大多数ESG评级机构和数据提供商通过分析不同类别可持续性标准（如排放、废物管理、透明度、高管薪酬等）的数据点来衡量公司的ESG绩效。该分析用于创建可持续性得分，供资产所有者和管理者在其投资战略中使用，用于企业社会责任和可持续性报告以及供应链监控。

　　然而，每个ESG评级机构都制定了各自的研究范围，纳入了不同类别的可持续性、不同的衡量标准以及ESG总体得分的不同权重。ESG评级机构和ESG数据提供商使用的原始数据源类型也存在差异。

　　1.ESG评级机构

　　大多数传统的ESG评级机构基于从公司自身获得的信息来分析有限选择的上市公司的绩效；例如，对公司沟通进行内容分析，如公司的公司责任报告和网站，以标记与ESG问题相关的某些关键字。一些机构通过向接受评估的公司发送问卷，并与非政府组织、政府机构或工会等利益相关者接触，收集有关ESG绩效的数据。大多数机构使用国际标准，如劳工组织公约、联合国全球契约和《人权宣言》，作为分析基准。然后，他们使用自己的方法分析数据，并确定每家公司的评级。评级和分析通常每年更新两到三次。

　　2.ESG数据提供者

　　对可靠和及时的ESG数据的需求不断增加，这导致ESG数据提供商使用人工智能和机器学习算法等技术从公司外部的来源（如新闻文章、NGO报告、社交媒体和其他来源）筛选大量非结构化数据。使用与特定ESG问题（如气候变化、水资源短缺、劳资关系、公司治理等）相关的预定义关键字的自动搜索工具可以扫描大量数据，以识别与公司ESG绩效和可持续性相关的风险事件和争议。然后，这些数据可用于汇编ESG分数和指标，供银行、机构投资者和投资经理等客户用于尽职调查和风险管理。

　　3.专业ESG数据提供商

　　专业ESG数据提供商已在利基市场发展了专业知识。一些供应商使用世界银行、欧盟统计局和透明国际等来源的公开数据对国家进行评级，而其他供应商则关注气候变化、水资源短缺、塑料污染或二氧化碳排放等单一问题。依赖非传统来源的替代数据提供者也越来越多；例如，卫星图像可用于监测漏油等风险事件或森林火灾等自然灾害。

　　然而，这些人工智能系统和机器学习算法的强大程度取决于构建它们的数据质量。为了解决这一挑战，领先的ESG数据提供商通过培训分析师如何使用基于规则的方法评估原始数据，将人工智能与人类智能结合起来。该质量控制系统确保最终研究和分析具有相关性和可操作性。这些带注释或经整理的数据点也可用于训练机器学习算法，最终使其随着时间的推移更快、更准确。通过结合机器世界和人类世界的优点，这些人工智能驱动的数据提供商可以展示一家公司的政策是否真的转化为实际绩效——事实上，它提供了一个“现实检查”来判断一家公司是否走了路，而不仅仅是说说而已。

　　这些数据的及时性、粒度和可用性——以及基础数据库的范围和规模——使这些数据集成为量化投资策略的理想输入。数据集越长，就越能用于支持测试交易策略或进行研究。这是人工智能驱动的ESG数据提供商之间的一个重要区别，因为一些公司拥有10年以上的连续时间序列的高质量数据，而其他公司可能只有几年的数据或依赖于回填数据，这往往不太可靠。

　　4.计分法

　　ESG评级机构和ESG数据提供商开发了自己的评分方法，以评估公司的企业可持续性绩效。许多ESG评级机构的得分遵循信用评级机构的方法，并以字母级表示，通常从A –D-，A级表示企业的高可持续性水平。ESG数据提供者更频繁地使用数值。其他ESG评分系统包括百分比、热图、布尔逻辑（真/假陈述）和“红绿灯”分类。

　　声明|本文来源乐投体育 国际米兰-乐投体育国际米兰官方合作-letou-online.com。我们尊重原创，重在分享。部分文字和图片来自网络。如有侵权请立即与我们联系（4007009596），我们将及时处理！