（发表于《金融评论》2026年第2期）

绿色债券作为支持绿色金融发展的金融工具，已然成为仅次于绿色信贷的第二大支柱工具。然而，对于如此重要的一类金融工具和庞大的金融市场，鲜有文献关注绿色债券市场存在的潜在问题。绿色债券市场存在的一个问题便是评级等级虚高。特征事实梳理发现，虽然评级等级被划分为三等九级，但是绿色债券市场上的信用评级仅有AAA、AA+、AA三类，并且AAA级绿色债券占比超过80%。结合反映信用风险的信用利差来看，同等级绿色债券的信用利差离散程度高，范围跨度大，债项风险差异大。在这一现实背景下，绿色债券信用评级能否有效区分绿色债券信用风险备受质疑。虽然评级等级缺乏区分度，但是评级报告中可能暗含关于债券信用风险潜在的增量信息。由此，本文研究尝试回答下列问题：绿色债券的信用评级能够有效反映债券信用风险吗？绿色债券信用评级报告是否传递关于债券的风险信息并且影响债券的风险定价？以大语言模型为代表的人工智能技术能够赋能甄别绿色债券的信用风险，弥补信用等级粗糙且虚高的缺陷？

本文构建评级膨胀的风险替代假说，基于绿色债券评级报告文本数据，利用FinBERT大语言模型和生成式人工智能方法，捕捉绿色债券的风险信息。本文认为评级机构在策略性夸大评级等级的同时，会在评级报告中传递风险信息，载明详尽的潜在风险，以实现评级膨胀的风险替代。市场通过识别评级报告中关于信用风险的私有信号，调整债券的风险定价。本文以2016~2024年发行的绿色债券为样本，基于绿色债券信用评级报告的文本数据，利用大语言模型捕捉评级报告文本中蕴含的风险信息，构建风险陈述密度指标反映绿色债券的信用风险，对上述研究问题进行检验和回答。

本文研究发现：首先，特征事实分析表明绿色债券信用评级等级的有效信息含量有限。随着绿色债券债项评级升高，风险陈述密度的离散程度和范围跨度提高，并在高信用等级绿色债券中更明显。风险陈述密度和信用评级等级在时序维度上呈现相反变动趋势。其次，实证分析结果表明绿色债券比普通债券更倾向于获得高评级结果，并且绿色债券信用评级不能有效反映绿色债券的信用风险；在控制了债项评级以及一系列债券和发行主体层面的特征之后，风险陈述密度显著正向影响债券信用利差。这表明风险陈述密度捕捉了独立于债项评级之外的风险信息，这一风险信息反映在债券的风险溢价中。再次，机制分析显示，风险陈述密度之所以与信用利差显著正相关，是因为风险陈述密度越高时，评级报告文本蕴含的风险信息含量越高，文本的风险情感也越强烈。更高的风险陈述密度反映了更强烈的关于信用风险的私有信号，由此影响债券的风险定价。最后，从评级膨胀的动机出发，本文发现在评级机构声誉较低、市场竞争激烈、绿色债券为贴标绿色债券的情况下，风险陈述密度对信用利差的正向作用更加明显。

本文的贡献主要有三点。第一，本文首次揭示绿色债券市场的评级膨胀问题，阐明信用评级报告文本信息在债券市场中信息效率的重要特征。本文聚焦绿色债券信用评级的有效性，为绿色债券信用评级有效性不足提供了实证证据，揭示了绿色债券市场的评级膨胀。本文研究证明利用大语言模型捕捉的评级报告中的风险信息对债券风险定价具有重要作用，有助于优化市场定价效率与微观结构。第二，利用大语言模型从非结构化数据中构建反映绿色债券信用风险的新指标，弥补债项评级等级虚高、谱系狭窄的不足。本文从评级报告中捕捉独立于债项评级的风险信息，为市场、投资者和监管者提供新的参考工具，具有较强实践价值，同时为后续研究打下基础。第三，拓展大语言模型和人工智能方法在金融研究中的应用场景，证明人工智能技术在金融实践中的应用价值。本文首次将大语言模型和生成式人工智能方法应用在债券市场中，利用大语言模型的语义优势提取风险信息。本文研究证明人工智能技术处理非结构化数据能为金融市场提供增量信息，降低信息不对称。人工智能技术应用为绿色债券乃至信用债市场信息成本高的问题提供了新的解决路径，对于提高信用债市场定价效率、降低违约风险具有重大理论和实践意义。

撰稿人：沈红波　王锴

点击文末“阅读原文”，可下载PDF全文

审核人：周莉萍

排版：范可鑫