[code_snippet id=66 php]
Bewältigung der Herausforderungen der EU-Taxonomie-Berichterstattung mit einem datenwissenschaftlichen Ansatz
Auf den heutigen Märkten für nachhaltige Investitionen gibt es eine wachsende Zahl von neuen Finanztaxonomien, die klären sollen, was Nachhaltigkeit bedeutet. Als gemeinsames Klassifizierungssystem für nachhaltige Wirtschaftstätigkeiten ist die EU-Taxonomie ein Pionier auf diesem Gebiet und wird bei der Erreichung der Emissionsreduzierungs- und Minderungsziele des Green Deal der Europäischen Union eine wichtige Rolle spielen. Doch die Einhaltung der EU-Taxonomie ist nicht einfach.
Für die Anleger ergeben sich bei der Umsetzung vor allem zwei Herausforderungen:
- Ein klares Missverhältnis zwischen den Bedürfnissen der Anleger und den verfügbaren Daten. Diese Diskrepanz ergibt sich sowohl aus dem Zeitpunkt, zu dem die Anleger vor den Unternehmen mit der Berichterstattung beginnen müssen, als auch aus dem Umfang der berichtenden Unternehmen - sowohl innerhalb als auch außerhalb der EU.
- Ein fortlaufender Prozess der Regulierungsentwicklung. Investoren müssen bereit sein, sich anzupassen, wenn mehr Ziele - sowohl im Umwelt- als auch im Sozialbereich - definiert werden. Clarity AI nutzt Technologie und Fachwissen, um Kunden robuste und umfassende Instrumente zur Verfügung zu stellen, mit denen sie ihre Anforderungen an die Offenlegung und Produktgestaltung erfüllen können.
Dieser Bericht bietet Einblicke in den Sektor der grünen Wirtschaft, der für den Übergang zu einer klimaneutralen Wirtschaft von entscheidender Bedeutung ist. Wenn die grüne Wirtschaft ihr derzeitiges Wachstum von 4,2 % beibehält, könnte sie bis 2030 bis zu 5,5 % des globalen Marktwerts ausmachen. Im ersten Abschnitt dieses Papiers werden die Vorzüge eines datenwissenschaftlichen Ansatzes für die Berichterstattung über die EU-Taxonomie in drei spezifischen Anwendungsfällen aufgezeigt:
- wie ein granulares semantisches Screening dazu beitragen kann, die umweltfreundlichen Aktivitäten eines Unternehmens in großem Umfang zu ermitteln
- wie Modelle dazu beitragen, technische Screening-Kriterien (TSC) auf skalierbare, transparente und zuverlässige Weise zu validieren
- wie die Verarbeitung natürlicher Sprache bei der Erstellung unvoreingenommener Definitionen von "erheblichem Schaden" helfen kann
Im zweiten Abschnitt wird die EU-Taxonomie in die Praxis umgesetzt, indem die Performance einer Untergruppe von 31.000 Aktienfonds anhand von Clarity AI untersucht wird. Investoren werden von einem tiefen Verständnis der gemeinsamen Merkmale der Fonds, die am besten für den kohlenstoffarmen Übergang positioniert sind, sehr profitieren, sowohl bei der Konstruktion neuer Finanzprodukte als auch bei der Bewertung der Leistung aktueller Investitionen.
