國外人工智能在非財務績效評價的運用與啟示

摘要：非財務信息是指反應企業可持續發展能力與其長期業績的指標，也是指環境、社會以及公司治理有關的信息。目前將非財務信息納入投資決策已經成為不可逆轉的趨勢，但在實際工作中，企業與投資者面臨著種種挑戰。在目前的技術環境下，人工智能給非財務績效評價領域帶來全新的突破點。因此，文章重點分析非財務信息的重要性與其應用的局限性，并介紹國外人工智能在非財務績效評價的運用，總結對中國資本市場的啟示。

關鍵詞：非財務績效評價；ESG信息；人工智能

一、 引言

企業相關的信息可以分為財務信息與非財務信息。財務信息是指由企業財務會計報告提供的信息， 主要是年度或短期績效的指標。而非財務信息是不在財務報表上披露的信息，是指反應企業可持續發展能力與其長期業績的指標，也被稱為環境、社會以及公司治理（Environmental， Social and Governance：ESG）信息。過去財務信息是企業價值評估的重要信息來源，而近年來考慮非財務信息的投資行為越來越普遍。金融界已經開始意識到，ESG因素會對企業的可持續發展產生積極影響，并對投資的長期回報有正向關系。比如在2016年全球最大資產管理公司BlackRock的首席執行官Larry Fink發給標準普爾500強公司高管的一份備忘錄中表示，“請更多地關注企業的長期價值創造能力而不是短期股利發放，并請多關注環境、社會以及公司治理因素，因為它們具有真實和可量化的財務影響”。將非財務績效指標納入投資決策，對于企業本身而言，是加強風險控制能力和長期可持續發展能力的一種手段，對于投資者和利益相關者而言，是提高投資穩定性和可預測性的一種方法。

二、 非財務信息的重要性與其應用的局限性

1. 非財務信息的重要性。企業丑聞等軼事證據都表明了非財務信息的重要性，比如在2015年9月曝光的大眾集團排放作弊丑聞。值得注意的是，在該事件發生四個月之前的2015年5月，全球領先的指數供應商MSCI已經將大眾汽車從ESG指數（MSCI ACWI ESG Index）中排除，主要原因是其在董事會獨立性、高管薪酬以及會計準則等公司治理方面出現問題。其他主要ESG評價公司，如Sustainalytics和Vigeo Eiris，也在丑聞爆發之前下調大眾汽車評級。然而，投資者沒關注這些警告，大眾排放丑聞之后市場反應非常激烈，因此一周內公司市值大約減小了1/3。這些例子都明確表明非財務績效評價的重要性。尤其是大眾排放作弊問題不在環保（E）領域（在環境領域獲得了較高的評價）而出現在公司治理（G）領域的事實，這意味著全面考慮多方面的ESG因素更加重要。

過去實證研究證明非財務信息與財務績效的相關性。Ittner和Larcker（1998）研究表明在非財務指標與未來會計績效之間有正相關關系，即顧客滿意度是對顧客購買行為、顧客數量增長率以及企業財務績效的一個領先指標。Khan， Serafeim和Yoon（2016）考慮各個ESG因素對具體行業的重要程度，比如氣候變化問題對醫療保健行業的重要性很大而對金融行業的重要性不大，結果發現在重要性大的ESG因素上獲得高評級的公司業績表現優于低評級的公司。

也有研究發現企業風險管理中非財務信息的有效性。Wu（2004）根據臺灣上市公司的數據，研究發現非財務信息有助于預測企業破產。Brazel， Jones和Zimbelman（2009）研究結果發現財務欺詐企業的財務和非財務績效之間的差異顯著大于非欺詐企業，非財務信息有助于預測財務報表欺詐。

2. 非財務信息應用的局限性。非財務信息的應用主要存在三個方面的局限性。一是缺乏可比性。企業信息可比性包括兩個方面，即同一企業不同時期的可比性與不同企業相同期間的可比性。非財務信息通常是定性與非結構化的信息，它可能會隨著時間的推移而變化，信息披露的范圍和方式因公司而不同，因此難以滿足兩種可比性的要求；二是缺乏可靠性。如客戶滿意度等非財務信息一般基于樣本調查結果，這些數據往往缺乏可靠性，降低預測未來財務業績的能力；三是高成本。非財務信息一般是大量分散的，并由多個數據來源收集的信息。因此非財務信息的收集和加工不僅需要投入大量的資金，而且需要投入大量的人力資源，導致處理非財務信息的成本大于收益。

最近Amel-Zadeh和Serafeim（Forthcoming）的調查研究顯示，盡管82%的受訪者表示ESG信息對投資績效非常重要，大部分投資者在將非財務信息應用在投資過程中面臨種種障礙（參見圖1）。調查是對全球413名投資高管進行的，這些高管所在公司管理的資產規模為31萬億美元，占全球管理資產總額的43%。結果顯示，受訪者認為缺乏跨公司可比性（44.8%）以及缺乏ESG報告標準（43.2%）是最大的問題。其次是收集和分析ESG信息的成本高（40.5%），ESG信息缺乏細節（39.4%）和缺乏可量化（37.8%）等。定性研究結果顯示，受訪者認為“可靠性與標準是最重要的因素”，“ESG信息披露仍然依靠定性的方法”，并要求開發針對各個行業的ESG績效評價體系。

三、 國外人工智能在非財務績效評價的運用

1. 人工智能在非財務績效評價的運用。目前人工智能（Artificial Intelligence：AI）與金融領域的結合已成全球趨勢，其應用范圍涉及到投資顧問、量化交易、財務規劃以及貸款審批等。針對上述的局限性，人工智能在非財務績效評價領域也能帶來突破性的好處。人工智能的主要功能之一是收集與處理大量繁雜的信息。基于大數據的人工智能技術有助于從公司內外發布的ESG指標中選擇客觀的信息，并排除績效評估中出現的主觀偏誤，最終能提高績效評價的可靠性。其次是人工智能提供實時分析。企業信息披露太不頻繁，通常每一年進行一次，這會產生分析滯后的問題。通過機器學習（Machine Learning）和自然語言處理（Natural Language Processing）等技術，可以實現更快的信息服務，使企業與投資者做出即時準確的決策。因此，近年來全球金融創新不斷加速，越來越多的企業積極開發人工智能技術在非財務信息處理的運用。下一節介紹國外人工智能在ESG績效評價領域的運用。

2. 國外人工智能在非財務績效評價運用的案例。

（1）TruValue Labs。該公司是在2013年成立的，一家在美國硅谷的創業公司。TruValue Labs根據媒體、非政府機構、行業博客與Twitter等75 000多個信息來源， 基于自然語言處理辦法分析公司的ESG信息。全球金融信息提供商Thomson Reuters是它的主要客戶之一。Insight360是TruValue Labs的分析工具，根據可持續發展會計準則委員會（Sustainability Accounting Standards Board：SASB）標準，處理全球8 000多家上市公司的ESG信息并提供三種ESG評級分數。一是短期分數（Pulse Score），表示當天發生的重大事件或投資者情緒。雖然短期分數波動性較高，它有利于提醒投資者警惕風險。二是長期分數（Insight Score），以短期分數加權移動平均來算，波動性較低，反映公司長期績效管理能力。三是動量分數（Momentum Score），以長期分數向上或向下移動的趨勢來表示的指標。TruValue Labs內部研究表明，從2013到2017年，長期或動量分數高的企業股票收益率超過準普爾500指數，額外回報年率達到3%至5%，意味著該公司的ESG評價有助于投資組合管理。

（2）Sustainalytics。該公司是有25年歷史的全球領先ESG信息供應商，總部位于阿姆斯特丹，在全球13個城市有辦事處。Sustainalytics在環境、社會以及公司治理的三大因素中，根據對各個行業的重要程度加權，給投資者提供ESG評級以及社會責任投資方案。ESG Signals是在2016年Sustainalytics與一家金融科技公司（Advestis）合作開發的一種量化工具。它通過機器學習算法來整合過去7年的1 600多家公司的ESG信息，檢驗ESG指標和財務變量之間的統計顯著性。ESG Signals對每家公司評估之后顯示三個信號：機會、風險或中性。Sustainalytics內部研究發現，從2013到2016年，以ESG信號納入的投資組合，年化利率超過基準指數為1.1%至4.3%。

（3）Who's Good。該公司是開發人工智能網絡平臺的一家韓國企業。目前該公司給投資者免費提供1700多家韓國公司的簡介與ESG評級，其中對于200家核心公司收費提供更深入的分析報告。Who's Good采用兩種人工智能技術：基于機器學習技術，從ESG因素相關的非結構化信息到結構化信息轉換，并基于自然語言處理技術，從新聞資料中提取有意義的信息。根據聯合國全球契約（UN Global Compact）和國際企業社會責任標準（ISO26000）等國際標準和原則，該公司一共在17個ESG部門上計算評價分數，比如環境（E）主題包括環境政策、污染防治、化學物質管理、氣候變化適應、資源效率等五個部門。因為Who's Good的分析依靠人工智能技術，不僅能夠消除研究過程中發生的人為偏見，而且使大數據研究更加快速和可靠性。

（4）Arabesque。該公司是在2013年成立的一家全球資產管理公司，使用自學量化模型和大數據來評價公司的業績并其可持續性。S-Ray是Arabesque在2017年開發的一種量化工具，基于機器學習技術監控全球7 000多家公司。它根據15種語言的50 000多個新聞來源，評估200多種ESG指標。S&P; Dow Jones Indices，Bloomberg和Accenture等公司訂閱這項服務，并且日本政府養老投資基金（GPIF）于2018年5月簽署了使用 S-Ray的協議。S-Ray主要提供兩種評級分數。一是全球契約分數（GC Score）。S-Ray根據聯合國全球契約的四項核心原則：人權、勞工權利、環境和反腐敗，對公司進行分析。它能夠激勵更多公司承擔共同責任并加入全球契約，致力于實現可持續和包容性的全球經濟。二是環境、社會以及公司治理分數（ESG Score）。它考慮各個ESG因素對具體行業的重要程度，評估公司的ESG績效。另外，S-Ray提供一種搜索工具（Preferences Filter），根據企業的位置、行業、規模等標準，使投資者能夠按照自己的價值觀檢查公司并且做出更明智的決策。

（5）德意志銀行。該公司是一家全球領先的綜合性金融機構，也在ESG投資方面最有經驗的專家之一。德意志銀行研究部于2018年4月推出了一種交互式網絡工具“？琢-DIG”。？琢-DIG在評估5 000多家公司的ESG績效時，以自然語言處理辦法來量化ESG因素。它利用全方位的非財務信息包括：在企業財務報告附注中隱藏的信息，員工、客戶以及供應商等利益相關者對企業行為的看法，企業文化、聲譽和創新能力等企業無形資產量化信息等。這些信息最終幫助客戶將ESG信息納入投資組合策略。

四、 結論與建議

目前將環境、社會以及公司治理等非財務信息納入投資決策是不可避免的趨勢。非財務績效評價不僅對企業社會責任和可持續增長非常重要，而且對投資者決策也有價值。然而，由于非財務信息本身的性質與局限性，在實際應用時企業和投資者面臨種種挑戰。在目前的技術發展環境下，人工智能在非財務績效評價領域帶來全新的突破點。但值得注意的是，獲得高質量的信息是人工智能技術運用的前提條件，本文據此提出相關政策建議。

一是強制公司披露非財務信息。雖然自愿性信息披露體系有助于減輕企業信息披露的負擔和成本，但會出現如企業參與度低、信息披露不完整，公司之間不具可比性等問題。強制性信息披露是更強調約束力和執行力的模式，因此有利于增強信息披露的有效性和完備性。目前全球趨勢也反映這一點。根據GRI，UNEP，KPMG和非洲公司治理中心聯合發布的研究報告，在2016年全球64個國家具備383個可持續發展報告系統，其中超過2/3體系是強制性的。中國國務院國資委在2008年發布了《關于中央企業履行社會責任指導意見》，要求有條件的企業必須發布社會責任報告。但是政策主要面向大型國有企業，信息披露的范圍和內容也不足，投資者難以知道公司的非財務信息。

二是政府主動開放公共數據。在企業價值評估時，企業外部提供的信息是與企業內部產生的信息一樣重要的。政府提供的社會公共數據，如溫室氣體排放、空氣污染物質與廢物排放信息、企業逃稅與腐敗有關的訴訟信息等，都跟公司非財務風險有密切的關系。在2015年中國國務院出臺了《促進大數據發展行動綱要》，建立政府數據統一開放平臺，到2020年將逐步開放信用、交通、醫療、企業登記監管等民生保障服務相關領域的公共數據。但目前投資者對公共數據意識和興趣還是不足，為了使企業和投資者能利用高質量和可靠的公共數據，政府有責任積極支持建立公共數據開放平臺。

參考文獻：

[1] 金希恩.全球ESG投資發展的經驗及對中國的啟示[J].現代管理科學，2018，（9）.

[2] Ittner，Christopher D.， and David F.Larc- ker.Are Nonfinancial Measures Leading Ind- icators of Financial Performance？ An Ana- lysis of Customer Satisfaction[J].Journal of Accounting Research，1998，（36）：1-35.

[3] Hughes， K.E.The Value Relevance of Nonfi- nancial Measures of Air Pollution in the Electric Utility Industry[J].The Accou- nting Review，2000，75（2）：209-228.

[4] Khan， Mozaffar， George Serafeim， and Aaron Yoon.Corporate sustainability：First evide- nce on materiality[J].The accounting review，2016，91（6）：1697-1724.

[5] Cheng-Ying， Wu.Using non-financial informa- tion to predict bankruptcy： A study of public companies in Taiwan[J].International Journal of Management，2004，21（2）：194.

[6] Brazel， Joseph F.， Keith L. Jones， and Mark F.Zimbelman.Using nonfinancial meas- ures to assess fraud risk [J].Journal of Accounting Research，2000，47（5）：1135-1166.

[7] Amel-Zadeh， Amir， and George Serafeim.Why and How Investors Use ESG Information： Evidence from a Global Surve[J].Financial Analysts Journal （forthcoming）.

[8] GRI， UNEP， KPMG， and The Centre for Corporate Governance in Africa，Carrots & Sticks， Global trends in sustainability reporting regulation and policy，2016.

作者簡介：金希恩（1983-），女，韓國人，北京大學光華管理學院博士生，研究方向為實證資產定價、實證公司金融、綠色金融。

收稿日期：2018-07-16。