本文转载自 Finance Derivative 

了解 AI 如何通过采集和分析 ESG 指标帮助投资者做出更具可持续性的金融决策。

可持续金融指在做出投资决策时考虑环境、社会和企业治理（ESG）因素，它已经迅速成为推动金融行业发展的、价值万亿美元的领域。

目前，ESG 行业的规模已达到 40 万亿美元。投资银行、资产管理机构、并购服务公司等各类金融机构以及国家政府和监管部门正因该行业日益增长的规模和重要性而开始在运营中考虑 ESG 指标。

为了解自身在有社会责任感的投资者眼中具有的可持续性，企业机构或国家会衡量自己的 ESG 指标。例如，如果 ESG 投资者想要投资电动汽车或蓄电池企业，那么他们会选择可持续、气候友好型企业，而不是不具备这一环境资质的类似汽车公司。

ESG 数据指标不是市场数据指标，而是与行为金融学密切相关。例如，股票和期权通常由彭博等市场基础数据提供商提供。与市场数据不同，ESG 数据的共享方式尚未标准化。数据的呈现方式取决于单个企业机构，因此需要进行另类数据分析。

AI 可以在此一展身手，具体用到的是被称为“自然语言处理（NLP）”的流程。NLP 是一种 AI 形式，它使计算机能够处理文本，并根据上下文解释单词、句子和段落的含义。NLP 可以阅读、分析和解释不同来源的数据，以呈现有 ESG 因素的数据。

在之前寻找电动汽车或蓄电池企业进行投资的示例中，NLP 可以根据不同的关键词挖掘数据，如电动汽车、蓄电池技术、太阳能、绿色、民主和治理等。这些词可以识别汽车企业的关键 ESG 信息。用于数据搜索的信息可以来自任何文本源，例如季度或年度文件，以及私人和公共新闻。它们可以是特定批次的数据，也可以是实时、不断变化的数据。

金融分析师将熟练采集企业的公共、非公共和非重要信息，以便确定价值并提出建议。对于 ESG 数据，也需要进行相同的信息收集，此时可以使用 NLP 的自动分析技术，根据 ESG 指标采集和识别数据。

由于为理解 ESG 指标而挖掘的数据来自多个来源，这些数据会被汇编为另类数据或非结构化数据。使用 NLP 来发挥这些非结构化数据的作用是成功分析和理解 ESG 数据的关键。

并非所有企业机构都会以相同的方式呈现信息，尤其是关于可持续性的信息。在刚才的电动汽车示例中，专门制造新能源汽车的企业机构与并不那么先进的企业相比，会拥有更多各种蓄电池技术数据。

用于识别 ESG 信息的 NLP 技术通常需要强大的 AI 算力来处理采集到的海量数据。构建 NLP 算法，需要有用于命名实体识别和知识图谱的 AI 模型流水线，以及情感分析、语义搜索和总结等技术。BERT、GPT-3 等深度学习算法可帮助 NLP 处理分析 ESG 报告，其中 BERT 和 GPT-3 在金融行业变得越来越普及。

通过使用 GPU 驱动的 NLP 模型，可以对非结构化数据进行关键词和情感分析，然后将结构化数据整合成 ESG 指标并输出，供下游金融模型进行金融决策。

使用 NLP 推动可持续金融的发展

如同 AI、自然语言处理和深度学习，ESG 仍是金融服务领域的相对较新的趋势。

但这种不断增长的 ESG 趋势正在改变金融行业。如今，企业机构正在从 ESG 的角度评估企业和金融趋势并据此作出金融决策。通过 NLP，企业机构可以更快地采集重要相关信息和分析重要指标。

对于希望采用自己算法的企业机构而言，这种做法的难易程度将取决于其 AI 基础架构和数据管理能力。顶尖的投资银行和做市商已经在使用非结构化数据和 NLP 来推动其 ESG 倡议。

随着全球日益意识到可持续发展所面临的挑战，企业机构也越来越清楚地认识到，他们需要做出有利于世界的可持续投资决策来尽到自己的责任。AI 正在加快几乎每一个行业的发展并应对全球所面临的最大挑战——创造可持续的未来。