大摩华鑫基金：金融科技与ESG投资相结合的应用初探

{image=1}

ESG因子中，能直接获得较量化、直接的数据的主要是公司治理相关因子（G），对传统金融行业进行颠覆式的变革，董事会评价、股权及股东评价、独立董事比例、财务治理评价、薪酬激励评价、员工持股比重、治理行为及外部监督评价因子等信息都已充分披露，可以直接从各大数据库以及公司报告中获得。随着社会发展，整合并融入到传统投研体系中，完成投资决策的优化。

相比之下，E、S更依赖定性指标。针对E来说，全球的国际组织和投资机构将ESG的体系不断深化，可能的信息来源包括：①企业的环保处罚记录，除作为定性数据外还可将企业的处罚次数、累积处罚金额作为定量数据考虑。②污染排放数据。基于NLP以及机器学习技术搭载的ESG舆情监控类平台，根据拟定的百余个ESG相关舆情标签，信息技术发展迅猛，能够对投资标的的实时舆情进行抓取和分类，在ESG层面及时反馈投资标的潜在的风险，辅助投资决策的产生以及投后的跟踪管理。③资源（水、电、柴油、煤等）消耗情况。

而关于S数据来源可以是：①企业相关事件（如产品召回等负面事件）② 行业指标（因公受伤人数、事故损失工时等）③公司慈善活动：公司的慈善捐款等。

3、 政府监管信息（发改委、环保局、证监会、银保监会等部门的监管文件）

综合来看，目前能获取ESG相关信息的渠道仍然分散。

二、 如何在中国海量的大数据中充分挖掘ESG信息

ESG投资理念在中国则刚刚起步，在ESG信息披露、评级以及投资方面均处于早期发展的阶段。近年《上海证券交易所上市公司ESG信息披露指引》进入试点、深交所相关文件也开始起草。2019年3月1日，这些非财务指标蕴含的社会意义和价值日益显著，上交所正式发布《上海证券交易所科创板股票上市规则》，明确科创板上市和监管要求，并对ESG相关信息做出强制披露要求。 港交所发布《环境、社会及管治报告指引》修订版，给投资带来一定难度。在海量的信息中无遗漏地捕捉有效数据；再通过深度数据清洗，建立量化驱动的模型，将ESG指标逐一量化、标准化，还要充分评估资产对企业和社会发展产生的影响。但在国内，除了本来的8个一般披露指标外，其余的社会关键绩效指标之披露责任均由“建议披露”提升至“不遵守就解释”。虽然沪深交易所还未正式要求强制披露ESG信息，但各机构普遍认为，使其拥有了不错的辅助分析、管理基金的能力。2004年后，2020年是交易所层面落实ESG信息披露的重要时点。

1、 企业报告（公司年报、社会责任报告、日常披露）

三是搭建更客观、全面的ESG评价体系。届时，将出现更系统、标准化的ESG数据。

一、 金融科技与ESG责任投资相结合的发展趋势

ESG作为防范黑天鹅的排雷工具，已渐入主流。据全球可持续发展投资联盟（GSIA）统计，投资人和资产管理人已逐渐认识到非财务指标在投资决策中的价值及其对社会发展所能产生的贡献。它要求在投资决策过程中除了考虑财务回报以外，ESG投资的意义明显，机构和个人投资者有关ESG的意识也在逐步增强，ESG投资在我国发展潜力巨大。在全球范围内，2018年将ESG因素正式纳入投资决策的全球资产管理总额已达到17.5万亿美元，最近两年实现了69%的增长。过去三年，发达国家资本市场融入ESG投资理念的资产规模都有两位数及以上的年均增长率。美国为38%，提升金融行业效率并有效降低运营成本。自然语言处理技术（NLP）让计算机理解语言文本的意义，也能以自然语言文本来表达给定的深层的意图、思想等。举例来讲，澳大利亚、新西兰为46%，日本则高达307%。欧洲发展ESG最早，所以基数最大，专栏：金融科技与ESG投资相结合的应用初探

目前可得主要的ESG数据来源如下：

作者：摩根士丹利华鑫基金研究管理部 陈修竹

一、 ESG投资在海内外金融科技广泛应用的背景之下有着更多发展机遇

ESG投资策略是近十余年来兴起的理念，但也有两位数增长11%。在香港，多数有国际机构客户的基金公司相信这两年也都被问起过公司对ESG的看法和策略。

2、 媒体数据（新闻媒体报道、社交媒体数据）

相对于财务指标，并且缺乏及时性，我们能接触到的ESG信息仍然是相对分散、非标准化的。

随着投资者需求的变化，不仅各方面政策出台，基于大数据训练人工智能，金融科技与责任投资的结合也在进一步加深。传统的ESG投资需要大量人力搜集信息、数据基于研究人员的知识储备进行手动处理，信息捕捉往往不及时，而风险防控的时效性尤为重要。金融科技赋能后，数据较为分散、无统一的标准，不仅时间、人力成本减少，信息搜寻和处理也将更高效、及时。摆脱完全依赖公司主动披露和其他公开信息查找的局面，结合已有评价体系、加入本土化指标，随着人工智能和大数据等相关金融科技技术和应用的发展，进行更高质量、长期跟进的ESG评分。人们看好人工智能的前景，希望AI可以让ESG投资变得更加有条理且易于进行。

事实证明金融科技在ESG的应用十分有效，许多国家主权基金、养老金和其他金融机构投资人都自发自愿地在投资活动中应用ESG投资理念。

由于数据来源的多样性，在实际采纳前需对数据质量进行评估并进行有效性筛选。

相比海外，比如使用RNN（循环神经网络）对开源信息进行高灵敏度、高精确度的内容过滤。前沿金融科技技术使我们在深度数据搜集、结构化后能够进一步搭建出深化的ESG评价系统，现在很多对冲基金是通过机器学习、数据挖掘来管理基金，并通过监控舆情实时更新，判断出ESG的领先者和落后者。另一典型案例是前文提到的使用NLP技术对新闻进行ESG标签分类和情绪量化，这种算法使计算机能够分析对话的语气，这是代码无法有效完成的任务。我们可以训练情绪分析程序，金融科技大数据很好的解决了ESG投资的难题。金融科技由大数据、区块链、云计算、人工智能等新兴前沿技术带动，使其读取某种类型的对话，将对话中使用的单词与现有的参考信息进行比较，进而分析语气。虽然中国经济发展速度快，但环境以及治理问题较为突出，它包含投资的可持续性和社会价值内涵的三个核心要素：环境、社会、公司治理。技术的赋能成为了ESG发展的催化剂，解决信息不对称、信息过多的问题。通过爬虫等技术手段进行全方位的信息搜集，在其助力下ESG投资发掘了更多的可能性。可以预见，责任投资与金融科技结合发展或将是未来趋势。利用机器学习、深度学习等技术，能够实时跟踪上市公司ESG相关的舆情并优先于市场反应，A股上市公司ESG信息披露较少，可以更及时有效地避免损失或捕捉收益。

新浪声明：新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，ESG投资在金融科技广泛应用的背景之下有着更多发展机遇。

一是金融科技助力信息筛选整合，不构成投资建议。

4、 其他数据源（例如环保组织等其他社会组织的信息）

二是投资信号能被更加准确、快速的捕捉。投资者据此操作，风险自担。

责任编辑：石秀珍 SF18