刘剑 刘庆富

刘剑:平安资产管理有限责任公司大数据总监 刘庆富:复旦 - 斯坦福中国金融科技与安全研究院执行院长

科技助力绿色债券发展的创新实践

19.1.jpeg


导语

我国金融企业更加能够利用好科技来创新发展绿色债券,尤其是在其信息披露与自动化转型等方面。


刘剑 刘庆富.png

在我国“双碳”目标下,银行商贷、租赁等传统的融资渠道和融资方式已经无法满足工业企业的资金需求。绿色债券作为企业融资的新渠道,将市场资本导向绿色项目的开发和持续运营,在解决工业企业融资困难的同时,将有力促进“双碳”目标的顺利实现。

中国绿色债券市场尚未成熟

根据气候债券倡议组织(Climate Bonds Initiative,CBI)的公开数据,截至2020年末,全球绿色债券累计发行规模达1.002万亿美元。从分市场来看,美国位居世界第一,累计发行绿色债券达2117亿美元;中国位居第二,累计发行绿色债券达1273亿美元。2020年,全球绿色债券市场发行规模达2690亿美元。从募集资金用途方面来看,国际标准要求绿色债券的资金应当全部用于绿色项目,而实际投向集中于绿色建筑、垃圾处理、水资源、能源、交通运输、土地利用等多个领域[1]。

我国绿色债券市场的发展始于2015年12月,中国人民银行发布了《关于在银行间债券市场发行绿色金融债券有关事宜的公告》,随后中华人民共和国国家发展和改革委员会、上海证券交易所、中国证券监督管理委员会等单位发布了绿色债券的相关文件,逐渐完善了我国绿色债券市场制度。从整个发展阶段来看,大致可以将我国绿色债券市场的发展分为起步和制度完善两个阶段(见图1)。

image.png

中国绿色债券虽然发行时间较晚,但整体规模增长迅速。据统计,2020年中国企业在境内外发行贴标的绿色债券为2752.8亿元,约占全球当年绿色债券发行规模的16%;其中在境内发行绿色债券192只,发行规模达1961.5亿元;发行绿色资产支持证券29单,发行规模达329.2亿元,合计2290.7亿元。募集资金广泛用于节能减排、污染防治、清洁交通等绿色领域,发行主体主要为金融机构和非金融企业。投资人与普通债券投资人类似,主要为商业银行、证券公司、保险公司、非法人投资产品以及境外机构投资人等,社会责任投资人和ESG投资人队伍逐渐壮大。

尽管我国绿色债券发展迅速,但是市场基础较为薄弱,在市场广度、深度、投资氛围、信息披露、基础设施等方面与境外相比尚有不足。

从监管的角度来看,我国绿色债券认定标准与国际标准相比仍有一定差异,主要因为国内绿色债券起步较晚,并且需要结合中国国情而定。另外,绿色债券信息披露和存续期持续管理等方面较国外也仍有一定差距。从发债企业来看,绿色债券发行成本与普通债券相比无明显优势,发行绿色债券动力明显不足。一是发行的实质优惠政策不完善,二是绿色债券认证和募集资金管理成本较高,使得发债成本上升。

实践中,金融机构和非金融企业通过大数据、人工智能、区块链等金融科技手段,来协助完成发行主体的数字化建设,从而实现降本增效、风险控制、金融服务等目标,解决发行主体在融资过程中所遇到的信息不对称、融资渠道窄、发债成本高等问题。

科技助力绿色债券转型

image.png

在“双碳”目标下,绿色债券的发展更具有必要性,绿色债券主要解决来自于创新型产品督促高碳行业向低碳排放行业的转型过程中带来的资金缺口问题。中国农业银行、中国银行等商业银行在债券币种、机制建设等方面对绿色债券进行了创新性发展,但是在科技助力绿色债券转型方面缺乏市场实践。相比而言,我国金融企业能够较好地利用科技来创新发展绿色债券,尤其是在绿色债券的信息披露与自动化转型等方面。

绿色债券信息披露相关政策

政府规定绿色债券的募集资金必须专门用于支持符合规定条件的绿色产业、绿色项目或绿色经济活动。在绿色债券发行阶段,募集资金的使用除了必须符合绿色债券支持项目目录外,国内各监管部门对于募集资金的投放项目范围及占比也有不同的规定。在绿色债券存续阶段,募集资金的日常管理可分为募集资金投后追踪与闲置期资金管理,各监管机构针对存续阶段资金投向管理及信息披露有不同的规定。本文将国内各监管机构对在存续期内绿色债券相关募集资金投向管理的政策规定进行了简单的梳理(见表1)。image.png

以“人工+AI”的方式追踪募集资金

金融机构和金融企业尝试利用科技手段来实现对募集资金的追踪,少有企业能够提出较好的解决方法。平安KYZ团队根据募集资金投向及存续期管理的政策规定,通过“人工+AI”的方式对募集资金进行追踪,促进绿色债券的信息披露方式转型。

首先,结合绿色债券分析师的经验,将绿色债券的募集资金投向类别进行标签化(见图2),实现标签覆盖率大于90%。

其次,通过AI的方式对发行时募集说明书、募集资金变更公告、募集资金使用情况进展报告等进行目录层级解析,根据标签语义近似度来精确定位段落起始位置,实现募集资金相关信息自动提取(见图3)。

最后,人工校验提取结果并结构化存储之后,通过绿色债券判定标准参数表、募集资金变更前后绿色项目投入占比、企业环境绩效因子、企业相关市场舆情、相关股票及债券二级市场表现等判断募集资金投向及存续期使用是否符合规定,进一步可判断是否存在“洗绿”“漂绿”等行为。自动结构化抽取募集资金相关文件及未来实现“反洗绿”和“反漂绿”方法路径如图4所示。

根据上述操作流程可以发现,依据实践经验对募集资金投向类别进行标签化,争取全面覆盖;利用AI技术来获取相关信息,大大节省了人力成本;根据提取结果以及判断标准来检验绿色债券的信息披露情况,整个流程实现了人力资源和科技技术的结合,极大程度上减轻了绿色债券信息披露成本,在一定程度上实现了自动化转型。

image.png

信息披露审核报告的自动生成

在绿色债券的发行阶段,主要关注其募集资金用途、项目评估和遴选流程,以及资金管理制度。为方便下游系统的规则引擎和模型对项目进行自动判定,需要先将发行文档中的非结构化数据提取为结构化数据,并映射到预设的字段和标签体系上,然后将所有需要的信息抽取出来,并自动生成信息披露审核报告。

在整个信息数据流中,财务数据和发行条款包含的信息相对标准,资金投向、建设项目、环境效益等章节表述更加灵活,涉及更多的经营实质和企业个性化内容,信息提取的难度更大,也是目前主流数据供应商未能覆盖的部分。平安KYZ团队自主研发了一套低代码信息抽取平台,可以灵活配置提取工作流,将复杂提取任务分解为一系列标准动作,然后适配参数化的标准,组建完成提取任务,具体流程如下:

首先,信息抽取任务被分解为十个步骤,分别为PDF文档解析、篇章结构分析、标题段落定位、命名实体识别、依存关系抽取、问答网络抽取、表格定位、表格版面分析、表格要素提取以及嵌套层级组装(见图3)。

其次,基于前续步骤提取的绿色债券判定依据信息提取结果,完成绿色债券判定之后,自动报告引擎可以将判定依据和结论自动写入审核报告。

最后,在报告的自动生产方面,KYZ团队结合深度学习模型和模板填充的综合优势,在细粒度文档片段采用“预制模板+规则编译器”的方式实现多种排列组合灵活适配;在粗粒度章节,借助DGMG(Deep Generative Models of Graphs)原理构建生成树模型,根据基础素材特征自下而上组装文档层次结构,在一定程度上实现长篇幅文档的灵活撰写。

绿色债券发展仍存难点

image.png

在“双碳”目标下,发行绿色债券有助于绿色企业缓解融资难和融资贵的问题。绿色债券作为助力生态文明建设的重要融资工具,受到政府及相关监管机构的重视,但是绿色债券的发展存在成本高、信息不对称等问题。科技与绿色债券的融合有助于降低绿色债券的成本,提高信息披露范围,降低信息不对称程度,提高绿色融资的效率,降低“洗绿”和“漂绿”的风险。

实践中,除了在绿色债券信息披露与自动化转型方面,还需要挖掘科技在绿色债券其他方面的应用,如扩大绿色债券场景的科技创新应用、提高绿色债券的监管科技效率、利用科技检测绿色债券的风险变化情况。此外,我国应该建立绿色债券的数字化改革新试点,大力培养绿色金融科技复合型人才,推动绿色债券数字化建设基础。在这个科技高速发展的时代,我们需要运用好科技这把“利器”,促进绿色债券的高质量发展,实现“碳中和”的奋斗目标。

注释:

[1] 资料来源:由气候债券倡议组织和中央国债登记结算有限责任公司中债研发中心联合出版的《2020年中国绿色债券市场报告》。

*本文仅代表作者个人观点,与所在机构无关。仅供读者参考,并不构成为投资、会计、法律或税务等领域提供建议。编辑:潘琦。