Аңдатпа
The methodology is based on a multi-dimensional approach that combines institutional and comparative analysis of secondary data from international organizations such as the Climate Bonds Initiative, the World Bank, and the OECD. The study applies an analytical framework founded on a scenario-based approach and the logic of machine learning algorithms, including LSTM and Transformer architectures, to analyze market dynamics under conditions of data scarcity. The results reveal that green bonds represent approximately 60 percent of the global sustainable debt market, with growth driven by regulatory standardization and institutional investor demand. However, a significant structural gap remains between developed and emerging markets. The Kazakhstani market is identified as being in its early stages of development, where the Astana International Financial Centre acts as the primary institutional driver through regulatory incentives and certification infrastructure. The scientific novelty of the research lies in the development of an integrated analytical framework that combines ESG institutional indicators and macroeconomic factors with predictive machine learning logic. This approach establishes a theoretical basis for utilizing deep learning to capture non-linear dependencies in emerging green finance ecosystems where traditional econometric models show limited efficiency. Методология исследования базируется на многомерном подходе, сочетающем институциональный и сравнительный анализ вторичных данных международных организаций, таких как Climate Bonds Initiative, Всемирный банк и ОЭСР. В работе применен аналитический фреймворк, основанный на сценарном подходе и логике алгоритмов машинного обучения (архитектуры LSTM и Transformer), что позволило проанализировать динамику рынка в условиях дефицита статистических данных. В ходе исследования выявлено, что «зеленые» облигации составляют около 60% мирового рынка устойчивого долга, а их рост обусловлен стандартизацией регулирования и спросом со стороны институциональных инвесторов. Определено наличие значительного структурного разрыва между развитыми и развивающимися рынками. Казахстанский рынок идентифицирован как находящийся на ранней стадии развития, где Международный финансовый центр «Астана» (МФЦА) выступает основным институциональным драйвером через механизмы регуляторного стимулирования и инфраструктуру сертификации. Научная новизна исследования заключается в разработке интегрированного аналитического фреймворка, объединяющего институциональные индикаторы ESG и макроэкономические факторы с предиктивной логикой машинного обучения. Данный подход формирует теоретическую базу для использования глубокого обучения с целью выявления нелинейных зависимостей в развивающихся экосистемах «зеленых» финансов, где традиционные эконометрические модели демонстрируют ограниченную эффективность.