“最初，華爾街對沖基金主要是通過金融科技技術收集上市公司的ESG相關信息（包括上市公司社會責任報告、媒體相關報道，以及政府是否對上市公司采取環保處罰決定等）?！彼貞浾f，但不少對沖基金很快發現，靠數據抓取技術所收集的上述信息數據往往存在滯后性，導致他們的ESG投資決策未必能快于其他投資機構。

隨著金融科技技術日新月異，越來越多投資機構正嘗試將機器學習、大數據分析等新技術應用在ESG投資策略。

所謂ESG投資策略，主要是投資機構在投資股票時，更多參考上市公司在環境、社會責任、公司治理等方面的努力與成績。作為防范“黑天鵝”事件的重要風險對沖工具，近年ESG投資策略備受全球投資機構青睞。全球可持續發展投資聯盟（GSIA）最新統計數據顯示，去年將ESG因素納入投資決策的全球資產管理總額超過18萬億美元。

然而，ESG投資策略發展的同時，依然面臨信息獲取不全、數據分析能力不足等窘境，導致不少投資機構ESG投資策略實際回報不盡如人意。

一位華爾街對沖基金經理向21世紀經濟報道記者表示，傳統的ESG投資策略需要眾多人力參與信息收集、數據分析高度依賴交易員的投資經驗與知識儲備，導致整個ESG投資策略存在信息抓取不及時不全面，投資決策不精準與時效性偏低等問題。

因此，近年摩根士丹利等大型投行，以及英仕曼集團（Man Group）與Caxton Associates等知名對沖基金都在嘗試引入金融科技技術用于精準識別上市公司是否滿足ESG投資標準，從而提升ESG投資效率以跑贏市場。

英仕曼基金經理賈森·米切爾（Jason Mitchell）此前表示，目前很多上市公司只有5-7年的財務數據可供分析建模，對于定量研究人員而言，這些數據作為算法基礎的體量實在太小。所幸大數據分析與深度學習等技術“幫了大忙”。

比如，他們通過爬蟲等技術進行上市公司各類公開信息進行全方位搜集，在海量信息里無遺漏地捕捉到有效數據，再通過深度的數據清洗，建立基于ESG的量化投資模型，實現ESG各類投資指標的逐一量化與標準化，推進ESG投資策略的持續優化。

隨著金融科技在海外ESG策略應用領域風生水起，不少國內私募基金也開始嘗試將金融科技融入ESG投資策略。

“相比歐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，且缺乏及時性與標準化，因此金融科技在幫助國內私募基金提升ESG投資策略方面的作用反而更大?！币晃粐鴥却笮退侥蓟餎SG投資策略總監介紹。

ESG+金融科技“風靡”華爾街

上述華爾街對沖基金經理表示，當前華爾街金融機構對金融科技應用于ESG投資策略的探索，已有7-8年時間。

“最初，華爾街對沖基金主要是通過金融科技技術收集上市公司的ESG相關信息（包括上市公司社會責任報告、媒體相關報道，以及政府是否對上市公司采取環保處罰決定等）?！彼貞浾f，但不少對沖基金很快發現，靠數據抓取技術所收集的上述信息數據往往存在滯后性，導致他們的ESG投資決策未必能快于其他投資機構。

2017年起，越來越多華爾街對沖基金開始引入深度學習與大數據分析等全新金融科技技術，徹底改變了以往的ESG投資決策效率。

比如能源股一直是對沖基金的重倉股，若這些能源類上市公司一旦遭遇環保處罰等問題，就會被大量ESG投資策略資金“拋棄”。因此在實際操作過程，不少能源類上市公司高管將相關部門環保調查與問責視為公司最重要的“機密”，紛紛三緘其口。于是對沖基金要提前獲悉這些重要信息，就充分引入大數據分析與深度學習技術，包括通過當地媒體報道以及地方環保部門發布的新政，洞察當地環保部門近期是否頻繁約談能源類上市公司等，從而提前做出拋股避險的投資決策。

“由于很多能源類上市公司環保問責新聞很可能出現在地方社區媒體新聞報道里，因此大數據分析技術能否及時獲取這些信息并加以精準分析，對我們提升ESG投資效率的幫助極大?！辈剪數侣Y產管理公司（Bruderman Asset Management）首席策略師Oliver Pursche向記者分析說。

目前，不少成功引入大數據分析與深度學習技術的對沖基金已構建基于智能化的ESG投資模型與ESG評價體系。比如他們在深度數據搜集、數據結構化處理后，進一步搭建了高度智能化與自動化的ESG評價系統，并通過大數據分析技術時時監控輿情實時更新，判斷現有ESG投資組合的潛在風險并及時調整。此舉令對沖基金徹底擺脫了完全依賴上市公司主動披露和其他公開信息構建ESG投資模型的被動局面，大幅提升 ESG投資決策的時效性與準確性。

國內私募基金悄然試水

值得注意的是，隨著金融科技日益融入ESG投資策略，國內不少私募基金也紛紛借鑒海外成功模式。

一家國內大型私募基金負責人透露，目前他們通過高薪聘請多位在海外對沖基金工作多年的資深AI工程師，將華爾街不少金融科技+ESG投資策略的經驗引入投資模型。

“事實上，金融科技在提升國內ESG投資效率的作用可能會遠遠高于海外?！彼J為。一方面國內金融投資機構在ESG信息披露、評級與投資決策的研究仍處于早期探索階段，加之不少上市公司的環保與治理問題比較突出，因此誰能率先依托金融科技構建一整套完善的ESG投資評估體系，就有機會贏得巨大的市場先發優勢；另一方面國內上市公司在ESG方面的信息披露較少，且不少ESG信息相對分散且缺乏標準化，更需要金融科技解決數據全面收集與有效處理等問題。

“尤其是E（環境）與S（公司治理），目前我們只能從公開信息與媒體報道里抓取上市公司環保處罰，污染排放處罰、資源消耗與產品召回等信息，往往缺乏時效性。但通過金融科技技術，我們或許能從行業傳聞與咨訊，以及地方媒體報道里搶先捕捉到這些極有價值的數據信息，從而提前做出精準投資決策?！彼赋?。

這位國內大型私募基金負責人承認，不少來自華爾街的ESG+金融科技投資模型因子仍存在水土不服狀況。比如華爾街基于NLP以及機器學習技術搭載的ESG輿情監控類平臺，能根據系統設定的數百個ESG相關輿情標簽，及時對上市公司實時輿情進行抓取分類并反饋潛在的投資風險。但由于海外NLP技術在理解語言文本意義方面存在“國別偏差”，有時會將負面信息錯誤解讀為“利好信息”，導致他們不得不通過人工操作進行糾正，以免出現重大投資失誤。

所幸的是，近期他們開始使用RNN（循環神經網絡）技術對上市公司環保等信息進行高靈敏度、高精確度的內容過濾，加之深度學習技術與情緒分析程序的“反復訓練”，引入本土化的參考指標，令NLP對信息的情緒量化判斷準確性有所提升，令海外金融科技+ESG這個“舶來品”開始落地生根。

責任編輯：王煊