。

圖4 GA+BP優(yōu)化前后訓(xùn)練誤差

3.測度結(jié)果分析

運用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型對廣東省2011年茂名、肇慶、清遠(yuǎn)、潮州、揭陽、云浮六市綠色金融發(fā)展情況進(jìn)行預(yù)測。結(jié)果如表3所示，其中最大相差誤差為2.1913%，符合預(yù)期，滿足城市綠色金融發(fā)展水平測度要求。

表3 GA+BP測試樣本預(yù)測

四、實證結(jié)果分析

(一)2011年和2016年綠色金融發(fā)展對比分析

由遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)得出以下2011年、2016年廣東省城市綠色金融發(fā)展的空間分布情況如圖5所示，城市具體得分情況如表4所示。

表4 廣州省城市綠色金融發(fā)展水平測度得分

由圖5對比可知，2011年和2016年廣東省各城市綠色金融評分均有顯著提高，廣州、深圳、珠海、東菀等珠江三角洲沿海城市保持了較高的綠色金融發(fā)展水平，粵西地區(qū)(陽江、茂名、湛江)以及粵西北北部部分地區(qū)(韶關(guān)、清遠(yuǎn)、肇慶)還處于低值集聚狀態(tài)。這與珠江三角洲地區(qū)作為我國金融改革的先發(fā)地，在金融發(fā)展與環(huán)境保護(hù)方面的政策支持與經(jīng)濟高速增長有著密不可分的關(guān)系。又由對比可知，2011年廣東省綠色金融僅有珠三角洲地區(qū)測度水平較高，周邊地區(qū)綠色金融發(fā)展水平較低，而2016年各城市綠色金融發(fā)展均有明顯提升，與珠三角地區(qū)的差距進(jìn)一步縮小，說明發(fā)展前期形成了資金的集聚狀態(tài)，發(fā)展良好地區(qū)對金融資源吸納能力較強，從而導(dǎo)致周邊地區(qū)資本外流，發(fā)展較為緩慢。綠色金融發(fā)展成熟階段具有擴散效應(yīng)，由發(fā)展良好地區(qū)資金進(jìn)行投資，對周邊地區(qū)的發(fā)展起到帶動作用。

圖5 2011年和2016年廣東省城市綠色金融測度得分

由比較圖5可知，2011年和2016年梅州、河源、東莞等地區(qū)綠色金融發(fā)展躍升最為顯著，而珠海、湛江、佛山地區(qū)評分則有所倒退，分析五城市各指標(biāo)對其評分變化貢獻(xiàn)率以及各指標(biāo)全省城市平均貢獻(xiàn)率(以2011年各指標(biāo)評分為基數(shù))如表5所示。

表5 各指標(biāo)貢獻(xiàn)率

由表5中城市綠色金融測度中各指標(biāo)的平均貢獻(xiàn)率分析可知，工業(yè)廢水排放量(39.66%)、工業(yè)固體廢物生產(chǎn)量(17.24%)、工業(yè)能源消耗總量(17.98%)、保險深度(31.76%)四指標(biāo)對廣東省城市綠色金融發(fā)展增長有主要的貢獻(xiàn)作用，前兩項指標(biāo)貢獻(xiàn)率較高主要是由于廣東省在“十二五”期間(2011-2015)著力完善節(jié)能政策法規(guī)標(biāo)準(zhǔn)體系，出臺《“十二五”節(jié)能規(guī)劃》等法律法規(guī)，大力開展節(jié)能循環(huán)經(jīng)濟工作，推動清潔能源生產(chǎn)服務(wù)市場化，并于2016年實行《工業(yè)節(jié)能管理辦法》、《綠色制造2016專項行動實施方案》，對高耗能企業(yè)進(jìn)行進(jìn)一步約束，實現(xiàn) “十三五”規(guī)劃的良好開端等均有著密切聯(lián)系，各城市在保險深度方面表現(xiàn)良好主要是由于通過“十二五”期間保險業(yè)改革不斷深化，保險發(fā)展迅速，保險收入位居全國第一，并且在發(fā)展綠色保險方面進(jìn)行多方位嘗試。而高耗能企業(yè)市值占比(-1.57%)、環(huán)保公共支出占比(-7.03%)對綜合評分起到主要反向作用，其中環(huán)保公共支出占比主要反映出政府財政支出對環(huán)保事業(yè)的支持不足，說明各城市政府應(yīng)當(dāng)調(diào)整財政支出占比，加大對環(huán)保事業(yè)重視力度，以政府資金號召社會資本流入環(huán)保經(jīng)濟、循環(huán)經(jīng)濟，實現(xiàn)高耗能產(chǎn)業(yè)向節(jié)能環(huán)保型產(chǎn)業(yè)轉(zhuǎn)型。高耗能企業(yè)市值占比反映出廣東省產(chǎn)業(yè)轉(zhuǎn)型還在改革進(jìn)程中，高能耗企業(yè)發(fā)展擴展速率高于環(huán)境治理，各城市應(yīng)當(dāng)加大對高能耗企業(yè)環(huán)境指標(biāo)監(jiān)控力度，完成去產(chǎn)能，實現(xiàn)產(chǎn)業(yè)升級。

由表4可知，梅州(-13.67%)、東莞(10.65%)兩市綠色金融得分增長率位列前二，兩市作為國家節(jié)能減排財政政策綜合示范城市，發(fā)展循環(huán)經(jīng)濟，引領(lǐng)全省環(huán)?；顒拥拈_展。對比分析表5城市得分，除去平均貢獻(xiàn)率較高的三個指標(biāo)，五年內(nèi)梅州綠色金融發(fā)展水平增長速度快主要是因為在存貸比(73.84%)、儲蓄率(22.58%)、環(huán)保投資占比(55.51%)三個指標(biāo)方面表現(xiàn)突出，環(huán)保投資占比分?jǐn)?shù)高反映出梅州政府引領(lǐng)社會資本對環(huán)保產(chǎn)業(yè)加大支持力度，存貸比、儲蓄率反映出梅州金融業(yè)發(fā)展增速快，潛在資本豐厚，為環(huán)保、創(chuàng)新性企業(yè)發(fā)展提供了優(yōu)良環(huán)境。東莞在節(jié)能環(huán)保支出公共占比(16.00%)、環(huán)保企業(yè)市值占比(18.24%)等指標(biāo)方面表現(xiàn)良好，節(jié)能環(huán)保公共支出占比指標(biāo)貢獻(xiàn)率增加體現(xiàn)出東莞政府對環(huán)保改革的大力支持，以政府資金與政策帶動環(huán)保型城市的建設(shè)。環(huán)保企業(yè)市值占比指標(biāo)表現(xiàn)出東莞政策性鼓勵環(huán)保型企業(yè)發(fā)展取得階段性成功，產(chǎn)業(yè)改革實現(xiàn)良好開端。

佛山(-1.41%)、珠海(-3.61%)兩市綠色金融發(fā)展呈負(fù)增長趨勢，除去邊際資本生產(chǎn)率負(fù)向貢獻(xiàn)率指標(biāo)，珠海綠色金融評分呈負(fù)增長主要是由于環(huán)保投資占比(-50.95%)、貸款配置效率(-13.49%)兩個指標(biāo)負(fù)向貢獻(xiàn)率加大，主要與新常態(tài)背景下，珠海GDP增速快，2011—2016年GDP穩(wěn)步上升，并于2016年位列全省第一位有關(guān)，但珠海環(huán)保投資同比增速較為緩慢，不能應(yīng)對其快速增長的經(jīng)濟模式下環(huán)保型企業(yè)發(fā)展的資金需求。同時，貸款配置效率貢獻(xiàn)率下降反映出資本配置效率增速下降，削減了金融活性，對綠色金融發(fā)展有一定抑制作用。佛山分?jǐn)?shù)降低是由于其環(huán)保投資占比(-21.95%)、外商投資利用總額(-13.67%)較低，反映出其資本支持環(huán)保產(chǎn)業(yè)潛能較小的問題。

(二)2016年各城市綠色金融發(fā)展對比分析

通過表4可知，2016年廣東省綠色金融發(fā)展水平測度中，深圳、廣州分別以79.45與70.95位于第一位和第二位，韶關(guān)以50.67位列末尾。以各指標(biāo)各城市平均分?jǐn)?shù)為基數(shù)計算各指標(biāo)對其城市得分的貢獻(xiàn)率，如表5所示。

深圳作為我國經(jīng)濟大省，在環(huán)保方面有著顯著成就，是全國第一個低碳生態(tài)示范城市，同時其經(jīng)濟發(fā)展迅速，金融資本活躍，在建設(shè)發(fā)展碳金融市場等方面都有著實質(zhì)性成就。廣州作為國家綠色金融發(fā)展中心城市，其花都區(qū)被設(shè)立為綠色金融改革創(chuàng)新試驗區(qū)，在培育發(fā)展綠色金融組織體系、創(chuàng)新產(chǎn)品和完善金融服務(wù)等方面獲得政府、資本大力支持，完成跨越式發(fā)展。由表5分析可知，廣州、深圳兩市在環(huán)保企業(yè)市值占比(138.92%、138.92%)、外商投資利用總額(116.09%、142.17%)、儲蓄率(46.27%、90.57%)三項指標(biāo)方面表現(xiàn)突出，環(huán)保企業(yè)市值占比主要表明兩市在引進(jìn)、建設(shè)生態(tài)型企業(yè)方面取得巨大成功，這主要與兩市經(jīng)濟建設(shè)領(lǐng)先、環(huán)保企業(yè)建設(shè)政策傾斜大、金融環(huán)境良好、企業(yè)成長條件良好有著密切關(guān)系。外商投資利用總額、儲蓄率兩項指標(biāo)則主要與兩市充分利用地緣、政策因素吸引外資，人均GDP較高，積累了雄厚的民間資本，進(jìn)而為環(huán)保型企業(yè)發(fā)展提供強大資本支持密切相關(guān)。

韶關(guān)地處廣東省粵西北地區(qū)，與其他城市相比深入內(nèi)陸，國民經(jīng)濟總量與增速都處于較低狀態(tài)，經(jīng)濟發(fā)展與金融活性處于較低狀態(tài)，分析可知其在工業(yè)廢水(-35.41%)、廢氣(-63.01%)、固體廢棄物排放量(-25.52%)、工業(yè)能源消耗總量(-30.90%)方面得分較低，主要是由于廣東珠三角等沿海地區(qū)城市產(chǎn)業(yè)升級，高能耗企業(yè)向內(nèi)陸轉(zhuǎn)移，韶關(guān)作為產(chǎn)業(yè)對接地區(qū)，建立韶關(guān)(東莞)產(chǎn)業(yè)轉(zhuǎn)移園區(qū)，相對污染物增多，從而環(huán)保企業(yè)市值占比也有所下降。外商投資利用總額(-26.84%)、存貸比(-24.21%)兩項指標(biāo)得分低反映出金融水平較低，這與其自身經(jīng)濟水平較低、珠三角地區(qū)資源聚集效應(yīng)導(dǎo)致資本外流有關(guān)。這導(dǎo)致韶關(guān)金融活性進(jìn)一步被削弱，綠色金融發(fā)展水平低下。

五、結(jié)論與建議

由于綠色金融水平測度的復(fù)雜性，本文探討了基于遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)對廣東省各城市綠色金融發(fā)展水平進(jìn)行測度，實驗結(jié)果表明， GA-BP網(wǎng)絡(luò)在精度與穩(wěn)定性方面均優(yōu)于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，能準(zhǔn)確地反映城市綠色金融發(fā)展水平，從而更易于針對各項指標(biāo)對各城市綠色金融發(fā)展提出指導(dǎo)性的對策建議。通過實證分析，廣東省綠色金融發(fā)展水平整體呈穩(wěn)步上升趨勢，不同城市因為地緣、政策扶持因素等不同而呈現(xiàn)出不同的發(fā)展水平變化：廣州、深圳、珠海、東菀等珠江三角洲沿海城市保持了較高的綠色金融發(fā)展水平，而粵西地區(qū)(陽江、茂名、湛江)以及粵西北北部部分地區(qū)(韶關(guān)、清遠(yuǎn)、肇慶)依然處于低值集聚狀態(tài)。從整體上看，節(jié)能環(huán)保經(jīng)濟的推廣與保險業(yè)的改革大力促進(jìn)了2011—2016年間廣州市綠色金融的發(fā)展。根據(jù)上述結(jié)論提出以下建議：

第一，提高資本對于節(jié)能環(huán)保企業(yè)的支持，政府引導(dǎo)社會資本流入綠色產(chǎn)業(yè)，發(fā)揮金融創(chuàng)新作用，通過綠色信貸等創(chuàng)新型金融工具，多方式、多角度為綠色產(chǎn)業(yè)擴寬融資渠道，支持小微型企業(yè)成長，推動環(huán)保節(jié)能創(chuàng)新，發(fā)展循環(huán)經(jīng)濟，實現(xiàn)城市產(chǎn)業(yè)結(jié)構(gòu)升級。

第二，提高金融資本配置效率，加強政府對金融資源流向綠色產(chǎn)業(yè)的積極引導(dǎo)作用，同時放低市場準(zhǔn)入門檻，激發(fā)市場活力，提高市場配置資源的能力。完善落后生產(chǎn)能力退出的運作機制，加強產(chǎn)業(yè)政策引導(dǎo)，充分發(fā)揮企業(yè)投資管理、環(huán)境保護(hù)、質(zhì)檢等部門的作用，鼓勵和支持發(fā)展先進(jìn)生產(chǎn)能力，有序推進(jìn)產(chǎn)業(yè)生態(tài)轉(zhuǎn)型。

第三，建立綠色金融平臺，拓寬綠色金融信息渠道，發(fā)展綠色金融信息服務(wù)，降低投資者獲取信息的成本，吸引更多投資者投資建設(shè)當(dāng)?shù)鼐G色項目。建立綠色金融合作機制，由資源集聚效應(yīng)較好的地區(qū)進(jìn)行投資，發(fā)揮綠色金融擴散效應(yīng)，推動金融資本擴散至周邊資源低值集聚地區(qū)，從而推動地方綠色金融全面發(fā)展。