ESG alimentado por IA
O investimento ESG reúne os mundos dos mercados financeiros e da sustentabilidade ambiental. De acordo com a Deloitte, espera-se que os ativos ESG representem metade de todos os ativos gerenciados profissionalmente em todo o mundo até 2024.
Algumas das aplicações mais comuns de ESGs em investimentos são fundos mútuos e fundos negociados em bolsa (ETFs). Em todo o mundo, já existem mais de 1.200 ESG ETFs, de acordo com a contagem da Trackinsight.
Mas o estado atual do ESG é falho. Dados e classificações ESG precisarão evoluir com os avanços tecnológicos para ter um impacto tangível nos próximos anos.
O QUE É ESG EM INVESTIMENTO?
ESG significa "ambiental, social e governança" e abrange a abordagem geral de investimento em empresas, fundos e projetos que adotam princípios ambientais, sociais e de governança. O espaço também inclui dados, informações e classificações de empresas com base em seu impacto ESG.
Embora o ESG seja frequentemente uma parte instrumental do investimento socialmente responsável e de impacto, eles não são os mesmos. ASG é mais uma estrutura para identificar oportunidades e mitigar o risco financeiro de empresas e investimentos.. Não precisa ser um veículo para fazer o bem no mundo. Investidores e gestores de fundos usam classificações ESG para selecionar empresas que estão melhor posicionadas contra riscos climáticos e sociais, com o objetivo final de gerar retornos mais elevados.
Para que os ratings ESG tenham um impacto real na investimento futuro, deve superar dois defeitos fundamentais. Os dados e classificações ESG são:
- inconsistente (ou seja, não padronizado).
- incompleto (ou seja, falta de dados completos).
Ambos os fatores têm efeitos em cascata sobre a legitimidade do espaço. A "lavagem verde" corporativa - afirmações exageradas de sustentabilidade ambiental por meio de marketing e publicidade - está muito viva hoje. E os estudos que medem o impacto do ESG no desempenho financeiro de investimentos e empresas tiveram resultados mistos.
A primeira falha de classificações e relatórios inconsistentes acabará sendo resolvida por regulamentação. A SEC dos EUA apresentou inúmeras propostas de divulgação de ESG e, na Europa, já existem leis específicas (por exemplo, o Regulamento de Divulgação de Finanças Sustentáveis da UE). Pode levar tempo, mas mais regulamentação levará à padronização dos relatórios e classificações ESG, fornecendo informações mais transparentes e confiáveis para os investidores.
O segundo problema, o dos dados, avaliações e informações incompletas, será abordado pelos avanços da inteligência artificial.
Empresas estabelecidas de inteligência financeira e dados, bem como fintechs envolvidas em pontuação e análise ESG, estão aproveitando o aprendizado de máquina e o processamento de linguagem natural (NLP) para coletar, estruturar e analisar dados. ESG em escala. As soluções de IA serão essenciais para a precisão das classificações ESG no futuro e para os fundos que as utilizam.
PRIMEIROS MOVIMENTOS
A IA melhora o volume, a velocidade e a precisão das classificações ESG em duas etapas principais do processo de classificação: 1) coleta de dados; e 2) análise e pontuação dos dados.
Durante a coleta de dados, algoritmos de aprendizado de máquina treinam computadores para identificar e extrair dados e informações relacionados a ESG de milhares de fontes, incluindo declarações de empresas, notícias e mídia, questionários, estudos acadêmicos, fontes governamentais e ONGs, entre outros. O processamento de linguagem natural é usado para extrair informações da empresa de texto de fontes não estruturadas, como transcrições e mídias sociais.
O aprendizado de máquina e o processamento de linguagem natural também são usados para alimentar os modelos de análise e pontuação ESG. Os modelos são treinados usando anos de dados históricos.
MSCI, S&P y Bloomberg estão usando IA para lidar com dados e classificações ESG incompletos. Cada provedor cobre milhares de empresas e centenas de milhares de títulos:
- A MSCI usa aprendizado de máquina e NLP para coleta e validação de dados, permitindo que suas classificações, índices e pesquisas aproveitem dados alternativos fora dos relatórios voluntários da empresa.
- Da mesma forma, a S&P usa Bancos de dados Lakehouse para processar bilhões de dados ESG e executar modelos de aprendizado de máquina para obter insights para os clientes.
- Em outubro de 2022, a Bloomberg anunciou que está usando modelos e estimativas inteligentes de aprendizado de máquina para aumentar seu conjunto de dados de emissões de carbono para abranger 100.000 empresas.
Fintechs especializadas em avaliações ESG e de sustentabilidade estão desafiando os provedores de dados legados com foco em IA e escalabilidade. Por exemplo, o Clarity AI usa aprendizado de máquina para analisar mais de 2 milhões de pontos de dados para classificações ESG, avaliações de risco, pegadas de carbono, análise de zero líquido e conformidade regulatória. A plataforma abrange mais de 30.000 empresas e 300.000 fundos, o que afirma ser mais do que o triplo da maioria
concorrentes.
EcoVadis, fornecedora de classificações de sustentabilidade corporativa, levantou US$ 500 milhões da Série D em junho de 2022 com um
Avaliação de US$ 1.000 bilhão, com planos de usar o financiamento para aprofundar seus recursos de IA e aprendizado de máquina.
A EcoVadis atende empresas que desejam suas próprias avaliações de sustentabilidade, bem como empresas da cadeia de suprimentos, empresas de private equity, bancos e outras instituições financeiras que precisam de avaliações ESG de empresas e portfólios. A plataforma abrange mais de 100.000 empresas de 200 setores diferentes.
Para ficar à frente da disrupção, alguns operadores históricos correram para adquirir fintechs focadas em ESG orientadas por IA. La Bolsa de Valores de Londres adquirido Refinitiv em 2019 por 27.000 milhões de dólares, e Estrela da Manhã adquirido Sustainalíticos em 2020. Tanto o Refinitiv quanto o Sustainalytics usam mecanismos de NLP para extrair informações ESG de mais de 1 milhão de artigos de notícias todos os dias para análise de sentimento.
IMPLICAÇÕES
- Provedores de classificação ESG que utilizam inteligência artificial resolverá o problema de dados ESG incompletos. o machine learning e NLP podem extrair e estruturar informações ESG de milhares de fontes de dados isoladas em grande escala.
- Embora a regulamentação torne os relatórios ESG mais transparentes e padronizados, o aprendizado de máquina e PNL tornarão as classificações ESG mais precisas. El O impacto da IA no volume e na variedade de dados levará a indicadores mais confiáveis e, portanto, aceitos para avaliar empresas e avaliar riscos.
- Assim que os dados e classificações ESG estiverem consistentes e completos, será mais fácil testar com mais precisão o impacto do ESG nos retornos dos investimentos e nos resultados da empresa.
