ESG basato sull'intelligenza artificiale
Gli investimenti ESG uniscono i mondi dei mercati finanziari e della sostenibilità ambientale. Secondo Deloitte, gli asset ESG dovrebbero rappresentare la metà di tutti gli asset gestiti professionalmente a livello globale entro il 2024.
Alcune delle applicazioni più comuni degli ESG negli investimenti sono i fondi comuni di investimento e gli Exchange Traded Funds (ETF). In tutto il mondo, ci sono già più di 1.200 ETF ESG, secondo il conteggio di Trackinsight.
Ma lo stato attuale di ESG è viziato. I dati e le valutazioni ESG dovranno evolversi con i progressi tecnologici per avere un impatto tangibile nei prossimi anni.
CHE COS'È L'ESG NEGLI INVESTIMENTI?
ESG sta per "environmental, social, and governance" e racchiude l'approccio generale all'investimento in società, fondi e progetti che adottano principi ambientali, sociali e di governance. Lo spazio include anche i dati, le informazioni e i rating delle aziende in base al loro impatto ESG.
Sebbene i fattori ESG siano spesso una parte strumentale degli investimenti socialmente responsabili e ad impatto, non sono la stessa cosa. ASG è più un framework per identificare opportunità e mitigare il rischio finanziario di aziende e investimenti.. Non deve essere un veicolo per fare del bene nel mondo. Gli investitori e i gestori di fondi utilizzano i rating ESG per selezionare le società meglio posizionate contro i rischi climatici e sociali, con l'obiettivo finale di generare rendimenti più elevati.
Affinché i rating ESG abbiano un impatto reale sul futuro di investimento, deve superare due difetti fondamentali. I dati e i rating ESG sono:
- incoerente (cioè non standardizzato).
- incompleto (vale a dire mancanza di dati completi).
Entrambi i fattori hanno effetti a cascata sulla legittimità dello spazio. Il "greenwashing" aziendale - l'esagerazione delle affermazioni di sostenibilità ambientale attraverso il marketing e la pubblicità - è molto vivo oggi. E gli studi che misurano l'impatto dei fattori ESG sulla performance finanziaria di investimenti e società hanno avuto risultati contrastanti.
Il primo difetto di valutazioni e segnalazioni incoerenti verrà infine risolto dal regolamento. La SEC statunitense ha avanzato numerose proposte di disclosure ESG, e in Europa esistono già leggi specifiche (ad esempio, l'EU Sustainable Finance Disclosure Regulation). Potrebbe volerci del tempo, ma un'ulteriore regolamentazione porterà alla standardizzazione dei report e dei rating ESG, fornendo in ultima analisi informazioni più trasparenti e affidabili per gli investitori.
Il secondo problema, quello dei dati, delle valutazioni e delle informazioni incomplete, sarà affrontato dai progressi dell'intelligenza artificiale.
Consolidate società di dati e intelligence finanziaria, nonché società fintech impegnate nel punteggio e nell'analisi ESG, stanno sfruttando l'apprendimento automatico e l'elaborazione del linguaggio naturale (NLP) per raccogliere, strutturare e analizzare i dati ESG su larga scala. Le soluzioni AI saranno fondamentali per l'accuratezza dei rating ESG in futuro e per i fondi che li utilizzano.
PRIMI MOVIMENTI
L'intelligenza artificiale migliora il volume, la velocità e l'accuratezza dei rating ESG in due passaggi chiave del processo di rating: 1) raccolta dati; e 2) analisi e valutazione dei dati.
Durante la raccolta dei dati, gli algoritmi di apprendimento automatico addestrano i computer a identificare ed estrarre dati e informazioni ESG da migliaia di fonti, tra cui dichiarazioni aziendali, notizie e media, questionari, studi accademici, fonti governative e ONG, tra gli altri. L'elaborazione del linguaggio naturale viene utilizzata per estrarre informazioni aziendali dal testo da fonti non strutturate, come trascrizioni e social media.
L'apprendimento automatico e l'elaborazione del linguaggio naturale vengono utilizzati anche per potenziare i modelli di analisi e punteggio ESG. I modelli vengono addestrati utilizzando anni di dati storici.
MSCI, S & P y Bloomberg utilizzano l'intelligenza artificiale per affrontare dati e rating ESG incompleti. Ogni provider copre migliaia di aziende e centinaia di migliaia di titoli:
- MSCI utilizza l'apprendimento automatico e la PNL per la raccolta e la convalida dei dati, consentendo alle sue valutazioni, indici e ricerche di sfruttare dati alternativi al di fuori del reporting aziendale volontario.
- Allo stesso modo, S&P utilizza Databricks Lakehouse per elaborare miliardi di dati ESG ed eseguire modelli di machine learning per ottenere informazioni per i clienti.
- Nell'ottobre 2022, Bloomberg ha annunciato che sta utilizzando modelli e stime di apprendimento automatico intelligente per aumentare il proprio set di dati sulle emissioni di carbonio fino a coprire 100.000 aziende.
Le fintech specializzate in ESG e valutazioni di sostenibilità stanno sfidando i fornitori di dati legacy con la loro attenzione all'intelligenza artificiale e alla scalabilità. Ad esempio, Clarity AI utilizza il machine learning per analizzare più di 2 milioni di punti dati per valutazioni ESG, valutazioni del rischio, impronte di carbonio, analisi net zero e conformità alle normative. La piattaforma copre più di 30.000 aziende e 300.000 fondi, che sostiene essere più del triplo rispetto alla maggior parte
concorrenti.
EcoVadis, un fornitore di rating di sostenibilità aziendale, ha raccolto una serie D da 500 milioni di dollari nel giugno 2022 con un
Valutazione di $ 1.000 miliardo, con l'intenzione di utilizzare i finanziamenti per approfondire le sue capacità di intelligenza artificiale e apprendimento automatico.
EcoVadis serve le aziende che desiderano le proprie valutazioni di sostenibilità, nonché le società della catena di fornitura, le società di private equity, le banche e altri istituti finanziari che necessitano di valutazioni ESG di società e portafogli. La piattaforma copre più di 100.000 aziende di 200 settori diversi.
Per stare al passo con l'interruzione, alcuni operatori storici si sono affrettati ad acquisire fintech focalizzate sull'ESG basate sull'intelligenza artificiale. La Borsa Da Londra acquisitò Refinitiv nel 2019 per 27.000 milioni di dollari, e Morningstar acquisitò Sostenibilità nel 2020. Sia Refinitiv che Sustainalytics utilizzano i motori NLP per estrarre informazioni ESG da oltre 1 milione di articoli ogni giorno per l'analisi del sentiment.
IMPLICAZIONI
- Fornitori di rating ESG che sfruttano intelligenza artificiale risolverà il problema dei dati ESG incompleti. Il machine learning e NLP possono estrarre e strutturare le informazioni ESG da migliaia di fonti di dati isolate su larga scala.
- Mentre la regolamentazione renderà la rendicontazione ESG più trasparente e standardizzata, il il machine learning e la PNL renderanno le valutazioni ESG più accurate. El L'impatto dell'intelligenza artificiale sia sul volume che sulla varietà dei dati porterà a indicatori più affidabili e quindi accettati per valutare le aziende e valutare il rischio.
- Una volta che i dati e le valutazioni ESG saranno coerenti e completi, sarà più facile testare in modo più accurato l'impatto dell'ESG sui rendimenti degli investimenti e sui risultati aziendali.
