Measuring Sustainability Intention of ESG Fund Disclosure using Few-Shot Learning

要約

グローバルなサステナブルファンドの世界には、目論見書やその他の規制当局への提出書類によって、環境、社会、ガバナンス（ESG）に重点を置いていると主張するオープンエンドファンドや上場投資信託（ETF）が含まれます。
挑戦的なことに、この主張は、投資戦略に意図性と ESG への重点が置かれているかどうかを確認するために開示文を精査することによってのみ確認することができます。
現在、ESG製品分野において持続可能性を強制する規制はありません。
この論文は、言語の特異性と透明性に関して、持続可能な世界においてファンド目論見書を分類し、スコアリングするための独自の方法とシステムを提案します。
私たちは、持続可能な投資に関連する具体的で曖昧で一般的な言語を識別するために、少数回の学習者を採用することを目指しています。
さらに、言語スコアと評価を決定して製品をランク付けし、米国の持続可能な世界の持続可能性主張を定量化するための比率指標を構築します。
副産物として、1K を超える ESG テキストステートメントの Hugging Face (cc-by-nc-sa-4.0 の ESG-Prospectus-Clarity-Category) に手動で注釈を付けた高品質トレーニング データセットを公開しています。
数ショット微調整アプローチのパフォーマンスは、Llama-13B、GPT 3.5 Turbo などのゼロショット モデルと比較されます。大規模な言語モデルのプロンプトは、不整合の問題により、ドメイン固有のタスクに対しては正確ではないことがわかりました。
数ショット微調整手法は、まったく見たことのない ESG 言語 (テスト セット) での精度、再現率、および F1 メトリクスにおいて、絶対 ~30% 以上の大幅なマージンでゼロショット モデルを上回ります。
全体として、この論文は、目論見書の文章を使用して、持続可能なファンドの持続可能性の意向を定量的に測定および評価するための体系的かつ拡張可能なアプローチを確立することを試みています。
規制当局、投資家、アドバイザーは、ESGの意図を正確に反映するESGファンドの調査や審査における認知負荷を軽減するために、この調査結果を活用する可能性がある。

要約(オリジナル)

Global sustainable fund universe encompasses open-end funds and exchange-traded funds (ETF) that, by prospectus or other regulatory filings, claim to focus on Environment, Social and Governance (ESG). Challengingly, the claims can only be confirmed by examining the textual disclosures to check if there is presence of intentionality and ESG focus on its investment strategy. Currently, there is no regulation to enforce sustainability in ESG products space. This paper proposes a unique method and system to classify and score the fund prospectuses in the sustainable universe regarding specificity and transparency of language. We aim to employ few-shot learners to identify specific, ambiguous, and generic sustainable investment-related language. Additionally, we construct a ratio metric to determine language score and rating to rank products and quantify sustainability claims for US sustainable universe. As a by-product, we publish manually annotated quality training dataset on Hugging Face (ESG-Prospectus-Clarity-Category under cc-by-nc-sa-4.0) of more than 1K ESG textual statements. The performance of the few-shot finetuning approach is compared with zero-shot models e.g., Llama-13B, GPT 3.5 Turbo etc. We found that prompting large language models are not accurate for domain specific tasks due to misalignment issues. The few-shot finetuning techniques outperform zero-shot models by large margins of more than absolute ~30% in precision, recall and F1 metrics on completely unseen ESG languages (test set). Overall, the paper attempts to establish a systematic and scalable approach to measure and rate sustainability intention quantitatively for sustainable funds using texts in prospectus. Regulatory bodies, investors, and advisors may utilize the findings of this research to reduce cognitive load in investigating or screening of ESG funds which accurately reflects the ESG intention.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google