毕业论文选题

选题

“碳达峰”与“碳中和”目标下的绿色金融：理论、方法与实证

（一）绿色金融理论与政策的基础性、框架性研究；
（二）传统经济、金融理论与模型纳入环境气候等“绿色”相关因素的方法及其在绿色金融领域的应用；
（三）环境气候相关理论与模型纳入经济、金融要素的方法及其在绿色金融领域的应用；
（四）基于理论模型或实证数据的绿色金融政策工具效果预判或评估；
（五）金融支持实现“碳达峰”与“碳中和”目标的创新性方法与模型；
（六）考虑“碳达峰”与“碳中和”目标的绿色金融标准制定与环境信息披露方法；
（七）碳市场建设与碳金融发展过程中难点问题的解决，例如：监管模式与市场机制的完善、提高碳市场的有效性与流动性、企业碳核算与碳资产管理等；
（八）金融促进生物多样性的创新性方法与模型；
（九）货币政策、宏观审慎政策及其他金融监管工具中纳入环境气候相关因素的方法与评估；
（十）绿色低碳发展要求下货币政策与财政政策的协调搭配及其激励、约束作用；
（十一）环境与气候因素对宏观经济、金融稳定或微观风险的影响；
（十二）金融机构或监管机构开展环境气候相关金融风险管理的模型与应用；
（十三）环境、社会与治理（ESG）投资与评价；
（十四）其他绿色金融相关方向。

绿色金融风险管理建模方法，IAMS
https://www.banque-france.fr/sites/default/files/media/2019/08/19/ngfs-report-technical-supplement_final_v2.pdf

https://www.ngfs.net/sites/default/files/medias/documents/ngfs_research_priorities_final.pdf

https://www.nber.org/system/files/working_papers/w28226/w28226.pdf

数据来源

评价指标体系：
图片说明
[1]王文静,何泰屹,武慧敏,史娅婷.京津冀绿色金融发展综合评价及影响因素研究——基于DEA-Tobit模型的实证分析[J].华北金融,2021(01):28-41.

绿色信贷数据

商业银行层面

中国绿色信贷政策的起源可追溯至 1995 年，并在探索和实践中不断完善，生态环境部于 2007 年密集出台了多项绿色信贷政策以促进工业等行业绿色发展。自 2009 年起，部分商业银行陆续开始公布绿色信贷数据，考虑到数据的可获得性以及绿色信贷政策时滞性等因素，本研究选取 2010 至 2018 年中国八家商业银行所公布的绿色信贷数据进行分析，其中包括四间国有大型商业银行：中国工商银行、中国农业银行、中国银行、交通银行；以及四间股份制商业银行：兴业银行、浦发银行、招商银行、中信银行。共计 8 个个体的 9 年数据，72 个观测值为平衡面板数据。数据主要来源为各家银行官网所公布的各年年报、快报、社会责任报告以及万德数据库。

绿色信贷规模替代指标

绿色信贷这个二级指标目前在数据层面上存在公开不全面不透明的情况，数据连续性差，故此处选取了高耗能产业利息支出占比这一具有代表性的三级指标对绿色信贷水平加以衡量，其合理性在于我国目前行业间利率差较小，利率波动整体稳定，而利息的支出规模通常同贷款规模存在关联，因此高耗能产业利息支出占工业产业利息总支出的比率通过从侧面反映高耗能产业贷款规模占比的变动来体现绿色信贷作为工具控制高污染高耗能行业的能力，从而达到表现绿色金融对经济发展的支持力度。

碳排放交易

试点数据 - 可做DID

以《关于开展碳排放权交易试点工作的通知》这一中国绿色金融政策中具有标志性意义的政策为研究对象，针对绿色金融政策难以量化的特点，基于双重差分法对政策的有效性进行实证分析，根据实证结果进行简要阐述。

其他微观数据

CLHLS数据 -- 老人问卷

2014年全国老年健康影响因素跟踪调查65岁及以上老人问卷（Chinese Longitudinal Healthy Longevity Survey，CLHLS），该调查项目又称中国老人健康长寿影响因素研究。CLHLS 数据由北京大学健康老龄与发展研究中心和杜克大学老龄发展研究中心联合主持，是目前我国研究老年群体各项议题最大的综合性微观调查数据，

软件操作

倾向匹配得分PSM

PSM

数字金融数据

北京大学数字普惠金融指数

北京大学数字金融研究中心和蚂蚁金服集团基于海量数据共同编制的数字普惠金融指数作为数字金融发展的衡量指标,该指数涵盖了我国 31 个省(自治区、直辖市)、337 个地级以上城市(地区、自治州、盟等) 以及近 2800 个县域(县、县级市、旗、市辖区)的相关数据

指数编制：
[1]郭峰,王靖一,王芳,孔涛,张勋,程志云.测度中国数字普惠金融发展:指数编制与空间特征[J].经济学(季刊),2020,19(04):1401-1418.

其他数字金融指数

国家金融与发展实验室和西南财经大学中国微金融与互联网金融创新研究中心分别发布过省级 Fintech 普惠金融指数和中国金融科技指数，但是某一年份的特定评价结果，没有连续性。

一些启示

指标构建的启发

1.商业保险市场参与。该变量为虚拟变量,用于衡量家庭参与商业保险的可能性。如果家庭成员中至少有一人购买了任何一项商业保险,则家庭商业保险参与变量取值为 1,反之为 0。
2.商业保险新增参与。该变量主要用于动态地衡量家庭的商业保险参与概率,是基于家庭商业保险参与这一虚拟变量构建。本文将 2015 年未购买商业保险,但 2017 年购买了商业保险的家庭,或者 2017 年未购买商业保险,但在 2019 年购买了商业保险的家庭定义为新增参与商业保险的家庭,取值为 1,反之则取值为 0。需要说明的是因为新增参与只能在面板追踪数据中进行定义,因而在研究该问题上,面板追踪数据即为研究的全样本,同时中国家庭金融调查(CHFS)作为国内大型学术调查中心对家庭样本追踪率有着严格的要求,可以较好地保证追踪样本代表性,因而采用面板数据进行估计并不会产生严重的样本偏误 ( CHFS2017 年追踪率为 71. 9%、2019 年追踪率为 68. 2%)。
3.商业保险参与深度。主要用过去一年家庭人均保险费用支出和过去一年内家庭商业保险费用支出占家庭可支配收入的比重两个指标来进行衡量