国外人工智能在非财务绩效评价的运用与启示

摘要：非财务信息是指反应企业可持续发展能力与其长期业绩的指标，也是指环境、社会以及公司治理有关的信息。目前将非财务信息纳入投资决策已经成为不可逆转的趋势，但在实际工作中，企业与投资者面临着种种挑战。在目前的技术环境下，人工智能给非财务绩效评价领域带来全新的突破点。因此，文章重点分析非财务信息的重要性与其应用的局限性，并介绍国外人工智能在非财务绩效评价的运用，总结对中国资本市场的启示。

关键词：非财务绩效评价；ESG信息；人工智能

一、 引言

企业相关的信息可以分为财务信息与非财务信息。财务信息是指由企业财务会计报告提供的信息， 主要是年度或短期绩效的指标。而非财务信息是不在财务报表上披露的信息，是指反应企业可持续发展能力与其长期业绩的指标，也被称为环境、社会以及公司治理（Environmental， Social and Governance：ESG）信息。过去财务信息是企业价值评估的重要信息来源，而近年来考虑非财务信息的投资行为越来越普遍。金融界已经开始意识到，ESG因素会对企业的可持续发展产生积极影响，并对投资的长期回报有正向关系。比如在2016年全球最大资产管理公司BlackRock的首席执行官Larry Fink发给标准普尔500强公司高管的一份备忘录中表示，“请更多地关注企业的长期价值创造能力而不是短期股利发放，并请多关注环境、社会以及公司治理因素，因为它们具有真实和可量化的财务影响”。将非财务绩效指标纳入投资决策，对于企业本身而言，是加强风险控制能力和长期可持续发展能力的一种手段，对于投资者和利益相关者而言，是提高投资稳定性和可预测性的一种方法。

二、 非财务信息的重要性与其应用的局限性

1. 非财务信息的重要性。企業丑闻等轶事证据都表明了非财务信息的重要性，比如在2015年9月曝光的大众集团排放作弊丑闻。值得注意的是，在该事件发生四个月之前的2015年5月，全球领先的指数供应商MSCI已经将大众汽车从ESG指数（MSCI ACWI ESG Index）中排除，主要原因是其在董事会独立性、高管薪酬以及会计准则等公司治理方面出现问题。其他主要ESG评价公司，如Sustainalytics和Vigeo Eiris，也在丑闻爆发之前下调大众汽车评级。然而，投资者没关注这些警告，大众排放丑闻之后市场反应非常激烈，因此一周内公司市值大约减小了1/3。这些例子都明确表明非财务绩效评价的重要性。尤其是大众排放作弊问题不在环保（E）领域（在环境领域获得了较高的评价）而出现在公司治理（G）领域的事实，这意味着全面考虑多方面的ESG因素更加重要。

过去实证研究证明非财务信息与财务绩效的相关性。Ittner和Larcker（1998）研究表明在非财务指标与未来会计绩效之间有正相关关系，即顾客满意度是对顾客购买行为、顾客数量增长率以及企业财务绩效的一个领先指标。Khan， Serafeim和Yoon（2016）考虑各个ESG因素对具体行业的重要程度，比如气候变化问题对医疗保健行业的重要性很大而对金融行业的重要性不大，结果发现在重要性大的ESG因素上获得高评级的公司业绩表现优于低评级的公司。

也有研究发现企业风险管理中非财务信息的有效性。Wu（2004）根据台湾上市公司的数据，研究发现非财务信息有助于预测企业破产。Brazel， Jones和Zimbelman（2009）研究结果发现财务欺诈企业的财务和非财务绩效之间的差异显著大于非欺诈企业，非财务信息有助于预测财务报表欺诈。

2. 非财务信息应用的局限性。非财务信息的应用主要存在三个方面的局限性。一是缺乏可比性。企业信息可比性包括两个方面，即同一企业不同时期的可比性与不同企业相同期间的可比性。非财务信息通常是定性与非结构化的信息，它可能会随着时间的推移而变化，信息披露的范围和方式因公司而不同，因此难以满足两种可比性的要求；二是缺乏可靠性。如客户满意度等非财务信息一般基于样本调查结果，这些数据往往缺乏可靠性，降低预测未来财务业绩的能力；三是高成本。非财务信息一般是大量分散的，并由多个数据来源收集的信息。因此非财务信息的收集和加工不仅需要投入大量的资金，而且需要投入大量的人力资源，导致处理非财务信息的成本大于收益。

最近Amel-Zadeh和Serafeim（Forthcoming）的调查研究显示，尽管82%的受访者表示ESG信息对投资绩效非常重要，大部分投资者在将非财务信息应用在投资过程中面临种种障碍（参见图1）。调查是对全球413名投资高管进行的，这些高管所在公司管理的资产规模为31万亿美元，占全球管理资产总额的43%。结果显示，受访者认为缺乏跨公司可比性（44.8%）以及缺乏ESG报告标准（43.2%）是最大的问题。其次是收集和分析ESG信息的成本高（40.5%），ESG信息缺乏细节（39.4%）和缺乏可量化（37.8%）等。定性研究结果显示，受访者认为“可靠性与标准是最重要的因素”，“ESG信息披露仍然依靠定性的方法”，并要求开发针对各个行业的ESG绩效评价体系。

三、 国外人工智能在非财务绩效评价的运用

1. 人工智能在非财务绩效评价的运用。目前人工智能（Artificial Intelligence：AI）与金融领域的结合已成全球趋势，其应用范围涉及到投资顾问、量化交易、财务规划以及贷款审批等。针对上述的局限性，人工智能在非财务绩效评价领域也能带来突破性的好处。人工智能的主要功能之一是收集与处理大量繁杂的信息。基于大数据的人工智能技术有助于从公司内外发布的ESG指标中选择客观的信息，并排除绩效评估中出现的主观偏误，最终能提高绩效评价的可靠性。其次是人工智能提供实时分析。企业信息披露太不频繁，通常每一年进行一次，这会产生分析滞后的问题。通过机器学习（Machine Learning）和自然语言处理（Natural Language Processing）等技术，可以实现更快的信息服务，使企业与投资者做出即时准确的决策。因此，近年来全球金融创新不断加速，越来越多的企业积极开发人工智能技术在非财务信息处理的运用。下一节介绍国外人工智能在ESG绩效评价领域的运用。

2. 国外人工智能在非财务绩效评价运用的案例。

（1）TruValue Labs。该公司是在2013年成立的，一家在美国硅谷的创业公司。TruValue Labs根据媒体、非政府机构、行业博客与Twitter等75 000多个信息来源， 基于自然语言处理办法分析公司的ESG信息。全球金融信息提供商Thomson Reuters是它的主要客户之一。Insight360是TruValue Labs的分析工具，根据可持续发展会计准则委员会（Sustainability Accounting Standards Board：SASB）标准，处理全球8 000多家上市公司的ESG信息并提供三种ESG评级分数。一是短期分数（Pulse Score），表示当天发生的重大事件或投资者情绪。虽然短期分数波动性较高，它有利于提醒投资者警惕风险。二是长期分数（Insight Score），以短期分数加权移动平均来算，波动性较低，反映公司长期绩效管理能力。三是动量分数（Momentum Score），以长期分数向上或向下移动的趋势来表示的指标。TruValue Labs内部研究表明，从2013到2017年，长期或动量分数高的企业股票收益率超过准普尔500指数，额外回报年率达到3%至5%，意味着该公司的ESG评价有助于投资组合管理。

（2）Sustainalytics。该公司是有25年历史的全球领先ESG信息供应商，总部位于阿姆斯特丹，在全球13个城市有办事处。Sustainalytics在环境、社会以及公司治理的三大因素中，根据对各个行业的重要程度加权，给投资者提供ESG评级以及社会责任投资方案。ESG Signals是在2016年Sustainalytics与一家金融科技公司（Advestis）合作开发的一种量化工具。它通过机器学习算法来整合过去7年的1 600多家公司的ESG信息，检验ESG指标和财务变量之间的统计显著性。ESG Signals对每家公司评估之后显示三个信号：机会、风险或中性。Sustainalytics内部研究发现，从2013到2016年，以ESG信号纳入的投资组合，年化利率超过基准指数为1.1%至4.3%。

（3）Who's Good。该公司是开发人工智能网络平台的一家韩国企业。目前该公司给投资者免费提供1700多家韩国公司的简介与ESG评级，其中对于200家核心公司收费提供更深入的分析报告。Who's Good采用两种人工智能技术：基于机器学习技术，从ESG因素相关的非结构化信息到结构化信息转换，并基于自然语言处理技术，从新闻资料中提取有意义的信息。根据联合国全球契约（UN Global Compact）和国际企业社会责任标准（ISO26000）等国际标准和原则，该公司一共在17个ESG部门上计算评价分数，比如环境（E）主题包括环境政策、污染防治、化学物质管理、气候变化适应、资源效率等五个部门。因为Who's Good的分析依靠人工智能技術，不仅能够消除研究过程中发生的人为偏见，而且使大数据研究更加快速和可靠性。

（4）Arabesque。该公司是在2013年成立的一家全球资产管理公司，使用自学量化模型和大数据来评价公司的业绩并其可持续性。S-Ray是Arabesque在2017年开发的一种量化工具，基于机器学习技术监控全球7 000多家公司。它根据15种语言的50 000多个新闻来源，评估200多种ESG指标。S&P; Dow Jones Indices，Bloomberg和Accenture等公司订阅这项服务，并且日本政府养老投资基金（GPIF）于2018年5月签署了使用 S-Ray的协议。S-Ray主要提供两种评级分数。一是全球契约分数（GC Score）。S-Ray根据联合国全球契约的四项核心原则：人权、劳工权利、环境和反腐败，对公司进行分析。它能够激励更多公司承担共同责任并加入全球契约，致力于实现可持续和包容性的全球经济。二是环境、社会以及公司治理分数（ESG Score）。它考虑各个ESG因素对具体行业的重要程度，评估公司的ESG绩效。另外，S-Ray提供一种搜索工具（Preferences Filter），根据企业的位置、行业、规模等标准，使投资者能够按照自己的价值观检查公司并且做出更明智的决策。

（5）德意志银行。该公司是一家全球领先的综合性金融机构，也在ESG投资方面最有经验的专家之一。德意志银行研究部于2018年4月推出了一种交互式网络工具“？琢-DIG”。？琢-DIG在评估5 000多家公司的ESG绩效时，以自然语言处理办法来量化ESG因素。它利用全方位的非财务信息包括：在企业财务报告附注中隐藏的信息，员工、客户以及供应商等利益相关者对企业行为的看法，企业文化、声誉和创新能力等企业无形资产量化信息等。这些信息最终帮助客户将ESG信息纳入投资组合策略。

四、 结论与建议

目前将环境、社会以及公司治理等非财务信息纳入投资决策是不可避免的趋势。非财务绩效评价不仅对企业社会责任和可持续增长非常重要，而且对投资者决策也有价值。然而，由于非财务信息本身的性质与局限性，在实际应用时企业和投资者面临种种挑战。在目前的技术发展环境下，人工智能在非财务绩效评价领域带来全新的突破点。但值得注意的是，获得高质量的信息是人工智能技术运用的前提条件，本文据此提出相关政策建议。

一是强制公司披露非财务信息。虽然自愿性信息披露体系有助于减轻企业信息披露的负担和成本，但会出现如企业参与度低、信息披露不完整，公司之间不具可比性等问题。强制性信息披露是更强调约束力和执行力的模式，因此有利于增强信息披露的有效性和完备性。目前全球趋势也反映这一点。根据GRI，UNEP，KPMG和非洲公司治理中心联合发布的研究报告，在2016年全球64个国家具备383个可持续发展报告系统，其中超过2/3体系是强制性的。中国国务院国资委在2008年发布了《关于中央企业履行社会责任指导意见》，要求有条件的企业必须发布社会责任报告。但是政策主要面向大型国有企业，信息披露的范围和内容也不足，投资者难以知道公司的非财务信息。

二是政府主动开放公共数据。在企业价值评估时，企业外部提供的信息是与企业内部产生的信息一样重要的。政府提供的社会公共数据，如温室气体排放、空气污染物质与废物排放信息、企业逃税与腐败有关的诉讼信息等，都跟公司非财务风险有密切的关系。在2015年中国国务院出台了《促进大数据发展行动纲要》，建立政府数据统一开放平台，到2020年将逐步开放信用、交通、医疗、企业登记监管等民生保障服务相关领域的公共数据。但目前投资者对公共数据意识和兴趣还是不足，为了使企业和投资者能利用高质量和可靠的公共数据，政府有责任积极支持建立公共数据开放平台。

参考文献：

[1] 金希恩.全球ESG投资发展的经验及对中国的启示[J].现代管理科学，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，韩国人，北京大学光华管理学院博士生，研究方向为实证资产定价、实证公司金融、绿色金融。

收稿日期：2018-07-16。