路孚特报告下载 | 环境、社会和治理（ESG）异常检测_新浪财经

安装新浪财经客户端第一时间接收最全面的市场资讯→【下载地址】

　　随着市场对可靠的ESG数据需求的增加，新的挑战出现了：如何确定这些数据的可信度。我们将全球领先的路孚特（伦敦证券交易所集团旗下业务）ESG 数据集应用于我们的异常检测工具。这个工具处于概念验证初期阶段，我们希望通过反馈和检验不断完善。

　　报告内容大纲

01	ESG数据：
_	· 重要性与日俱增 · 可信度问题 · 路孚特的ESG数据
02	利用AI检测和解释异常值的工具
_	· 如何检测异常？ · 异常检测的实例 – 轻量级异常 – 重量级异常
03	异常检测的应用
03	· 投资组合和个人持股概述 · 股票权重调整
04	结论和未来方向
05	作者介绍

　　报告内容精选

　　为什么需要ESG数据异常检测工具：可信度问题

　　投资者的一个共同痛点是缺少可靠的ESG数据帮助他们进行合理决策。尽管有各种来源的披露和评级数据，但投资者发现当他们对数据缺乏信心时，很难对公司遵守ESG标准的可信度做出评估。

　　投资者有权对ESG数据提出质疑，评级包含异常值的情况也并不少见。应用场景决定是否有异常。基于这种考虑，我们将异常定义为观察值与预期值之间的显著差异，包括文本值和数值。这些差异显示随着时间的推移而发生意外变化，或者与同行公司相比表现不一致。以下是出现异常的部分原因：

　　由于意外错误导致的不准确数据

　　首次报告

　　公司内部因战略或运营而发生重大变化

　　行业内部结构变化

　　漂绿

　　路孚特ESG数据

　　路孚特为全球近1.2万家公司提供ESG评分，时间序列数据可追溯到2003年。

图1：路孚特ESG数据结构

　　图1显示了ESG数据集的结构。一家公司的ESG得分由三项支柱（环境、社会和治理）加权和计算得出。这些支柱被进一步分解为多个类别的分数。类别进一步划分为186项指标，这些指标基于500多个ESG衡量标准。特定行业类别的权重定义了一个类别对ESG得分的影响程度。例如，在石油和天然气等排放密集型行业中，排放类别的权重大于金融行业。

　　这些数据的覆盖范围正在不断扩大，这使得不同的用户群体为识别和验证异常情况做决策非常耗时。伦交所集团实验室让利益相关者能跨越多个主体和时间框架高效地处理大量数据，呈现对ESG的连贯的评价，从而为他们创造价值。

　　为此，我们创建了一个自动检测异常并识别异常背后原因的工具，让用户增强对ESG分数的理解。

　　利用AI探测和解释异常值的工具

　　我们应用机器学习（ML）和统计数据分析，为用户提供一组公司的所有ESG报告异常情况的快速概述。异常现象的特点是其规模和极性。幅度描述了异常现象的严重性。

　　该值越高，公司的分数越不寻常。极性显示与异常相关的分数是否有不寻常的增加或减少。我们将在报告中提供更详细的解释，让用户了解如何验证、什么可以触发异常检测。除了异常检测分析，我们还开发了一个功能，允许用户通过调整多个股票的权重来评估和校准投资组合的碳排放强度，以确保投资组合符合监管。详情请参阅第3.2节。

　　如何检测异常？

　　异常检测的目的是通过与同行业的一组公司相比，突出一家公司在ESG得分上的异常变化。异常的特征是它们的大小和极性。为了更深入地研究和验证异常发生的原因，我们量化了每个ESG类别对异常的贡献。下面图2总结了检测和解释ESG异常的五个步骤。

　　图2：异常检测的步骤

　　异常检测的应用

　　根据客户成功经理、投资组合经理和各种伦交所集团相关负责人的描述，在投资组合优化过程中识别和解释ESG异常具有挑战性。通过使用我们的异常检测工具，伦交所集团实验室希望能解决这些问题。

　　报告描述了这项工具的两个应用案例：

　　投资组合和个人持有概述：根据异常情况概述你的投资组合

　　股票权重调整：根据客户选择的特定基准，调整投资组合中股票的权重，以达到预期的结果

　　这些用例展示了用户可能对调查潜在异常感兴趣的一般情况，同时根据特定的基准来检查他们的投资组合，确保符合特定的ESG法规。

　　投资组合和个人持有概述