韩鹏飞 翁翕 卢瑞昌 张峥 等
在碳达峰、碳中和背景下，绿色投资愈发成为当今金融领域的一大趋势。其中，ESG（ESG分别是环境（Environmental）、社会（Social）和公司治理（Governance）的缩写）投资理念颇受关注。该理念认为，上市公司能否获得更多投资者的信任与支持，不仅取决于它的盈利表现，还与它营利的时候有没有污染环境、践行了怎样的社会责任、用什么手段治理公司有关。
ESG投资理念从欧美兴起，经过三十余年发展，已得到广泛认同。在中国资本市场起步较晚，但发展迅速。然而，ESG投资在全球都面临着数据缺陷，制约了进一步落地。传统数据难以支撑系统的ESG评级，存在以下痛点：数量庞大的非结构性数据、缺乏客观准确性、不够全面、滞后等。
在传统数据已经不能满足ESG投资需求的情况下，从另类数据中提取交易信号成为有效提升投资回报的另一种尝试。另类数据出现于2016年，指除市场统计数据和公司财报这类传统数据外所有可能影响投资策略的非结构化数据，包括社交媒体数据、网络舆情信息、卫星数据等，其来源丰富多样而且能够即时更新。
将另类数据应用到ESG投资领域是AI产业应用的一个全新的方向，利用卫星数据可以解决传统ESG投资在数据方面的痛点，为卫星数据走进资管领域打开了一道新的大门，也是AI+另类数据落地应用的先行示范。
一、AI+另类数据应用于ESG投资
中国证券投资基金业协会先后于2018年11月和2019年3月发布《中国上市公司ESG 评价体系研究报告》《绿色投资指引（试行）》《关于提交自评估报告的通知》，使ESG成为资管机构需要切实履行的义务之一。降低风险、顺应监管趋势和获取超额收益是关注ESG议题的前三大驱动力。认知不足、缺少可靠的ESG信息和数据来源以及缺少评估方法和工具是投资机构开展责任投资的最大挑战。
ESG投资面临的数据缺陷，正是人工智能及另类数据在该领域发挥作用的突破口。对此，国内相关团队进行了AI+卫星数据应用于资管领域的探索并取得了一定成果。
团队使用的另类数据，主要包括卫星遥感影像、无人机影像、时空数据以及舆情数据，其核心技术主要有以下五项:
表1：微众揽月团队的核心技术及应用
名称 |
内容 |
 应用案例
|
目标检测技术 |
利用算法模型对遥感图像中的多个目标的类别和位置进行自动化判定与识别，包括车辆检测、飞机检测、储油罐检测等。 |
对某上市汽车制造商的车厂进行监测，以了解其生产经营状况。 |
地块分割技术 |
输入多光谱高分卫星真彩色图片，并将其切割成块，通过语义分割模型，输出像素点分类掩膜，得到分割地块组合大图。 |
运用模型检测大豆、水稻、玉米等作物地块面积，预估农作物产量。 |
地表识别技术 |
通过深度学习算法从卫星图像中识别地表物的类别、面积及状况。 |
 分析区域光伏发展状况,制定中国太阳能光伏发展指数。
|
路网检测技术 |
通过输入高分辨率卫星真彩色图片，对区域内的道路情况进行检测和提取，从而评估不同区域交通情况和经济发展程度。 |
打造城市路网指数，实时监测区域的路网密度即拥堵情况，用于分析大型商超、工业园区、文娱设施、 交通枢纽等经济体周边车流状况。 |
变化检测技术 |
根据不同时期对同一标的或现象的遥感图像进行定量分析，以确定标的变化过程和特征的技术，检测内容主要包括以下三项：是否发生了变化、什么发生了变化、发生了怎样的变化。 |
监测大兴机场施工进度，简称后监测机场车辆、飞机等目标，通过AI算法对机场的流量、运营状况、营收以及对周边取悦的经济辐射效用等进行实时评估和预测，据此分析区域经济发展前景。 |
基于AI技术和卫星数据驱动的ESG投资在应用方面效果良好，是很好的风险预警工具。首先，在数据获取和分析方面，针对最底层的数据生产环节，解决“卡脖子”的数据难题：一方面，数据基础能支持后续大规模的运算，另一方面可以深度挖掘数据背后的关联关系，建立风险传导机制。
其应用场景如下：
（一）卫星遥感监测ESG中“E”（环境）相关指标。基于高光谱卫星、雷达卫星等卫星影像，运用AI中的计算机视觉（Computer Vision，CV）技术，分析制造业生产单元的环境表现像废气排放、废水排放、围堰等情况，分析成果可用来交叉检验企业的排放报告数据，识别“洗绿”行为。同时，CV结合移动端的街景图片可用来分析当地的空气质量，使得区域居民可以参与企业的环境监测，既是企业环境表现的受众，又是有效监督者。
（二）基于新闻舆情数据和知识图谱分析，可以对“S”（社会）和“G”（治理）中供应链及公司治理结构等相关指标进行监测。企业的财务表现会影响股东权益, 而企业的ESG表现则会影响更广泛的群体，监管公告和舆情报道可成为企业ESG表现的客观反映。这类数据来源广泛，但目前人工获取和分析效率较低，AI中的自然语言处理（NLP）技术可以自动识别事件主体，对监管处罚的类型和严重程度进行归类，分析舆情关联事件和影响程度，还可以通过事理图谱分析，跟踪事件的演进。
（三）识别企业联系，分析ESG传导路径。ESG风险会通过企业关联关系传导，包括供应链、股权链和产业链，例如上游水源企业发生环境问题，会影响到下游饮料行业的生产活动。AI中的知识图谱可以基于各种关联关系和企业属性建立庞大的图数据库，并根据图谱挖掘算法、识别出企业间未披露的联系，并分析ESG传导的路径和程度，使ESG分析师能站在更全局的角度去分析ESG风险的扩散情况。
（四）针对ESG指标的量化值，AI可用作未披露企业缺省值的填充。传统的数据填充方法会参考同行业披露企业的数据，利用同行业企业的相似性，填充缺省值。但当前企业业务线广泛，简单的行业分类并不能很好地反映其相似性。AI的聚类算法可以实现更准确的相似性分析，使得缺省值填充是基于最相似的企业特性,从而填充值更接近真实值。
二、基于AI的另类数据应用前景
碳达峰、碳中和目标带来的生产结构变化带来投资理念的转变，ESG投资将在碳中和之路上发挥越来越重要的作用。构建有效的ESG报告体系，提供可比的排放数据和气候相关管理实践，将为中国低碳经济发展奠定坚实基础。国内相关团队的创新实践表明，将AI+另类数据应用于ESG投资，可以有效解决传统数据缺陷，解决ESG产品商业落地难的问题。可开发的投资产品有：
（一）ESG评级：依据另类数据和基于ESG关键指标的评级框架，通过AI算法，生成实时客观的ESG分数和评级，帮助投资者洞察公司的ESG风险和机遇。
（二）ESG指数：针对责任投资的多样化需求和策略，编制基于另类数据的ESG指数产品，为投资者提供跟踪和比较。
（三）ESG筛查：利用基于另类数据的ESG评级分析，帮助投资者及时识别并回避高风险投资标的。
（四）ESG分析：提供全方位基于ESG评级的投资组合分析工具，整合ESG因子，帮助投资者管理组合的ESG风险、归因可持续的alpha。
此外，基于AI的另类数据还可用于资管、银行、保险、农业、政府治理等其他领域。例如，用于疫情对中国经济的影响研究，包括：基于城市出行指数和网络舆情数据等另类数据，推出中国经济恢复指数，评估中国经济的恢复程度。通过卫星数据监测并分析中国的制造业发展情况，推出卫星生产制造指数SMI。
今天的另类数据很可能成为明天的传统数据，未来应该不断挖掘新的数据，利用AI技术为其赋能，使之产生应用价值，从绿色投资角度助力碳中和，同时也为各行各业注入新的活力，推动其发展，探索如何让前沿技术和数据绽放独有的光彩、并持续地产生商业价值，找到技术创新和市场需求的平衡点。
本简报基于与微众揽月团队合作的案例《当AI+另类数据驱动资产管理 微众的上下求索之路》。
作者单位：bat365在线平台网站光华管理学院
