ESG研究专题，探索“主动筛选”数据策略.docxVIP

目录 ESG 数据超融合应用建议——围绕 E 因素，全面优化评价体系框架 1 E 因素评价体系研究普遍存在几个共性问题 1 环境因素升级路径：构建跨行业通用评分体系，打造国情特色数据框架 1 E 因素数据源精选与量化处理 3 聚焦政府侧数据，国情特色下量化环境评价 3 基于 NLP 量化新闻、公告等文本数据：模拟客观舆情数据指标 4 行业数据：基于 CSR 报告的通用性指标和基于另类数据的特色化指标 6 E 因素数据融合技术架构与评分体系构建 8 多源环境数据融合：基于专业知识的量化分级与赋权 8 环境评分动态模型构建：基于滑动时间窗口的动态分数计算 8 E 因素动态评分效果评价 10 和商道融绿对比：评分具有较高的相似性和稳定性 10 和中证 800 对比：E 因素评分正向受益尚不显著 10 和沪深 300 对比：E 因素评分正向受益逐步体现 11 E 因素评分应用探索：逐步构建主动筛选数据策略 11 数据逐步丰富，正向选择效果有望提升 11 风险因素 12 . . . 插图目录 图 1：E 因素三维升级 1 图 2：国家环保披露数据集群分类与特点比较 3 图 3：新闻公告环境主题舆情评分引擎 5 图 4：滑动时间窗口计算模型 9 图 5：与商道融绿对比结果箱线图 10 图 6：Top30、Bottom30 与中证 800 收益表现对比 11 图 7：Top30、Bottom30 与沪深 300 收益表现对比 11 表格目录 表 1：环境相关指标梳理 2 表 2：环境舆情输出结果 5 表 3：环境治理细分指标梳理 6 表 4：行业另类数据指标梳理 7 表 5：环境相关指标梳理 8 ▍ ESG 数据超融合应用建议——围绕 E 因素，全面优 化评价体系框架 E 因素评价体系研究普遍存在几个共性问题 国外标准不适合中国标准。由于中国的 ESG 投资概念相较于国外的发展时间较短，中国的经济结构处于转型升级过程中，所以一味搬运国外市场的衡量标准是不符合中国现 阶段的实际情况的。根据汽车组的测评，MSCI 和商道融绿的评级差异度达到 26%。ESG 评价体系涉及的因素众多，并且涉及不同行业以及公司，所以建立一套完全适用于中国市场的标准体系是困难的。 国内数据更新频率低。国内的做 ESG 评级的公司大多是季度更新。例如，商道融绿和华证，他们的主要信息来源都是公司的公开曝光和官方报道，因此导致评级结果的时效性略低。 数据的客观性和可比性低，数据清洗和数据对齐需要大量人工介入。数据来源大部分是规范度不高的公司自主披露，缺乏第三方数据进行参照和比对，因此数据的真实度和采 用方式都难以得到客观的评价。这种情况不仅需要市场投资者和监管机构共同努力保证上市公司的信息披露的完整性和全面性，还需要评价机构充分利用信息技术和大数据挖掘上市公司的重要信息，来检测上市公司的财务报告中有无造假成分存在。 目前市场上不同公司间对环境治理方面的评级差异性较大。不同评级机构对社会责任和公司治理方面的评级方法论一致性较高。但在环境治理方面与不同数据源之间处理方式 尚未形成统一标准，数据源差异大、方法论各不一致，导致在对不同行业的公司评分时很难做到绝的公平，甚是还会出现同一个公司在不同机构的评级体系下结果差异比较大的情况。所以在环境治理方面的评级有必要针对行业做一些优化数据源和方法论。 根据上述提到的问题，我们认为 ESG 研究的重心应聚焦于 ESG 的底层研究，短期致力于梳理具有行业特性的指标和寻找覆盖全、频率高的优质数据。面向中期，我们提出全面聚焦 E 评级升级的新数据融合方案，全面提升 ESG 投资策略的有效性。 环境因素升级路径：构建跨行业通用评分体系，打造国情特色数据框架 对于环境因素的评分体系优化，我们建议依据国情特色，行业可比标准与数据高频提升，共三个维度做全面提升。 图 1：E 因素三维升级 国情数据特色结构化赋权 国家-省级-地级环境数据打分赋权。 重点区域与环境敏感区域设定特殊权重。 非制造行业增加可比环境对比指标  引入通勤、卫星，线下线上另类数据，指向潜在碳排放节约指标。 以百分制输出公司环境评分，以A、B、C三档分类 数据更新+结构化高频化 依托各级环保部门的排污数据和处罚数据型打造月度稳定评分数据 环境主题舆情及时更新。 资料来源： 对于国情特色，我们建议 A 股公司的环保数据的环境信用评级，行政处罚措施，排污检测数据等，按照国家级-省市级-地市/第三方进行数据集群构建。并按照行政级别高低顺 序赋予不同权重，同时给予重点地区（直辖市+一线城市）的打分权重重点关注。以便形成自上而下的全面评价体系。 对于行业一体化标准