网站首页 关于我们 律师介绍 专业领域 最新文章 行业动态 付费咨询 联系我们
行业动态
首 页 -> 行业动态 -> 关于ESG数据的四要素
关于ESG数据的四要素
发布者:admin     浏览次数:53     发布时间:2021/3/17

来源:新金融法公号


ESG(Environmental, Social and Governance,涉及环境、社会、治理因素,以下简称ESG)数据与评级的产生,源自于投资人对公司信息的需求,这些信息包括公司如何运用不同形式的资本(自然资源、社会资源、智力成果与金融资本)来提供产品和服务。 

随着ESG金融与ESG数据在投资决策中应用的增多,我们将ESG数据评估的重要因素进行释明,旨在为进入此领域的群体提供有用的指导。本文将聚焦于以下方面:

数据评估方式的多样性(Variety of data and measures)。针对同一组公司,不同的数据处理方式会导致公司报告呈现出截然不同的结果;

 

基准管理(Benchmarking)。数据供应商如何定义公司的同业群体,对于确定公司的排名至关重要。

数据缺口(Data gaps)。ESG研究人员和分析师在处理不连贯的ESG数据时,采取不同的填补数据缺口的方法将会产生巨大的变量,导致数据供应商间存在分歧。

数据供应商分歧(Disagreements among ESG data providers)。 随着公开信息的增加,数据供应商之间的分歧将会进一步增大,研究表明提供更多ESG信息的公司,其ESG评级就会存在更大的差异。

ESG的评估方式应逐渐制度化,使得ESG评级能够更好的反馈出公司绩效。


公司应该主动进行信息披露,而不是被调查要求所淹没。另一方面,公司可以参与ESG评级基准的确定当中,与同业群体在ESG评级的基准管理上达成一致,进而能够进行自我监督。同时,应敦促投资者将对ESG数据的需求调整至可管理的基准区间,进而推动公司进行更有价值的ESG数据披露。

证券交易所应该综合考虑公司、投资者、监管机构联合制定的ESG数据披露准则,ESG数据供应商应就评估方法达成一致,将评估方式透明公开,使得数据更为精确可靠。

 · 一、回归本源 ·
ESG评级的主要目标是尽可能准确地反馈公司在处理ESG问题上的表现,以便投资人能够利用这些数据预测公司的业绩,或是将这些数据整合到业务分析与估值当中。

从公司角度来看,ESG评级目标的实现能够让公司清楚自身的努力何时能够产生预期效果,以及如何系统地将公司运营、战略与薪酬计划进行整合。


调查中发现,即使目前ESG数据质量偏低,我们仍能发现数据与经济发展存在相关性,越来越多的研究人员也发现了此种关系,我们相信当数据质量得到提升,那么数据与经济发展的相关性将会得到强化。

 · 二、工作模型 ·
我们尝试用简单的数学模型来显示一组公司在给定的ESG指标下绩效的分布情况,可以发现公司的数量与ESG绩效呈正态分布曲线。


如图所示,较少公司的ESG绩效处于高位,同时也有较少公司的ESG绩效处于低位水平,大多数公司聚集在平均值附近。正态分布曲线可以帮助我们理解公司所处于的ESG绩效水平,但是仍存在一定局限性。


数据的不一致性远超想象

 

不同公司报告中,ESG数据处理方式的不一致性是一个常见的问题。


我们抽取财富500强中分布于不同行业的50家上市公司作为样本,分析这些公司报告中关于员工的健康和安全问题的信息,研究发现处理数据的方式多达20余种,关于健康安全的数据可能包括受伤损失天数、伤害率、事故次数等多种计算方式,而针对同一指标,也存在度量单位有所不同的情形,比如针对反映每200000工时中发生工伤的数据,有些公司用“数量”作为数据单位,而另外一些公司用“比例”作为数据的量度。


这种数据的不一致性使得对公司进行比较存在重大困难。这些指标所要反馈的虽然是同一方面的数据,却不能通过平行比较来分清哪些公司在健康和安全方面做的更好,因此,应当建立同样的正态分布曲线,来发现在反馈员工的健康和安全时,哪项指标能够更好的反馈出公司的ESG绩效,以及如果多个指标存在关联性,是否能够将其系统整合来反馈出公司的业绩。

基准的选择

通过讨论数据不一致会导致同一组公司的ESG数据反馈出不同的结果,我们得出判断ESG数据评估方式优劣的关键环节:基准的选择。


ESG指标可以作为公司绩效在某一领域的写照,它的基准应该是根据给定样本中的最大值和最小值来综合确定的。任何ESG数据供应商都会为ESG指标中表现较好的公司分配更高的绩效得分,而表现较差的公司则得到较低的绩效分,其余的公司实际上介于两者之间的基准附近。因此,基准的选择是ESG数据供应商所提供数据存在差异性的根本原因。

 

同业群体(对照组Peer group)的定义

评估中作为对照组的公司同业群体完全由数据供应商自行决定,选择对照组时必须注意,对照组的绩效范围都会影响对受评公司ESG指标的最终评估。因此,对照组的定义与公司ESG评级结果息息相关,如果不同的数据供应商使用不同的对照组,或者行业分类各不相同,那么势必影响它们所得出的报告。

绩效的定义

为了克服基准偏差带来的问题,可以根据预设ESG指标的绩效范围来确定公司的绩效分数,而不再通过对照组进行绩效评估。为ESG指标预设绩效范围为数据供应商提供了一种评估公司对外部世界实际影响的方法,例如在世界各地,许多公司就环境保护作出承诺以便提高其ESG绩效。以科学为基础的气候目标可以为ESG指标提供一些数据支持,同时能够回应如何选择基准的问题。
图片 
 · 三、数据反馈呈现出差异性 ·
研究发现,即使存在信息披露,也很难判断公司ESG绩效。因为在缺乏监管和标准的背景下,并非所有公司都会披露ESG数据,而选择信息披露的公司也会采取不同的数据处理方式。例如之前对50家公司的抽样调查中,我们发现大约50%的公司报告中体现了健康和安全政策,约15%的公司披露了损失的工时失误率和工作场所死亡人数,从数字中可以发现小型公司关于ESG数据的披露往往少得多。
由此可见,研究员和分析师在处理数据时将面临跨越公司、时间段与ESG指标相关的巨大数据缺口。在此时,数据估算将发挥重要的作用,对数据的估算能够填补这些数据缺口,但是不同的评估方法将会产生截然不同的效果。

 

基于规则

 

基于规则进行估算的方法包括基于给定的ESG量度规则评估确实的数据。例如,当“工作场所死亡人数”这一指标存在数据缺口时,人们通常采用“无罪推定”的规则,假设缺失的数据为“0”。另一个不同的规则,则是采取对照组的平均数进行预测,以避免较低的死亡人数产生激励不披露行为。这种方法相对简单,但是要想对ESG问题有系统的了解,需要结合更有意义的规则。


基于输入-输出模型

根据给定的ESG指标估计公司整体绩效的投入产出,此种计算方法有赖于行业与宏观经济的数据。输入-输出模型能够基于对公司业务的直接和间接影响的评估,给定公司在ESG指标上的绩效评价,这种自上而下的评估方法最适用于科学环境指标。然而,此种方法在社会指标的适用中所体现出的相关性则稍显不足。

基于统计分析

采取先进的统计分析,为填补数据缺口开拓了广阔的前景。统计分析可以实现多重填补,多线程完成缺口填补工作,为每个数据缺口单独提供所需的统计分析,并将不同的结果汇总成一组统计估值。多重填补充分考虑到缺失数据的变化性,并为此提供更为精确的数据填补。


统计学分析可以采用回归(Regression)的方法。将缺失数据设置为因变量Y,同时预测值设置为自变量X,通过分析现实数据与两组预测值之间的关系推断ESG指标的缺失值。两组预测值分别为时变性(Time-varying)数据以及非时变性数据(Non-time varying)。


统计学分析也可以采用随机回归填补法(Predictive Mean Matching,PMM,一种基于临近规则的缺失数据填补方法,与回归法有所不同)。无论是在单一填补还是在多重填补的情形下,通过预测平均值使用线性回归填补数据缺口。
由于大型公司更有可能全面报告ESG数据,它们的数据将使得预测的平均值向较大的数值倾斜,所以对于小型公司而言,可能得到的预测数值相对偏高,甚至超出可信度区间。


 · 四、数据供应商的意见分歧 ·
可以肯定的是,随着信息披露备受重视,我们能够通过数据分析评价公司业绩的好坏。如今,ESG数据分析师在评级指标的选择上仍然存在分歧。如果数据披露是产生分歧的根源,那么随着ESG信息披露的加强,ESG数据分析师之间的分歧将会减少。

 

对公司的启示

公司如何从自身角度出发,解决供应商意见分歧的问题呢?我们给出两个建议:

· 1 ·

重视ESG数据的披露。许多公司意识到,有必要与行业走在一起,重视与投资人的沟通,制定以行业为中心并能为投资人提供参考的ESG报告。

共同制定合适的ESG指标基准,并为适应基准,进行自我调节。旨在加强公司间的“竞争前”合作,通过制定基准来实现共同的可持续发展。

对投资人的启示

对于投资人而言,应将对ESG数据的需求调整至可以管理的信息披露区间,使得数据能够反馈出真实且有效的指标。在过去,投资人对于数据的要求含糊不清,缺乏重点,这不利于对ESG指标的合理运用,我们应将ESG指标的基准统一,使得其能够反馈核心问题,诸如环境因素、社会因素与劳动条件等公司治理因素。

 

对证券交易所的启示

 


证券交易所应当发布规范强制ESG数据的披露,通过加强信息披露提高公司的透明度。

 

对数据供应商的启示

 

数据供应商应就最佳评估方法达成一致,使得评估方法能够得出可靠的结果。在评估公司绩效时,应详细的考虑同业群体,并将真实数据与预测数据进行区分,形成最佳的评估方法。
整理者:李析原

参考文献:Kotsantonis, Sakis and Serafeim, George, Four Things No One Will Tell You About ESG Data (July 15, 2019). Journal of Applied Corporate Finance 31 (2), Spring 2019, pages 50-58.



  上一篇:中央银行对大数据和“机器学习”的兴趣
  下一篇:《全国中小企业股份转让系统挂牌公司向上海证券交易所科创板转板上市办法(试行)》


版权所有:证券律师
电话:18600639400      地址:北京市朝阳区金和东路20号院正大中心    新闻中心