Artificiële intelligentie overbrugt de kloof tussen data en duurzaam beleggen

Duurzaam beleggen is hot. Zo vindt ook Larry Fink, CEO van Blackrock, de grootste vermogensbeheerder ter wereld. In zijn jaarlijkse brief aan CEO’s kondigt hij aan dat het bedrijf onmiddellijk zal stoppen met investeren in ondernemingen met een hoog duurzaamheidsrisico en dat duurzaamheid in de toekomst geïntegreerd zal worden in hun investeringsstrategie. Fink is niet alleen in zijn opvatting dat duurzaamheid voor investeerders het uitgangspunt moet worden bij hun beoordeling van hun beleggingen. Ondanks de Covid-19 pandemie werd in de twaalf maanden voor november 2020, 326 miljard dollar geïnvesteerd in duurzame beleggingsfondsen en ETF’s.

Er zijn echter onlosmakelijk een aantal uitdagingen verbonden aan duurzaam beleggen. Eén daarvan is hoe men de duurzaamheid van ondernemingen kan meten. Daar waar beleggers de financiële gezondheid van een onderneming traditioneel beoordelen op basis van financiële ratio’s – zoals het rendement op investeringen (ROA), of de verhouding vreemd vermogen t.o.v. de totale activa – waarvoor hoogkwalitatieve data beschikbaar is, is het beoordelen van de duurzaamheidsprestatie van een onderneming veel minder vanzelfsprekend. In tegenstelling tot financiële rapportering staat duurzaamheidsrapportering nog in de kinderschoenen en is het, ondanks de beschikbaarheid van een groot aantal richtlijnen en standaarden, zelden gereguleerd. Dit maakt het veel moeilijker om objectieve en gestandaardiseerde duurzaamheidsinformatie te bekomen.

Veel beleggers zoeken daarom hun toevlucht tot ESG*-dataproviders om duurzaamheidsinformatie over potentiële beleggingen in te winnen. Deze ‘ratingbureaus’ – we noemen ze zo omdat ze duurzaamheidscores bepalen voor ondernemingen gelijkaardig aan de kredietscores bepaald door de traditionele ratingbureaus – hebben op hun beurt ook tekortkomingen. Er is aangetoond dat de ratings van verschillende bureaus zeer uiteenlopend zijn en dat er vaak sprake is van een ‘rater bias’. Bovendien maken veel ESG-dataproviders gebruik van enquêtes en van data gerapporteerd door de beoordeelde onderneming zelf. Dat maakt de data subjectief en vatbaar voor ‘greenwashing’, waarbij een onderneming zich duurzamer voordoet dan de realiteit.

De moeilijkheid om duurzaamheid op een objectieve en kwaliteitsvolle manier te meten, vormt voor veel beleggers een belangrijk struikelblok. Uit een studie van Blackrock blijkt dat 53% van de bevraagden aangaf dat ze de lage kwaliteit en de lage beschikbaarheid van ESG-data beschouwen als hun grootste barrière om duurzaam beleggen te implementeren.

Desondanks is veel van de nodige duurzaamheidsinformatie al beschikbaar. We leven immers in een wereld waarin elke dag meer dan 2,5 triljoen bytes aan data gegenereerd worden (ter verduidelijking: een triljoen heeft 18 nullen!). Het probleem is dat de meerderheid van deze data ongestructureerd is, wat het moeilijk maakt om de data te analyseren en er de nodige informatie uit te halen. Gelukkig kan artificiële intelligentie (AI) ons hierbij helpen. De kracht van AI schuilt namelijk in de mogelijkheid om (grote hoeveelheden) ongestructureerde data efficiënt te analyseren, wat beleggers toelaat om objectievere en gedetailleerdere informatie te bekomen.

AI en alternatieve data

Denk bijvoorbeeld aan (sociale) media. Elke dag wordt er een enorme hoeveelheid aan data gegenereerd op sociale netwerken, nieuwswebsites, blogs en vele andere bronnen. Investeerders kunnen nu gebruik maken van Natural Language Processing (NLP) – een set van AI-technieken specifiek gefocust op het onttrekken van informatie uit taal – in combinatie met Big Data Analyse om deze enorme hoeveelheid aan data in bijna real time te scannen. Zo kunnen investeerders snel duurzaamheidsopportuniteiten en risico’s ontdekken. De data kunnen bijvoorbeeld aantonen dat een onderneming enerzijds investeert in zelfrijdende auto’s om zo hun CO2-uitstoot te reduceren, terwijl anderzijds blijkt dat één van de leveranciers van diezelfde onderneming aanhoudend de arbeidsreglementen aan zijn laars lapt. TruValue Labs, een bedrijf uit San Francisco, gebruikt reeds een combinatie van NLP en Big Data Analyse om de duurzaamheid van meer dan 16.000 aandelen te beoordelen.

De Nederlandse investeringsfirma NN Investment Partners maakt ook gebruik van een combinatie van NLP, Big Data Analyse en Machine Learning (ML). Maar in plaats van tekst analyseren ze spraak in conference calls. Dit laat hen toe om de houding van managers ten opzichte van duurzaamheid te bepalen.

Dat proces waarbij AI gebruikt wordt om de inhoud van tekst en spraak te analyseren om zo de opvattingen met betrekking tot de duurzaamheid van een onderneming te kunnen capteren, noemt men sentimentanalyse en heeft veel potentieel om gebruikt te worden in het kader van duurzaam beleggen.

Het gebruik van AI in duurzaam beleggen gaat echter verder dan louter sentimentanalyse. De verscheidenheid aan databronnen die beleggers kunnen gebruiken dankzij AI is zeer groot.

De Britse startup Cervest combineert satellietbeelden en andere milieuobservaties met AI en ML om klimaatrisico’s te modelleren. Beleggers kunnen deze modellen gebruiken om klimaatrisico’s effectief mee te nemen in hun investeringsbeslissing. Satellietbeelden kunnen door beleggers ook gebruikt worden om de milieu-impact van bedrijven te bepalen. Dat kan onder andere door te kijken naar ontbossing en watervervuiling in de directe omgeving van de onderneming.

Je kan de maatschappelijke impact van een bedrijf bepalen door telecommunicatiegegevens te combineren met demografische gegevens. Zo kon Distilled Analytics, een onderneming uit Boston, de lokale stijging in BBP geassocieerd met een specifieke bedrijfsinvestering aantonen door data te aggregeren van verschillende telecomproviders.

Een bijkomstig voordeel van AI is dat het niet alleen toelaat om deze rijke hoeveelheid aan data te analyseren; het kan dit ook zeer snel. TruValue Labs analyseerde een jaar lang de automobielsector en kwam tot de conclusie dat diezelfde analyse een menselijke analist ongeveer zes jaar zou kosten.

AI en privaat vermogen

Voor private ondernemingen is het ‘dataprobleem’ nog groter dan voor beursgenoteerde ondernemingen. Zij zijn namelijk doorgaans kleiner en hebben minder middelen ter beschikking om een diepgaande duurzaamheidsaudit uit te voeren.

Aangezien AI-modellen toelaten om alternatieve data te gebruiken, kunnen ze ook aangewend worden in de context van beleggingen in privaat vermogen. Ook de kleine en middelgrote onderneming krijgt immers media-aandacht, en satellieten maken geen onderscheid tussen beursgenoteerde en private ondernemingen. Het gebruik van AI en Big Data Analyse creëert dus interessante mogelijkheden voor investeerders in privaat vermogen.

AI en Big Data Analyse zijn bijzonder krachtige tools die zowel publieke als private investeerders kunnen ondersteunen in het nemen van hun investeringsbeslissingen. De tools zijn snel, voorzien de belegger van een bijna real time analyse en ze laten toe om objectievere informatie te bekomen door verschillende gegevensbronnen te combineren. Het gebruik van AI vermindert dus de onzekerheid die traditioneel gepaard gaat met duurzaam beleggen.

Blackrock kondigde recent een minderheidsinvestering aan in Clarity AI, een technologieplatform dat gebruik maakt van AI, ML en Big Data Analyse om duurzaamheidsinformatie over ondernemingen te verstrekken. Hiermee erkent Blackrock de belangrijke rol die AI kan spelen in het waarmaken van hun belofte om een duurzamere vermogensbeheerder te worden. Als de leider in hun industrie stellen ze zo een belangrijk voorbeeld en vormen ze de drijvende kracht achter het gebruik van AI in duurzaam beleggen. Tot slot: zowel de technologie als de data zijn reeds beschikbaar. Het is daarom onze overtuiging dat veel investeerders het voorbeeld van Blackrock snel zullen volgen.

* In de investeringswereld wordt veel gesproken over Environmental, Social en Governance (ESG) in plaats van duurzaamheid.