AI赋能资产配置：AI重塑ESG投资范式.pdfVIP

内容目录

1.AI赋能ESG评分评级体系4

1.1数据整理的自动化与标准化4

1.2ESG评分的精准性与动态化5

2.AI驱动ESG投资策略优化7

2.1基于情感分析模型的ESG评分预测8

2.2负向筛选效率的提升10

2.3投资组合管理优化与绩效提升11

3.治理透明度的增强与问责机制14

3.1提升ESG报告透明度14

3.2促进利益相关者参与14

3.3强化ESG合规与问责14

参考文献15

风险提示16

2

图表目录

图1：Altilia智能自动化（AIA）平台的ESG数据收集方法5

图2：AIA抓取实验的数据点量5

图3：AIA抓取实验结果5

图4：ArchanaSaxena等的ESG研究框架6

图5：ESG的物联网框架6

图6：ESG的AI应用流程7

图7：金融情绪分析研究论文的比较分析9

图8：环保和非环保产品的情绪分类流程和ESG影响10

图9：负面情感：ESG和环境得分10

图10：正面情感：ESG和环境得分10

图11：上市公司基线模型回归结果11

图12：上市公司行业模型回归结果11

图13：非上市公司基线模型回归结果11

图14：非上市公司行业模型回归结果11

图15：受三领域影响的各行业市场变化百分比12

图16：网络理论与动态资产定价中E、S和G的相互连接性13

图17：网络理论与动态资产定价中E、S和G的方向性影响13

图18：核心证券的市场特征和因子弹性估计13

3

环境、社会和治理（ESG）指标是衡量可持续、负责任投资的关键领域。随着技

术的进步，土壤、水污染、气候变化、空气污染、生物多样性丧失和自然资源过

度使用等若干相互关联的环境问题已经恶化。近年来，全球对于环境、社会和治

理（ESG）相关风险的认识不断增强，非财务因素在投资决策中的重要性日益凸显。

随着技术的进步，对环境的关注成为焦点，生物技术和健康产业的投资变得更加

热门，同时，新的投资决策也在逐步淘汰或撤资那些不符合可持续发展要求的企

业。而人工智能（AI）技术的快速发展，正通过数据整合、策略优化和治理透明

化等手段，重构ESG投资范式，为可持续金融注入新动能。

1.AI赋能ESG评分评级体系

当前ESG数据的质量和一致性面临显著挑战。尽管标准化数据至关重要，但现有

的信息却分散在多个来源中。数据来源主要分为两类：主要数据源和次要数据源。

主要数据源包括公司自行报告的ESG数据（如公司网站、年度报告和可持续性报

告等）、第三方ESG数据（例如非政府组织或政府网站及报告），以及实时ESG

信号（如新闻、社交媒体和公司评论等）。次要数据源则是ESG数据供应商，他

们负责从主要数据源手动收集、整理和分析ESG属性。主要数据源通常将ESG数

据锁定在高度非结构化的文本和文档中，而次要数据源则存在速度慢、不及时，

且只为部分企业提供有限的手动构建的ESG数据子集的问题。

此外，缺乏统一的分类标准也是一个问题。随着投资者在不同行业间转移，ESG

因素不断演变，其定义也随之变化。ESG因素在不同地区和时间上的再现性较差，

部分原因是地区间数据的差异以及数据记录方式的演变。同时，某些因素的实际

效果可能与预期存在差异。

1.1数据整理的自动化与标准化

传统工作方式中，数据分析师完成数据收集工作，同时肩负数据的预处理和分析。

这一过程不仅耗费大量人力资本，而且非常耗时，在执行任务时出错的可能性也

较高。人工智能（AI）的进步使得自动化处理复杂任务变得前所未有地快速和高

效，从而彻底改变了公司处理数据的方式。人工智能（AI）和智能文档处理（IDP）

技术能够大规模地提取、过滤和结构化关键数据，这些数据被评级机构、业务分

析师、投资者等广泛使用。IDP利用基于深度学习的计算机视觉和语言模型等AI

技术，对从各种文档格式中提取的相关信息进行分类、提取和验证。

FrancescoVisalli等提出了