摘 要：随着全球碳市场的不断深化以及交易活动的日益兴起，碳资产数字化已成为碳市场高效运作的关键要素，其重要性愈发凸显。碳资产作为衡量企业碳排放绩效的关键指标，在供应链金融领域占据重要地位，是连接绿色金融与可持续发展战略的重要纽带。本文深入探讨了基于碳资产数字化的供应链金融监管机制，详细分析了碳资产在绿色金融与可持续发展战略中的重要意义，通过构建涵盖金融机构、碳交易所及第三方检测机构的三方演化博弈模型，揭示了各主体在低碳评级与金融监管过程中的策略选择及互动关系，为构建高效、透明且绿色的供应链金融监管体系提供了坚实的理论支撑与实践指导。
关键词：碳资产数字化；供应链金融；演化博弈；碳中和；绿色金融
中图分类号：F832.5 文献标识码：A 文章编号：2096-0298（2025）05（a）--05
1 引言
随着全球碳市场的持续深化与碳交易活动的日益兴起，碳资产数字化作为驱动碳市场高效运作的核心引擎，其重要性日益凸显[1]。碳资产作为量化企业碳排放绩效的关键指标，正逐步在供应链金融领域占据举足轻重的地位，成为连接绿色金融与可持续发展战略的桥梁。然而，供应链金融监管体系的复杂性不容忽视，它涉及金融机构、碳交易所、第三方检测机构等多方主体，其间信息流的交织与利益格局的博弈，既为监管创新提供了广阔空间，也带来了前所未有的挑战[2]。
目前，关于碳资产的定义尚未形成共识，Zhang等（2018）将碳资产定义为企业拥有且可能在未来为企业带来经济利益，并与温室气体排放相关的各种有形与无形碳资源[3]。在碳金融的研究领域中，周卫锋（2010）提出我国碳金融体系存在碳交易中心功能单一、金融机构参与程度低、碳金融产品单一、碳金融专业人才缺乏、碳金融政策支持不足等问题[4]。
供应链金融监管作为保障金融稳定与促进绿色转型的关键环节，其研究需结合具体情境与约束条件深入剖析参与主体的博弈行为。Hofmann，E.（2016）对供应链金融的概念进行深入探讨，并对供应链金融监督的模式与方法进行概述，为供应链金融监督的研究提供理论支持[5]。张源（2017）通过应用演化博弈理论，深入研究了在激励机制的支持下，如何实现双方共赢，为优化供应链金融监管机制提供了新思路[6]。王先甲等（2022）聚焦于供应链金融的运作模式与机制，探讨核心企业在其中的作用，为中小微企业提供信用担保并监督其经济活动，以维持供应链的信用与效益[7]。曾宇露（2023）从监管角度出发，探讨了数字经济背景下供应链金融的发展现状与面临的问题，指出数字经济为供应链金融提供了新的机遇，如通过大数据技术实时监测风险变化，实现更好的风险控制[8]。张深红等（2022）利用演化博弈方法，深入研究了生鲜电商供应链金融中的风险监管机制。研究聚焦于传统存货质押模式下，商业银行委托生鲜电商平台对融资公司实施内部监督的场景，揭示了商业银行与生鲜电商平台之间的策略互动关系。结果表明，当商业银行的外部监管成本较高，而生鲜电商平台的内部监管成本较低时，银行可能会放弃对外部监督，转而依赖电商平台的内部监管；反之，当电商平台的内部监管成本较高时，银行需要通过加大奖惩激励力度，采取“积极管制”策略确保监管的有效性[9]。储雪俭等（2020）针对供应链金融物流监管中的风险问题展开研究，从供应链金融监管各参与者间的关系出发，构建供应链金融物流监管中的博弈模型，并运用激励理论，进一步构建了金融机构与物流监管企业间的激励模型，指出物流监管企业与金融机构之间利益不一致及物流监管人员的隐藏行为是导致监管隐患的主要因素[10]。
基于此，本文聚焦于碳资产数字化背景下供应链金融监管机制的创新，旨在通过构建基于碳资产数字化的新型监管框架，以应对当前监管体系面临的挑战。本文通过综合运用博弈论与金融监管理论，建立了碳资产数字化的供应链金融模式，构建了金融机构、碳交易所与第三方检测机构之间的博弈模型，深入剖析了三方在不同情境下的策略选择与互动机制，进而揭示了碳资产数字化对供应链金融监管的深层次影响，为构建更加高效、透明、绿色的供应链金融监管体系提供理论支撑与实践指导。
2 三方演化博弈模型构建
在碳资产数字化的供应链金融模式中，第三方检测机构、碳交易所和金融机构各自承担着关键角色，共同推动供应链金融的绿色转型与可持续发展。具体而言，第三方检测机构作为专业评估主体，负责对供应链企业进行全面、科学的低碳评级评估，并出具相应的低碳评级报告。这一报告不仅涵盖了企业碳排放的量化数据，还涉及企业在节能减排、清洁能源利用、碳资产管理等方面的综合表现，为金融机构提供了重要的决策依据。
碳交易所在该模式中承担着信息枢纽和监督者的双重角色。一方面，它负责将第三方检测机构出具的低碳评级报告准确、及时地传递给金融机构，确保信息流的畅通无阻；另一方面，碳交易所还需强化对第三方检测机构的监督，通过构建严格的监督机制和标准，确保评级过程的公正性与准确性。这包括对第三方检测机构的评估方法、数据来源、评级流程等进行审查和监督，杜绝任何形式的违规操作和利益输送行为，从而维护整个供应链金融体系的公信力和稳定性。
金融机构是供应链金融的核心主体，其在该模式中的主要职责是依据低碳评级结果，对供应链中小企业的融资申请进行差异化授信审批。具体来说，金融机构会根据企业的低碳评级高低，综合考虑其碳排放绩效、财务状况、市场前景等因素，制定差异化的授信策略。对于低碳评级较高的企业，金融机构可能会给予更优惠的贷款利率、更高的授信额度和更便捷的审批流程，以激励企业持续提升碳绩效；而对于低碳评级较低的企业，金融机构则可能会提高贷款利率、降低授信额度或要求企业提供额外的担保措施，以降低潜在的环境风险和金融风险。通过这种差异化授信审批机制，金融机构不仅能够有效控制自身的风险敞口，还能引导供应链企业向绿色、低碳方向发展，从而推动整个供应链实现可持续发展。
2.1 模型假设及参数说明
本文旨在构建一个涉及金融机构、碳交易所与第三方检测机构的三方演化博弈模型，以分析三者在低碳评级与金融监管过程中的策略选择与互动关系。
假设1 研究主要关注供应链金融模式中的金融机构（F）、碳交易所（C）和第三方检测机构（T）三大参与者，假设其均为有限理性，追求利益最大化。
假设2 金融机构（F）：基于第三方检测机构的评级报告对供应链企业的贷款申请进行授信审批，并可选择是否监督碳交易所是否有效履行了对第三方检测机构的监督责任。其策略空间为{监督（F1），不监督（F2）}；碳交易所（C）：接收第三方检测机构的评级报告，并将其转递给金融机构，同时承担监督第三方检测机构自律性的责任。其策略空间为{监督（C1），不监督（C2）}；第三方检测机构（T）：负责为供应链企业进行低碳评级，并将评级报告提交给碳交易所。其策略空间为{自律（T1），不自律（T2）}。
假设3 在整个博弈过程中，根据三个参与主体做出的行为，假设支付函数如下：金融机构支付函数UF（Fi，Cj，Tk）；碳交易所支付函数UC（Fi，Cj，Tk）；第三方检测机构支付函数UT（Fi，Cj，Tk）；其中，i、j、k分别代表金融机构、碳交易所和第三方检测机构的策略选择。
2.2 收益函数
2.2.1 金融机构（F）在不同策略组合下的收益函数
（1）当金融机构选择监督（F1）
假设碳交易所选择监督（C1），若第三方检测机构选择自律（T1），金融机构的收益为基础收益减去监督成本；若第三方检测机构选择不自律（T2），金融机构除了基础收益外，还需要考虑因第三方检测机构不自律而存在的不确定损失，但由于自身监督，可以避免部分损失。
假设碳交易所选择不监督（C2），若第三方检测机构选择自律（T1），金融机构的收益为基础收益减去监督成本；若第三方检测机构选择不自律（T2），金融机构除了基础收益外，还需要考虑因碳交易所不监督及第三方检测机构不自律而存在的双重损失，但由于自身监督，可以避免部分损失。
（2）当金融机构选择不监督（F2）
假设碳交易所选择监督（C1），若第三方检测机构选择自律（T1），金融机构仅获得基础收益；若第三方检测机构选择不自律（T2），金融机构需要承担因第三方检测机构不自律而存在的不确定损失。
假设碳交易所选择不监督（C2），若第三方检测机构选择自律（T1），金融机构仅获得基础收益；若第三方检测机构选择不自律（T2），金融机构需要承担因碳交易所不监督及第三方检测机构不自律而存在的双重损失。
2.2.2 碳交易所（C）的收益函数
（1）当碳交易所选择监督（C1）
假设金融机构选择监督（F1），若第三方检测机构选择自律（T1），碳交易所的收益为基础收益减去监督成本；若第三方检测机构选择不自律（T2），碳交易所除了基础收益外，还需扣除对第三方检测机构的罚金。
假设金融机构选择不监督（F2），若第三方检测机构选择自律（T1），碳交易所的收益为基础收益减去监督成本；若第三方检测机构选择不自律（T2），碳交易所除了基础收益外，还需扣除对第三方检测机构的罚金。
（2）当碳交易所选择不监督（C2）
假设金融机构选择监督（F1），若第三方检测机构选择自律（T1），碳交易所仅获得基础收益；若第三方检测机构选择不自律（T2），碳交易所除了基础收益外，还需支付因失责而被金融机构处罚的罚金。
假设金融机构选择不监督（F2），若第三方检测机构选择自律（T1），碳交易所仅获得基础收益；若第三方检测机构选择不自律（T2），碳交易所无需支付罚金，仅获得基础收益。
2.2.3 第三方检测机构（T）的收益函数
（1）当第三方检测机构选择自律（T1）
无论金融机构和碳交易所如何选择，第三方检测机构都将获得基础收益。
（2）当第三方检测机构选择不自律（T2）
假设金融机构选择监督（F1），若碳交易所选择监督（C1），第三方检测机构在基础收益之外获得不自律收益，但需支付罚金；若碳交易所选择不监督（C2），第三方检测机构在基础收益和不自律收益之外，由于金融机构的监督，可能面临额外的声誉损失或业务风险。
假设金融机构选择不监督（F2），若碳交易所选择监督（C1），第三方检测机构在基础收益和不自律收益之外，仅支付罚金；若碳交易所也选择不监督（C2），第三方检测机构在基础收益和不自律收益之外，不支付罚金，但可能面临长期的市场信誉损失或其他潜在风险。
3 复制动态方程及稳定演化分析
假设x表示金融机构选择监督的概率，y表示碳交易所选择监督的概率，z表示第三方检测机构选择自律的概率。那么，1-x、1-y、1-z则分别表示金融机构选择不监督、碳交易所选择不监督、第三方检测机构选择不自律的概率。
根据支付函数和复制动态方程的一般形式，构建各参与者的动态方程如下：
3.1 金融机构（F）的复制动态方程
金融机构选择监督的期望收益UF1和选择不监督的期望收益UF2分别为：
UF1=yz（BF-CF）+y（1-z）[BF-CF-PF2（1-a）]+（1-y）z（BF-CF）+（1-y）（1-z）[BF-CF-PF2（1-a）-PF1]
UF2=yzBF+y（1-z）[BF-PF2]+（1-y）zBF+（1-y）（1-z）[BF-PF1-PF2]
金融机构的复制动态方程为：
其中，是金融机构的平均期望收益，即xUF1+（1-x）UF2
令G（z）=-αPF2z+αPF2-CF，，可知G（z）为减函数，根据稳定性定理得：
（1）若G（z）=0，z=z*，，x取任意值都为稳定状态。
（2）若G（z）lt;0，zgt;z*，x=0为演化稳定状态，金融机构趋向于选择不监督策略。
（3）若G（z）gt;0，zlt;z*，x=1为演化稳定状态，金融机构趋向于选择监督策略。
3.2 碳交易所（C）的复制动态方程
碳交易所选择监督的期望收益UC1和选择不监督的期望收益UC2分别为：
UC1=xz（BC-CC）+x（1-z）[BC-CC+PT]+（1-x）z（BC-CC）+（1-x）（1-z）[BC-CC+PT]
UC2=xzBC+x（1-z）[BC-PC]+（1-x）zBC+（1-x）（1-z）BC
碳交易所的动态方程为：
F（y）=y（1-y）（-CC+PT+PCx-PTz-PCxz）
其中，是碳交易所的平均期望收益，即yUc1+（1-y）Uc2。
令H（z）=-CC+PT+PCx-PTz-PCxz，可知G（z）为减函数，根据稳定性定理可得：
（1）若H（z）=0，z=z*，，y取任意值都为稳定状态。
（2）若H（z）lt;0，zgt;z*，y=0为演化稳定状态，此时碳交易所选择不监督策略。
（3）若G（z）gt;0，zlt;z*，y=1为演化稳定状态，碳交易所趋向于选择监督策略。
3.3 第三方检测机构（T）的复制动态方程
第三方检测机构选择自律的期望收益UT1和选择不自律的期望收益UT2分别为：
UT1=xyBT1+x（1-y）BT1+（1-x）yBT1+（1-x）（1-y）BT1
UT2=xy（BT1+BT2-PT）+x（1-y）（BT1+BT2-PT-LT）+（1-x）y（BT1+BT2-PT）+（1-x）（1-y）（BT1+BT2-LT）
第三方检测机构的动态方程为：
F（z）=z*（1-z）*（-BT2 +LT-LT*y+PT*x+PT*y-PT*x*y）
其中，是第三方检测机构的平均期望收益，即zUT1+（1-z）UT2。
令L（x）=-BT2+LT-LT*y+PT*x+PT*y-PT*x*y，分析如下：
（1）若L（x）=0，x=x*，，z取任意值都为稳定状态。
（2）若L（x）lt;0，xlt;x*，z=0为演化稳定状态，此时第三方检测机构选择不自律策略。
（3）若L（x）gt;0，xgt;x*，z=1为演化稳定状态，第三方检测机构趋向于选择自律策略。
4 特征值求解
在演化博弈分析中，特征值的求解对于判断系统均衡点的稳定性至关重要。基于本文构建的三方演化博弈模型的特征值求解结果如表2所示。
4.1 初始演化路径
（0，0，0）、（0，1，0）、（0，0，1）、（1，0，0）、（1，1，0）在满足一定条件下，可以成为稳定点。
当PF2α-CFlt;0、PT-CClt;0、LT-BT2lt;0同时成立时，（0，0，0）为唯一的演化稳定点，参数初始赋值为：BF=100，CF=90，CC=110，BC=20，BT1=30，BT2=60，PF1=44，PF2=110，PC=80，PT=88，LT=40，α=0.7，其初始演化路径如图1所示。
当BT2−LTlt;0时，即第三方检测机构因不自律而获得的收益小于其因不自律而面临长期的市场信誉损失或其他潜在风险时，系统演化稳定点为（0，0，1）。此时，金融机构和碳交易所均选择不监督策略，而第三方检测机构选择自律策略；当PF2α−CFgt;0、CC−PTgt;0、 PT−BT2gt;0时，系统演化稳定点为（0，1，0）。此时，金融机构选择不监督策略，碳交易所选择监督策略，而第三方检测机构选择不自律策略；当PF2α−CFlt;0、CC−PTlt;0 时，系统演化稳定点为（1，0，0）。此时，金融机构选择监督策略，碳交易所选择不监督策略，而第三方检测机构选择自律策略；当PF2α−CFgt;0、CC−PTgt;0时，系统演化稳定点为（1，1，0）。此时，金融机构和碳交易所均选择监督策略，而第三方检测机构选择不自律策略（图1）。
4.2 α变动对三方策略的影响
α变动对三方策略的影响如图2所示，随着α增大，x向0收敛速度减慢，即随着避免的损失比例增大，金融机构会采取监督策略；α增大，y向0收敛速度减慢，即随着避免的损失比例增大，碳交易所会采取监督策略；α减小对z向0收敛速度越快，即随着避免的损失比例减小，第三方检测机构会趋向于采取不自律策略。
5 结语
本文构建基于碳资产数字化的供应链金融监管框架和三方演化博弈模型，分析金融机构、碳交易所和第三方检测机构之间的策略互动，及其对供应链金融可持续发展的影响。研究发现，各参与主体的策略选择是一个复杂的动态博弈过程，其演化路径和均衡状态受初始参数和关键变量（如α）的显著影响。
在演化博弈中，当第三方检测机构面临较大的潜在风险时，倾向于选择自律策略，而金融机构和碳交易所因监督成本较高选择不监督策略。随着α增大，金融机构和碳交易所的监督概率增加，第三方检测机构的不自律概率降低，表明监督力度的增强能有效促进自律行为，从而推动供应链金融体系向稳定和可持续方向发展。
本研究的最终目的是通过构建基于碳资产数字化的供应链金融监管新框架和三方演化博弈机制，促进供应链金融实现可持续发展与绿色转型。通过强化碳交易所在监管中的作用与责任，本研究将推动供应链金融向更加绿色、低碳、可持续的方向发展。综上，本文给出以下几个建议：（1）通过建立完善的风险预警系统，可以实时监测市场动态和评级报告的变化，及时发现潜在风险并采取相应的应对措施。（2）监管机构应积极探索将这些技术应用于监管工作中，提高监管效率和准确性。（3）注重科技创新的应用及加强市场参与者的教育和培训等方面的工作，确保监管机制的有效性和适应性，为碳资产数字化和供应链金融模式的健康发展提供有力保障。
参考文献
何德旭，张庆君，陈思，等.资产数字化、银行风险与“双支柱”调控[J].经济研究， 2023， 58（1）： 38-55.
邱冬阳，吴梦尧.“双碳”目标下的我国碳排放权质押贷款： 现状、不足及优化路径[J].西南金融， 2022（3）： 68-80.
Zhang C ，Randhir O T ，Zhang Y .Theory and practice of enterprise carbon asset management from the perspective of low-carbon transformation[J].Carbon Management， 2018， 9（1）： 87-94.
周卫锋. 我国碳金融体系构建研究[D]. 长春： 吉林大学，2010.
Hofmann E ，Johnson M .Guest editorial： supply chain finance – some conceptual thoughts reloaded[J].International Journal of Physical Distribution amp; Logistics Management， 2016， 46（4）： 806-808.
张源.激励视角下供应链金融监管效用演化博弈分析[J].中国市场，2017（17）： 193-196.
王先甲，顾翠伶，何奇龙，等.供应链金融信贷市场三方演化博弈动态[J].运筹与管理， 2022， 31（1）： 30-37.
曾宇露.数字经济背景下供应链金融的引导与监管[J].当代金融研究， 2023， 6（12）： 29-37.
张深红，魏娜，庞燕.基于演化博弈的生鲜电商供应链金融监管机制[J].物流技术， 2022， 41（6）： 76-80.
储雪俭，黄越，李佳阳.基于激励博弈的供应链金融物流监管风险研究[J].供应链管理， 2020， 1（12）： 48-62.
