Taxonomía de la UE: Uso de la tecnología para analizar el rendimiento de los fondos "verdes"
Superar los retos de la información de la taxonomía de la UE con un enfoque de ciencia de datos
En los actuales mercados de inversión sostenible, un grupo cada vez mayor de taxonomías financieras emergentes pretende aclarar lo que significa ser sostenible. Como sistema de clasificación común para las actividades económicas sostenibles, la taxonomía de la UE es pionera en este campo y será fundamental para alcanzar los objetivos de reducción y mitigación de emisiones del Green Deal de la Unión Europea. Pero cumplir con la taxonomía de la UE no es fácil.
En concreto, supone dos retos principales de aplicación para los inversores:
- Un claro desajuste entre las necesidades de los inversores y los datos disponibles. Esta discrepancia se produce tanto en el calendario, cuando los inversores tienen que empezar a informar antes que las empresas, como en el ámbito de las empresas que informan, tanto de la UE como de fuera de ella.
- Un proceso de desarrollo normativo continuo. Los inversores deben estar preparados para adaptarse a medida que se definen más objetivos, tanto medioambientales como sociales. Clarity AI aprovecha la tecnología y la experiencia para ofrecer a los clientes herramientas sólidas y completas que les permitan cumplir sus requisitos de divulgación y diseño de productos.
Este informe proporciona información sobre el sector de la economía verde, que es vital para la transición hacia una economía climáticamente neutra. Si la economía verde mantiene su actual crecimiento del 4,2%, podría representar hasta el 5,5% del valor del mercado mundial en 2030. La primera sección de este documento pone de manifiesto los méritos de un enfoque de ciencia de datos para la presentación de informes sobre la taxonomía de la UE en tres casos de uso específicos:
- cómo el cribado semántico granular puede ayudar a identificar las actividades ecológicas de una empresa a escala
- cómo los modelos ayudan a validar los criterios de selección técnica (TSC) de forma escalable, transparente y fiable
- cómo el procesamiento del lenguaje natural puede contribuir a la creación de definiciones imparciales de "daño significativo"
La segunda sección pone en práctica la taxonomía de la UE, profundizando en el rendimiento de un subconjunto de 31.000 fondos de renta variable mediante Clarity AI insights. Los inversores se beneficiarán enormemente de un profundo conocimiento de los rasgos comunes de los fondos mejor situados para la transición hacia una economía hipocarbónica, tanto a la hora de crear nuevos productos financieros como de evaluar el rendimiento de las inversiones actuales.
