一个让鉴证师沉默的数字
上个月,一位从电力行业转过来的同行问我:银行的碳鉴证有什么难的?不就是几栋办公楼加几个数据中心吗?
我让他看了一组数据。某股份制银行2024年度ESG报告显示,Scope 1+2排放量约8万吨CO₂e——空调、差旅、员工通勤、数据中心用电,加在一起,大概相当于一个中型购物中心的年排放量。如果只鉴证这些,确实不难。

但同一份报告的下一页写着:融资排放(Scope 3 Category 15)约1.6亿吨CO₂e。
8万吨对1.6亿吨。运营排放与融资排放之间的比例是1:2000。CDP在2021年首次披露这一数据时用了一个更保守的表述:全球金融机构的融资排放平均是自身运营排放的700倍以上 [1]。IBM在2022年的更新中将这个数字修正为750倍 [2]。Equifax在2025年3月的报告中则直接指出,银行碳足迹的95%以上来自融资排放 [3]。
这意味着什么?意味着当你走进一家银行做气候鉴证时,你面对的不是这家银行的排放,而是这家银行贷出去的每一笔钱所"拥有"的排放。银行的运营排放相当于一个小镇,融资排放相当于一个中等国家。你鉴证的对象,从一栋楼变成了一个经济体。
金融行业与电力、钢铁、汽车的本质差异
在前面四个行业的深潜中,我们建立了一个基本认知:鉴证师验证的是企业"自己产生"的排放数据。电力行业有CEMS连续监测,钢铁行业有物料平衡法,汽车行业虽然Scope 3占比高达84%,但至少供应商是可以识别和追溯的。这三个行业的共同特点是——排放发生在物理世界,可以被测量、被观察、被独立验证。
金融行业打破了这个逻辑。
银行不烧煤、不炼钢、不制造汽车。它的排放不发生在任何物理空间里。它的排放发生在资产负债表上——每一笔贷款、每一笔投资、每一只债券,都在"间接拥有"借款人和被投企业的排放。这不是Scope 3中"供应链上游"的逻辑(那至少还有物理流转可追溯),
而是一种纯粹的金融归因逻辑:
你出了多少钱,
你就"拥有"多少排放。
这个差异带来了五个层面的鉴证难度跃升:
第一,鉴证对象从"一家企业"变成"一个投资组合"。 一家典型的股份制银行,贷款客户可能超过10万家,覆盖几乎所有行业。鉴证师不再是验证一条生产线的排放因子,而是要评估一个跨行业、跨地域、跨数据质量层级的庞大组合。这在ISSA 5000的语境下,意味着"鉴证对象的边界"(§75-78 / 3601号§75-78)本身就成了一个重大判断。
第二,数据不在被鉴证方手里。 电力企业的CEMS数据在自己的系统里,钢铁企业的物料平衡数据在自己的ERP里。但银行的融资排放数据在哪里?在它的10万个贷款客户那里。牛津大学Smith School的研究发现,HSBC承认只有约1/3的客户直接报告排放数据,其余全部依赖估算 [4]。这意味着鉴证师面对的不是"数据是否准确"的问题,而是"数据是否存在"的问题。
第三,方法论本身是一个重大判断。 电力行业的排放因子计算方法是确定的(发电量×排放因子),争议空间有限。但融资排放的计算涉及归因因子的选择——用EVIC(企业价值含现金)还是用总债务+权益?用报告年度的数据还是最近可得的数据?PCAF第三版(2025年12月)虽然提供了标准化方法论,但仍然给金融机构留下了大量的方法论选择空间 [5]。每一个选择都会显著影响最终数字。
第四,时间错位是结构性的。 HSBC在2025年2月的方法论更新中明确承认:第三方数据集可能存在"两年滞后"(two-year lag)[6]。这意味着银行2025年报告的融资排放,使用的可能是贷款客户2023年的排放数据——而在这两年间,客户的业务规模、能源结构、甚至是否还存在,都可能已经发生了根本变化。鉴证师如何对一组"过期"的数据出具意见?
第五,双重计算是系统性的,且无法消除。 同一家钢铁企业可能同时从五家银行贷款。按照PCAF的归因逻辑,五家银行各自按比例"拥有"这家钢铁企业的排放。但如果五家银行的归因因子之和超过100%(这在实务中极为常见,因为EVIC数据来源不一致),就会出现系统性的双重计算。PCAF明确表示"不建议金融机构自行修正以避免双重计算" [5]——换言之,这个问题被承认但未被解决。
一张表看清四个行业的鉴证逻辑差异
| 维度 | 电力 | 钢铁 | 汽车 | 金融 |
|---|---|---|---|---|
| 排放发生位置 | 烟囱(物理可测) | 高炉+电炉(物理可测) | 供应链+使用阶段 | 资产负债表(纯金融归因) |
| 核心Scope | Scope 1为主 | Scope 1+2为主 | Scope 3占84% | Scope 3 Cat.15占99% |
| 数据来源 | 企业自有CEMS | 企业自有ERP | 供应商报告+LCA数据库 | 10万+贷款客户(大部分不披露) |
| 鉴证对象 | 一条/几条生产线 | 一个/几个工厂 | 一条供应链 | 一个投资组合(≈一个经济体) |
| 数据质量 | 高(实测为主) | 中高(实测+计算) | 中(供应商数据+估算) | 低(估算为主,Score 4-5) |
| 时间匹配度 | 实时/年度 | 年度 | 年度(有滞后) | 滞后1-2年 |
| 方法论确定性 | 高 | 中高 | 中 | 低(大量选择空间) |
| 双重计算风险 | 极低 | 低 | 中(供应链重叠) | 高(系统性,无法消除) |
数据质量的"倒金字塔":为什么70%的融资排放是"猜"出来的
PCAF设计了一套1-5分的数据质量评分体系。Score 1代表最高质量——被投企业的排放数据经过第三方验证;Score 5代表最低质量——基于行业平均收入排放因子推算。
理想状态下,银行应该尽可能使用Score 1-2的数据。但现实是什么?
牛津大学Smith School在2023年的研究中分析了公开披露融资排放的金融机构数据,发现:在70家披露机构中,30家报告"数据质量未知",不到30%达到Score 3或更高 [4]。2DII(2 Degrees Investing Initiative)的研究得出了类似结论。研究者在报告中直接指出:"只有一个案例实现了高质量数据与近乎完整的资产负债表覆盖的组合。"
这意味着什么?意味着绝大多数银行报告的融资排放数字,其底层数据是这样构成的:
约15-30%的贷款客户有自行披露的排放数据(Score 1-2)
约20-30%可以通过物理活动数据估算(Score 3)
约40-60%只能通过收入或资产规模推算(Score 4-5)
换言之,一家银行报告"融资排放1.6亿吨",其中可能有6000万-1亿吨是基于"这家企业的收入是多少,这个行业每百万收入大概排放多少"这样的粗略推算得出的。
对鉴证师而言,这带来了一个根本性的问题:你在鉴证的到底是"数据"还是"模型"? 如果60%的排放量来自模型估算,那么鉴证的重心就不再是"验证数据的准确性",而是"评估模型假设的合理性"——这是一种完全不同的鉴证逻辑,更接近精算审计而非传统的碳核查。
中国语境:44.8万亿绿色贷款背后的鉴证缺口
2025年末,中国绿色贷款余额达到44.8万亿元,同比增长20.2% [7]。中国银行一家的境内绿色贷款余额就接近5万亿元 [8]。2025年1月,国家金融监督管理总局与中国人民银行联合印发《银行业保险业绿色金融高质量发展实施方案》,明确要求"碳核算、气候风险管理和信息披露水平有效提升" [9]。
中国银行业的融资排放披露仍处于极早期阶段。截至2025年底,六大国有银行中只有少数开始尝试按PCAF方法论计算融资排放,且覆盖范围有限、数据质量评分普遍偏低。相比之下,ICBC新西兰分支已从FY24开始计算Scope 3融资排放,并将在FY25进行强制披露 [10]——这种"海外先行、境内滞后"的格局,恰恰说明了中国银行业在融资排放核算和鉴证方面的巨大缺口。
44.8万亿元的绿色贷款,每一笔都声称投向了"绿色"项目。但这些项目的实际碳减排效果是否经过独立验证?贷款分类是否符合《绿色金融支持项目目录(2025年版)》的标准?当一笔贷款同时满足"绿色"标签和"高碳"客户的双重身份时(比如向一家钢铁企业发放用于节能改造的贷款),融资排放应该怎么计算?
这些问题,目前没有标准答案。而这正是金融行业气候鉴证的"最高难度"所在——不是技术上做不到,而是制度基础设施尚未就绪。
对鉴证师的启示:你需要重新定义"什么是证据"
在电力行业,证据是CEMS打印出来的连续监测数据。在钢铁行业,证据是磅秤称重记录和物料平衡表。在汽车行业,证据是供应商提供的LCA报告和BOM清单。
在金融行业,证据是什么?
是银行的贷款台账?那只能告诉你"贷了多少钱给谁",不能告诉你"这笔钱对应多少排放"。是贷款客户的排放报告?但60%以上的客户根本没有排放报告。是PCAF方法论的计算过程?那你验证的是"模型"而非"事实"。
ISSA 5000 §146R要求鉴证师评估"估计不确定性"(estimation uncertainty)。在金融行业,这不是一个边缘议题——它是整个鉴证的核心。当你面对的数据有60%来自模型估算、有两年时间滞后、有系统性双重计算风险时,"合理保证"的含义需要被重新定义。
这也是为什么我们说金融是气候鉴证的"最高难度"——不是因为数字大(虽然确实大),而是因为鉴证的认识论基础发生了根本改变。你不再是在验证"发生了什么",而是在评估"一个模型对现实的近似程度"。这对鉴证师的专业判断提出了前所未有的要求。
参考文献
[1]: CDP (2021). "Finance sector's funded emissions over 700 times greater than its own." https://www.cdp.net/en/press-releases/finance-sectors-funded-emissions-over-700-times-greater-than-its-own
[2]: IBM (2022 ). "What Are Financed Emissions?" https://www.ibm.com/think/topics/financed-emissions
[3]: Equifax (2025 ). "Understanding Financed Emissions: The 95% Carbon Footprint." https://www.equifax.co.uk/about-equifax/press-releases/-/intlpress/understanding-financed-emissions-the-95-carbon-footprint/
[4]: Tang, K., Shrimali, G. & Christiaen, C. (2023 ). "Data Quality Considerations for Estimating Financed Emissions." Oxford Smith School of Enterprise and the Environment. https://www.smithschool.ox.ac.uk/sites/default/files/2023-01/Data-Quality-Considerations-for-Estimating-Financed-Emissions.pdf
[5]: PCAF (2025 ). The Global GHG Accounting and Reporting Standard Part A: Financed Emissions. Third Edition.https://carbonaccountingfinancials.com/files/standard-launch-2025/PCAF-PartA-2025-V3.pdf
[6]: HSBC (2025 ). "Financed Emissions Methodology Update (published February 2025)." https://www.hsbc.com/-/files/hsbc/investors/hsbc-results/2024/annual/pdfs/hsbc-holdings-plc/250219-financed-emissions-methodology-update-published-february-2025.pdf
[7]: 中国人民银行 (2026年1月 ). 《2025年四季度金融机构贷款投向统计报告》:本外币绿色贷款余额44.77万亿元,同比增长20.2%。
[8]: 中国银行副行长武剑 (2026). 第五届气候投融资国际研讨会致辞:2025年末境内绿色贷款余额近5万亿元。
[9]: 国家金融监督管理总局、中国人民银行 (2025). 《银行业保险业绿色金融高质量发展实施方案》。
[10]: ICBC New Zealand (2025). "Climate-Related Disclosure Statement FY24." https://v.icbc.com.cn/userfiles/resources/icbc/haiwai/newzealand/download/2025/icbc_crd_group_-_final_-_for_submission_29102025.pdf
