本書探討人工智能（AI）如何賦能ESG（環(huán)境、社會、治理）評價體系的創(chuàng)新實踐，針對ESG數據來源復雜、評價標準不統(tǒng)一、動態(tài)反饋不足等挑戰(zhàn)，作者提出三大AI輔助的ESG評價解決方案：一是通過AI輔助的多源信息抽取、異構數據融合及數據補全技術實現高效ESG數據治理；二是運用AI技術輔助建立ESG指標權重優(yōu)化模型；三是借助數字孿生技術構建ESG政策實驗平臺，實現策略仿真推演。 全書結合理論與實務，既闡述AI與ESG融合的理論框架，又提供可落地的實施方案，通過案例分析和方法論拆解為相關ESG研究機構提供數據治理工具與評估體系優(yōu)化、管理體系改進的指導。本書作為金融科技與可持續(xù)發(fā)展的交叉研究，既是研究人員的理論參考，也是工程師的實踐指南，可為推動ESG從理論到實踐轉化提供重要參考。
第1章 ESG概述 1 1.1 ESG的概念及內涵 1 1.2 ESG的起源及發(fā)展 1 1.3 ESG生態(tài)系統(tǒng) 3 1.3.1 兩大主題 4 1.3.2 閉環(huán)結構 4 1.4 ESG評價 8 1.4.1 ESG評價現狀 9 1.4.2 AI賦能ESG評價 10 1.5 小結 11 第2章 AI技術基礎 12 2.1 機器學習方法 12 2.1.1 監(jiān)督學習 12 2.1.2 無監(jiān)督學習 25 2.2 深度學習方法 27 2.2.1 卷積神經網絡 28 2.2.2 循環(huán)神經網絡 35 2.2.3 多模態(tài)模型 38 2.3 強化學習方法 43 2.3.1 強化學習基礎 43 2.3.2 常用強化學習算法 46 2.3.3 大模型時代的強化學習算法 52 2.4 大模型技術 55 2.4.1 提示工程 55 2.4.2 參數高效微調 62 2.4.3 小結 71 第3章 ESG多源數據采集與信息抽取技術 76 3.1 ESG數據來源、類型及應用 76 3.1.1 數據來源 76 3.1.2 數據類型 77 3.1.3 數據應用 79 3.2 數據采集技術 84 3.2.1 數據源與采集方式 84 3.2.2 網絡爬蟲 84 3.3 信息抽取方法與技術 88 3.3.1 信息抽取任務類別 88 3.3.2 傳統(tǒng)信息抽取方法 90 3.3.3 基于大模型的信息抽取技術 94 3.4 AI輔助的ESG信息抽取 98 3.4.1 現有研究概述 98 3.4.2 數據預處理 99 3.4.3 基于預訓練模型的ESG信息抽取 101 3.4.4 基于提示工程的ESG信息抽取 105 3.4.5 基于檢索增強生成模型的ESG信息抽取 109 3.5 ESG信息抽取方法的有效性評估 113 3.5.1 基于預訓練模型的ESG信息抽取結果評估 113 3.5.2 基于提示工程的ESG信息抽取結果評估 114 3.5.3 基于檢索增強生成模型的ESG信息抽取結果評估 114 3.5.4 結果分析 115 3.6 小結 116 第4章 ESG多源信息融合技術 119 4.1 多源ESG信息集成融合的背景 119 4.2 ESG信息融合的任務與過程 119 4.2.1 實體對齊 120 4.2.2 來源可靠性 121 4.2.3 真值發(fā)現 121 4.3 信息融合的方法與技術 122 4.3.1 實體對齊的常見方法 122 4.3.2 真值發(fā)現的常見方法 129 4.4 AI技術在ESG多源信息融合中的應用 139 4.4.1 基于規(guī)則約束下TransE實體對齊方法 139 4.4.2 基于提示詞工程的數據去重 140 4.4.3 基于量化定性指標的信息融合方法 141 4.4.4 基于模糊集理論的真值確定 143 4.5 ESG信息融合方法的有效性評估 144 4.5.1 基于規(guī)則約束下TransE實體對齊實驗的評估 144 4.5.2 基于提示詞工程去重實驗的評估 145 4.5.3 基于量化定性指標信息融合實驗的評估 146 4.5.4 基于模糊集理論真值確定實驗的評估 147 4.6 小結 148 第5章 ESG數據補全 151 5.1 ESG數據補全的背景 151 5.2 數據補全方法與技術 152 5.2.1 數據缺失的類型 152 5.2.2 基于統(tǒng)計學的數據補全方法 153 5.2.3 基于機器學習的數據補全方法 159 5.2.4 基于深度學習的補全方法 162 5.3 AI輔助的ESG數據補全 170 5.3.1 現有技術概述 170 5.3.2 ESG數據缺失分析 172 5.3.3 基于傳統(tǒng)方法的ESG數據補全 173 5.3.4 基于大模型聯(lián)網搜索的ESG數據補全 175 5.4 ESG數據補全策略的有效性評估 179 5.4.1 評估指標的介紹 179 5.4.2 在ESG數據集上的定量評估 180 5.4.3 在ESG數據集上的應用 181 5.5 小結 183 第6章 ESG評級體系介紹 188 6.1 國外主流ESG評級體系 188 6.1.1 明晟（MSCI）ESG評級 188 6.1.2 富時羅素（FTSE Russell）ESG評級 203 6.1.3 標普道瓊斯指數ESG評級 207 6.2 國內主流ESG評級體系 212 6.2.1 商道融綠ESG評級 212 6.2.2 華證指數ESG評級 218 6.2.3 萬得（Wind）ESG評級 223 6.3 ESG評級體系的對比分析 227 6.4 ESG評級體系的不足與展望 230 6.5 小結 231 第7章 ESG評價技術與方法優(yōu)化 234 7.1 ESG評級體系的建立與優(yōu)化 234 7.1.1 ESG評級體系的建立 234 7.1.2 ESG評級體系的優(yōu)化 235 7.2 ESG評級體系的傳統(tǒng)優(yōu)化與案例 236 7.2.1 ESG評級體系的傳統(tǒng)優(yōu)化案例 236 7.3 AI輔助的ESG評級體系優(yōu)化 240 7.3.1 AI自動化輔助的ESG指標篩選 240 7.3.2 結合多專家模糊決策和AHP的權重設置 254 7.3.3 基于爭議事件的指標權重動態(tài)調整 260 7.4 ESG新評級體系的有效性評估 262 7.4.1 評估指標的有效性與合理性 262 7.4.2 優(yōu)化后的ESG評級的計算應用 264 7.5 小結 264 第8章 ESG評價的趨勢與展望 267 8.1 數字孿生技術 267 8.1.1 數字孿生由來及發(fā)展 267 8.1.2 數字孿生內涵及意義 270 8.2 基于數字孿生技術的ESG評價框架 271 8.2.1 數字孿生技術應用到ESG中的前景 272 8.2.2 基于數字孿生和強化學習的ESG評價框架 272 8.2.3 數字孿生系統(tǒng)的設計 274 8.3 小結 278
書單推薦
