CN114943458A - 一种基于权重分配模型的企业esg评级方法 - Google Patents

一种基于权重分配模型的企业esg评级方法 Download PDF

Info

Publication number
CN114943458A
CN114943458A CN202210617526.9A CN202210617526A CN114943458A CN 114943458 A CN114943458 A CN 114943458A CN 202210617526 A CN202210617526 A CN 202210617526A CN 114943458 A CN114943458 A CN 114943458A
Authority
CN
China
Prior art keywords
index
esg
value
enterprise
total
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210617526.9A
Other languages
English (en)
Inventor
尤毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan Green Development Technology Group Co ltd
Original Assignee
Hainan Green Development Technology Group Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hainan Green Development Technology Group Co ltd filed Critical Hainan Green Development Technology Group Co ltd
Priority to CN202210617526.9A priority Critical patent/CN114943458A/zh
Publication of CN114943458A publication Critical patent/CN114943458A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明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。

Description

一种基于权重分配模型的企业ESG评级方法
技术领域
本发明属于计算机评级技术领域，特别是涉及一种基于权重分配模型的企业ESG评级方法。
背景技术
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。
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。
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。
1、国际指标缺乏差异化逻辑；
2、国际指标体系的横向可比性不强；
3、国际指标ESG数据深度和理解程度不足；
4、ESG需求不同造成ESG评判标准不同。
发明内容
本发明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。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明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：
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。
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。
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。
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：
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。
作为一种优选的技术方案，所述收益率具体为：
Figure RE-GDA0003766025770000031
式中，Rt为收益率，NAVt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：
Figure RE-GDA0003766025770000032
式中，
Figure RE-GDA0003766025770000033
为平均收益率；
所述标准差具体为：
Figure RE-GDA0003766025770000034
式中，σ为标准差，E(Rt)表示预设时间段内收益率的期望值；
所述β系数具体为：
Figure RE-GDA0003766025770000041
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(Rt,Rm)表示基金收益率与市场基准收益率的协方差；VAR(Rm)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。
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：
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；
步骤S34：判断训练过程是否结束。
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：
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；
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；
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。
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。
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；
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；；
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
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指标P值*5-前三名高管报酬比例指标P值*5-公司治理负面新闻指标P值*25-股权质押比例指标P值*10-证监会立案数量指标P值 *10-盈余品质指标P值*5+员工薪资指标P值*25。
作为一种优选的技术方案，所述企业的分值具体包括：
ESG总分1：E、S、G权重(60,15,25)＝环境保护总分E*0.6+社会责任总分S*0.15+公司治理总分G*0.25；
ESG总分2：E、S、G权重(50,20,30)＝环境保护总分E*0.5+社会责任总分S*0.2+G公司治理总分G*0.3；
其中，根据对指标的关注度和实际分析情况选择两种ESG总分中的任意一种进行排名来确定ESG评级。
本发明具有以下有益效果：
本发明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，解决了传统信用评级模型在衡量股票主体时存在风险跟踪滞后性的问题，达到了对风险信息及时进行预警的效果。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种基于权重分配模型的企业ESG评级方法流程图；
图2为ESG指标因子值进行预处理流程图；
图3为深度模型训练流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一
请参阅图1所示，本发明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：
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。
步骤S1中，ESG指标因子值包括环境因子、社会因子、治理因子；企业量化交易指标包括平均收益率、标准差和β系数；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。
获取与预置指标对应的数据信息之前，包括如下步骤：
选取用于评价公司风险水平高低的一级指标，并在一级指标维度下设立至少一个二级指标，其中，一级指标包括产品预警、经营预警、生产预警、财务预警、资金预警、市场预警、治理预警、评级下调、信用预警、法律纠纷、监管调查、资产和股权风险、行业舆情中的一个或者多个。
详细地，本发明实施例通过选取A-M个维度来构建多维度指标，并在 A-M个维度每个维度下设立多个具体的评价指标，这样就可以将企业环境、社会和治理信息纳入风险预警中，解决了风险模型构成因素单一的问题，达到了强化风险预警能力的效果，其中A、M为正整数，且M不小于A。
在一些实施方式中，获取与预置指标对应的数据信息为通过爬虫方式获取与预置指标对应的数据信息。具体地，可以运用爬虫技术从各新闻网站实时抓取与预置指标对应的数据信息。
网络爬虫，又称为网页蜘蛛，网络机器人，是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成。进一步地，聚焦爬虫是一个自动下载网页的程序，它根据既定的抓取目标，有选择的访问万维网上的网页与相关的链接，获取所需要的信息。与通用爬虫不同，聚焦爬虫并不追求大的覆盖，而将目标定为抓取与某一特定主题内容相关的网页，为面向主题的用户查询准备数据资源。
实施例二
对经过初步整理的所述数据信息采用预设规则进行标准化处理，其中，所述预设规则包括如下的一种或者多种：对于连续变量进行分箱处理以离散化；根据是否满足预置指标进行0-1赋值，若满足，赋值为1，若否，赋值为0；统计正面和负面评价数量，计算并输出文本情感指标。
具体地，在量化过程中，针对预置指标进行量化和标准化处理，主要有三种量化方法，具体如下：
一、对于连续变量，根据上市企业的总体数据范围，首先进行分箱处理，将连续变量离散化，减少观察误差的影响，然后分别赋值；
二、根据是否存在相关情况进行0-1赋值，若存在相关情况，评分为1，若不存在相关情况，评分为0；
三、对文本进行情感评分，统计财经新闻对该股票的正面和负面评价数量，计算并输出文本情感指标。
示例地，以食品行业为例，对于连续变量：待评价企业股价，根据上市企业的总体数据范围，首先进行分箱处理，将连续变量离散化，减少观察误差的影响，然后分别赋值，如股价增长设为1、降低设为0；
根据是否存在食品质量安全情况进行0-1赋值，若存在相关情况，则对应评分为1，若不存在相关情况，评分为0；
对涉及食品行业的新闻或行业研究文本进行情感分析，统计财经新闻对该股票的正面和负面评价数量，计算并输出文本情感指标。
获取行业特征信息，并基于所述行业特征信息为所述预置指标在不同行业赋予不同的权重，得到指标行业权重。
详细地，基于行业特征信息为预置指标在不同行业赋予不同的权重包括如下步骤：
依据预置指标的预设指标特征信息为预置指标在不同行业赋予不同的权重，预设指标特征信息基于用户自定义。
实施例三
请参阅图2所示，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。
收益率具体为：
Figure RE-GDA0003766025770000101
式中，Rt为收益率，NAVt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；
平均收益率具体为：
Figure RE-GDA0003766025770000102
式中，
Figure RE-GDA0003766025770000103
为平均收益率；
标准差具体为：
Figure RE-GDA0003766025770000104
式中，σ为标准差，E(Rt)表示预设时间段内收益率的期望值；
β系数具体为：
Figure RE-GDA0003766025770000105
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(Rt,Rm)表示基金收益率与市场基准收益率的协方差；VAR(Rm)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。
请参阅图3所示，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；
步骤S34：判断训练过程是否结束。
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：
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；
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；
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。
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。
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、市场基准收益率；需要进一步说明的是，此处的预设时间点指的是每个交易日开始时，交易时间点，该时间点需要先行设置，如每日开盘的9点或每日15点；预设时间段指的是交易前的某个时间点到交易日的前一天或者到交易日，其原因在于企业基金的成立时间长短不一需要人为的进行设定；同时每周一到周五都是基金交易日，也就是常说的T日，周末和法定节假日不属于基金交易日。T 日以股市的收市时间为界，如当日15：00之前进行的基金交易，则当日为 T日，次日为T+1日。在非交易时间申请买卖的基金，都是以第二天的收盘价来成交的。
从ESG评级机构获取ESG指标因子值。在本实施例中采用而定是 MSCIESG评价指标框架，因此需要从MSCI ESG的网站进行获取；需要进一步说明的是ESG评级可以从MSCI ESG的网站公开数据进行获得，因此可以采取数据抓取等技术进行获得，此处不再对数据的获取方式进行赘述。
实施例四
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；
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；；
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
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指标P值*5-前三名高管报酬比例指标P值*5-公司治理负面新闻指标P值*25-股权质押比例指标P值*10-证监会立案数量指标P值*10- 盈余品质指标P值*5+员工薪资指标P值*25。
企业的分值具体包括：
ESG总分1：E、S、G权重(60,15,25)＝环境保护总分E*0.6+社会责任总分S*0.15+公司治理总分G*0.25；
ESG总分2：E、S、G权重(50,20,30)＝环境保护总分E*0.5+社会责任总分S*0.2+G公司治理总分G*0.3；
其中，根据对指标的关注度和实际分析情况选择两种ESG总分中的任意一种进行排名来确定ESG评级。
ESG评价等级包括A+、A、A-、B+、B、B-、C+、C、C-、D+、D和D-级共计12个等级，
A+级对应排名前8.33％，A级对应排名前8.33％-16.67％，A-级对应排名前16.67％-25％；
B+级对应排名前25％-33.33％，B级对应排名前33.33％-41.67％，B- 级对应排名前41.67％-50％；
C+级对应排名前50％-58.33％，C级对应排名前58.33％-66.67％，C- 级排名前66.67％-75％；
D+级对应排名前75％-83.33％，D及对应排名前83.33％-91.67％，D- 级对应排名前91.67％-100％。
值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

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：
Figure FDA0003675042080000021
式中，Rt为收益率，NAVt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：
Figure FDA0003675042080000022
式中，
Figure FDA0003675042080000023
为平均收益率；
所述标准差具体为：
Figure FDA0003675042080000024
式中，σ为标准差，E(Rt)表示预设时间段内收益率的期望值；
所述β系数具体为：
Figure FDA0003675042080000025
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(Rt,Rm)表示基金收益率与市场基准收益率的协方差；VAR(Rm)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；
步骤S34：判断训练过程是否结束。
7.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：
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；
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；
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。
8.根据权利要求7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。
9.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；
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；；
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
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指标P值*5-前三名高管报酬比例指标P值*5-公司治理负面新闻指标P值*25-股权质押比例指标P值*10-证监会立案数量指标P值*10-盈余品质指标P值*5+员工薪资指标P值*25。
10.根据权利要求9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，所述企业的分值具体包括：
ESG总分1：E、S、G权重(60,15,25)＝环境保护总分E*0.6+社会责任总分S*0.15+公司治理总分G*0.25；
ESG总分2：E、S、G权重(50,20,30)＝环境保护总分E*0.5+社会责任总分S*0.2+G公司治理总分G*0.3；
其中，根据对指标的关注度和实际分析情况选择两种ESG总分中的任意一种进行排名来确定ESG评级。
CN202210617526.9A 2022-06-01 2022-06-01 一种基于权重分配模型的企业esg评级方法 Pending CN114943458A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210617526.9A CN114943458A (zh) 2022-06-01 2022-06-01 一种基于权重分配模型的企业esg评级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210617526.9A CN114943458A (zh) 2022-06-01 2022-06-01 一种基于权重分配模型的企业esg评级方法

Publications (1)

Publication Number Publication Date
CN114943458A true CN114943458A (zh) 2022-08-26

Family

ID=82908743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210617526.9A Pending CN114943458A (zh) 2022-06-01 2022-06-01 一种基于权重分配模型的企业esg评级方法

Country Status (1)

Country Link
CN (1) CN114943458A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433032A (zh) * 2023-04-26 2023-07-14 中国农业科学院农业环境与可持续发展研究所 基于网络爬虫方式的智能评估方法
CN116664016A (zh) * 2023-07-27 2023-08-29 北京中关村科金技术有限公司 Esg子议题的筛选方法、装置、电子设备和可读存储介质
CN117033561A (zh) * 2023-10-07 2023-11-10 中建西南咨询顾问有限公司 基于esg指标优化的企业评估模型生成方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180225764A1 (en) * 2017-02-06 2018-08-09 Idealratings, Inc. Automated compliance scoring system that analyzes network accessible data sources
CN109509107A (zh) * 2018-12-11 2019-03-22 泰康保险集团股份有限公司 账户数据处理方法、装置、电子设备及计算机可读介质
CN112232377A (zh) * 2020-09-22 2021-01-15 中财绿指(北京)信息咨询有限公司 一种企业esg三优信用模型构建方法及其装置
CN112418591A (zh) * 2020-09-22 2021-02-26 中财绿指(北京)信息咨询有限公司 一种基于权重分配模型的企业esg评级方法
CN114219317A (zh) * 2021-12-17 2022-03-22 上海智芝全智能科技有限公司 基于esg评分体系的股票投资风险预警的方法及装置
CN114240647A (zh) * 2021-11-24 2022-03-25 厦门小蚜虫量化软件开发有限公司 一种基于esg指标的etf量化交易方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180225764A1 (en) * 2017-02-06 2018-08-09 Idealratings, Inc. Automated compliance scoring system that analyzes network accessible data sources
CN109509107A (zh) * 2018-12-11 2019-03-22 泰康保险集团股份有限公司 账户数据处理方法、装置、电子设备及计算机可读介质
CN112232377A (zh) * 2020-09-22 2021-01-15 中财绿指(北京)信息咨询有限公司 一种企业esg三优信用模型构建方法及其装置
CN112418591A (zh) * 2020-09-22 2021-02-26 中财绿指(北京)信息咨询有限公司 一种基于权重分配模型的企业esg评级方法
CN114240647A (zh) * 2021-11-24 2022-03-25 厦门小蚜虫量化软件开发有限公司 一种基于esg指标的etf量化交易方法及系统
CN114219317A (zh) * 2021-12-17 2022-03-22 上海智芝全智能科技有限公司 基于esg评分体系的股票投资风险预警的方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433032A (zh) * 2023-04-26 2023-07-14 中国农业科学院农业环境与可持续发展研究所 基于网络爬虫方式的智能评估方法
CN116433032B (zh) * 2023-04-26 2024-04-09 中国农业科学院农业环境与可持续发展研究所 基于网络爬虫方式的智能评估方法
CN116664016A (zh) * 2023-07-27 2023-08-29 北京中关村科金技术有限公司 Esg子议题的筛选方法、装置、电子设备和可读存储介质
CN116664016B (zh) * 2023-07-27 2023-09-26 北京中关村科金技术有限公司 Esg子议题的筛选方法、装置、电子设备和可读存储介质
CN117033561A (zh) * 2023-10-07 2023-11-10 中建西南咨询顾问有限公司 基于esg指标优化的企业评估模型生成方法及系统
CN117033561B (zh) * 2023-10-07 2023-12-26 中建西南咨询顾问有限公司 基于esg指标优化的企业评估模型生成方法及系统

Similar Documents

Publication Publication Date Title
Kong et al. Business strategy and firm efforts on environmental protection: Evidence from China
CN114943458A (zh) 一种基于权重分配模型的企业esg评级方法
US8930254B2 (en) Financial methodology to valuate and predict the news impact of major events on financial instruments
CN111291925A (zh) 一种基于人工智能的金融市场预测及决策的系统、方法
CN107609771A (zh) 一种供应商价值评价方法
Okay et al. Financial performance analysis of brokerage firms quoted on the Istanbul Stock Exchange using the TOPSIS method of analysis
Boguslauskas et al. The selection of financial ratios as independent variables for credit risk assessment
Stanisic et al. Corporate bankruptcy prediction in the Republic of Serbia
CN113763154A (zh) 一种基于模糊灰色评价的钢贸供应链金融风险评估方法
Meng et al. New combined weighting model based on maximizing the difference in evaluation results and its application
Chen et al. Bagging or boosting? Empirical evidence from financial statement fraud detection
Cucaro Measuring the" health" of Italian SMEs with insolvency prediction models Z'-ScoreM and D-Score: Measuring default index of Italian SMEs
CN113159634A (zh) 一种金融产品管理方法、装置及电子设备
Mi et al. The Relevance of Social responsibility and Financial Performance of listed Companies
de Camargo et al. Influence of organizational complexity on the measurement of the biological assets of the public listed companies of B3
Fadjar et al. Analysis calculation of allowance for impairment losses of credit before and after the implementation of Psak 50 & 55 on profit at bank X
Yan The evaluation of the lucky component of open-end fund performance based on bootstrap method
Frolov et al. Impact of social and economic development of the region on the international trade by the example of Ukraine
Sarikhani Investigating determinants of disclosure quality using Artificial Neural Network
CN114971910A (zh) 一种基于价值投资理念的基本面量化选股方法及决策支持系统
Yang Research on the Financial Risks of China's Listed Real Estate Enterprises
Marupanthorn et al. Development of ESG Factors for Enhancing Factor Model in the Thai Stock Market
Wang Credit Risk Management in Supply Chain Finance for Chinese Commercial Banks
Shariati Ranking Firms based on Manager's Biased Behavior and Investigating its Relation to Information Asymmetry using FAHP-Shannon Entropy-TOPSIS
Iswarya et al. The Hedging Challenge Solved Using MCDM Tool-AHP

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination