Cómo la ciencia de datos puede facilitar la elaboración de informes SFDR
Ofrecer una solución de información SFDR que supere las lagunas de cobertura de los PAI de SFDR con datos fiables.
El Reglamento de la Unión Europea sobre divulgación de información financiera sostenible (SFDR) podría revolucionar la elaboración de informes de sostenibilidad y, a su vez, reajustar los datos que las empresas utilizan para medir sus resultados en materia de ASG.
El objetivo de SFDR es mejorar la transparencia de la información ASG facilitada por los proveedores de productos y servicios financieros. Dado que aún no se dispone de todos los datos pertinentes a gran escala, el cumplimiento de SFDR también exige a los participantes en los mercados financieros que, de alguna manera, corran antes de andar. En la fase de intermediación, cuando los proveedores de datos están en proceso de ampliar su oferta, esto podría ser contraproducente y dar lugar a una información deficiente o errónea. La ciencia de datos puede ayudar.
Para disponer de los datos adecuados a escala es necesario superar dos obstáculos principales:
- Baja fiabilidad de los datos comunicados. Esto puede ocurrir porque los datos comunicados por las empresas están fragmentados y no estandarizados, y existen valores contradictorios o poco fiables entre los distintos proveedores.
- Cobertura incompleta de datos de métricas y sectores industriales. Esto se debe a que los informes son parciales o inexistentes.
La figura 1 ilustra SFDR principales impactos adversos (PAI) brechas de cobertura por geografía, tamaño e indicadores seleccionados basados en un análisis de 29.000 empresas realizado por la ciencia de datos de Clarity AI . 1 A nivel mundial, sólo el 3% de las empresas analizadas informaron de más del 70% de los 14 PAI obligatorios. Europa se sitúa a la cabeza, con un 10% de las empresas que alcanzan este umbral de cobertura, mientras que sólo un 3% de las empresas estadounidenses y un 1% de las empresas de APAC informaron de lo mismo. Una de cada cinco empresas de gran capitalización alcanzó el umbral, pero sólo una de cada 50 empresas de pequeña capitalización lo hizo. La cobertura también varía mucho según el indicador: el 20% de las 29.000 empresas revelan datos sobre emisiones de carbono, pero sólo el 3% hace lo mismo con los datos sobre diferencias salariales entre hombres y mujeres.
FIGURA 1
Nuestro análisis indica importantes lagunas de cobertura en SFDR principales impactos adversos (PAI).
Empresas que declaran más del 70% de los PAI (n = 29.000 empresas), %.
Además de cumplir los PAI, SFDR exige pruebas de la inclusión de prácticas de buena gobernanza y que las empresas den cuenta de la prueba No causar daños significativos (DNSH), cada una de las cuales conlleva sus propios retos de cobertura de datos. La aplicación de la Directiva de la Comisión Europea sobre la elaboración de informes de sostenibilidad empresarial (CSRD, por sus siglas en inglés) contribuirá a colmar la brecha, obligando finalmente a cerca de 50.000 empresas a informar sobre sus resultados en materia de sostenibilidad a partir de un amplio conjunto de parámetros. La Directiva entrará plenamente en vigor en 2025, y es probable que las jurisdicciones no europeas se queden aún más rezagadas.
Clarity AI es una empresa y plataforma tecnológica de sostenibilidad cuya misión es llevar el impacto social a los mercados.
SFDR añaden otra capa de datos a las 200 métricas que Clarity AI ya proporciona para demostrar el rendimiento en materia de riesgo ASG y el impacto en el mundo, así como la alineación con los objetivos climáticos (incluidos los del Grupo de Trabajo sobre Divulgación de Información Financiera relacionada con el Clima) y la alineación con los Objetivos de Desarrollo Sostenible (ODS) de la ONU. Como ventanilla única, Clarity AI también proporciona a los clientes soluciones sólidas y completas para cumplir sus requisitos de divulgación y diseño de productos de SFDR , aprovechando nuestras capacidades de ciencia de datos.
En este documento, ofrecemos ejemplos concretos de las ventajas de nuestro enfoque de ciencia de datos para SFDR
la elaboración de informes. Abordamos el requisito previo de una modelización sólida y recomendaciones sobre cómo utilizar los datos. También destacamos las limitaciones actuales y cómo pretendemos seguir desarrollando el módulo de análisis y elaboración de informes de SFDR en los próximos meses. El documento se articula en torno a tres casos de uso específicos que aprovechan diferentes técnicas de ciencia de datos, ilustrados a través de los requisitos de SFDR :
- Cómo la ciencia de los datos puede mejorar la fiabilidad de los datos comunicados
- Cómo el aprendizaje automático puede ampliar la cobertura de los datos
- Cómo el procesamiento del lenguaje natural puede informar sobre el desarrollo de las métricas
Mientras que SFDR abarca varias clases de activos, incluidos los bonos soberanos y el sector inmobiliario, nosotros nos centraremos en las empresas.
FIGURA 2
Clarity AI consigue resultados optimizados gracias a tres elementos diferenciadores clave.
FUENTES DE DATOS
Reunir la mayor colección de fuentes estructuradas y no estructuradas para cubrir todos los temas clave y sectores industriales
EXPERIENCIA EN DATOS TÉCNICOS
Agregar, limpiar y estandarizar la base de datos ensamblada para mejorar la calidad de los datos, y mejorar continuamente los modelos a través de la experiencia interna y externa (asociaciones con el mundo académico y las empresas de consultoría)
INTELIGENCIA ARTIFICIAL
Implementar técnicas de aprendizaje automático y ciencia de datos de última generación teniendo en cuenta la escalabilidad para la selección automática de las mejores fuentes y para obtener estimaciones precisas de los datos no declarados, aumentando la fiabilidad y la cobertura
¿En qué medida pueden utilizarse los datos modelizados en los informes de SFDR ?
La primera pregunta de nuestro viaje fue averiguar hasta qué punto SFDR permite a los participantes en los mercados financieros utilizar datos modelizados. Para responder a esta pregunta fundamental, nos pusimos en contacto con nuestro asesor externo en regulación sostenible y socio Eco:Fact.
Uno de los principales objetivos de la SFDR, y de otras normativas sobre finanzas sostenibles, es reducir la asimetría de información entre los participantes en los mercados financieros y los inversores. En consecuencia, se espera que los participantes en los mercados financieros respalden su información y tomen decisiones basadas en datos que aún podrían no estar disponibles. Por ejemplo, esto puede observarse cuando la innovadora normativa sobre finanzas sostenibles de la UE introdujo requisitos para informar sobre los riesgos de sostenibilidad y los impactos adversos sobre los factores de sostenibilidad.
Aunque estas dos categorías están estrechamente relacionadas, requieren que los participantes en el mercado financiero evalúen los temas de sostenibilidad, como el cambio climático y las violaciones de los derechos humanos, desde perspectivas diferentes:
- Un análisis del "riesgo de sostenibilidad" se centra en los posibles impactos negativos materiales en el valor de una inversión que se derivan de factores de sostenibilidad (por ejemplo, el impacto de la subida del nivel del mar en los valores de la propiedad).
- La consideración de los "impactos adversos sobre la sostenibilidad" se concentra en los efectos negativos de una inversión sobre los impactos de la sostenibilidad (por ejemplo, la inversión en empresas altamente contaminantes que impactan negativamente en los ecosistemas y en la salud de las personas).
Se necesitan datos adecuados para realizar evaluaciones como las descritas anteriormente; la disponibilidad, accesibilidad y fiabilidad de los datos son fundamentales para los esfuerzos de las instituciones financieras por responder a las preguntas sobre los riesgos de sostenibilidad y los impactos adversos, y cumplir así las expectativas de SFDR. Los reguladores son conscientes de los retos a los que se enfrentan las instituciones en materia de datos, y actualmente están diseñando soluciones para colmar esta laguna de datos a través, por ejemplo, de la propuesta de Directiva sobre la elaboración de informes de sostenibilidad corporativa (CSRD). Mientras tanto, el regulador de la Unión Europea proporciona herramientas que los participantes en los mercados financieros pueden utilizar para abordar la cuestión de la disponibilidad de datos.
Una de estas herramientas se menciona en el artículo 7, apartado 2, de las Normas Técnicas de Reglamentación (NTR) (comúnmente denominadas de nivel 2). (Se espera que las NTR de SFDR sean aplicables en algún momento de 2022). Esta disposición es pertinente para situaciones en las que se solicita a los participantes en los mercados financieros que divulguen datos sobre los principales indicadores de impacto adverso, pero esos datos no están fácilmente disponibles. En este contexto, se espera que los participantes en los mercados financieros hagan todo lo posible para obtener la información que necesitan, ya sea directamente de las empresas en las que invierten o realizando investigaciones adicionales. También pueden cooperar con terceros proveedores de datos o expertos externos o hacer suposiciones razonables. Cabe señalar que los participantes en los mercados financieros también deben informar de lo que constituyen sus mejores esfuerzos.
En esta situación, el uso de datos modelados por parte de los participantes en el mercado financiero es una solución para abordar el reto de las lagunas de datos; esta estrategia cumple los criterios de la expectativa de utilizar los mejores esfuerzos. Por ejemplo, los datos modelizados permiten a los participantes en el mercado financiero basar sus divulgaciones en un enfoque que es verificable y que es utilizado por otros participantes en el mercado para hacer suposiciones razonables sobre los impactos en los factores de sostenibilidad.
_______________
1. En el caso del PAI clave de SFDR , nuestra experiencia en ciencia de datos nos ha permitido multiplicar la cobertura de datos aproximadamente por cinco, de media. En algunos casos, cuando no había datos disponibles, desarrollamos conjuntos de datos completamente nuevos. Además de los problemas de cobertura, los participantes en los mercados financieros también se enfrentan a problemas de fiabilidad de los datos notificados, que es otra área en la que nuestro enfoque de la ciencia de datos proporciona mejoras significativas.
