《Financial Innovation》：Identifying optimal innovative financial products for decarbonization investments in air cargo transportation industry
编辑推荐：
本研究的目的是识别航空货运业脱碳投资的最优创新金融产品。在此背景下，研究人员提出了一种新颖的基于人工智能的模糊决策模型。在第一阶段，获得基于人工智能的模糊决策矩阵。其次，借助基于标准间相关性（CRITIC）的球面模糊准则重要性计算所选准则的权重。最后阶段包括借
本研究的目的是识别航空货运业脱碳投资的最优创新金融产品。在此背景下，研究人员提出了一种新颖的基于人工智能的模糊决策模型。在第一阶段，获得基于人工智能的模糊决策矩阵。其次，借助基于标准间相关性（CRITIC）的球面模糊准则重要性计算所选准则的权重。最后阶段包括借助基于平均解距离（EDAS）的球面模糊评估确定最优创新金融产品。本研究的主要贡献在于通过整合人工智能方法与模糊多准则决策模型创建了一种新的决策模型。在该模型中，专家权重可根据工作经验和教育水平等人口统计学因素进行计算。这种情况有助于获得更有效的结果。本研究的另一个贡献是为航空货运业脱碳项目提供了最优创新金融产品。借助这些创新金融产品，可以确定更有效的行动来克服碳排放问题。研究确定，安全航空燃料在识别航空货运业脱碳投资的最优创新金融产品中起着最重要的作用。另一方面，绿色债券是航空货运业这些项目最有效的创新金融产品。
**论文解读：航空货运业脱碳投资最优创新金融产品的识别研究**
**研究背景与问题**
航空货运业在全球经济发展中扮演关键角色，促进国际贸易、紧急物资运输和洲际贸易的同时，也产生大量碳排放，成为严重环境问题。为应对气候变化和满足日益严格的法规要求（如全球变暖导致的法律限制），航空货运公司亟需进行脱碳投资。然而，脱碳项目（如可持续航空燃料应用、碳捕获技术、能源效率升级等）往往成本高昂且周期长，传统金融机构（如银行）因回报周期长而对提供贷款持谨慎态度。因此，如何开发创新金融产品（如区块链、众筹、绿色债券等）以有效筹集资金，成为航空货运公司脱碳投资的核心难题。现有文献中缺乏对影响这些金融产品选择的关键因素进行优先级分析的研究，这构成了显著的研究空白。本研究旨在通过构建新的人工智能模糊决策模型，识别航空货运业脱碳投资的最优创新金融产品。论文发表在《Financial Innovation》。
**所开展的研究与结论**
研究人员开展了一项结合人工智能（AI）与模糊多准则决策方法（MCDM）的研究，以确定影响脱碳投资的关键绩效指标和最优创新金融产品。研究分为三个阶段：首先，利用AI构建基于专家经验和意见的球面模糊决策矩阵（Spherical Fuzzy Decision Matrix）；其次，采用球面模糊CRITIC方法（Spherical Fuzzy Criterion Importance Through Intercriteria Correlation）计算准则权重；最后，运用球面模糊EDAS方法（Spherical Fuzzy Evaluation Based on Distance from Average Solution）对创新金融产品进行排序。研究发现：（1）在影响脱碳投资的各项准则中，可持续航空燃料（Sustainable Aviation Fuel, SAF）是最重要的因素，其次是碳捕获技术（Carbon Capture Technology, CCT）；（2）在六种创新金融产品中，绿色债券（Green Bonds）被认定为最优选择。研究意义在于，通过创新的AI模糊决策模型，能够根据专家的人口统计特征（如工作经验）动态计算其权重，从而更精准地确定关键策略，为航空货运公司制定有效的脱碳融资方案提供理论和方法支撑。
**主要关键技术与方法**
研究采用的主要技术方法包括：（1）人工智能建模：利用Keras和TensorFlow库构建包含9层（2个输入层、7个隐藏层、1个输出层）的神经网络，采用Sigmoid激活函数（确保输出在0-1之间）和Adam优化算法，通过50个历元（epochs）对3000个模拟数据点进行训练，输出球面模糊数（隶属度、非隶属度、犹豫度），最终生成基于AI的球面模糊决策矩阵。专家团队由三名成员（学经历分别为22年、25年、19年）组成，评估了6个准则和6个备选金融产品。（2）球面模糊CRITIC方法：用于确定准则权重，通过计算归一化矩阵、相关系数矩阵和标准差，考虑准则间的相互影响。（3）球面模糊EDAS方法：用于金融产品排序，计算正负距离、标准化评分（NSP、NSN）和最终评估得分（AS）。所有计算均基于球面模糊集以处理不确定性。
**研究结果**
**1. 获取基于人工智能的球面模糊决策矩阵**
研究人员首先构建AI模型，通过模拟数据学习专家意见与工作经验的关系。训练后的模型均方误差（MSE）为0.003，显示高精度。随后，应用该模型于真实专家评估数据（表4），生成球面模糊决策矩阵（表5），作为后续CRITIC和EDAS方法的输入。
**2. 用球面模糊CRITIC确定准则权重**
通过归一化（表6）、计算相关系数矩阵和标准差，得出准则权重（表7）。结果显示：可持续航空燃料（SAF）权重最高，是最具影响力的因素；碳捕获技术（CCT）次之；其他准则（如能源效率、最优车辆利用、绿色建筑转型等）权重相对较低。这一排序表明，SAF和CCT在脱碳投资中具有关键作用。
**3. 用球面模糊EDAS确定最优创新金融产品**
计算各金融产品的平均解值、正负距离、SP/SN值，最终得出评估得分（AS值，表8）。排序结果（图2）表明：绿色债券（Green Bonds）的AS值最高，为最优创新金融产品；其次是风险投资（Venture Capital）、众筹（Crowdfunding）、区块链（Blockchain）、点对点借贷（Peer-to-peer Lending）和非同质化代币（Nonfungible Tokens）。
**讨论与结论**
讨论部分指出，可持续航空燃料（SAF）作为首要准则，因其来自可再生资源（如生物燃料和合成燃料），能显著降低碳排放，并增强能源安全。碳捕获技术（CCT）作为第二重要准则，可捕获飞机运行及基础设施产生的碳排放。能源效率、最优车辆利用等准则也被强调是重要但权重相对较低的因素。关于绿色债券，研究认为其具有低成本融资优势，适合长期脱碳项目。结论（Concluding remarks）翻译如下：本研究考察了航空货运业脱碳投资的最优创新金融产品。为此，生成了一个新颖的基于人工智能的模糊决策模型。该提出的模型由三个不同阶段组成。在第一阶段，获得基于人工智能的模糊决策矩阵。其次，借助球面模糊CRITIC计算所选准则的权重。最后阶段包括借助球面模糊EDAS确定最优创新金融产品。研究得出结论：安全航空燃料在识别航空货运业脱碳投资的最佳创新金融产品方面起着最重要的作用。同样，碳捕获技术对于实现这一目标也是必要的。另一方面，绿色债券是航空货运业这些项目最有效的创新金融产品。政策建议部分强调应通过税收减免、研发投资和法律框架促进SAF和CCT的应用，以及通过税收优惠、法规完善和信息活动推广绿色债券。研究局限性包括仅针对航空货运业，未来可将模型应用于其他行业（如纺织业），并考虑更多专家特征（如学历、收入）以及开发新的排序技术。
