Aidan 金融科技+ESG投资策略潮起引入华尔街投资模型因子水土不服探因
“最初，华尔街对冲基金主要是通过金融科技技术收集上市公司的ESG相关信息。”他回忆说，但不少对冲基金很快发现，靠数据抓取技术所收集的上述信息数据往往存在滞后性，导致他们的ESG投资决策未必能快于其他投资机构。
随着金融科技技术日新月异，越来越多投资机构正尝试将机器学习、大数据分析等新技术应用在ESG投资策略。
所谓ESG投资策略，主要是投资机构在投资股票时，更多参考上市公司在环境、社会责任、公司治理等方面的努力与成绩。作为防范“黑天鹅”事件的重要风险对冲工具，近年ESG投资策略备受全球投资机构青睐。全球可持续发展投资联盟最新统计数据显示，去年将ESG因素纳入投资决策的全球资产管理总额超过18万亿美元。
然而，ESG投资策略发展的同时，依然面临信息获取不全、数据分析能力不足等窘境，导致不少投资机构ESG投资策略实际回报不尽如人意。
一位华尔街对冲基金经理向21世纪经济报道记者表示，传统的ESG投资策略需要众多人力参与信息收集、数据分析高度依赖交易员的投资经验与知识储备，导致整个ESG投资策略存在信息抓取不及时不全面，投资决策不精准与时效性偏低等问题。
因此，近年摩根士丹利等大型投行，以及英仕曼集团与Caxton Associates等知名对冲基金都在尝试引入金融科技技术用于精准识别上市公司是否满足ESG投资标准，从而提升ESG投资效率以跑赢市场。
英仕曼基金经理贾森・米切尔此前表示，目前很多上市公司只有5-7年的财务数据可供分析建模，对于定量研究人员而言，这些数据作为算法基础的体量实在太小。所幸大数据分析与深度学习等技术“帮了大忙”。
比如，他们通过爬虫等技术进行上市公司各类公开信息进行全方位搜集，在海量信息里无遗漏地捕捉到有效数据，再通过深度的数据清洗，建立基于ESG的量化投资模型，实现ESG各类投资指标的逐一量化与标准化，推进ESG投资策略的持续优化。
随着金融科技在海外ESG策略应用领域风生水起，不少国内私募基金也开始尝试将金融科技融入ESG投资策略。
“相比欧美成熟股市的信息披露制度，A股上市公司在ESG方面的信息披露不多，且缺乏及时性与标准化，因此金融科技在帮助国内私募基金提升ESG投资策略方面的作用反而更大。”一位国内大型私募基金ESG投资策略总监介绍。
ESG+金融科技“风靡”华尔街
上述华尔街对冲基金经理表示，当前华尔街金融机构对金融科技应用于ESG投资策略的探索，已有7-8年时间。
“最初，华尔街对冲基金主要是通过金融科技技术收集上市公司的ESG相关信息。”他回忆说，但不少对冲基金很快发现，靠数据抓取技术所收集的上述信息数据往往存在滞后性，导致他们的ESG投资决策未必能快于其他投资机构。
2017年起，越来越多华尔街对冲基金开始引入深度学习与大数据分析等全新金融科技技术，彻底改变了以往的ESG投资决策效率。
比如能源股一直是对冲基金的重仓股，若这些能源类上市公司一旦遭遇环保处罚等问题，就会被大量ESG投资策略资金“抛弃”。因此在实际操作过程，不少能源类上市公司高管将相关部门环保调查与问责视为公司最重要的“机密”，纷纷三缄其口。于是对冲基金要提前获悉这些重要信息，就充分引入大数据分析与深度学习技术，包括通过当地媒体报道以及地方环保部门发布的新政，洞察当地环保部门近期是否频繁约谈能源类上市公司等，从而提前做出抛股避险的投资决策。
“由于很多能源类上市公司环保问责新闻很可能出现在地方社区媒体新闻报道里，因此大数据分析技术能否及时获取这些信息并加以精准分析，对我们提升ESG投资效率的帮助极大。”布鲁德曼资产管理公司首席策略师Oliver Pursche向记者分析说。
目前，不少成功引入大数据分析与深度学习技术的对冲基金已构建基于智能化的ESG投资模型与ESG评价体系。比如他们在深度数据搜集、数据结构化处理后，进一步搭建了高度智能化与自动化的ESG评价系统，并通过大数据分析技术时时监控舆情实时更新，判断现有ESG投资组合的潜在风险并及时调整。此举令对冲基金彻底摆脱了完全依赖上市公司主动披露和其他公开信息构建ESG投资模型的被动局面，大幅提升 ESG投资决策的时效性与准确性。
国内私募基金悄然试水
值得注意的是，随着金融科技日益融入ESG投资策略，国内不少私募基金也纷纷借鉴海外成功模式。
一家国内大型私募基金负责人透露，目前他们通过高薪聘请多位在海外对冲基金工作多年的资深AI工程师，将华尔街不少金融科技+ESG投资策略的经验引入投资模型。
“事实上，金融科技在提升国内ESG投资效率的作用可能会远远高于海外。”他认为。一方面国内金融投资机构在ESG信息披露、评级与投资决策的研究仍处于早期探索阶段，加之不少上市公司的环保与治理问题比较突出，因此谁能率先依托金融科技构建一整套完善的ESG投资评估体系，就有机会赢得巨大的市场先发优势；另一方面国内上市公司在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，更需要金融科技解决数据全面收集与有效处理等问题。
“尤其是E与S，目前我们只能从公开信息与媒体报道里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，往往缺乏时效性。但通过金融科技技术，我们或许能从行业传闻与咨讯，以及地方媒体报道里抢先捕捉到这些极有价值的数据信息，从而提前做出精准投资决策。”他指出。
这位国内大型私募基金负责人承认，不少来自华尔街的ESG+金融科技投资模型因子仍存在水土不服状况。比如华尔街基于NLP以及机器学习技术搭载的ESG舆情监控类平台，能根据系统设定的数百个ESG相关舆情标签，及时对上市公司实时舆情进行抓取分类并反馈潜在的投资风险。但由于海外NLP技术在理解语言文本意义方面存在“国别偏差”，有时会将负面信息错误解读为“利好信息”，导致他们不得不通过人工操作进行纠正，以免出现重大投资失误。
所幸的是，近期他们开始使用RNN技术对上市公司环保等信息进行高灵敏度、高精确度的内容过滤，加之深度学习技术与情绪分析程序的“反复训练”，引入本土化的参考指标，令NLP对信息的情绪量化判断准确性有所提升，令海外金融科技+ESG这个“舶来品”开始落地生根。
