可持续银行业的架构：环境绩效背后的金融、制度与风险模式

本研究针对银行业环境绩效(EP)的结构性决定因素不明确问题，采用机器学习技术(随机森林、GBM、XGBoost)和偏依赖图(PDPs)对24个国家银行数据进行分析，揭示了环境绩效是金融稳健性、治理支柱(GP)与社会支柱(SP)协同作用的结果，为差异化区域监管政策提供了实证依据，对推动银行业绿色转型具有重要意义。

　　

随着全球金融体系过去20年的结构性转型，可持续性已从战略选项转变为长期金融稳定的结构性条件。银行业作为向低碳和社会包容性经济转型的关键催化剂，被日益期望通过整合环境、社会和治理(ESG)标准成为可持续转型的积极推动者。然而，现有研究存在重要局限性：ESG与财务绩效关系的研究结果往往矛盾且不一致；大多数研究将环境绩效(EP)视为外生变量或ESG框架中的聚合组成部分，而未考虑其作为内生变量的具体决定因素；主流实证方法多为线性和单维度的，限制了捕捉环境绩效背后复杂相互作用的能力。

为解决这些局限，José Alejandro Fernández Fernández在《Borsa Istanbul Review》上发表的研究提出了一种创新且实证稳健的方法。该研究使用2018-2023年期间24个国家银行的数据，覆盖六大地理经济区域，采用先进的机器学习技术对银行业环境绩效进行预测分析。与常规方法不同，该研究运用偏依赖图(PDPs)分析金融和制度变量(治理支柱GP和社会支柱SP)如何相互作用塑造EP。

研究采用随机森林、梯度提升机(GBM)和XGBoost三种机器学习算法，通过k折交叉验证评估模型性能，并使用调整后的平均绝对百分比误差(MAPE)作为预测性能评估指标。XGBoost模型在所有地理区域 consistently 实现了最低误差水平，表现出捕捉数据中非线性和复杂关系的卓越能力。

3.1. 从区域视角分析解释因素的相对重要性

通过XGBoost模型的"增益"指标评估解释变量的相对重要性，揭示了显著的区域差异模式。在中欧和北美，社会支柱(SP)主导模型，反映了社会承诺与环境绩效之间的强相互依赖。拉丁美洲则显示银行规模(总资产TA)是最有影响力的变量，表明在ESG监管较弱的环境中，银行规模是环境绩效的主要推动因素。北欧显示出更平衡的模式，SP和TA是最相关变量，但资本充足率(CAR)、ROA、ROE等也有重要贡献。

3.2. 按区域进行边际分析和结构交互：通过PDP图解释

通过偏依赖图(PDPs)分析最关键预测变量的边际效应，发现了一些重要结构模式。GP和SP的联合分析揭示了解释银行环境绩效最稳健的关系之一：当两个制度支柱同时显示高值时，EP水平 consistently 最高。这种互补性证实环境可持续性不能理解为孤立现象，而是强大制度框架的直接结果。

TA和SP的PDPs分析表明，机构规模对环境可持续性的积极影响仅在与高水平社会承诺结合时才实现。在所有地理区域，低TA和低SP对应的左下角明显集中了低EP水平，表明运营能力和社会敏感性的共同缺失构成了银行业可持续性的双重障碍。

TARW和CAR的交互分析显示，EP在银行显示低或中等TARW水平结合高CAR时最大化。这种组合反映了谨慎、有韧性的财务特征，与ESG原则战略一致。区域分析显示显著差异：北美在中等TARW和高CAR时实现最高EP水平，而拉丁美洲和新兴东亚则显示CAR对EP的解释力有限，TARW作为强负面决定因素突出。

ROE和CAR的组合分析揭示了不同区域的独特模式。北美的高ROE银行也能实现高EP水平，前提是盈利能力由稳健资本结构支持。南欧则呈现倒曲线行为，高盈利水平不仅停止增强环境绩效，反而恶化它，即使CAR保持高位。

研究表明，银行业的环境可持续性既不线性也不孤立，而是道德治理、社会参与、财务审慎和运营效率汇聚的多维平衡结果。环境绩效根本上由强大制度结构支持，GP和SP发挥决定性作用。银行机构规模本身不保证积极环境绩效，仅当与高水平社会承诺结合时，运营规模才能成为ESG催化剂。最优环境绩效在平衡银行模型中实现，特征为中等盈利水平、强资本缓冲和中等风险特征。高盈利和高风险组合是明显不可持续配置，与较低EP分数一致相关。

这些发现支持需要区域差异化ESG监管和适应当地制度背景的银行战略。环境绩效最佳的银行不一定是最盈利的，而是成功构建了与生态转型和可持续发展一致的金融架构的银行。研究为理解银行业环境可持续性的结构性基础提供了重要见解，对监管机构制定针对性政策和银行机构优化ESG战略具有重要参考价值。