Σπάζοντας την αντίληψη των εκτιμήσεων των δεδομένων ESG

Κανονιστική συμμόρφωση 11 Δεκεμβρίου 2023 Anya Pineau, Thomas Willman, Alicia León Molina, Andrés Olivares, Ignacio Tamarit

Οι εκτιμήσεις μπορούν να βοηθήσουν στην αντιμετώπιση των προκλήσεων των δεδομένων ESG για την απελευθέρωση της αξίας για τις ιδιωτικές αγορές

Τα τελευταία χρόνια, η ESG βρίσκεται σταθερά στα πρωτοσέλιδα των εφημερίδων, με αυξημένο ενδιαφέρον από τους επενδυτές και αυξανόμενες ανησυχίες σχετικά με το ενδεχόμενο "πράσινου ξεπλύματος". Η ανάγκη για αξιόπιστα δεδομένα έχει γίνει όλο και πιο σημαντική. Ωστόσο, ένα αξιοσημείωτο εμπόδιο εξακολουθεί να υφίσταται με τη μορφή περιορισμένων διαθέσιμων δεδομένων ESG - μια πρόκληση που μπορεί να αντιμετωπιστεί αποτελεσματικά με τη χρήση εκτιμήσεων. 

Παρά την ευρεία αποδοχή των εκτιμήσεων σε άλλους τομείς της επενδυτικής ανάλυσης, όπως η Χρονική Αξία του Χρήματος ή η αντιστάθμιση κινδύνου έναντι απόδοσης, εξακολουθεί να υπάρχει διστακτικότητα όσον αφορά τη χρήση εκτιμήσεων δεδομένων ESG.

Η κατανόηση της δυνητικής αξίας των εκτιμώμενων δεδομένων ESG απαιτεί εκπαίδευση σχετικά με τη διαδικασία εξαγωγής αυτών των εκτιμήσεων και τον τρόπο με τον οποίο μπορούν να φωτίσουν κρίσιμους παράγοντες βιωσιμότητας. Οι εκτιμήσεις αυτές υποστηρίζουν ένα εύρος περιπτώσεων χρήσης, συμπεριλαμβανομένης της διαχείρισης επενδύσεων, και μπορούν να ξεκινήσουν ουσιαστικές συζητήσεις, να καλύψουν σημαντικές ελλείψεις δεδομένων και τελικά να δώσουν στους επενδυτές τη δυνατότητα να λαμβάνουν καλύτερα ενημερωμένες αποφάσεις.

Η ανάγκη για εκτιμήσεις

Οι ιδιωτικές αγορές αναγνωρίζονται όλο και περισσότερο για τον δυνητικό τους ρόλο στην πορεία προς την αντιμετώπιση των περιβαλλοντικών και κοινωνικών προκλήσεων. Ωστόσο, εξακολουθούν να υστερούν σε σχέση με τις δημόσιες αγορές, ιδίως όσον αφορά τη δημοσιοποίηση δεδομένων βιωσιμότητας. Και, ακόμη και όταν αναφέρονται δεδομένα, μπορεί να μην είναι πάντα ολοκληρωμένα, αμερόληπτα ή υπολογισμένα με τρόπο που να επιτρέπει εύκολες συγκρίσεις.

Ηεξάρτηση αποκλειστικά από τα αναφερόμενα δεδομένα μπορεί να εισάγει μεροληψίες, λόγω των ανισορροπιών μεταξύ των πόρων. Για παράδειγμα, ορισμένες περιοχές όπως η Ασία-Ειρηνικός παρουσιάζουν σημαντικά χαμηλότερα ποσοστά δημοσιοποίησης σε σύγκριση με περιοχές όπως η Ευρώπη. Εξετάζοντας μία από τις πιο συχνά αναφερόμενες μετρήσεις παγκοσμίως, τις εκπομπές Scope 1, τα διαθέσιμα δεδομένα που αναφέρθηκαν για τη συγκεκριμένη μέτρηση στην περιοχή αυτή ανήλθαν στο 23% το 2021, σε αντίθεση με περιοχές όπως η Ευρώπη όπου το ποσοστό αυτό έφτασε το 38%¹. Ομοίως, κατά το ίδιο έτος, οι εταιρείες μικρής κεφαλαιοποίησης ανέφεραν μόνο το 24% των δεδομένων τους για το πεδίο εφαρμογής 1, ενώ οι εταιρείες μεσαίας κεφαλαιοποίησης ανέφεραν το 56% και οι εταιρείες μεγάλης κεφαλαιοποίησης πρωτοστάτησαν με ποσοστό αναφοράς 82%². Αυτή η έλλειψη ολοκληρωμένης υποβολής εκθέσεων οφείλεται σε διάφορες προκλήσεις, όπως περιορισμένοι πόροι, έλλειψη εμπειρογνωμοσύνης σε θέματα βιωσιμότητας και ανταγωνιστικές προτεραιότητες.

Συνεπώς, οι εκτιμήσεις καθίστανται ένα κρίσιμο εργαλείο για την κάλυψη αυτών των κενών, επιτρέποντας στους επενδυτές να κατανοήσουν καλύτερα τη συνολική απόδοση της βιωσιμότητας των επενδύσεών τους και, με τη σειρά τους, να λαμβάνουν τεκμηριωμένες αποφάσεις που προωθούν βιώσιμες πρακτικές.

SFDR Μελέτη περίπτωσης - Αναγνώριση της ανάγκης για εκτιμήσεις

Ο κανονισμός αναγνωρίζει τον ζωτικό ρόλο που μπορούν να διαδραματίσουν οι αξιόπιστες εκτιμήσεις. Ο κανονισμός της ΕΕ για τη δημοσιοποίηση πληροφοριών σχετικά με τη βιώσιμη χρηματοδότηση (SFDR ) απαιτεί από τους συμμετέχοντες στη χρηματοπιστωτική αγορά να προβούν σε μια σειρά από γνωστοποιήσεις που σχετίζονται με τη βιωσιμότητα. Για όσους απασχολούν περισσότερους από 500 υπαλλήλους - σύμφωνα με το άρθρο 4 του SFDR - είναι υποχρεωτικό να αναφέρουν ετησίως σε επίπεδο οντότητας τις επιδόσεις τους σε έως και 18 υποχρεωτικές κύριες μετρήσεις δυσμενών επιπτώσεων (PAIs) και δύο από ένα σύνολο 46 επιπλέον PAIs για όλες τις επενδύσεις τους³..

Ωστόσο, για τις περιπτώσεις όπου δεν είναι διαθέσιμες άμεσες αναφορές από τις εταιρείες επενδύσεων, τοSFDR επιτρέπει τη χρήση "βέλτιστων προσπαθειών" "με τη διεξαγωγή πρόσθετης έρευνας, τη συνεργασία με τρίτους παρόχους δεδομένων ή εξωτερικούς εμπειρογνώμονες ή την πραγματοποίηση εύλογων υποθέσεων". Η προσέγγιση αυτή αναγνωρίζει τις προκλήσεις στον υπολογισμό πολύπλοκων μετρήσεων βιωσιμότητας, ενώ δίνει έμφαση στη χρήση των καλύτερων διαθέσιμων πόρων, συμπεριλαμβανομένων των εκτιμήσεων σε συγκεκριμένες καταστάσεις⁴.

Εξαγωγή των πιο αξιόπιστων εκτιμήσεων

Στο πολύπλοκο τοπίο των δεδομένων βιωσιμότητας, το Clarity AI ξεχωρίζει παρέχοντας αξιόπιστες εκτιμήσεις. Η προσέγγισή μας συνδυάζει προηγμένη μηχανική μάθηση (ML) και τεχνητή νοημοσύνη (AI) για τη δημιουργία αξιόπιστων μοντέλων, απαραίτητων για τους επενδυτές που αναζητούν ολοκληρωμένες πληροφορίες για τη βιωσιμότητα. Αυτά τα μοντέλα είναι το συνεργατικό δημιούργημα των ειδικών της επιστήμης των δεδομένων και της βιωσιμότητας, που δημιουργήθηκαν με τη χρήση τεχνικών τελευταίας τεχνολογίας και μιας σταθερής υποδομής. Η προσέγγιση αυτή διασφαλίζει όχι μόνο τη δημιουργία ορθών εκτιμήσεων, αλλά και την ικανότητα επικύρωσης και επεξήγησής τους. 

Ένα ιδιαίτερο χαρακτηριστικό των μοντέλων ML είναι η ικανότητά τους να κατανοούν πολύπλοκες, μη γραμμικές σχέσεις μεταξύ διαφόρων χαρακτηριστικών των εταιρειών και των περιβαλλοντικών τους επιδόσεων. Τα μοντέλα αυτά αναλύουν με επιδεξιότητα τον τρόπο με τον οποίο αλληλεπιδρούν παράγοντες όπως ο τύπος της επιχείρησης, η τοποθεσία, οι χρηματοοικονομικές επιδόσεις, το μέγεθος και οι ευρύτερες μακροοικονομικές συνθήκες, προσφέροντας μια διαφοροποιημένη κατανόηση των μετρήσεων βιωσιμότητας.

Η ποιότητα των δεδομένων είναι απαραίτητη στη διαδικασία μας. Ο μόνος τρόπος για να δημιουργήσουμε αξιόπιστα μοντέλα είναι να τα τροφοδοτήσουμε με πληροφορίες υψηλής ποιότητας. Γι' αυτό εφαρμόζουμε αυστηρές μεθόδους για τη συλλογή υψηλής ποιότητας, αξιόπιστων αναφερόμενων δεδομένων, οι οποίες συμπληρώνονται από προηγμένους αλγορίθμους ML, όπως η ανίχνευση ανωμαλιών και οι μέθοδοι ταξινόμησης για την εξάλειψη των αναξιόπιστων δειγμάτων. Αυτή η σχολαστική προσέγγιση διασφαλίζει την ακρίβεια και την επεκτασιμότητα στην επεξεργασία των δεδομένων μας και μας επιτρέπει να χρησιμοποιούμε τα σωστά δεδομένα για την εκπαίδευση των μοντέλων μας, ώστε να μπορούν να μαθαίνουν σημαντικά σήματα.

Με τη συγχώνευση αυτών των προσεκτικά επιμελημένων δημοσιευμένων στοιχείων με τις αξιόπιστες εκτιμήσεις μας, μπορούμε να εξάγουμε δείκτες αναφοράς του κλάδου, εφοδιάζοντας τους επενδυτές με στοιχεία που μπορούν να εμπιστευτούν για να καλύψουν τα κενά δεδομένων και να μοντελοποιήσουν τις επιδόσεις των ιδιωτικών εταιρειών που δεν υποβάλλουν εκθέσεις.

Πώς οι εκτιμήσεις δεδομένων ESG οδηγούν σε θετική αλλαγή

Οι επενδυτές που αγκαλιάζουν τις εκτιμήσεις στις αναφορές τους δείχνουν μια προοδευτική αφοσίωση στην προώθηση βιώσιμων και διαφανών πρακτικών, ενώ εφαρμόζουν τα εργαλεία που επιτρέπουν ουσιαστικές συζητήσεις και εμπλοκή με τις εταιρείες στις οποίες επενδύουν. Καθώς οι μεθοδολογίες και τα πρότυπα εξελίσσονται, οι εκτιμήσεις προσφέρουν μια ρεαλιστική λύση για τη γεφύρωση των κενών γνωστοποίησης. Εν τέλει, η χρήση εκτιμήσεων ESG προωθεί μια κουλτούρα συνεχούς βελτίωσης και καλύτερες πρακτικές ESG στις ιδιωτικές αγορές.

Σε αυτό το πνεύμα, το Clarity AI συνεργάστηκε με την eFront, μέρος της BlackRock, για να ενσωματώσει τις κορυφαίες εκτιμήσεις και γνώσεις της, οι οποίες παρέχονται μέσω δεικτών αναφοράς σε βιομηχανικό επίπεδο, απευθείας στις ροές εργασίας των επενδυτών μέσω του πλατφόρμα eFront Insight. Αξιοποιώντας αυτούς τους βιομηχανικούς δείκτες αναφοράς, eFront Οι πελάτες της eFront, γενικοί εταίροι (GP) και ετερόρρυθμοι εταίροι (LP), μπορούν να δημιουργήσουν ένα αρχικό επίπεδο αναφοράς των επιδόσεων βιωσιμότητας των επενδύσεών τους. Αυτές οι προηγμένες δυνατότητες που βασίζονται στην τεχνολογία επιτρέπουν στους GPs και LPs να εκπληρώνουν βασικές απαιτήσεις, όπως οι κανονιστικές γνωστοποιήσεις, ενώ παράλληλα εργάζονται για την ολοκληρωμένη δημοσιοποίηση δεδομένων.

Αυτή η βασική γραμμή δίνει επίσης τη δυνατότητα στους συμμετέχοντες να αξιολογούν τα χαρτοφυλάκιά τους, να δίνουν προτεραιότητα στη δέσμευση με συγκεκριμένες επενδύσεις και να αποκτούν μια ενιαία εικόνα του χαρτοφυλακίου τους.

Στο διαρκώς εξελισσόμενο τοπίο των επενδύσεων ESG, οι εκτιμήσεις διαδραματίζουν καθοριστικό ρόλο στην απελευθέρωση του δυναμικού των ιδιωτικών αγορών για την προώθηση θετικών αλλαγών και βιώσιμων πρακτικών. Η υιοθέτηση των εκτιμήσεων δεν είναι απλώς μια πρακτική επιλογή- είναι μια στρατηγική κίνηση προς ένα πιο υπεύθυνο και διαφανές επενδυτικό μέλλον.


¹Ηανάλυση αυτή πραγματοποιήθηκε χρησιμοποιώντας ένα σύνολο δεδομένων 16.183 εταιρειών με διαθέσιμα δεδομένα εκπομπών Scope 1 για το 2021. Η σύνθεση του δείγματος είναι: 92% δημόσιες εταιρείες, 3,6% ιδιωτικές εταιρείες, 3,6% δημόσιες επιχειρήσεις επενδύσεων και 0,8% άλλες οντότητες.

²Οιεταιρείες μικρής κεφαλαιοποίησηςορίζονται ως εκείνες με κεφαλαιοποίηση αγοράς κάτω των 2.000 εκατομμυρίων δολαρίων ΗΠΑ, οι εταιρείες μεσαίας κεφαλαιοποίησης έχουν κεφαλαιοποίηση αγοράς που κυμαίνεται από 2.000 έως 10.000 εκατομμύρια δολάρια ΗΠΑ και οι εταιρείες μεγάλης κεφαλαιοποίησης έχουν κεφαλαιοποίηση αγοράς που υπερβαίνει τα 10.000 εκατομμύρια δολάρια ΗΠΑ.

³N.b. στην πρόσφατη τελική τους Report σχετικά με τα σχέδια ρυθμιστικών τεχνικών προτύπων, οι ΕΕΑ προτείνουν μια σειρά από αλλαγές, συμπεριλαμβανομένης της εισαγωγής περαιτέρω υποχρεωτικών ΠΑΕ.

⁴Βλέπεγια παράδειγμα πρόσφατη έκθεση της ESMA δημοσίευση σχετικά με τη χρήση εκτιμήσεων

Εισάγετε τη διεύθυνση email σας για να διαβάσετε περισσότερα

Ζητήστε μια επίδειξη