融领域的落地应用也在早期，需要动态、辩证地 看待大模型对金融体系的整体影响。聚焦效率、 普惠、安全三个方面来看：第一，在效率方面，大 模型有助于降低信息不对称和交易成本，有望推动 金融行业生产力变革进而提升金融市场有效性，提 升金融行业服务实体经济的质效；第二，在普惠方 面，大模型有助于进一步加强金融服务可得性，提 升社会公众金融素养和金融能力，为发展普惠金融 带来积极影响；第三，在安全方面，大模型自身存 一步打开金融行业潜在让利空间，提升金融行业服 务实体经济的能力；在需求侧，大模型有助于赋能 客户降低信息获取成本，提升金融认知能力和金融 素养，辅助优化金融决策质量，并倒逼金融市场主 体加强信息透明度和运行效率，提升金融市场有效 性，推动金融行业健康发展。 2. 产业 AI 化视角 ：金融行业适合大模型落 地应用，大模型有望全面赋能金融行业提升效率 金融行业具有信息数据密集、人才智力密集、业 对发展普惠金融产生积极影响。 图6 大模型有望降低金融行业信息不对称，降低交易成本并最终提升金融市场有效性 ︵百万美元︶ 资料来源：中金公司研究部 大模型 供给侧 金融机构 提供金融产品服务 提升服务实体经济能力 打开金融行业让利空间 倒逼金融市场主体提升运行效率与信息透明度 提升金融市场有效性、推动金融生态健康发展 获取金融产品服务 加强风险定价能力 提升金融服务效率 降低产品供给成本

DeepSeek，投资者不仅能够提升资产配置的效率和 精确度，还能够在复杂多变的市场环境中保持竞争优势。这种技术 的应用，无疑将为资产配置规划带来革命性的变化。 1.1 资产配置规划的重要性 在现代金融市场中，资产配置规划是确保投资组合稳健增长和 风险可控的核心策略。通过科学合理的资产配置，投资者能够在不 同的市场环境中实现收益最大化，同时有效降低潜在的投资风险。 资产配置的重要性主要体现在以下几个方面：首先，它能够帮助投 技术的应用背景 随着金融市场的快速发展和全球化进程的加速，资产配置的复 杂度不断提升。传统的资产配置方法往往依赖于历史数据和静态模 型，难以应对市场波动性和不确定性。DeepSeek 技术的出现，为 解决这一问题提供了全新的思路。作为一种基于深度学习和人工智 能的先进技术，DeepSeek 能够通过大规模数据挖掘和动态分析， 为资产配置提供更为精准和实时的决策支持。在金融市场 中，DeepSeek 技术的应用背景主要体现在以下几个方面： 首先，金融数据的爆炸式增长使得传统分析方法难以应对。全 球金融市场的交易数据、宏观经济指标、行业动态等信息量巨大， 且数据来源多样化。DeepSeek 技术能够通过自动化的数据处理和 特征提取，从海量数据中挖掘出有价值的信息，帮助投资者更全面 地理解市场动态。 其次，金融市场的非线性特征和复杂性要求更为智能的分析工 具。传统线性模型无法充分捕捉市场的非线性关系，而

的任何投资，气候债券倡议组织均不承担任何形式的责任。 目录 报告摘要 3 1 引言 4 1.1 中国钢铁行业低碳转型： 减排重担与融资挑战 4 1.2 中国转型金融市场： 发展迅速但仍需释放潜力 7 2 促进钢铁行业转型金融发展的有效激励 机制 9 2.1 健全识别框架 9 2.2 实施财务激励 14 2.3 加强多方协同 并围绕超低排放改造、节能升级等领域等提供了资金 成本激励，构建了良好的钢铁行业转型金融生态圈。 同时河北钢铁转型金融工具落地规模不断增长，部分 企业已率先制定了转型计划，表明激励正逐步传导至 企业与金融市场。 3. 当前激励机制对钢铁企业、金融机构、下游低碳钢 铁采购方等关键参与方缺乏针对性的精准激励。当前 激励机制尚未针对钢铁企业、金融机构和下游采购方 的核心诉求提供精准支持，导致钢铁企业缺乏转型内 CO2 促进中国钢铁行业转型融资的激励机制 Climate Bonds Initiative 5 1.2 中国转型金融市场：发展 迅速但仍需释放潜力 由于能源、钢铁、化工、油气等高碳行业 在进行低碳转型时面临类似的挑战，市 场利益相关方普遍期待快速发展的可 持续金融市场能够提供有力支持。相关 的市场激励可包括协调政策支持、明确 转型路径、提供转型资金、降低资金成 本、缓解转型风险等，提高钢铁行业转型的意愿。

展，也面 临着诸多新的挑战与机遇。从全球视野来看，不同国家和地区的供应链金融发展 呈现出差异化特征，技术创新、商业模式迭代、监管框架调整等因素相互交织， 深刻影响着行业格局。聚焦中国，供应链金融市场虽已初具规模，但在信用传导 的“最后一公里”、跨区域跨行业协同、风险的穿透式管控、数字化基础设施的 完善以及法律法规的适用性等方面仍存在显著的提升空间。如何准确把握国内外 发展大势，正视并系 一、国际供应链金融发展现状 （一）北美：多种模式并存，市场高度成熟 北美地区，尤其是美国，作为供应链金融的发源地之一，其市场成熟度高， 发展路径清晰，呈现出多种模式并存的格局。 初期，美国的供应链金融市场以银行主导模式为主。大型商业银行如摩根大 通、花旗银行等，凭借其强大的资金实力、完善的信用评级体系和全球网络，为 大型跨国公司的供应链体系提供标准化的融资服务，如应收账款融资、存货融资 等。 将企业的环境绩效、社会责任和治理结构纳入授信评估 体系，推出“绿色贷款”、“可持续挂钩融资”等产品，激励供应链向更可持续 的方向转型。 （三）亚洲新兴市场：科技驱动，跨越式发展 亚洲的供应链金融市场近年来发展迅猛，以中国、印度、东南亚等为代表的 新兴经济体尤为活跃，其发展路径清晰地体现出科技驱动和平台赋能的本质特征。 在亚洲，大型科技公司和产业互联网平台成为推动供应链金融发展的重要力

10 1.4 AI+ 金融市场规模 2019-2026 年中国 AI+ 金融市场 规模 2021 年 AI+ 金融产品市场规模占 比 u 技术能力不断翻新，金融行业数字化不断推进。 金融机构搭建机器学习、生物特征识别、智能语音语言、智能图像、知识图谱、智慧物联等平台，构建 增长。以国内银行与保险机构为前沿科技采购代表， 2022 年中国银行与保险机构前沿科技采购支出将达到 170 亿元。 u 金融机构在科技领域投入的持续增长将为 AI 金融企业的长远发展带来源头活水，推动 AI+ 金融市场持续发展，促进金融业数字化转型升级提 质增效。 2.2 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞 台 资料来源：艾瑞咨询、华西证券研究所

大模型——奇富 GPT ，在业内被称为“ 国内首个金融行业通用大模型 ”。 2023 年 5 月下旬 ，度小满推出国内首个千亿级中文金融大模型“轩 辕 ” ，聚焦于金融名词理解、金融市场评论、金融数据分析和金融新闻理解等任务。恒生电子于 2023 年 6 月发布了金融大模型 LightGPT ，并 在 10 月份对其进行升级 ，至此形成“ LightGPT+WarrenQ+ 中文金融任务的打磨，覆盖了金融绝大多数领域应用场景，且针对于金融任务， 回答速度极快，准确率较高，并支持多种语言输入与输出。 2 ）合规性、安全性高。充分学习中国的金融法律法规，在输出时符合中国金融市场的监管要求。 3 ）轻量化。支持私有化 / 云部署以及灵活 API 调用，推理端仅需一机 2 卡部署。金融机构可以基于 LightGPT 通过私域任务数据定制化精调大模 型， 打造机构专属大模型，满足个性化需求。

积分或奖励 机制推动绿色消费习惯，打造“低碳旅游示范岛”。 3.2.3 迪拜自贸港：ESG 与绿色金融创新深度融合实践 3.2.3.1 案例介绍 制定 ESG 信披要求：迪拜金融市场推出（DFM）《迪拜金融市场 ESG 披 露指南》，涵盖 32 个环境、社会和治理指标，要求在 DFM 上市的企业必须 提交 ESG 报告，不仅要符合全球报告倡议标准，还需阐述其长期战略，并评 估其在环境、社会和治理方面的影响，促进企业将 续发展实践，提升整体的可持续发展水平。 完善金融激励政策。设立绿色基金、出台利率优惠、调整存款准备金率等 激励政策，引导金融机构和社会资本加大对绿色项目的投入，拓宽可持续发展 项目的融资渠道。 打造特色金融市场。海南可依托自身“全国首个省级生态文明试验区”“海 洋经济强省”的优势，集中资源打造某一特色绿色金融赛道，形成差异化竞争 优势。 3.2.4 鹿特丹港：打造绿色港口与绿色航道 3.2.4.1

潜力 金融机构在评估其客户时越来越多地考虑到环境、社会 和治理（ESG）风险，考虑哪些实际的和短暂的气候 风 险会对客户当前和未来的商业模式产生负面影响， 以及 由此可能产生的机会。此外，金融市场参与者 （如金融 机构、资产管理公司）越来越多地将气候相 关方面的影 响纳入其决策过程以及对公司和/或项目的 评估。 风险主要有两种类型：物理气候风险和转型风险。物 理风险是由于气候模式的事件（急性） 素的过程，从而导致对可持续经济活动和项目的更长期投资。 在欧盟的政策背景下，可持续金融被理解为支持经济增长的金融，同时减少 对 环境的压力并考虑到社会和治理方面。(欧盟委员会 OJ) 德国联邦政府 在金融市场上做决定时考虑到可持续性方面。除了气候和环境保护（绿 色金融），可持续性也被理解为包括经济和社会方面（ESG 方法）。(Die Bundesregierung, 2021) 中国人民银行 向欧盟提供金融产品的金融市场参与者 • 根据《非财务报告指令》需要进行非财务申报的大型 公司 • 欧盟成员国 非财务报告指令（NFRD） 或企业可持续发展报告指 令 （CSRD）未涵盖的公司也可以使用欧盟分类法，以 帮助 制定其可持续发展战略，并从绿色金融产品所提 供的低 成本融资中获益。另一个动机可能是将分类标 准的合规 性用于营销目的，以吸引投资者。 金融市场参与者和大公司必须披露与环境可持续经济

清华大学五道口金融学院技术转移专业硕士研究生 刘铠硕 华中科技大学金融学专业 张琪瑞 中央财经大学金融学专业 1 序言一：构建面向未来的可信数据生态 金融的本质是服务实体经济，而信息是现代金融市场的基石。在可持续发展 成为全球共识的背景下，ESG信息正以前所未有的速度成为影响资产定价、资产 配置与风险管理的核心因子。ESG数据资产化的提出，标志着我们将非财务信息 的价值发现与利用提升到了一个新的战略高度。 化披露的范畴，它已演变为衡量企业可持续发展能力、风险管理水平与长期投资 价值的关键指标。将这些蕴含巨大价值的数据，通过合规、可信、高效的路径转 化为可交易、可融资、可评估的数字资产，不仅能为金融市场注入新的活力，更 能精准引导资本流向绿色、低碳、可持续的领域，为实现高质量发展提供强大 动能。 然而，机遇与风险并存。数据质量参差不齐、技术安全存在隐患、法律法规 尚待完善、应用场景价值评

用智慧发现信息价值 Discover information 金融资讯大数据 利用人工智能分析挖掘技术，针对金融市场信息获取和分类需求，实现金融资讯大数据癿采集、检索、 分析、挖掘、推送等应用。 数据采集 互联网 数据 行内结构化 数据 利用全斱位高敁癿大数据采集技术，提供多来源、多渠道、 多时敁、