ESG投资的人工智能应用及前景展望

作者:葛 杨 日期:2020-12-22 10:54:57

导读目前,全球人工智能技术仍处在起步阶段,要全面投入ESG投资应用,尚存在一定的阻碍。建议:推动人工智能技术应用在ESG投资领域的理论及

QQ截图20201222145337.png

  导读  

目前,全球人工智能技术仍处在起步阶段,要全面投入ESG投资应用,尚存在一定的阻碍。建议:推动人工智能技术应用在ESG投资领域的理论及实践研究;加强金融科技应用在ESG投资领域的评估审查;设立金融科技在ESG投资领域应用的标准。


  正文  

ESG投资是指在投资决策流程中将“环境、社会、治理”指标纳入考量。近年来,ESG投资逐渐得到各方重视,世界各国和地区的政府及其监管部门纷纷出台政策,引导市场投资者加大ESG资产持有,推动经济可持续发展。然而,与依赖财务和监管数据的传统投资相比,ESG投资面临着信息采集和深度加工的难题,极大制约了其发展速度和发展水平。在本文中,首先介绍了当前全球ESG投资面临的信息挑战,其次归纳了人工智能技术应用助推ESG投资信息处理的路径及实践,并分析了其中存在的问题及发展前景,最后提出了有针对性的建议。


  当前ESG投资面临信息加工处理难题  

随着社会对ESG投资的关注,越来越多投资者和资产管理机构开始注重对有关信息的采集和挖掘,以做出正确的ESG投资决策。咨询公司Opimas报告显示,2019年全球ESG信息市场总规模为6.17亿美元,预计至2021年市场规模将达到10亿美元,年增长率为20%。道富全球顾问公司(State Street Global Advisors)在2019年进行的一项调查则发现,44%的受访者表示ESG相关信息的现有状态是阻碍他们开展ESG投资的最主要因素。

一是信息量大,且来源分散。ESG信息量巨大,涵盖环境、社会和公司治理三方面,环境信息包括企业的环保处罚记录、污染排放数据及资源能耗数据等,社会信息包括企业相关事件、供应链监督体系及工伤次数等,治理信息包括员工持股比重、薪酬激励因子及董事会性别比例等。以明晟(MSCI)ESG投资评级指标体系为例,包含三大维度、十大主题和37个关键议题,每个关键议题下包括风险暴露指标与风险管理指标,评分对象分为11大类、24个行业组别、69个行业和158个子行业。在信息量巨大的同时,信息来源分布多个渠道,除年报、社会责任报告及日常报告等由企业主动披露的信息外,还包括由新闻媒体、社交媒体、数据媒体等公共平台发布的信息,以及由发改委、环保局等监管政策部门颁布的信息。

二是非结构化,且客观性弱。除部分财务和监管等结构化数据外,ESG信息以非结构化数据为主,包括文本、图片、音频、视频等。多数信息主要依靠企业自愿披露,未经过第三方验证,不能排除“漂绿”的可能。部分信息来自专家团队调研和主观评分,由于不同数据供应商或评级机构对相同信息赋予的权重不同,使得不同机构对同一家公司的ESG评级相关性较弱(Opimas,2019;Factset,2019)。

三是实时性差,且难以追溯。多数用于ESG投资评级的数据来源于年报或社会责任报告,频度为半年或一年,时效严重滞后。但ESG投资关注的问题必须在相关事件发生后第一时间处理。如突发的环境污染事件、监管处罚通告等,会实时对企业估值产生实质性影响。此外,多数上市公司的数据追溯期仅有5~7年,作为算法基础,体量小、频率低,难以满足ESG投资实时、精准的要求。

四是粒度过粗,且不能满足气候变化场景需求。随着全球对气候变化相关金融风险的重视程度越来越高,监管机构及市场参与者对ESG信息的前瞻性需求越来越多。比如,2018年启动的欧盟可持续金融行动计划(EU action plan for sustainable finance),要求资产管理公司和资产所有者2021年前将ESG信息纳入投资决策过程。又如,将气候变化情景纳入可持续性风险评估,测算某个公司或投资组合在气温升高的不同情景下的风险暴露程度,确定碳排放目标是否达成。而传统ESG信息粒度过粗,加上无法捕捉碳轨迹,无法满足气候变化场景需求。


  人工智能助力信息处理的路径及实践  

基于金融科技应用在金融监管、资产管理和投资研究等方面的实践经验,大数据、云计算、人工智能等技术已在ESG投资中获得运用,主要集中在信息采集、监测、加工等方面。

信息采集

在源头环节,ESG信息采集除通过传统接口途径从相关监管部门获得数据外,利用网络爬虫(Web Crawler)、深度学习(Deep Learning)等技术从新闻报道、电台资讯等渠道获得监管、舆情等重要信息。比如,数据提供商MSCI通过密切跟踪数千家媒体的新闻报道,提取与公司相关的负面事件和争议事件,包括商业道德问题、环境污染、消费者集体诉讼、地方环保部门公告、监管部门调查约谈等,降低企业不主动公开相关信息的风险;资管机构路博迈(Neuberger Berman)通过科技手段获取另类数据,为投资决策提供额外信息除依靠公司披露信息、第三方数据库外,还建立了自己的大数据团队、构建了内部数据采集体系。一些机构还利用循环神经网络(RNN)对信息进行高灵敏度、高精确度的内容过滤,借助流处理(Streaming)技术实现ESG信息的实时更新。

信息监测

大部分ESG信息属于事后信息,随着人工智能技术的发展,信息时效性大大加强。如利用计算机视觉(Computer Vision)技术结合高光谱、雷达等卫星影像,分析企业生产环境实时状况和对周边环境的影响,分析结果用于交叉检验企业的排放报告数据,识别“洗绿”行为。英国Cervest平台利用人工智能技术获取卫星图像和投影中的气候数据,据此创建地球动态地图,并将进一步的环境数据(水、大气、生物多样性及人口要素等)纳入其中,使投资者能就预计的气候风险做出明智决策。我国微众银行开发了“卫星AI-ESG”平台,结合卫星遥感影像,挖掘非结构化数据中的投资风险与机遇(如通过卫星遥感影像,监测某公司烟囱排放的变化,分析其生产对环境的影响,进而评估可持续能力),帮助投资者跟踪比较公司的可持续发展能力。

信息加工

除信息采集和监测外,人工智能技术应用更多是对ESG信息的加工,将大量非结构性、非标准化的信息转化为便于ESG投资决策的“终端友好”信息。主要包括以下几类:一是利用自然语言处理(Natural Language Processing,NLP)技术,自动识别事件主体,对监管处罚的类型和严重程度进行归类;分析媒体语气,通过深度学习技术与情绪分析程序的反复训练,对新闻进行ESG分类和情绪量化。二是利用知识图谱(Knowledge Graph)技术,分析舆情关联事件,梳理企业及其利益相关方之间的关系,构建供应链、股权链、产业链等关联图谱及风险传导路径图。三是利用聚类算法(Clustering Algorithm),改善传统方法只能进行行业分类的方法,填充企业缺省值,实现更准确的相似性分析。如法国资产管理公司Advertise利用企业的碳足迹及其税负构建ESG指数,为投资者展示ESG得分与投资回报的相关性,使用精选的孤立数据点支持专项策略。


  人工智能技术应用的阻碍及相关建议  

存在的问题

目前,全球人工智能技术仍处在起步阶段,要全面投入ESG投资应用,尚存在一定的阻碍。一是人工智能技术应用伴随的伦理、法律、透明度、责任主体认定难题急需关注。如相关技术可以提供ESG投资建议,但无法显示输出该建议的原理,“黑匣子”背后的合理性并未经过评估。二是大量市场参与者同时应用人工智能技术可能放大金融震荡。如交易者过多采用机器学习交易策略,对人工智能技术应用的过度依赖会导致极端情况下爆发类似全球金融危机的系统性偏差。三是高昂的投资成本约束了技术的进一步发展。在人工智能技术训练需要越来越多算力的同时,传统计算机架构也在接近摩尔定律的极限。如在NPL领域,Open AI的GPT-3深度学习模型参数数量为1750亿,根据目前的云服务算力价格,训练每1000参数的模型平均需要1美元,使得完成GPT-3训练所需费用高达百万美元。此外,MIT研究显示,要将ImageNet数据集图像分类任务的错误率从11.5%降到1%,需要至少数百亿美元投入。

前景展望

随着人工智能技术应用加快融入ESG投资的全流程,进一步在ESG信息处理以及由信息驱动的ESG评级、ESG投资策略等多个环节为ESG投资赋能。在ESG评级方面,人工智能技术可基于监管文件、国际标准、数据基础和负面清单,提供更为全面准确的ESG评级;在ESG指数方面,人工智能技术可帮助投资机构逐渐摆脱依赖上市公司主动披露和其他公开信息构建ESG投资模型的被动局面;在ESG投资策略方面,人工智能技术可助力ESG因子的提取、挖掘,为投资决策提供支撑,并提供适应气候变化场景需求的前瞻性分析工具。

相关建议

一是推动人工智能技术应用在ESG投资领域的理论及实践研究。加强人工智能技术应用在ESG投资领域的法律制度和伦理规范研究,明确相关法律主体的权利、业务和责任。推动人工智能技术应用在ESG投资领域的实践,借鉴国内外应用的经验做法,推动金融科技应用与ESG投资相融合,提高ESG投资成效。

二是加强人工智能技术应用在ESG投资领域的评估审查。首先,针对开发使用金融科技工具进行ESG投资的企业或资管机构,建立内部审查机制。该机制主要检查用于计算的信息数据是否存在偏差,算法输出与操作之间是否存在人为思考和决策的空间,以及输入或输出的数据是否违反隐私权等。其次,建立外部评审机制。针对部分ESG投资的实际效果进行评审,系统监测使用金融科技手段的影响,分析是否存在利益输送及道德风险。最后,对上述过程中发现的问题进行反馈。针对反馈结果,由开发人员对程序进行修改完善,更好推动金融科技在ESG投资中的应用成效。

三是设立金融科技在ESG投资领域应用的标准。政府在引导ESG投资的同时,还应通过实施行业标准化降低金融科技应用带来的相关风险。针对包括人工智能、大数据等新技术在ESG投资领域的实践创新,由监管部门或行业协会牵头建立健全金融科技应用相关标准,推进更好完善ESG投资在产品、服务、监管等方面的标准。






(作者单位为中国人民银行南通市中心支行)






上一篇:发展蓝色债券保护海洋生态的机遇与挑战
下一篇:央行数字货币下的世界与中国
当代金融家 2021年1期 总第187期
出版时间:1970年01月01日
查看详细内容
 
热门排行
做好金融业标准化“十四五”发展规划
银行业金融机构落实“尽职免责” 应...
新形势下金融反腐与廉洁风险管理
商业银行业务联动营销效能提升之道—...
“十四五”期间的普惠金融发展
谈谈金融机构的声誉风险管理
新冠疫情对经济的影响及 日本央行采...
未来银行的金融服务场景化
跨境贸易人民币结算存在的问题及对策
古希腊的德拉克马银币——外国货币史...