全球吸金18万亿美元 ESG中国征程缘何起步蹒跚

 

值得注意的是，信息获取不全、数据分析能力不足正制约国内投资机构持续扩大ESG投资策略版图。
 

其实，这也是全球投资机构共同面临的痛点。
 

英仕曼基金经理贾森·米切尔（Jason Mitchell）曾表示，众多上市公司只有5-7年的财务数据可供分析建模。对定量研究人员而言，这些数据作为ESG投资策略算法基础的体量实在太小。
 

“相比而言，从A股上市公司获取足够信息进行分析的难度更大。”前述国内大型私募基金负责人向记者直言。究其原因，一是不少A股上市公司在ESG方面的信息披露较少，且不少ESG信息相对分散且缺乏标准化，令投资机构难以轻松获取全面有效信息，二是国内投资机构在ESG信息披露、评级与投资决策的研究仍处于早期探索阶段，往往会漏掉不少关键信息，导致ESG投资评估体系实际运营效果未必理想。

本*文`内/容/来/自:中-国-碳^排-放“交|易^网-tan pai fang . c o m

 

记者多方了解到，目前大数据分析与深度学习智能技术“帮了不少忙”。比如有私募基金使用爬虫技术，对上市公司各类公开信息进行全方位搜集，在海量信息里捕捉有效数据，再通过深度数据清洗，找出自己所需的关键ESG数据，从而实现ESG各类投资指标的标准化，令ESG投资模型运营效率得到持续优化。
 

尤其是E（环境）与S（公司治理）方面，若投资机构仅仅能从公开信息与媒体报道抓取上市公司环保处罚，污染排放处罚、资源消耗与产品召回等信息，往往显得时效滞后。但借助金融科技技术，不少私募基金已成功从行业传闻资讯，地方媒体报道里率先捕捉到上述极有价值的信息，从而尽早剔除相关股票规避投资雷区。
 

此外，不少国内私募基金与大型金融机构还引入大量欧美市场的ESG投资模型，比如建立基于NLP以及机器学习技术搭载的ESG舆情监控类平台，根据系统设定的数百个ESG相关舆情标签，对上市公司实时舆情进行抓取分类并及时反馈潜在的投资风险。

“不过，这些海外ESG投资策略舶来品也会遭遇水土不服。”多位私募基金交易员透露，由于海外NLP（自然语言处理，英文Natural Language Processing缩写是研究人与计算机交互的语言问题的一门前沿科技）技术在理解语言文本意义方面存在“偏差”，有时它们会将负面信息解读为“好信息”，导致他们多次人工干预纠正，避免重大投资失误事件发生。