[code_snippet id=66 php]
Surmonter les défis de la déclaration de la taxonomie européenne grâce à une approche de science des données.
Sur les marchés actuels de l'investissement durable, un nombre croissant de taxonomies financières émergentes visent à clarifier ce que signifie être durable. En tant que système commun de classification des activités économiques durables, la taxonomie de l'UE fait figure de pionnière dans ce domaine et contribuera à la réalisation des objectifs de réduction des émissions et d'atténuation des effets du Green Deal de l'Union européenne. Mais il n'est pas facile de se conformer à la taxonomie de l'UE.
Plus précisément, elle entraîne deux principaux défis de mise en œuvre pour les investisseurs :
- Un décalage évident entre les besoins des investisseurs et les données disponibles. Ce décalage est dû à la fois au moment où les investisseurs doivent commencer à communiquer des informations avant les entreprises et au champ d'application des entreprises concernées, qu'elles soient européennes ou non.
- Un processus d'élaboration de la réglementation en cours. Les investisseurs doivent être prêts à s'adapter au fur et à mesure que de nouveaux objectifs - tant environnementaux que sociaux - sont définis. Clarity AI s'appuie sur la technologie et l'expertise pour fournir à ses clients des outils robustes et complets afin de répondre à leurs exigences en matière de divulgation et de conception de produits.
Ce rapport donne un aperçu du secteur de l'économie verte, qui est essentiel pour la transition vers une économie neutre sur le plan climatique. Si l'économie verte maintient sa croissance actuelle de 4,2 %, elle pourrait représenter jusqu'à 5,5 % de la valeur du marché mondial d'ici 2030. La première section de ce document met en évidence les mérites d'une approche de science des données pour la déclaration de la taxonomie de l'UE à travers trois cas d'utilisation spécifiques :
- comment le filtrage sémantique granulaire peut aider à identifier les activités vertes d'une entreprise à grande échelle
- comment les modèles aident à valider les critères de sélection technique (CST) de manière évolutive, transparente et fiable.
- comment le traitement du langage naturel peut contribuer à la création de définitions impartiales du "préjudice important".
La deuxième section met la taxonomie de l'UE à l'œuvre, en examinant les performances d'un sous-ensemble de 31 000 fonds d'actions à l'aide du site Clarity AI . Les investisseurs bénéficieront grandement d'une compréhension approfondie des caractéristiques communes des fonds les mieux placés pour la transition vers la sobriété en carbone, à la fois lorsqu'ils élaboreront de nouveaux produits financiers et lorsqu'ils évalueront les performances de leurs investissements actuels.
