痛点
01
只有小部分企业会发布正式的 ESG 报告。披露内容往往很不全面,也难以保证真实性。投资者需要对互联网上相关的公开信息进行收集和分析才能进行客观和及时的评价。
痛点
02
不同机构的 ESG 分析框架往往有不同的具体标准。三大领域下的几十个主要议题可以进一步拆解为数百个信息点。每个信息点的数据采取和评分标准都可能存在差异。
痛点
03
由于信息公开度低且数据源分散、体系指标复杂,仅针对一家公司的 ESG 信息收集和分析就会消耗非常大的人力。完全依赖人工进行收集和分析难以满足投资的需求。
痛点
04
除了专门的 ESG 报告外,投资分析需要的 ESG 信息还有很多重要的数据源,例如:企业年报、媒体信息、政府公文、社交平台、招聘网站等。
新一代语义搜索技术
通过语义搜索和知识图谱技术,可以在各类不同的数据源中进行精确到段落级别的信息搜索,准确找到投资者关注的 ESG 信息点,并可以按照自定义的 ESG 分析体系进行信息汇总和索引。
自定义信息抽取技术
传统采用人工或关键词规则方式对数百个信息点位对应的具体数据进行抽取的效率较低、覆盖度也不理想。通过澜舟金融自定义信息抽取技术,可以利用预训练模型的泛化能力,灵活响应多变的信息抽取需求,有效提高信息抽取覆盖度,降低开发成本。
多粒度情绪分析
多样化的 ESG 信息源中往往包含大量的描述性文字,无法通过数值和规则进行评分。通过孟子预训练语言模型技术,可以对 ESG 信息点进行多粒度的语义情绪分析,分辨从篇章、句子到主体对象的正负面情绪表达,为 ESG 信息点评级提供依据。
可以自动处理海量的文本类数据源,支持按照自定义的 ESG 分析框架进行自动信息索引和汇总展示,并支持通过关键词进行信息搜索。可灵活定制扩展更多的信息抽取点,构建全自动分析流程,极大降低人工信息处理成本。
通过领先的语义情绪识别技术,通过对海量数据进行实时分析帮助投资者第一时间发现 ESG 负面信息,并掌握情绪变化趋势,降低投资风险。
通过语义搜索、文本分析、信息抽取等自然语言处理技术对海量文本数据进行挖掘和智能分析,为投资者提供准确、客观、及时的 ESG 投资决策支持。