准确估测温室气体排放数据有助于ESG投资决策

随着气候变化带来的挑战与日俱增,投资风向也在转向环保主题。

彭博提供的环境、社会和治理(ESG)数据将为此类决策提供帮助。

影响决策的一个主要因素是企业的温室气体排放。但是由于目前没有法律规定公司必须披露温室气体排放情况,因此作投资决定时对于此类数据通常只能作估测。

本文中,我们使用基于已公布温室气体排放数据的机器学习方法,对企业进行直接和间接温室气体排放数据的“分布估算”。

传统的估算方法首先是将相近企业归类分组。

然后取组别中已公布数据的均值作为未公布数据的估值,或者对组别中已公布数据设计一个简单模型,通常采用的是手动筛选一些被认为是影响温室气体排放的因素。

就碳排放模型而言,通常的做法是按行业对企业分组,然后在每个组别中套用一个线性模型。

而我们采用的是更为复杂的机器学习方式,基于对所有数据的学习,了解温室气体排放的完全分布。

彭博的ESG数据

彭博提供全球大约1.3万家企业自己公布、且最早可追溯至2006年的ESG数据。总计300多项,其中环境相关147项,社会相关66项,公司治理相关118项。

但是鉴于许多环保类数据属于自愿性公布,因此提供可靠的碳排放数据估测变得尤为重要。

彭博的基本面数据

基本面数据包括金融分析师为了解企业营运状况所使用的三类关键财务报表,即资产负债表、损益表、现金流量表。我们还使用与企业的大的子集数据(例如总资产和公司的成立国家/地区),以及特定行业领域(航空公司的空中飞行时间)有关的基本面指标。

彭博的行业分类数据

在行业划分方面,我们使用彭博行业分类标准(BICS),所有行业被至少细分为至少四个等级,一些行业甚至被分成八个级别。

高阶机器学习技术

机器学习方面,我们采用梯度提升决策树均摊分析、标准化流重新校准,随机失活正则化。

这将有助于

  • 使用与企业温室气体排放有关的数据,即使表面上两者关系不明
  • 学习所有行业共有的变量关系,例如企业规模与温室气体排放的关系
  • 对温室气体排放不确定因素进行建模。我们在不确定因素的应用方面采取“谨慎原则”,宁可高估也不低估企业的温室气体排放,目的是鼓励企业报告而非隐瞒排放数据

我们将高阶机器学习技术与基本分析方式进行对比,发现我们的模型在很多指标上都有上佳表现,包括平方误差、百分误差、校准误差。

除了对过去已公布部分排放数据的企业提供分布估测,我们还校准了模型以使其对于那些从未公布ESG数据的企业也能进行准确估算。

亲身感受彭博终端带来的非凡体验 预约演示