在 6 月舉行的2021安聯投資亞洲論壇上，安聯投資的系統策略投資總監Kunal Ghosh 闡述了如何以人工智能（AI）來辨識與環境轉型有關的亞洲投資機會。我們的人工智能環境模型引入人工智能「機器」技術，可以篩選數以千計的新聞報導，較人類更快地、更準確地發掘出與環境相關績效的變化。我們的目標是在芸芸亞洲企業中，尋找出它們在環境轉型方面的早期證據，包括當中環境領導者和落後者。

要追踪數據如此龐大的證券資訊，無疑是一項巨大的挑戰。 Ghosh以MSCI所有國家世界全資本指數為例，指當中包含了約 15,000 家公司，然而在當中只有一家跨國飲料公司於一個月內成為1,300宗環境新聞報導的對象，而每一宗報導都有可能影響該公司的環境評級。

較評級機構領先一步

Ghosh指：「在某些方面，你可以說我們的模型，讓你有效地領先MSCI 評級一步。當MSCI 改變評級、投資者改變配置後，環境溢價也會隨之改變，使我們的投資者有機會得益。」

我們在過去兩年開發的這個模型，以自然語言處理系統和機器學習技術來揭示環境新聞報導中的「非結構化數據」。這些新聞來自 12,000個來源，涵蓋了 35,000 至 40,000 項資產背後的公司和國家。任何與資產有關的環境新聞，無論是主權債券、企業債券還是股票，都會被加以識別、勾勒和分類出來。

而由於這些環境評分是由機器判斷得出，因此屬於客觀的看法。相反，評級機構給出的屬於主觀意見，有可能導致不一致的結果。例如，儘管MSCI 與另一家數據公司Sustainalytics所得的資訊相同，但就電動車製造商的環境績效而言，兩者最近卻有不同的看法。

分歧意見更具價值

一般而言，評級機構和我們AI 模型所得出的結論頗為相似，但當意見不一樣時，正正是模型判斷最具價值之處。例如，早前有一家中國房地產發展商在馬來西亞創建了一個生態可持續的創新模型，我們的人工智能環境模型因而對之給出了高評分。到了最近，這家開發商打算將類似的可持續理念帶到日本市場。但 MSCI 一直落後於形勢，直至2021 年 3 月才上調該公司的評級。

Ghosh表示：「我們辨識了該發展商在馬來西亞和日本建立生態可持續城市模型； MSCI則明顯落後於形勢，長久以來一直對該發展商給予差劣評級，大家都知道他們在確認正面環境變化方面的步伐遲了一年多。」

Ghosh 又舉出另一家新加坡跨國銀行作為例子，指該銀行因其碳排放的運營效率高，又有提供環境貸款服務，因而獲安聯投資的模式給出高環境評分。然而在 2020 年 6 月，鑑於該銀行曾有向碳氫化合物礦場項目提供貸款的歷史，此舉與 MSCI的 ESG（環境、社會和治理）評級不一致。但 MSCI 並未採納該銀行已開始改善其環境融資活動，直至9個月後（即 2021 年 3 月）才後來趕上，上調了對該銀行的看法。

以人工智能發掘尚未開發的機會

與依賴人類分析師的 ESG 評級機構相比，安聯投資的人工智能環境模型可以更快地、更準確地回應新聞事件。新聞報導擁有大量非結構化的文本數據，對於資產管理公司可說是一個尚未開發的機會，可以快市場一步地以技術蒐集市場洞見。憑藉這個能作出廣泛、快速且客觀的分析模型，我們在把環境因素納入投資決策時，將變得更具優勢。

下載