7 浏览第一章 绪论
1.1 研究背景
1.1.1 ESG投资的兴起与意义
1.1.2 传统ESG投资面临的信息不对称与成本高企
1.1.3 金融科技在ESG投资中的应用机遇
1.2 研究意义
1.2.1 理论意义：拓展金融科技与可持续投资交叉研究
1.2.2 实践意义：为机构与监管部门优化ESG投资模式提供参考
1.2.3 社会意义：助力绿色金融与社会责任目标协同实现
1.3 研究目标与核心问题
1.3.1 总体研究目标
1.3.2 核心研究问题
1.3.3 拟解决的关键难点与创新点
1.4 研究思路与技术路线
1.4.1 研究思路示意图
1.4.2 技术路线说明
1.5 论文结构安排
1.5.1 各章内容概述
第二章 文献综述
2.1 ESG投资绩效评价研究进展
2.2 金融科技驱动因素研究综述
2.3 金融科技在绿色金融与社会责任领域的应用
2.4 文献评述与研究空白
第三章 理论基础与研究假设
3.1 资源基础观与动态能力理论
3.2 技术接受模型（TAM）与信任理论
3.3 金融科技促进ESG投资的作用机理
3.3.1 信息透明度提升路径
3.3.2 风险定价优化路径
3.3.3 投资者行为引导路径
3.4 研究假设
3.4.1 H1：金融科技应用水平与ESG投资绩效正相关
3.4.2 H2：数据共享广度在金融科技与绩效间起中介作用
3.4.3 H3：监管支持力度对上述关系具有正向调节效应
3.4.4 H4：机构投资者绿色偏好强度对绩效影响具有调节作用
3.5 概念模型
第四章 研究设计
4.1 样本选取与数据来源
4.1.1 样本范围：沪深A股上市公司与相关金融科技平台
4.1.2 数据区间：2018—2024年年度面板数据
4.1.3 数据来源：Wind数据库、平台运营数据、监管公告
4.2 变量定义与度量
4.2.1 因变量：ESG投资绩效（ESG\_Perf）
4.2.1.1 股票组合超额收益率（Excess\_Return）
4.2.1.2 夏普比率（Sharpe\_Ratio）
4.2.1.3 ESG评分提升率（ESG\_Score\_Growth）
4.2.2 核心自变量：金融科技应用水平（FinTech\_Level）
4.2.2.1 区块链溯源应用指数（BC\_Index，0–1）
4.2.2.2 大数据风控覆盖度（Data\_Coverage，%）
4.2.2.3 人工智能选股模型使用率（AI\_Usage，%）
4.2.3 中介变量：数据共享广度（Data\_Sharing）
4.2.3.1 平台API对接数量（API\_Count）
4.2.3.2 第三方数据源使用数（ThirdParty\_DS）
4.2.4 调节变量
4.2.4.1 监管支持力度（Reg\_Support）
（1）绿色金融政策覆盖率（Policy\_Coverage，%）
（2）监管沙盒项目数量（Sandbox\_Count）
4.2.4.2 机构投资者绿色偏好强度（Green\_Pref）
（1）绿色基金占比（Green\_Fund\_Ratio，%）
（2）机构ESG研究团队规模（Team\_Size）
4.2.5 控制变量
4.2.5.1 公司规模（Ln\_Assets）
4.2.5.2 公司杠杆率（Leverage，%）
4.2.5.3 所属行业虚拟变量（Industry\_Dummy）
4.2.5.4 宏观经济指标（GDP\_Growth，%）
4.2.5.5 市场波动率（VIX）
4.3 模型构建
4.3.1 基准回归模型
ESG\_Perf\_it = α + β FinTech\_Level\_it + γ Controls\_it + μ\_i + λ\_t + ε\_it
4.3.2 中介效应模型
Data\_Sharing\_it = α1 + β1 FinTech\_Level\_it + γ1 Controls\_it + ε1\_it
ESG\_Perf\_it = α2 + β2 Data\_Sharing\_it + β3 FinTech\_Level\_it + γ2 Controls\_it + ε2\_it
4.3.3 调节效应模型
ESG\_Perf\_it = α3 + β4 FinTech\_Level\_it + β5 Reg\_Support\_it + β6 (FinTech\_Level×Reg\_Support)\_it + γ3 Controls\_it + ε3\_it
4.3.4 稳健性与内生性检验
（1）替代性指标检验
（2）工具变量法（IV-2SLS）
（3）分样本与滚动回归
4.4 研究方法
4.4.1 面板固定效应回归
4.4.2 Bootstrap中介效应检验
4.4.3 分组回归与异质性分析
4.4.4 稳健性检验
第五章 实证结果与分析
5.1 描述性统计与相关性分析
5.2 多重共线性与模型诊断
5.3 基准模型回归结果与假设检验
5.4 中介效应检验结果
5.5 调节效应检验结果
5.6 异质性与稳健性分析
5.7 结果讨论
第六章 结论与建议
6.1 主要研究结论
6.2 理论贡献
6.3 实践与政策建议
6.3.1 对金融机构：优化FinTech应用与数据治理
6.3.2 对监管部门：完善绿色金融与信息共享制度
6.3.3 对投资者：强化ESG意识与科技素养
6.4 研究局限与未来展望
参考文献
附录
A 变量与数据来源对照表
B 回归结果附表
C 调研问卷样本
