– Skepsisen mot utebliven ESG-prestanda och simplifierade ratings är berättigad. Nu är det viktigt att vända den negativa trenden. Det kan göras med bättre modeller och kvalitativ indata. ESG-riskerna måste brytas ned baserat på erkända internationella standarder för miljöledning och socialt ansvar och få ett tydligare processfokus för att driva den förändring som behövs, berättar Henrik Nilsson.
Arbetet för att driva omställningen mot en grönare och mer hållbar ekonomi har åtföljts av ett växande antal ratings och instrument. De kritiseras av ledande akademiker för att förvirra mer än de klargör. Bräckligheten bekräftas när ESG-fonder värda en biljon USD nu fråntas sin klassificering av Morningstar.
Idag är kreditbedömningar vanligen begränsade till en rapportering på årsbasis. Men ESG-risk är knappast statisk. Därför behövs också en fortlöpande validering av ESG-prestanda för att värdera underliggande risker och för att bedöma potentiell miljö- eller annan förändring som oundvikligen påverkar kreditriskmodelleringen. Framtidens banker behöver löpande kreditriskinformation.
Machine Learning (ML) används i ökande omfattning på områden där riskklassificering omges av tvingande regelverk, exempelvis vid åtgärder för att motverka penningtvätt. På samma sätt bör ESG-risker kopplas mycket tydligare till kreditrisk, och omfatta kreditinstitutens totala låneportföljer.
FCG bedömer att European Banking Authority´s nya standard för rapportering gällande ESG-risker innebär ett tydligt skifte för finansiella bolags arbete med ESG och kreditriskbedömning. Standarden innebär nya krav på nyckeltal kopplat till tillgångar som kan klassas som Green Asset Ratio (GAR), på hur låneportföljen följer taxonomin samt Banking Book Taxonomy Alignment Ratio (BTAR).
Med hjälp av ML-applikationer kan mer robust data för ESG-riskklassificering genereras och med Natural Langugage Processing kan ett bredare spektrum av ostrukturerade data från media och text identifiera dolda faktorer av hög relevans för Loss Given Default-modellering.
– Vi förväntar oss nu att den logiska utvecklingen blir att tillämpa detta i system för tidiga varningssignaler. ML och NLP kan göra det möjligt att löpande utvärdera informationskällor för att minimera risker kopplade till negativa händelser, kommenterar Henrik Nilsson.
Om FCG Advisory:
• ESG-tillgångar utgör 1/3 av förvaltat kapital globalt
• Jämförbarheten mellan ledande ESG-ratings varierar mellan 38%-71% enligt internationell forskning
• AI kommer år 2025 att generera 10% av all data som produceras i näringslivet
• ML kan appliceras på förändringar i nya algoritmer, nya tillgängliga modeller med öppen källkod, utforska datatransformationer och funktionsteknik och dess inverkan på modelleringsprestanda.
• Stora investeringar i infrastruktur för ML krävs för att kunna använda datorkraften mer dynamiskt och kunna leverera allt från lokal sandbox ML till massiva optimeringsuppgifter.
