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 na cobertura dos principais impactos adversos (PAI) SFDR .

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.

Os requisitos de reporte SFDR adicionam outra camada de dados às 200 métricas que Clarity AI já fornece para evidenciar o desempenho do risco ESG e o impacto no mundo, bem como o alinhamento com as metas climáticas (incluindo as da Task Force on Climate-related Financial Disclosures) e o alinhamento com os Objectivos de Desenvolvimento Sustentável (ODS) da ONU. Como um balcão único, Clarity AI também fornece aos clientes soluções robustas e abrangentes para atender aos seus requisitos de divulgação de SFDR e design de produtos, aproveitando nossos recursos de ciência de dados.

Neste documento, apresentamos exemplos específicos dos méritos da nossa abordagem de ciência de dados para o relatório SFDR
. Abordamos o pré-requisito para uma modelação sólida e recomendações sobre a forma de utilizar os dados. Destacamos também as limitações actuais e a forma como tencionamos desenvolver o módulo de análise e comunicação SFDR nos próximos meses. O documento está estruturado em torno de três casos de utilização específicos 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 consegue resultados optimizados graças a três diferenciadores-chave.

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 relativos ao financiamento sustentável, é reduzir a assimetria de informação entre os participantes no 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 podem ainda não estar disponíveis. Por exemplo, isto pode ser observado quando a regulamentação inovadora da UE em matéria de financiamento sustentável introduziu requisitos para a apresentação de relatórios sobre os riscos de sustentabilidade e os impactos adversos sobre os factores de sustentabilidade.

Embora estas duas categorias estejam estreitamente relacionadas, exigem que os participantes no mercado financeiro avaliem os temas da sustentabilidade, como as alterações climáticas e as violações dos direitos humanos, de diferentes perspectivas:

• uma análise de "risco de sustentabilidade" centra-se nos potenciais impactos negativos materiais sobre o valor de um investimento que decorrem 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 no sentido de responderem a questões sobre riscos de sustentabilidade e impactos adversos, satisfazendo assim as expectativas do SFDR. As entidades reguladoras estão cientes dos desafios relacionados com os dados que as instituições enfrentam e estão atualmente a conceber soluções para colmatar esta lacuna de dados através, por exemplo, da proposta de Diretiva relativa aos relatórios de sustentabilidade das empresas (CSRD). Entretanto, o regulador da União Europeia fornece ferramentas que os participantes no mercado financeiro podem utilizar para resolver a questão da disponibilidade de dados.

Uma ferramenta é mencionada no n.º 2 do artigo 7.º das Normas Técnicas de Regulamentação (NTR) (geralmente referidas como nível 2). (Prevê-se que as RTS ao abrigo do SFDR se tornem aplicáveis algures 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 "os melhores esforços" para obter as informações de que necessitam, quer diretamente junto das empresas participadas, quer através da realização de pesquisas adicionais. Podem também cooperar com fornecedores de dados terceiros ou peritos externos ou adotar pressupostos 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 modelizados pelos participantes no mercado financeiro é uma solução para enfrentar o desafio das lacunas de dados - esta estratégia preenche os critérios da expetativa de utilizar os melhores esforços. Por exemplo, os dados modelizados permitem que os participantes no mercado financeiro baseiem as suas divulgações numa abordagem verificável e que é utilizada por outros participantes no mercado para fazer suposições razoáveis sobre os impactos nos factores de sustentabilidade.