Como a ciência dos dados pode habilitar SFDR Relatórios

Fornecendo uma solução de relatório SFDR que supera SFDR lacunas de cobertura PAIs com dados fiáveis

O Regulamento de Divulgação de Informações Financeiras Sustentáveis da União Europeia (SFDR) poderia revolucionar os relatórios de sustentabilidade - e, por sua vez, alargar o âmbito dos dados que as empresas rastreiam para medir o seu desempenho no âmbito do ESG.

O objectivo de SFDR é melhorar a transparência das divulgações de ESG pelos fornecedores de produtos e serviços financeiros. Como nem todos os dados relevantes estão ainda disponíveis à escala, o cumprimento de SFDR também exige que os participantes do mercado financeiro corram de alguma forma antes de caminharem. Na fase intermediária, quando os fornecedores de dados estão em vias de aumentar a sua oferta, isto pode ser contraproducente e resultar em má ou má prestação de informação. A ciência dos dados pode ajudar.

Tornar os dados certos disponíveis à escala requer a superação de dois obstáculos principais:

• Baixa fiabilidade dos dados comunicados. Isto pode ocorrer porque os dados notificados da empresa são fragmentados e não padronizados, e existem valores contraditórios ou não fiáveis entre os diferentes fornecedores.
• Cobertura de dados incompletos de métricas e sectores industriais. Isto ocorre devido a relatórios parciais ou inexistentes.

A figura 1 ilustra SFDR principais impactos adversos (PAI) lacunas de cobertura por geografia, dimensão, e indicadores seleccionados com base numa análise de 29.000 empresas com base em Clarity AI ^.1 Globalmente, apenas 3% das empresas analisadas referiram mais de 70% dos 14 PAI obrigatórios. A Europa lidera com 10% das empresas que atingiram este limiar de cobertura, enquanto apenas 3% das empresas dos EUA e 1% das empresas da APAC reportaram o mesmo. Uma em cada cinco empresas de grande dimensão atingiu o limiar, mas apenas uma em cada 50 empresas de pequena dimensão o fez. A cobertura também varia muito por indicador: 20% das 29.000 empresas divulgam dados sobre emissões de carbono, mas apenas 3% fazem o mesmo em relação aos dados sobre disparidades salariais entre homens e mulheres.

FIGURA 1
A nossa análise indica lacunas significativas de cobertura em SFDR principais impactos adversos (PAIs).

Empresas que declaram mais de 70% dos PAIs (n = 29.000 empresas), %

Além de cumprir os PAIs, SFDR exige provas da inclusão de boas práticas de governação e de que as empresas são responsáveis pelo teste Do Not Significant Harm (DNSH) - cada um dos quais vem com os seus próprios desafios de cobertura de dados. A implementação da Directiva da Comissão Europeia sobre Relatórios de Sustentabilidade Empresarial (CSRD) ajudará a colmatar a lacuna, eventualmente obrigando cerca de 50.000 empresas a reportar o desempenho de sustentabilidade sobre um conjunto abrangente de métricas. A CSRD será plenamente implementada até 2025, e é provável que as jurisdições não europeias fiquem ainda mais atrasadas.

Clarity AI é uma empresa tecnológica e plataforma de sustentabilidade com a missão de trazer impacto social aos mercados.

SFDR Os requisitos de informação acrescentam outra camada de dados às 200 métricas que Clarity AI já fornece para comprovar o desempenho sobre o risco e impacto dos ESG no mundo, bem como o alinhamento com as metas climáticas (incluindo as da Task Force sobre Divulgações Financeiras relacionadas com o Clima) e o alinhamento dos Objectivos de Desenvolvimento Sustentável (ODS) da ONU. Como um balcão único, Clarity AI também fornece aos clientes soluções robustas e abrangentes para satisfazer os seus requisitos de divulgação e concepção de produtos SFDR , alavancando as nossas capacidades de ciência de dados.

Neste documento, fornecemos exemplos específicos dos méritos da nossa abordagem da ciência dos dados para SFDR
relatórios. Abordamos o pré-requisito para uma boa modelação e recomendações sobre como utilizar os dados. Destacamos também as actuais limitações e como pretendemos continuar a desenvolver o módulo de análise e elaboração de relatórios SFDR nos próximos meses. O documento está enquadrado em três casos específicos de utilização que utilizam diferentes técnicas de ciência de dados, ilustrados através dos requisitos SFDR :

1. Como a ciência dos dados pode melhorar a fiabilidade dos dados comunicados
2. Como a aprendizagem mecânica pode expandir a cobertura de dados
3. Como o processamento em linguagem natural pode informar o desenvolvimento métrico

Enquanto que SFDR cobre várias classes de activos, incluindo obrigações soberanas e bens imobiliários, vamos concentrar-nos nas empresas.

FIGURA 2
Clarity AI alcança resultados optimizados graças a três diferenciadores chave.

FONTES DE DADOS
Reunir a maior colecção de fontes estruturadas e não estruturadas para cobrir todos os tópicos-chave e sectores industriais

CONHECIMENTOS DE DADOS TÉCNICOS
Agregar, limpar e normalizar a base de dados montada para melhorar a qualidade dos dados, e melhorar continuamente os modelos através de conhecimentos internos e externos (parcerias com academias e empresas de consultoria)

INTELIGÊNCIA ARTIFICIAL
Implementar o estado da arte da aprendizagem de máquinas e técnicas de ciência de dados com a escalabilidade em mente para a melhor selecção automática da fonte e para obter estimativas precisas de dados não relatados, aumentando a fiabilidade e a cobertura

Em que medida é que os dados modelados podem ser utilizados nos relatórios SFDR ?

A primeira questão na nossa viagem foi descobrir até que ponto SFDR permite aos participantes do mercado financeiro utilizar dados modelados. Para responder a esta questão fundamental, chegámos ao nosso consultor externo de regulamentação sustentável e parceiro Eco:Fact.

Um dos principais objectivos do SFDR, e de outros regulamentos financeiros sustentáveis, é reduzir uma assimetria de informação entre os participantes do mercado financeiro e os investidores. Consequentemente, espera-se que os participantes no mercado financeiro apoiem os seus relatórios e tomem decisões com base em dados que ainda possam não estar indisponíveis. Por exemplo, isto pode ser observado quando os regulamentos financeiros sustentáveis inovadores da UE introduziram requisitos para a elaboração de relatórios sobre riscos de sustentabilidade e impactos adversos sobre factores de sustentabilidade.

Embora estas duas categorias estejam intimamente relacionadas, exigem que os participantes no mercado financeiro avaliem tópicos de sustentabilidade, tais como as alterações climáticas e as violações dos direitos humanos, a partir de perspectivas diferentes:

• uma análise de "risco de sustentabilidade" centra-se nos potenciais impactos negativos materiais sobre o valor de um investimento que resulte de factores de sustentabilidade (por exemplo, o impacto da subida do nível do mar sobre os valores imobiliários).
• a consideração dos "impactos negativos da sustentabilidade" concentra-se nos efeitos negativos de um investimento nos impactos da sustentabilidade (por exemplo, investimento em empresas altamente poluentes que têm um impacto negativo nos ecossistemas e na saúde dos indivíduos).

São necessários dados adequados para realizar avaliações como as acima descritas; a disponibilidade, acessibilidade e fiabilidade dos dados são fundamentais para os esforços das instituições financeiras para responder a questões sobre riscos de sustentabilidade e impactos adversos, e assim satisfazer as expectativas SFDR. Os reguladores estão conscientes dos desafios relacionados com os dados que as instituições enfrentam, e estão actualmente a conceber soluções para colmatar esta lacuna de dados através, por exemplo, da proposta de Directiva sobre Relatórios de Sustentabilidade Empresarial (CSRD). Entretanto, o regulador da União Europeia fornece ferramentas que os participantes do mercado financeiro podem utilizar para abordar a questão da disponibilidade de dados.

Um instrumento é mencionado no artigo 7(2) das Normas Técnicas Regulamentares (RTS) (geralmente referido como nível 2). (Espera-se que as RTS ao abrigo do SFDR se tornem aplicáveis em 2022.) Esta disposição é relevante para situações em que os participantes no mercado financeiro são solicitados a divulgar dados sobre os principais indicadores de impacto adverso, mas esses dados não estão prontamente disponíveis. Neste contexto, espera-se que os participantes no mercado financeiro envidem "melhores esforços" para obterem a informação de que necessitam, quer directamente das empresas investidas, quer através da realização de investigação adicional. Podem também cooperar com fornecedores de dados de terceiros ou peritos externos ou fazer suposições razoáveis. É de notar que os participantes no mercado financeiro devem também comunicar o que constitui o seu melhor esforço.

Nesta situação, a utilização de dados modelados pelos participantes do mercado financeiro é uma solução para enfrentar o desafio da falta de dados - esta estratégia preenche os critérios da expectativa de utilizar os melhores esforços. Por exemplo, os dados modelados permitem aos participantes do mercado financeiro basear a sua divulgação numa abordagem que é verificável e que é utilizada por outros participantes do mercado para fazer suposições razoáveis sobre os impactos nos factores de sustentabilidade.

Descarregar o relatório completo

_______________
1. Para a chave SFDR PAI, a nossa perícia em ciência de dados permitiu-nos multiplicar a cobertura de dados por aproximadamente cinco vezes, em média. Em alguns casos, quando não havia dados disponíveis, desenvolvemos conjuntos de dados inteiramente novos. Para além das questões de cobertura, os participantes do mercado financeiro também se confrontam com questões de fiabilidade dos dados comunicados, que é outra área em que a nossa abordagem da ciência dos dados proporciona melhorias significativas.