مشخصات مقاله فهرست مطالب نمونه ترجمه مقاله انگلیسی خرید ترجمه مقالات مرتبط
سلام دوست من ، توی این پست براتون یه مقاله ترجمه شده جدید با موضوع تاثیر فین تک بانک بر تخصیص اعتبار سبز: شواهدی از چین منتشر کردیم. این مقاله یه مقاله ISI و علمی پژوهشی هست که توی پایگاه الزویر در سال ۲۰۲۵ منتشر شده. فایل انگلیسی ۱۳ صفحه PDF و فایل ترجمه ۲۶ صفحه WORD و قابل ویرایشه، مثل همیشه مقاله انگلیسی رو می تونید رایگان دانلود کنید. بخش هایی از ترجمه هم براتون رایگان گذاشتم که قبل از خرید ، کیفیت ترجمه رو بررسی کنید. از کیفیت ترجمه هم نگم براتون که مثل همیشه عالییییه. برای خرید ترجمه کامل مقاله روی گزینه خرید و دانلود آنی ترجمه کلیک کنید بعد از پرداخت لینک دانلود بهتون نشون داده میشه، به ایمیلتونم ارسال میشه. اگر سوالی بود می تونید زیر این پست کامنت بزارید سریع جوابتونو میدم.
تاثیر فین تک بانک بر تخصیص اعتبار سبز: شواهدی از چین
عنوان انگلیسی:
The impact of bank FinTech on green credit allocation: Evidence from China
کد محصول: H1093
سال نشر: ۲۰۲۵
نام ناشر (پایگاه داده): الزویر
نام مجله: Finance Research Letters
نوع مقاله: علمی پژوهشی (Research Article)
متغیر : دارد
فرضیه: دارد
مدل مفهومی: مدل ریاضی دارد
پرسشنامه : ندارد
تعداد صفحه انگلیسی: ۱۳ صفحه PDF
تعداد صفحه ترجمه فارسی: 26 صفحه WORD
قیمت فایل ترجمه شده: 98000 تومان
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
فهرست مطالب
۱.مقدمه
۲. فرضیهها، دادهها و روششناسی
۲.۱. تدوین فرضیهها
۲.۲. منبع داده
۲.۳. مدل تجربی
۲.۴. ساخت متغیرها
۳. تحلیل نتایج تجربی
۳.۱. نتایج رگرسیون پایه
۳.۲. نتایج آزمون استحکام
۳.۳. آزمون متغیر ابزاری
۴. تحلیل مکانیزم
۵. تحلیلهای پیشرفته
۵.۱. تحلیل منبع انرژی
۵.۲. تحلیل صنایع بهشدت آلاینده
۶. نتیجهگیری
پیوستها
پیوست A.1: پردازش دادههای اعتباری بین شرکتهای پاک و بانکها
پیوست A.2: روش ساخت شاخص فین تک بانک
چکیده فارسی
این مقاله به بررسی تأثیر فین تک بانکها بر تخصیص اعتبار سبز میپردازد. این مطالعه با استفاده از نمونهای از شرکتهای بورسی در چین از سال ۲۰۱۴ تا ۲۰۲۰ انجام شده است. ما یک شاخص فین تک بانکی را از طریق متن کاوی ایجاد کردیم و به این نتایج دست یافتیم: (۱) بانکهایی که فین تک پیشرفتهتری دارند، به طور معناداری اعتبار سبز بیشتری را به شرکتهای سازگار با محیط زیست تخصیص میدهند. (۲) فین تک عمدتاً از طریق گسترش کانالهای تجاری، بهبود کارایی پردازش اطلاعات و تقویت قابلیتهای مدیریت ریسک، بانکها را در تخصیص اعتبار سبز توانمند میسازد. (۳) بانکهای دارای فین تک پیشرفته، اعتبار بیشتری را به شرکتهای پاک در بخشهای انرژی سنتی ارائه میدهند و اعطای وام سبز به شرکتهای موجود در مناطق دارای عرضه انرژی بالا را به شرکت های فعال در مناطق دارای مصرف انرژی بالا ترجیح میدهند. (۴) یک رابطه درجه دوم بین فین تک بانکی و تخصیص اعتبار به شرکتهای به شدت آلاینده وجود دارد، اول، با افزایش استفاده از فینتک، اعتبار به این شرکتها کم میشود، اما پس از یک حد مشخص دوباره زیاد میشود.
کلمات کلیدی: فین تک بانکی ، تامین مالی سبز، تخصیص اعتبار، شرکت های دوستدار محیط زیست، صنعت انرژی
۱.مقدمه
در این مطالعه، ما با بررسی میزان تکرار اصطلاحات مرتبط با فینتک در اخبار و گزارشهای بانکی، یک شاخص فینتک بانکی ایجاد کردیم. سپس، با استفاده از دادههای سالهای ۲۰۱۴ تا ۲۰۲۰، رگرسیونهایی را به طور جداگانه برای شرکتهای پاک و شرکتهای به شدت آلاینده انجام دادیم. نتایج نشان داد که بهبود تواناییهای فینتک باعث افزایش وامهای سبز به شرکتهای دوستدار محیط زیست میشود، اما تاثیری بر وامدهی به شرکت های به شدت آلاینده ندارد و در نتیجه کارایی تخصیص اعتبار را بهبود میبخشد. تحقیقات مربوط به مکانیسم اثر نشان داد که فینتک بانکی این کار را عمدتاً از طریق بهبود گسترش کسبوکار، پردازش اطلاعات و مدیریت ریسک بانکها انجام داده است. علاوه بر این، ما به طور خاص تأثیر فینتک بانکی را بر ویژگیهای تخصیص اعتبار به شرکتهای انرژی پاک و شرکتهای به شدت آلاینده بررسی کردیم…
۲.۲. منبع داده
دادههای مربوط به وامهای سالانه بین شرکتهای پاک و بانکها که در این مطالعه استفاده شدهاند، از گزارشهای عمومی شرکتهای بورسی و پایگاه داده CSMAR استخراج شدهاند. شرکتهای پاک بر اساس ۳۳ مورد از مفاهیم سبز موجود در پایگاه داده WIND طبقهبندی شدهاند. این مطالعه دوره ژانویه ۲۰۱۴ تا دسامبر ۲۰۲۰ را پوشش میدهد و شامل ۷۶۸۲ داده ی بانک-شرکت-سال است. برای جزئیات مربوط به پردازش دادهها، به پیوست A.1 مراجعه کنید…
۶.نتیجهگیری
این مطالعه با تأکید بر تحلیل تجربی بر اساس دادههای اعتباری سطح خرد ، تأثیر تواناییهای فینتک بانکها بر سیاستهای اعتبار سبز در چین را بررسی میکند. با استفاده از پردازش زبان طبیعی (NLP)، شاخصی برای فینتک بانکها ساخته شده و سپس با تحلیل رگرسیون نشان داده شده که افزایش تواناییهای فینتک، اعتبار سبز را برای شرکتهای دوستدار محیط زیست بهطور معناداری افزایش میدهد، اما این اثر در صنایعی با آلودگی شدید مشاهده نمیشود. یعنی فینتک میتواند کارایی تخصیص اعتبار سبز را بهبود بخشد و توسعه شرکتهای سبز را تقویت کند. این امر توسط بررسیهای استحکام و آزمونهای درونزایی پشتیبانی میشود…
فرضیات
فرضیه ۱: سطوح بالاتر فینتک در بانکها منجر به تخصیص بیشتر اعتبار به شرکتهای سبز و دوستدار محیط زیست در طرح های تخصیص اعتبار سبز خواهد شد.
فرضیه ۲: فینتک تخصیص اعتبار سبز را برای شرکتهای دوستدار محیط زیست از طریق گسترش دامنه کسبوکار بانکی، بهبود کارایی پردازش اطلاعات بانکها و تقویت تواناییهای مدیریت ریسک بانکها تقویت میکند.

Abstract
This paper investigates the impact of bank FinTech on green credit allocation, using a sample of listed firms in China from 2014 to 2020. We construct a bank FinTech index through textual analysis and find that: (1) Banks with more advanced FinTech significantly allocate more green credit to eco-friendly firms. (2) FinTech primarily empowers banks in green credit allocation by expanding business channels, improving information processing efficiency, and strengthening risk management capabilities. (3) Advanced FinTech banks offer more credit to clean firms in traditional energy sectors and favor firms in high-energy-supply regions over high-energyconsumption ones. (4) There exists a quadratic relationship between bank FinTech and credit allocation to heavily polluting firms, characterized by an initial decrease followed by an increase.
Keywords: Bank FinTech, Green finance, Credit allocation, Eco-friendly firms, Energy industry
۱.Introduction
At the 75th United Nations General Assembly in 2020, China announced its commitment to reach carbon emissions peak by 2030 and achieve carbon neutrality by 2060. Consequently, China formulated a series of policies to ensure the achievement of its carbon peaking and carbon neutrality goals, forming a green finance system encompassing various business types, including green credit, green bonds, green funds, and carbon trading. However, as China’s financing system is mainly dominated by banks (Allen et al., 2005; Fletcher et al., 2021; Meegan et al., 2021), green credit still firmly occupies the central position in China’s green finance market, accounting for over 80 % (Zhang et al., 2021). From this perspective, banks’ allocation efficiency of green credit will directly influence the efficacy of China’s commitment to reaching carbon emission peak and achieving carbon neutrality…
۲.۲. Data source
The annual loan data between clean firms and banks used in this study was extracted from public disclosures of listed companies and sourced from the CSMAR database. Clean firms were classified based on 33 green concept stocks in the WIND database. The study covered January 2014 to December 2020, yielding 7682 bank-firm-year entries. For data processing details, see Appendix A.1.
۶. Conclusion
This study examines the impact of banks’ FinTech capabilities on green credit policies in China, emphasizing the empirical analysis based on micro-level credit data. It starts by constructing a FinTech index using natural language processing (NLP) techniques to analyze green credit lines to firms. Regression analysis shows that enhanced FinTech capabilities significantly boost green credit for eco-friendly firms but not for major polluters, indicating that banking FinTech can improve green credit allocation efficiency and stimulate green entity development. This is supported by robustness checks and endogeneity tests…
Hypothesis
Hypothesis 1. Higher levels of FinTech in banks will lead to a greater allocation of credit to green and environmentally friendly firms in green credit allocation.
Hypothesis 2. FinTech promotes green credit allocation for eco-friendly firms by expanding the scope of banking business, improving banks’ information processing efficiency, and strengthening banks’ risk management capabilities.