一种基于权重分配模型的企业ESG评级方法技术

本发明专利技术公开了一种基于权重分配模型的企业ESG评级方法，涉及计算机评级技术领域。本发明专利技术包括如下步骤：获取企业量化交易指标，并编制各行业对应的ESG评分表以及ESG指标因子值；对企业量化交易指标和ESG指标因子值进行预处理；企业量化交易指标和ESG指标因子值进行深度模型训练构建权重分配模型；根据权重分配模型进行计算得出所有待评估企业的分值；根据权重分配模型得出所有待评估企业的ESG总分排名，并根据排名结果给予ESG评价等级。本发明专利技术通过企业量化交易指标，并编制各行业对应的ESG评分表以及ESG指标因子值进行深度模型训练构建权重分配模型，利用权重分配模型进行计算得出所有待评估企业的分值，实现对风险信息及时进行预警的效果。进行预警的效果。进行预警的效果。

【技术实现步骤摘要】
一种基于权重分配模型的企业ESG评级方法


[0001]本专利技术属于计算机评级
，特别是涉及一种基于权重分配模型的企业ESG评级方法。

技术介绍

[0002]ESG(Environmental,Social and Governance)整合了环境，社会和公司治理三个维度因素，用以衡量公司经营和投资活动对环境的影响、对社会的影响，以及公司治理体系是否完善等。ESG本身是一种基于价值可持续的评估理念，其中ESG指标体系则是ESG核心价值的具体体现，也是金融机构开展ESG投资的重要基础。
[0003]近年来，国际资本市场对ESG投资理念表现出了浓厚兴趣，众多机构将ESG理念引入公司研究和投资决策框架，并积极进行实践。随着MSCI进入中国市场、国内ESG相关政策逐步成熟，我国投资者对ESG的关注度也逐步提高。但由于我国ESG投资起步较晚，ESG评价方式、评估体系等仍较为缺失。
[0004]尽管以上几个国际ESG指标体系在全球范围内的影响力都较为广泛，也都相应的发布了ESG指数产品，但在进入中国市场时均面临不适应性。其指标体系在衡量中国企业ESG表现时由于缺乏对中国国情的了解而存在诸多不足之处。
[0005]1、国际指标缺乏差异化逻辑；
[0006]2、国际指标体系的横向可比性不强；
[0007]3、国际指标ESG数据深度和理解程度不足；
[0008]4、ESG需求不同造成ESG评判标准不同。

技术实现思路

[0009]本专利技术的目的在于提供一种基于权重分配模型的企业ESG评级方法，通过企业量化交易指标，并编制各行业对应的ESG评分表以及ESG指标因子值进行深度模型训练构建权重分配模型，利用权重分配模型进行计算得出所有待评估企业的分值，进行解决了现有的国际指标缺乏差异化逻辑、 ESG需求不同造成ESG评判标准不同的问题。
[0010]为解决上述技术问题，本专利技术是通过以下技术方案实现的：
[0011]本专利技术为一种基于权重分配模型的企业ESG评级方法，包括如下步骤：
[0012]步骤S1：获取企业量化交易指标，并编制各行业对应的ESG评分表以及ESG指标因子值；
[0013]步骤S2：对企业量化交易指标和ESG指标因子值进行预处理；
[0014]步骤S3：企业量化交易指标和ESG指标因子值进行深度模型训练构建权重分配模型；
[0015]步骤S4：获取预设时间点前的企业量化交易指标、ESG指标因子预处理后导入预先训练好的深度学习模型；
[0016]步骤S5：根据权重分配模型进行计算得出所有待评估企业的分值；
[0017]步骤S6：根据权重分配模型得出所有待评估企业的ESG总分排名，并根据排名结果给予ESG评价等级。
[0018]作为一种优选的技术方案，所述步骤S1中，ESG指标因子值包括环境因子、社会因子、治理因子；所述企业量化交易指标包括平均收益率、标准差和β系数。
[0019]作为一种优选的技术方案，所述步骤S1中，从企业基金数据库获取预设时间点的企业净资产总值、企业总份额、预设时间段的现金股利、基金收益率期望值和市场基准收益率；从ESG评级机构获取ESG指标因子值。
[0020]作为一种优选的技术方案，所述步骤S2中预处理具体操作如下：
[0021]步骤S21：计算预设时间段的收益率、平均收益率、标准差、β系数；
[0022]步骤S22：以企业代码作为名称建立数据库保存获取的数据；
[0023]步骤S23：采用均值法填充、修改缺失数据及异常数据；
[0024]步骤S33：通过离差标准化数据、数据降维。
[0025]作为一种优选的技术方案，所述收益率具体为：
[0026][0027]式中，R
t
为收益率，NAV
t
为预设时间段内最终时间点的基金净值； NAV0为预设时间段内起始时间点的基金净值，D表示预设时间段内产生的现金股利；
[0028]所述平均收益率具体为：
[0029][0030]式中，为平均收益率；
[0031]所述标准差具体为：
[0032][0033]式中，σ为标准差，E(R
t
)表示预设时间段内收益率的期望值；
[0034]所述β系数具体为：
[0035][0036]式中，β系数表示收益率较之市场基准收益率变动的幅度； COV(R
t
,R
m
)表示基金收益率与市场基准收益率的协方差；VAR(R
m
)表示市场基准收益率的方差；β系数反应基金所面临的系统风险。
[0037]作为一种优选的技术方案，所述步骤S3中，深度模型训练流程如下：
[0038]步骤S31：获取当日前企业量化交易指标、ESG指标因子值计算所要采取的交易动作；
[0039]步骤S32：深度学习模型计算采取的交易动作之后所达到的下一状态的企业量化交易指标、ESG指标因子值以及获取的奖励值；
[0040]步骤S33：将上述的当日前企业量化交易指标、ESG指标因子值；下一状态的企业量化交易指标、ESG指标因子值以及获取的奖励值进行存储，判断是否进入下一状态；
[0041]步骤S34：判断训练过程是否结束。
[0042]作为一种优选的技术方案，所述ESG评分表对所有待评估企业进行定量指标和定性指标的评分，具体评分流程如下：
[0043]步骤T1：确定待评估企业所属行业，并匹配步骤1)中的ESG评分表；
[0044]步骤T2：根据匹配的ESG评分表中评分内容获取对应的待评估企业数据；
[0045]步骤T3：根据匹配的ESG评分表和获取的待评估企业数据对待评估企业进行评分。
[0046]作为一种优选的技术方案，所述步骤T2中，待评估企业数据通过网路爬虫技术获取待评估企业的公开信息、环保处罚信息和负面新闻报道信息。
[0047]作为一种优选的技术方案，所述步骤S5中，企业的分值包括环境保护总分E、社会责任总分S和公司治理总分G；
[0048]所述环境保护总分E＝定性与定量指标总分指标P值*50
‑
环保处罚条数合计指标P值*25
‑
环境负面新闻条数指标P值*25+绿色收入占比指标P值 *100；；
[0049]所述社会责任总分S＝社会责任定性与定量指标总分指标P值*65+上年度慈善捐款数额指标P值*10+社会责任方面的荣誉和奖项指标P值*10+上一年吸纳就业人数指标P值*10+上一年灾害救助数额指标P值*10+上一年捐助金额指标P值*10+上一年捐助人数指标P值*10
‑
社会责任负面新闻指标P值*25
[0050]所述公司治理总分G＝公司治理定性与定量指标总分指标P值*85+独立董事占董事会人数比例指标P值*25+年度现金分红比例指标P值*25
‑
前三名董事报酬比例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于权重分配模型的企业ESG评级方法，其特征在于，包括如下步骤：步骤S1：获取企业量化交易指标，并编制各行业对应的ESG评分表以及ESG指标因子值；步骤S2：对企业量化交易指标和ESG指标因子值进行预处理；步骤S3：企业量化交易指标和ESG指标因子值进行深度模型训练构建权重分配模型；步骤S4：获取预设时间点前的企业量化交易指标、ESG指标因子预处理后导入预先训练好的深度学习模型；步骤S5：根据权重分配模型进行计算得出所有待评估企业的分值；步骤S6：根据权重分配模型得出所有待评估企业的ESG总分排名，并根据排名结果给予ESG评价等级。2.根据权利要求1所述的一种基于权重分配模型的企业ESG评级方法，其特征在于，所述步骤S1中，ESG指标因子值包括环境因子、社会因子、治理因子；所述企业量化交易指标包括平均收益率、标准差和β系数。3.根据权利要求1所述的一种基于权重分配模型的企业ESG评级方法，其特征在于，所述步骤S1中，从企业基金数据库获取预设时间点的企业净资产总值、企业总份额、预设时间段的现金股利、基金收益率期望值和市场基准收益率；从ESG评级机构获取ESG指标因子值。4.根据权利要求1所述的一种基于权重分配模型的企业ESG评级方法，其特征在于，所述步骤S2中预处理具体操作如下：步骤S21：计算预设时间段的收益率、平均收益率、标准差、β系数；步骤S22：以企业代码作为名称建立数据库保存获取的数据；步骤S23：采用均值法填充、修改缺失数据及异常数据；步骤S33：通过离差标准化数据、数据降维。5.根据权利要求2所述的一种基于权重分配模型的企业ESG评级方法，其特征在于，所述收益率具体为：式中，R
t
为收益率，NAV
t
为预设时间段内最终时间点的基金净值；NAV0为预设时间段内起始时间点的基金净值，D表示预设时间段内产生的现金股利；所述平均收益率具体为：式中，为平均收益率；所述标准差具体为：式中，σ为标准差，E(R
t
)表示预设时间段内收益率的期望值；所述β系数具体为：
式中，β系数表示收益率较之市场基准收益率变动的幅度；COV(R
t
,R
m
)表示基金收益率与市场基准收益率的协方差；VAR(R
m
)表示市场基准收益率的方差；β系数反应基金所面临的系统风险。6.根据权利要求1所述的一种基于权重分配模型的企业ESG评级方法，其特征在于，所述步骤S3中，深度模型训练流程如下：步骤S31：获取当日前企业量化交易指标、ESG指标因子值计算所要采取的交易动作；步骤S32：深度学习模型计算采取的交易动作之后所达到的下一状态的企业量化交易指标、ESG指标因子值以及获取的奖励值；步骤S3...

【专利技术属性】
技术研发人员：尤毅，
申请(专利权)人：海南绿色发展科技集团有限公司，
类型：发明
国别省市：