注意间隔！ 机器学习，ESG指标和可持续投资-研究论文

这项工作提出了一种新颖的方法，通过使用机器学习（ML）技术来识别那些更有助于构建有效投资组合的指标，从而克服ESG评分中当前的不一致之处。 机器学习可以实现此结果，而无需基于模型的方法论，这是现代投资组合理论方法的典型代表。 通过我们的方法确定的ESG指标显示出歧视力，在考虑了Fama-French五因素模型确定的风格因素和BIRR模型的宏观经济因素后也具有区分力。 论文的新颖性是三方面的：a）分析了许多ESG指标，b）ML确保的无模型方法，以及c）区分了ESG特定指标对投资组合绩效的贡献与传统风格和宏观经济因素。 根据我们的结果，可从可用的原始ESG数据中提取更多信息内容以进行投资组合构建，并且使用我们的方法确定的一半ESG指标是环境方面的。 在环境指标中，有一些是指公司的风险敞口和应对气候变化风险（即过渡风险）的能力。