Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

ESG評価を支える自然言語処理基盤の構築

1,264 views

Published on

ESG評価を支える自然言語処理基盤の構築

Published in: Data & Analytics
  • Be the first to comment

ESG評価を支える自然言語処理基盤の構築

  1. 1. Copyright © TIS Inc. All rights reserved. ESG評価を支える自然言語処理基盤の構築 戦略技術センター 久保隆宏
  2. 2. Copyright © TIS Inc. All rights reserved. 2 Agenda  ESG投資とは  ESG評価の課題  自然言語処理による支援  課題
  3. 3. Copyright © TIS Inc. All rights reserved. 3 久保隆宏 TIS株式会社 戦略技術センター  化学系メーカーの業務コンサルタント出身  既存の技術では業務改善を行える範囲に限界があるとの実感から、戦 略技術センターへと異動  現在は会計/投資の現場で使える要約の実現を目指し、主にESG投資へ の活用をテーマに研究中。 自己紹介 チュートリアル講演:深層学習 の判断根拠を理解するための研 究とその意義(@PRMU 2017) 機械学習をシステムに組み込む 際の依存性管理について (@MANABIYA 2018) あるべきESG投資の評価に向け た、自然言語処理の活用 (@CCSE 2019)
  4. 4. Copyright © TIS Inc. All rights reserved. 4 ESG投資とは (1/4)  E: Environment  S: Social  G: Governance 年金積立金管理運用独立行政法人: ESG投資より 売上や利益だけでなく、ESG(=環境/社会/ガバナンス)に関する取り組み を評価する投資。
  5. 5. Copyright © TIS Inc. All rights reserved. 5 ESG投資とは (2/4) 80兆ドルを超える資産がESGを加味して運用されている(2019年)。 日本の国家予算の約84年分 About the PRI 日本の年金(厚生年金/国民年金)の運用を担うGPIF(年金積立金管理運用独 立行政法人)でもESGを考慮している (参考)。 あなたの年金も、(部分的には)ESG投資で運用されている ESGを考慮します という運用機関 ESGが考慮され た資産運用残高
  6. 6. Copyright © TIS Inc. All rights reserved. 6 ESG投資とは (3/4) 「ESGを考慮する」とは具体的に?
  7. 7. Copyright © TIS Inc. All rights reserved. 7 ESG投資とは (4/4)  7つの手法がある。 手法名 概要 ネガティブ・スクリーニング ESG評価が低い企業を除外する ポジティブ・スクリーニング ESG評価が高い企業を組み入れたり、比率を上げる 規範に基づくスクリーニング 国際的な規範に反する企業を除外する インテグレーション 通常の投資基準(経営方針、財務etc)に+ESGを考慮する エンゲージメント 投資先との対話/議決権行使でESG活動を促す テーマ投資 ESGの特定テーマ(気候変動etc)に投資する インパクト投資 ESに貢献する技術/サービス開発企業へ投資する 手法としてはスクリーニング、イ ンテグレーションが多い。 いずれにしてもなんらかの「ESG評価」をベースとしている。
  8. 8. Copyright © TIS Inc. All rights reserved. 8 ESG評価の課題 (1/4)  様々な評価機関がスコアを算出し、公開している。  MSCI ESG Ratings  FTSE Russells ESG ratings  Thomson Reuters Asset4  これらのスコアをベースにESG投資が行われている。  (各投資会社が、独自に企業のESGを評価する体力はない。)  投資パフォーマンスとの関係も、スコアを基に検証されているが・・・
  9. 9. Copyright © TIS Inc. All rights reserved. 9 ESG評価の課題 (2/4)  各評価機関のスコアに、相関がない(上図はFTSE/MSCIのスコア相関)。  もちろん評価機関ごとに評価基準は異なる。  しかし、評価の属人性も見過ごせない要因となっている。 ESG 開示スコアとパフォーマンス
  10. 10. Copyright © TIS Inc. All rights reserved. 10 ESG評価の課題 (3/4) ESGの取り組みについて書かれた文書(統合報告書)の例(弊社) 数十~百ページ近くあるところもある(×会社数) これを人が読んで評価(ダブルチェックを行う場合もある)
  11. 11. Copyright © TIS Inc. All rights reserved. 11 ESG評価の課題 (4/4)  マンパワーのみでESG評価をこなすには限界がある。  各評価会社には大きな負荷がかかっている。  企業側も評価のチェックが負担になっている。  評価漏れなどが多く含まれるため。  評価のばらつきは、ESG投資自体の存続意義にも関わる。  機械化により、低コストで一定レベルの評価をできないか? 文書評価のサポート =自然言語処理の出番!
  12. 12. Copyright © TIS Inc. All rights reserved. 12 自然言語処理による支援 自然言語処理による支援として、以下3点を実施する。  文書データの収集  評価対象となる文・段落の絞り込み  自動評価 支援アプローチの全体像 CSR/統合報告書 有価証券報告書等 文書データの 収集 文書データの 整形・整理 テキスト・データ項目の抽出 PDFのテキスト化等 自然言語処理 モデル 文書データと、フィー ドバックから学習 +ルール 評価担当者からの フィードバック
  13. 13. Copyright © TIS Inc. All rights reserved. 13 自然言語処理による支援: 文書データの収集 (1/3) 文書リスト取得 文書取得 XBRL/PDF メタデータ 年次報告書(有価証券報告書) の抽出 一覧の取得 文書取得 CSRポータル サイト Lambdaで一覧を取得、 各文書はSQSを使い並列で取得、 が基本の流れ(StepFunctionでJOB化)。
  14. 14. Copyright © TIS Inc. All rights reserved. 14 自然言語処理による支援: 文書データの収集 (2/3) 決算書情報・CSR報告書・統合報告書 のメタデータと、決算書数値・株価の 情報をすべて合わせてビュー化。一覧 で見られるように加工。 S3のテーブル化にはGlue Crawler、 ビュー作成にはAthenaを使用。 年次報告書 年次報告書 ビュー CSR報告書 CSR報告書 ビュー 統合ビュー 決算数値データ 株価データ 年集計株価データ 作成したデータ5年分を、 近日無償公開予定です!
  15. 15. Copyright © TIS Inc. All rights reserved. 15 自然言語処理による支援: 文書データの収集 (3/3) AWSによるデータ収集基盤構築のあれこれ  StepFunction or Glue  データを集める場合はSQSからのLambdaが便利。  データを見る場合はAthenaが便利。  S3のファイルを直で見られるが、パーティションでデータを区切りたい 場合、データ型を付与したい場合、Glueのデータカタログが必要。  Lambdaを呼び出せるStepFunctionか公式ETLのGlueか?  基本はStepFunctionで構築してGlue Crawlerを呼ぶ方式を採用。  Crawlerを起動するジョブをStepFunctionから起動する。  Lambda or ECS  処理の軽重、使用ライブラリの重さで切り分け。  稼働監視  AthenaとCloudWatchを統合できないのが不便(ダブルで見る)。
  16. 16. Copyright © TIS Inc. All rights reserved. 16 自然言語処理による支援:評価対象となる文・段落の絞り込み プロトタイプを作成し、評価会社様と共同で検証予定。 対象セクターなどを絞り込み中。
  17. 17. Copyright © TIS Inc. All rights reserved. 17 課題 (1/2)  CSR報告書・統合報告書の収集。  ESG評価におけるメインの情報源。  各社各様の場所・仕様で公開しており集めにくい・解析しにくい。 綺麗なレポートよりも解析しやすいレポートを書きましょう! (ESG評価はレポートの見た目では変わりません!)。 評価担当者はあなたの会社だけ見てるわけではないのです。
  18. 18. Copyright © TIS Inc. All rights reserved. 18 課題 (2/2) 自然言語処理登場までの道のりは長い。  データ収集  営業  プロトタイプ開発  評価実験(まずルール)  自然言語処理!! その辺に転がっているデータで価値が出ることはほぼない。 専門知識なしにアノテーションできることで価値が出ることもあまりない。 自社内にデータがなければ、端正にデータを集めることがスタート地点?
  19. 19. THANK YOU

×