专题｜大模型赋能绿色金融业务发展

文/华夏银行 杜浩云 苏楠 宫可想 黄进

龙盈智达（北京）科技有限公司 王彦博

“力争在2030年前实现碳达峰、2060年前实现碳中和”是中国向世界作出的郑重承诺，而大力发展绿色金融，既是实现碳达峰、碳中和的重要途径，又是推动经济绿色低碳转型的重要引擎。商业银行作为国家绿色金融主力军，积极发展绿色金融，不仅是落实金融“五篇大文章”、践行社会责任的重要举措，更是实现自身经营转型、提升核心竞争力的关键路径。为加强数字金融与绿色金融的深度融合，本文分享应用人工智能大模型技术赋能绿色金融业务发展的“5R”框架（如图1所示），即贷款投向识别（Recognition of Loan Direction）、绿色信贷识别（Recognition of Green Credit）、ESG评分（Rating of ESG）、风险预警与处置（Risk Prediction&Disposal）和监管报送（Regulatory Reporting），并基于华夏银行业务实践，构建绿色金融数智化体系，支撑绿色信贷、绿色债券、绿色投资、绿色租赁、绿色理财、绿色担保等业务稳健发展。

大模型技术发展

2022年11月，随着美国OpenAI公司ChatGPT对话机器人的发布，大模型进入快速发展阶段。在金融领域，科技企业与金融机构相继推出了各类大模型，彭博社推出的金融垂类大模型BloombergGPT，专注于金融数据分析和决策支持；OpenAI推出的优化版本GPT-4o，在金融数据计算、知识理论等场景中表现优异；深度求索推出的DeepSeek系列大模型，如DeepSeek-VL2、DeepSeek-R1，支持高频交易、风险预测和实时数据分析，为金融领域提供了有效的智能工具。

DeepSeek系列大模型的推出，特别是在模型架构优化与推理效率提升方面实现技术突破，有效减少了计算资源消耗，从而降低了金融机构部署和应用大模型的门槛。这一进展为大模型在绿色金融等新兴业务场景中的深入应用与创新实践提供了有力支撑。

绿色金融业务介绍

绿色金融是一种创新的金融模式，旨在通过金融手段促进环境保护和可持续发展。它要求金融机构在投资决策、产品设计、风险管理等方面充分考虑到环保因素，以实现经济效益、社会效益和环境效益的协调发展。绿色金融业务流程主要包括绿色项目识别、ESG评分、融资方案设计、贷款审批与发放、贷后管理等环节，这些环节共同构成了绿色金融的全流程，确保了绿色项目或企业能够获得及时、有效的金融支持。

绿色项目识别是绿色金融业务流程的第一步，主要目的是筛选出符合环保和可持续发展要求的项目。金融机构根据相关政策法规和行业标准，通过对贷款投向进行识别（Recognition of Loan Direction）并作为主要依据实现绿色信贷识别（Recognition of Green Credit），确保项目符合绿色要求。

ESG评分主要对项目的环境（Environmental）、社会（Social）和治理（Governance）三个方面进行评分（Rating of ESG）。环境方面主要关注项目的环境影响和资源利用效率；社会方面主要关注项目的社会责任和利益相关者关系；治理方面主要关注项目的公司治理结构和风险管理能力。通过ESG评分，金融机构可以全面了解项目的环保和社会责任表现，为后续的融资决策提供重要依据。

商业银行识别绿色项目并对其进行ESG评分后，针对相关项目开展融资方案设计、贷款审批与发放等业务流程操作，并通过对社会经济数据、舆情信息、外部监管处罚等数据进行分析，实现对环境风险的早期识别、预警与风险处置（Risk Prediction&Disposal），以及定期向监管部门报送相关的监管数据（Regulatory Reporting）。

大模型赋能绿色金融提质效

近期，中国人民银行科技司司长李伟发表的《稳妥有序推进金融领域人工智能大模型应用》文章提出，应“在绿色金融方面，研究运用大模型、区块链等技术深度挖掘企业碳账户、碳排放、ESG评分、能源消耗水平等绿色数据价值，开展定性定量综合分析，提高绿色企业、绿色项目智能识别能力，强化对‘洗绿’‘漂绿’等行为的智能监测预警，持续提升绿色金融服务可得性和精准性”（如图2所示），为大模型赋能绿色金融业务发展指明了方向。

1. 大模型赋能绿色项目识别

自2016年以来，国家发展和改革委员会、人民银行、国家金融监管总局等多个部门不断更新和完善绿色金融相关政策与制度，在此背景下，一方面不同业务执行人员对政策与标准的理解可能存有差异，导致绿色项目识别结果不够准确；另一方面当前的识别流程依赖于线下查阅相关标准或咨询管理部门，并需调阅贷款文件进行复核，整体效率较低。此外，在人工识别过程中，“洗绿”“漂绿”等现象可能难以第一时间发现，这进一步凸显了采用先进技术手段赋能绿色项目识别的重要性。

随着绿色金融管理制度和业务流程的不断优化完善以及外部数据接入的不断丰富，华夏银行通过构建绿色金融知识库，引入人工智能大模型技术，形成如下应用方案。

大模型辅助贷款投向识别。利用大模型的文本理解和结构化信息提取能力，自动识别并提取绿色金融政策文件和客户项目报告、授信调查报告、环境评估数据、可研报告等文档中的授信客户主营业务、经营范围、项目建设以及贷款主要用途等内容。

绿色信贷识别。首先，利用“大模型+RAG技术”构建绿色金融专业知识库，依据《绿色低碳转型产业指导目录（2024年版）》的目录、解释说明，将金融监管机构《绿色贷款专项统计制度》《绿色融资统计制度》《绿色债券支持项目目录》等相关标准和行内外数据进行整理，构建包含绿色标准数据、客户项目数据、环境效益数据、环境与社会风险数据的绿色金融专用数据知识库。而后，通过语义向量的高效相似性度量与大模型的协同优化，实现输入样本不同维度的特征值分类，并根据各维度类别匹配结果，应用大模型进行绿色信贷标准识别。

基于大模型进行绿色信贷标准识别主要包含三个步骤。一是特征值类别候选生成，基于语义向量的高效相似性度量技术，从特征的多种分类中快速筛选出与输入样本语义最接近的Top K分类候选集，通过向量空间模型的优化，确保语义相似性计算的高效性和准确性，为后续分类提供高质量的候选集。二是特征值分类，利用大模型对候选集中的Top K分类进行语义编码，最终识别与输入样本最匹配的特征值类别。三是绿色信贷标准识别，基于现行绿色金融相关标准，采用LoRA（LowRank Adaptation）技术对大模型进行微调训练，使其具备对绿色信贷标准的理解与应用能力。模型在推理过程中综合分析输入样本的多维度数据，包括项目类型、行业属性、技术特征及环境效益等，最终识别出与输入样本最匹配的绿色信贷分类编号。该技术方案有效减少了对人工的依赖，降低了业务人员的工作强度，有效提升了绿色信贷识别的自动化水平与处理效率。

2. 大模型赋能ESG评分

在大模型赋能ESG评分方面，通常包含ESG评估报告的编写和ESG评分。其中，ESG评估报告每个章节都涉及特定的环境相关主题和要求，业务人员需要查询或调阅各类行业、客户资料与数据信息来完成撰写，报告的准确性与编写效率较低。而大模型可以在如下几个方面赋能ESG评估报告编写。一是整合国内外标准文件、高质量公告、金融研报、论坛等多种来源的语料形成丰富的语料库，并通过OCR、NLP等技术，对图像、文本等数据进行进一步梳理，形成ESG评分知识库。二是基于提示词工程，加载报告模版。三是基于大模型进行信息提取。一方面，通过大模型NL2SQL技术，直接使用自然语言对数据提取需求进行描述，自动生成相应的SQL查询语句，快速获取ESG评估所需的结构化数据，如自身运营碳数据、环境测算数据等；另一方面，利用大模型的信息检索能力，获取ESG评估所需的非结构化信息。四是通过大模型ChatBI技术，自动关联多源异构数据，生成分析结果，并以可视化图表、报告的形式予以呈现，基于报告模版进行报告内容加载，完成ESG评估报告编写。

ESG评分。基于ESG评估报告构建的知识库，应用大模型NL2SQL技术和大模型信息检索能力，提取ESG评分涉及的非结构化定性数据及结构化定量数据等信息，而后通过大模型Agent构建ESG评分规则策略模型以及判别式AI模型，调用本地代码解释器得到ESG评分。

3. 大模型赋能风控合规

大模型还可以基于以上丰富的知识库信息，在完成客户融资方案设计、贷款审批与发放后开展相应的风险预警与处置，以及监管报送等相关数据的提取和报告生成。

风险预警与处置。通过整合企业环境评估数据、环境效益数据、ESG评分、自身运营碳数据等多源异构信息，利用大模型的语义理解与推理能力，对授信项目进行动态风险评估，识别潜在的环境与社会风险信号，如碳排放超标、环保处罚、负面舆情事件等，并结合大模型Agent进行风险分析预测，一旦发现异常指标或风险趋势，自动触发预警机制，生成风险提示报告并推荐相应的处置措施，提升金融机构对绿色信贷资产的风险防控能力。

监管报送。借助大模型的自然语言处理与结构化数据提取能力，自动抽取符合监管要求的关键字段，包括贷款用途、绿色分类代码、碳减排效益、资金流向等信息，结合大模型ChatBI技术，依据监管要求自动生成标准化监管报表，增强银行在绿色金融领域的合规管理能力。

4. 应用成效

基于“5R”框架的大模型绿色金融数智化体系在应用期间，产生了良好的应用效果。一是管理降本增效，使用大模型等相关技术手段，通过技术创新、工具创新。实现业务和流程的线上化、标准化、智能化，推动业务运营和管理成本降低约30%。二是数据质量提高，将原有绿色金融业务开展过程中所需的贷款投向识别、绿色信贷识别、ESG评分等数据由“分行统计、总行汇总”的线下模式，升级为一站式线上化智能服务模式，有效支撑绿色金融业务开展，提高了数据统计的质量，总分行的工作效率提升约120%。

结语

在“双碳”目标引领下，绿色金融已成为推动经济社会绿色转型、实现高质量发展的重要支撑力量。商业银行作为金融服务的主力军，肩负着推动绿色金融创新与实践的重要使命。本文结合大模型技术发展趋势与绿色金融业务实际需求，提出了大模型技术赋能绿色金融业务发展的“5R”框架，并基于华夏银行的实践探索，构建了融合大模型与大数据能力的绿色金融数智化体系，有效提升了绿色项目识别、ESG评分、风险预警和监管报送等关键环节的智能化水平，显著提高了业务效率与数据质量，降低了运营成本。未来，华夏银行将继续立足绿色金融业务发展，利用大模型等数字金融技术手段，持续打造制度完善、监管有力、标准领先、组织完备、产品丰富、风控严格的绿色金融体系。随着大模型技术的持续演进与绿色金融标准体系的不断完善，数字金融将进一步赋能绿色金融高质量发展，为实现国家“双碳”战略目标提供坚实支撑。

本文受北京市科技计划项目（Z241100001324024）支持。

华夏银行西安分行扁剑、吕仑，公司业务部彭凌，科技开发与运行中心李大伟、姬冰芳，龙盈智达（北京）科技有限公司张月、杨璇、陈生、侯亮清，以及百融云创科技股份有限公司余意对本文亦有贡献。

（此文刊发于《金融电子化》2025年5月下半月刊）