基于 Few-Shot 学习测量 ESG 基金披露的可持续性意图
摘要
全球可持续基金统一体包括公开信托基金和交易型基金 (ETF)，它们凭借招募说明书或其他监管文件声称专注于环境、社会和治理 (ESG) 领域。挑战在于，只有通过检查文本披露才能确认这些声称是否存在意图性及其在投资策略中的 ESG 侧重点。目前没有监管措施强制执行可持续性于 ESG 产品空间。本文提出了一种独特的方法和系统，用于对可持续基金宇宙中的基金招募说明书进行分类和评分，以衡量其语言的具体性和透明度。我们的目标是利用 few-shot 学习器识别特定的、模糊的和通用的可持续投资相关语言。此外，我们构建了一个比率指标来确定语言得分和评级，以对产品进行排序并量化可持续基金的可持续性声称。作为副产品，我们在 Hugging Face 上发布了一个由超过 1K 条 ESG 文本陈述组成的手动标注质量训练数据集（ESG-Prospectus-Clarity-Category，采用 cc-by-nc-sa-4.0 许可）。我们将 few-shot 微调方法与零-shot 模型（如 Llama-13B、GPT 3.5 Turbo 等）进行比较。我们发现，提示大型语言模型在特定领域任务上并不准确，由于对齐问题。Few-shot 微调技术在完全未见的 ESG 语言（测试集）上，在精确度、召回率和 F1 指标上显著优于零-shot 模型，优势超过约 30%。总体而言，本文旨在建立一种系统且可扩展的方法，通过招募说明书中的文本，对可持续基金的可持续性意图进行量化评估。监管机构、投资者和顾问可以利用本研究的发现来减少在调查或筛选 ESG 基金时的认知负担，从而准确反映 ESG 的意图。
引用
@article{arxiv.2407.06893,
title = {Measuring Sustainability Intention of ESG Fund Disclosure using Few-Shot Learning},
author = {Mayank Singh and Nazia Nafis and Abhijeet Kumar and Mridul Mishra},
journal= {arXiv preprint arXiv:2407.06893},
year = {2024}
}
备注
This paper was presented at 'AI applications in ESG Conference' at IIM Bangalore, India (Nov, 2023)