在波士頓綠樹成蔭的飛地中，邁克·陳（Mike Chen）和他的團隊教過機器來閱讀普通話。 他們知道中國投資者經常使用同音異義詞，即具有相同拼寫但含義不同的單詞對，在公共論壇上欺騙狀態感測器。 通過破解此代碼，這些機器可以找出投資者對中國領先企業的真正看法。
這只是PanAgora資產管理公司可持續投資總監Chen所開發的幾個語言學項目之一，它使用機器學習演算法開發，該演算法可以從接收到的數據中識別模式並從自己的結果中學習。 當公司發布更新時，這些演算法使PanAgora能夠分析其利益相關者和公眾的反應。
整個投資界也取得了類似的進步。 投資者正在使用機器學習來挖掘各種信息，從收益披露的細節到LinkedIn帖子的內容。 利用這些所謂的情感數據，他們可以篩選有關環境，社會與治理（ESG）問題的炒作，並準確了解公司的資歷。
「通過了解人們對這些公司的評價，我們可以真實地了解他們所感知的品牌價值，」 Chen說。 「不僅如此，當我們談論經理們的企業ESG政策時，我們也許能夠發現他們是否在「洗刷」。」
在整個投資界中，研究人員和工程師正在以同樣破壞性的方式使用機器學習。 他們正在使用情感數據分析內容中的語言信息，包括將收入披露到LinkedIn職位，使用情感數據來查看公司是否真正致力於ESG，以及該承諾對其利益相關者有什麼樣的影響。
這種智能的價值是巨大的。 現在，專業管理下的所有資產中約有三分之一符合ESG標準。 2020年第二季度，當世界正受到冠狀病毒危機的打擊時，投資者向綠色股票中注入了超過700億美元。 隨著諸如氣候變化和社會正義之類的問題日益受到關注，美國總統喬·拜登的先進政權取代了對ESG持懷疑態度的特朗普政府，這種知名度似乎還將進一步提高。
然而，對於批評者來說，用於評估ESG憑證的方法並未跟上需求的步伐。 迄今為止，ESG評級領域一直由MSCI，FTSE Russell和Sustainalytics等少數供應商主導。 每個提供商都有自己的一套嚴格的指標，但是對於構成「良好ESG」的標準沒有統一的標準，他們的方法論和評級也明顯不同。
一些提供商對公司進行絕對評分，因此每個人的評判標準都相同，而其他提供商的評分相對較高，這可以獎勵進步程度較低行業中表現最差的公司。 去年夏天，快時尚零售商Boohoo在幾周前就收到MSCI的AA評級，據報道該公司的某些工人的工資據稱低於最低工資，因此該方法存在缺陷。
這些提供商所依賴的數據也受到公司定期披露的嚴重影響。 這些數據不僅易於產生偏見，因為公司忽略了不利於其發展的因素，因此它也向後看。 如果一家公司在11個月前聘用了新的女性董事會成員，那麼誰能知道這是否現在影響市場？
使ESG數據更易於訪問
隨著這些弱點變得越來越明顯，機器學習也變得更加民主。 便宜的現成演算法的出現，再加上計算能力的提高，意味著投資基金和為獨立財務顧問服務的分析師可以創建自己的機器學習模型來處理海量數據（包括金融和非金融數據） ， 實時。
這些模型的關鍵是自然語言處理（NLP），這是機器學習的子集，它使機器能夠理解人類的語言模式。 使用NLP，研究人員可以超越傳統的市場報告來分析書面和口頭交流，從而了解ESG承諾的表達方式和接受方式。
分析師大多使用NLP來分析公司本身使用的語言； 他們的聲明是具體的還是模糊的，是使用第一人稱還是第三者避難。
通過將機器學習應用於新聞，投資經理可以有效地強調公司為促進積極影響而採取的確切ESG行動
例如，倫敦滙豐銀行全球研究部的團隊使用語言分析來篩選公司的收益電話。 數據科學和分析負責人馬克·麥克唐納（Mark McDonald）表示：「我們的主要重點領域是演講者如何處理分析師的即興問題，因為答案通常比起初的預先準備好得多。 這樣可以提供更真實的情況，您可以匯總各個市場和地區的情緒。」
其他公司正在關注外部各方如何對這些聲明做出反應。 他們梳理成千上萬的新聞故事以獲得即時反應，並經常將其與社交媒體上的評論相結合。
在多倫多的Act Analytics中，研究人員訓練了一種機器學習演算法，以搜尋來自News API的精心挑選的來源清單，該清單包含約30,000個實時網點。
Act Analytics的ESG負責人Elgin Chau表示：「從本質上講，實時新聞旨在引起某種反應，無論是正面還是負面的，因為這是很賣力的。」 「需要確定的是事件的嚴重程度及其對資產價格的影響程度。 通過將我們的演算法應用於多個新聞來源，我們可以計算特定公司特定事件的綜合情感評分。
「 ESG投資組合的大部分業績取決於猜測或軼事。 有時，您會得到一些荒謬的報告，說您的投資組合已使200輛汽車駛離道路或種植了1000棵樹。 這些本質上是聲音，無法真正準確地衡量，並且依賴於評級提供商對公司公司披露的主觀解釋。 換句話說，這些類型的報告不能代表投資組合的實際ESG績效。
「通過將機器學習應用於新聞，投資經理可以有效地強調公司為促進積極影響而採取的確切ESG行動。」
機器學習如何補充數據
數據提供商不必為此擔心。 機器學習的擁護者一致認為，它不會取代傳統的數據源，而演算法將更有效地分析這些數據源並將數據置於上下文中。 正如Chen所指出的那樣，投資者現在不僅可以衡量一家公司發布的數字，還可以衡量其可持續性計劃的「可信度」。
隨著消費者和選股者將越來越多的錢投入到符合道德的公司中，因此洗綠色的可能性將會增加。 就在本月，英國競爭與市場管理局的研究發現，十分之四的公司網站在其網站上提供誤導性的環境信息。
通過機器學習，投資者現在可以找到這些主張背後的真相。 從字面上看，他們可以在兩行之間閱讀。
