論文の概要: Heterogeneous Effects of Green Finance on Urban Decarbonization: Evidence from 285 Cities in China

• arxiv url: http://arxiv.org/abs/2606.06986v1
• Date: Fri, 05 Jun 2026 07:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.611032
• Title: Heterogeneous Effects of Green Finance on Urban Decarbonization: Evidence from 285 Cities in China
• Title（参考訳）: 中国285都市におけるグリーンファイナンスの都市脱炭に対する不均一効果
• Authors: Xueyang Li, Jinlei Ma,
• Abstract要約: グリーン・ボンドとグリーン・インベストメントは、最も強い影響と明らかな空間的流出をもたらす。 効果は開発レベルによって異なり、特に第4級と第5級の都市で顕著である。 限界的な影響は、技術能力の低い都市、工業依存度の高い都市、石炭ベースのエネルギー混合において強い。
• 参考スコア（独自算出の注目度）: 4.454629320045368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While green finance has become a key instrument for low-carbon city transitions, its actual decarbonization effects and transmission mechanisms remain unclear. This study employs econometric models and machine learning-based analysis to examine whether and how green finance reduces city-level carbon intensity. Results show that green finance significantly lowers carbon intensity, with green bonds and green investment having the strongest impacts and evident spatial spillovers. The effects vary by development level, being most pronounced in Fourth- and Fifth-tier cities. Mediation analysis reveals that green finance operates mainly through energy structure optimization, followed by industrial upgrading, foreign direct investment, and technological innovation. SHAP analysis confirms substantial differences across financial instruments, with green bonds, funds, and credit contributing most to decarbonization. Moreover, the marginal impact is stronger in cities with low technological capacity, high industrial dependency, and coal-based energy mixes. These findings provide theoretical support and policy guidance for building a multi-level, regionally differentiated green finance system to promote inclusive low-carbon transitions. Keywords: Green Finance; Carbon Intensity; Decarbonization Effect; Machine Learning; City
• Abstract（参考訳）: グリーンファイナンスは、低炭素都市移行の鍵となる手段となっているが、実際の脱炭効果と伝達機構はいまだ不明である。 本研究では,グリーンファイナンスによって都市レベルの炭素強度が低下するかどうかを,エコノメトリモデルと機械学習に基づく分析を用いて検討した。 その結果,グリーン・ファイナンスは炭素強度を著しく低下させ,グリーン・ボンドとグリーン・インベストメントは最も影響が強く,空間的流出も顕著であることがわかった。 効果は開発レベルによって異なり、特に第4級と第5級の都市で顕著である。 仲介分析により、グリーンファイナンスは主にエネルギー構造最適化、工業アップグレード、外国直接投資、技術革新によって運営されていることが明らかになった。 SHAP分析は、グリーン・ボンド、ファンド、信用が脱炭に最も貢献するなど、金融商品間でかなりの差があることを確認している。 さらに、技術能力の低い都市では、工業依存度が高く、石炭ベースのエネルギーが混在する都市では、限界的な影響が強い。 これらの知見は, 包括的低炭素遷移を促進するため, 多段階の地域分化グリーンファイナンスシステムを構築するための理論的支援と政策指針を提供する。 キーワード:グリーンファイナンス、炭素強度、脱炭効果、機械学習

関連論文リスト

• A novel VAE-DML fusion framework for casual analysis of greenwashing in the mining industry [7.949080377046532]
  鉱業チェーン企業は資源消費と環境への影響という点で重要な存在である。 発見は、まず、株式残高と企業グリーンウォッシングの間に有意な負の因果関係があることを示し、その実質的なガバナンス効果を確認した。 メカニズム分析は、エクイティバランスが、グリーンウォッシングを抑制するための3つの異なるチャンネルを通して運営されていることを明らかにしている。
  論文  参考訳（メタデータ） (2026-01-31T15:32:14Z)
• Carbon Emission Prediction in China Considering New Quality Productive Forces Using a Deep & Corss Learning Modeling Framework [0.6445605125467574]
  新しい品質生産力(NQPF)、デジタル経済の発展、人工知能(AI)技術は、持続可能な都市開発を促進するために欠かせないものとなっている。 本研究では,機能相互作用モデリングとアテンション機構を組み合わせたマルチヘッド・アテンション・ディープ・アンド・クロス・ネットワーク(MADCN)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-05T06:23:56Z)
• Engineering Carbon Credits Towards A Responsible FinTech Era: The Practices, Implications, and Future [22.059216644807282]
  炭素クレジットは、環境被害を軽減し、組織が炭素フットプリントを管理するのに役立つ重要なツールとして登場した。 本研究は, 二酸化炭素排出管理の高度化に向けた工学的実践と解決策について考察する。
  論文  参考訳（メタデータ） (2024-12-22T05:48:02Z)
• Enhancing Green Economy with Artificial Intelligence: Role of Energy Use and FDI in the United States [0.0]
  本研究は,1990年から2022年までの米国における,人工知能(AI)の革新,経済成長,外国直接投資(FDI),エネルギー消費,都市化がCO2排出量に与える影響について検討した。 AIイノベーションは環境ストレス、経済成長、エネルギー利用、FDI、都市化を緩和し、環境劣化を悪化させる。 この研究は、グリーンFDIの推進、AI技術の進歩、持続可能なエネルギープラクティスの採用、米国における持続可能な成長を促進するためのエコフレンドリーな都市開発の導入といった政策措置を提案する。
  論文  参考訳（メタデータ） (2024-12-20T03:03:21Z)
• Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
  炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。 階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。 MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
  論文  参考訳（メタデータ） (2024-06-12T05:08:51Z)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• Carbon Price Forecasting with Quantile Regression and Feature Selection [4.973858621819144]
  いくつかの新しい手法で炭素価格予測を改善することを提案する。 商品価格、石油や天然ガスなどの輸出量、繁栄指標など、さまざまな影響要因を収集する。 Sparse Quantile Group Lasso と Adaptive Sparse Quantile Group Lasso を用いて価格予測を行う。
  論文  参考訳（メタデータ） (2023-05-05T01:02:08Z)
• Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
  我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。 私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-10T17:04:04Z)
• Modelling the transition to a low-carbon energy supply [91.3755431537592]
  気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。 二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。 排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-09-25T12:37:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。