Come la scienza dei dati può consentire il reporting su SFDR
Fornire una soluzione di reporting SFDR che superi le lacune di copertura di SFDR PAIs con dati affidabili
La Sustainable Finance Disclosure Regulation (SFDR) dell'Unione Europea potrebbe rivoluzionare il reporting di sostenibilità e, a sua volta, ridisegnare i dati che le aziende tracciano per misurare la loro performance ESG.
Lo scopo di SFDR è quello di migliorare la trasparenza delle informazioni ESG fornite dai fornitori di prodotti e servizi finanziari. Poiché non tutti i dati rilevanti sono ancora disponibili su scala, la conformità a SFDR richiede che gli operatori del mercato finanziario corrano prima di camminare. Nella fase di intermediazione, quando i fornitori di dati sono in procinto di ampliare la loro offerta, questo potrebbe essere controproducente e portare a segnalazioni scarse o errate. La scienza dei dati può aiutare.
Per rendere disponibili i dati giusti su scala occorre superare due ostacoli principali:
- Bassa affidabilità dei dati riportati. Ciò può verificarsi perché i dati aziendali riportati sono frammentari e non standardizzati, e tra i diversi fornitori esistono valori contrastanti o inaffidabili.
- Copertura incompleta di metriche e settori industriali. Ciò si verifica a causa di segnalazioni parziali o inesistenti.
La figura 1 illustra le lacune di copertura dei principali impatti negativi (PAI) di SFDR per area geografica, dimensione e indicatori selezionati, sulla base di un'analisi di 29.000 aziende basata sulla scienza dei dati di Clarity AI .1 A livello globale, solo il 3% delle aziende analizzate ha riportato più del 70% dei 14 PAI obbligatori. L'Europa è in testa con il 10% delle aziende che raggiungono questa soglia di copertura, mentre solo il 3% delle aziende statunitensi e l'1% di quelle dell'area APAC hanno riportato lo stesso risultato. Una società a grande capitalizzazione su cinque ha raggiunto la soglia, ma solo una su 50 a piccola capitalizzazione l'ha fatto. La copertura varia notevolmente anche in base all'indicatore: il 20% delle 29.000 aziende divulga i dati sulle emissioni di carbonio, ma solo il 3% fa lo stesso con i dati sul divario retributivo di genere.
FIGURA 1
La nostra analisi indica significative lacune nella copertura del sito SFDR .
Aziende che dichiarano più del 70% delle IPA (n = 29.000 aziende), %
Oltre a soddisfare le IPA, il sito SFDR richiede la prova dell'inclusione di pratiche di buona governance e che le aziende rendano conto del test Do Not Significant Harm (DNSH), ognuno dei quali comporta problemi di copertura dei dati. L'attuazione della Direttiva sul reporting di sostenibilità delle imprese (CSRD) della Commissione europea contribuirà a colmare il divario, obbligando alla fine quasi 50.000 aziende a rendicontare le performance di sostenibilità su una serie completa di metriche. La CSRD sarà pienamente attuata entro il 2025 e le giurisdizioni extraeuropee probabilmente rimarranno ancora più indietro.
Clarity AI è un'azienda e una piattaforma tecnologica per la sostenibilità con la missione di portare l'impatto sociale sui mercati.
SFDR I requisiti di rendicontazione aggiungono un altro livello di dati alle 200 metriche che Clarity AI già fornisce per dimostrare la performance sul rischio ESG e l'impatto sul mondo, nonché l'allineamento con gli obiettivi climatici (compresi quelli della Task Force on Climate-related Financial Disclosures) e l'allineamento con gli Obiettivi di Sviluppo Sostenibile (SDG) delle Nazioni Unite. In qualità di sportello unico, Clarity AI fornisce inoltre ai clienti soluzioni solide e complete per soddisfare i requisiti di divulgazione e progettazione dei prodotti di SFDR , sfruttando le nostre capacità di data science.
In questo documento, forniamo esempi specifici dei meriti del nostro approccio di data science per il SFDR
il reporting. Affrontiamo i prerequisiti per una solida modellazione e le raccomandazioni su come utilizzare i dati. Evidenziamo inoltre i limiti attuali e come intendiamo sviluppare ulteriormente il modulo di analisi e reporting di SFDR nei prossimi mesi. Il documento è incentrato su tre casi d'uso specifici che sfruttano diverse tecniche di data science, illustrati attraverso i requisiti di SFDR :
- Come la scienza dei dati può migliorare l'affidabilità dei dati riportati
- Come l'apprendimento automatico può ampliare la copertura dei dati
- Come l'elaborazione del linguaggio naturale può informare lo sviluppo delle metriche
Mentre SFDR copre diverse classi di attività, tra cui le obbligazioni sovrane e il settore immobiliare, noi ci concentreremo sulle società.
FIGURA 2
Clarity AI ottiene risultati ottimizzati grazie a tre fattori di differenziazione chiave.
FONTI DI DATI
Assemblare la più ampia raccolta di fonti strutturate e non strutturate per coprire tutti gli argomenti chiave e i settori industriali
COMPETENZA SUI DATI TECNICI
Aggregare, pulire e standardizzare i database assemblati per migliorare la qualità dei dati e migliorare continuamente i modelli attraverso competenze interne ed esterne (partnership con università e società di consulenza).
INTELLIGENZA ARTIFICIALE
Implementare tecniche di apprendimento automatico e di scienza dei dati all'avanguardia con l'obiettivo della scalabilità per la selezione automatica delle fonti migliori e per ottenere stime accurate per i dati non dichiarati, aumentando l'affidabilità e la copertura.
In che misura i dati modellati possono essere utilizzati nel reporting di SFDR ?
La prima domanda del nostro viaggio è stata quella di capire fino a che punto SFDR consente agli operatori dei mercati finanziari di utilizzare i dati modellati. Per rispondere a questa domanda fondamentale, ci siamo rivolti al nostro consulente e partner esterno per la regolamentazione sostenibile Eco:Fact.
Uno degli obiettivi principali del sito SFDR, e di altre normative sulla finanza sostenibile, è quello di ridurre l'asimmetria di informazioni tra i partecipanti ai mercati finanziari e gli investitori. Di conseguenza, ci si aspetta che gli operatori dei mercati finanziari supportino le loro relazioni e prendano decisioni basate su dati che potrebbero ancora non essere disponibili. Ad esempio, si può notare come l'innovativa regolamentazione dell'UE in materia di finanza sostenibile abbia introdotto requisiti per la rendicontazione dei rischi di sostenibilità e degli impatti negativi sui fattori di sostenibilità.
Sebbene queste due categorie siano strettamente correlate, richiedono agli operatori dei mercati finanziari di valutare i temi della sostenibilità, come il cambiamento climatico e le violazioni dei diritti umani, da prospettive diverse:
- un'analisi del "rischio di sostenibilità" si concentra sui potenziali impatti negativi materiali sul valore di un investimento derivanti da fattori di sostenibilità (ad esempio, l'impatto dell'innalzamento del livello del mare sui valori immobiliari).
- la considerazione degli "impatti negativi sulla sostenibilità" si concentra sugli effetti negativi di un investimento sugli impatti della sostenibilità (ad esempio, investimenti in aziende altamente inquinanti che hanno un impatto negativo sugli ecosistemi e sulla salute delle persone).
La disponibilità, l'accessibilità e l'affidabilità dei dati sono fondamentali per gli sforzi delle istituzioni finanziarie di rispondere alle domande sui rischi di sostenibilità e sugli impatti negativi, soddisfacendo così le aspettative del sito SFDR. Le autorità di regolamentazione sono consapevoli delle sfide legate ai dati che le istituzioni devono affrontare e stanno attualmente progettando soluzioni per colmare questo gap di dati, ad esempio attraverso la proposta di direttiva sul reporting di sostenibilità aziendale (CSRD). Nel frattempo, l'autorità di regolamentazione dell'Unione Europea fornisce strumenti che gli operatori dei mercati finanziari possono utilizzare per affrontare il problema della disponibilità dei dati.
Uno strumento è menzionato nell'articolo 7, paragrafo 2, degli standard tecnici di regolamentazione (RTS) (comunemente indicati come livello 2). SFDR (Questa disposizione è rilevante per le situazioni in cui ai partecipanti ai mercati finanziari viene richiesto di divulgare dati sui principali indicatori di impatto negativo, ma tali dati non sono prontamente disponibili. In questo contesto, gli operatori dei mercati finanziari devono fare del loro meglio per ottenere le informazioni necessarie, direttamente dalle società partecipate o effettuando ricerche supplementari. Possono anche collaborare con fornitori di dati terzi o esperti esterni o fare ipotesi ragionevoli. Va notato che gli operatori dei mercati finanziari devono anche comunicare quali sono i loro migliori sforzi.
In questa situazione, l'uso di dati modellati da parte dei partecipanti ai mercati finanziari è una soluzione per affrontare la sfida delle carenze di dati: questa strategia soddisfa i criteri dell'aspettativa di utilizzare i migliori sforzi. Ad esempio, i dati modellati consentono agli operatori dei mercati finanziari di basare le proprie informazioni su un approccio verificabile e utilizzato da altri operatori di mercato per formulare ipotesi ragionevoli sugli impatti dei fattori di sostenibilità.
_______________
1. Per i principali SFDR PAI, la nostra esperienza nella scienza dei dati ci ha permesso di moltiplicare la copertura dei dati per circa cinque volte, in media. In alcuni casi, quando non erano disponibili dati, abbiamo sviluppato interi nuovi set di dati. Oltre ai problemi di copertura, gli operatori dei mercati finanziari devono affrontare anche problemi di affidabilità dei dati riportati, un'altra area in cui il nostro approccio alla scienza dei dati fornisce miglioramenti significativi.
