Исследователи инвестиций используют обработку естественного языка для анализа больших объемов данных, чтобы повысить ценность для заинтересованных сторон.
Искусственный интеллект изменил анализ воздействия и отчетность. Приложения на основе ИИ позволяют аналитикам:
- собирать, очищать и обрабатывать большие объемы финансовых, ESG и других данных с помощью автоматизированных программ и алгоритмов, тем самым высвобождая человеческие ресурсы для выполнения более тонких задач
- анализировать и представлять данные для предоставления соответствующей информации и отчетов различным заинтересованным сторонам, таким как инвесторы, сообщества и государственные органы.
- создавать алгоритмы машинного обучения, которые могут предсказывать будущие результаты, чтобы помочь планировать, делать прогнозы и выявлять возможности
При наличии обширных наборов данных и огромных вычислительных мощностей также возникают неправильные представления о том, какие ценности имеют отношение к импакт-инвестированию. В результате критически важная информация может быть упущена из виду.
Один из мифов, касающихся инвестиционных решений, заключается в том, что с помощью искусственного интеллекта можно анализировать только числовые данные.
Какие данные можно измерить? Цифры против текста
Когда дело доходит до сбора и очистки данных, большое внимание уделяется тому, чтобы категориальные текстовые описания преобразовывались в числовые значения, чтобы алгоритмы машинного обучения могли творить свое волшебство. Кроме того, считается, что количественные данные лучше качественных, поскольку последние субъективны и не могут быть измерены.
Реальность такова, что информация в виде текста далеко не бесполезна и не имеет отношения к измерению воздействия. Фактически, обработка естественного языка (NLP) стала важным инструментом искусственного интеллекта для импакт-инвестиций, особенно при проведении комплексных проверок корпораций и других организаций.
Что такое обработка естественного языка?
«Обработка естественного языка (NLP) относится к области компьютерных наук, а точнее к области искусственного интеллекта или ИИ, связанной с предоставлением компьютерам возможности понимать текст и произносимые слова почти так же, как люди». — ИБМ
Это включает в себя программирование машины для поиска слов, передающих определенный тон или настроение, для распознавания и транскрибирования голосовых данных в текст, который может быть дополнительно проанализирован, для проверки вспомогательной информации из различных электронных источников и ряда других задач, которые люди выполняют. выполнять, когда мы обрабатываем текст или речь в нашей повседневной жизни.
Как НЛП помогает влиять на инвесторов?
Финансовые данные не дают полной картины при инвестировании с целью воздействия на окружающую среду, социальную сферу или управление. Все большее число исследователей инвестиций и институциональных кредиторов анализируют текстовые и речевые данные, чтобы оценить ценность и риски, связанные с потенциальными инвестициями.
1. Репутация и общественное мнение
Общественное мнение можно оценить, проанализировав тон речи и текст новостных сообщений, сообщений в социальных сетях и других онлайн-источниках. Важно то, что эти источники информации обычно не находятся под контролем потенциальной компании-объекта инвестиций, в отличие от большей части документации, которая предоставляется инвесторам в процессе подачи предложения.
Большое количество комментариев, выражающих негативные чувства или мнения о компании, может свидетельствовать о том, что ее социальная лицензия на деятельность или ее репутация находятся под угрозой.
2. Комплексная проверка и проверка документов
Процесс должной осмотрительности требует чтения и проверки большого количества документов и других записей. Институциональные инвесторы обычно нанимают для этой цели команду юристов, бухгалтеров и других специалистов по управлению рисками. В дополнение к денежным затратам процесс должной осмотрительности может занять недели или месяцы, что приводит к альтернативным издержкам, которые трудно даже измерить.
Банки, которые финансируют инвестиции, также должны обрабатывать, просматривать и проверять стопки документов и информации о заявках. Когда в JP Morgan Chase поняли, что этот процесс просмотра документов составляет около 360 000 часов работы каждый год, они создали систему НЛП, которая не только сократила эти часы до нескольких секунд, но и почти полностью устранила канцелярские ошибки.
3. Риск будущих обязательств
Потенциальные будущие обязательства также могут быть выделены с помощью анализа текста. Например, если компания выпускает пресс-релиз о награде, которую она получила за устойчивое развитие, и большая часть ответов в социальных сетях относится к ее практике сброса токсичных отходов, загрязняющих питьевую воду местных сообществ, потенциальный инвестор должен просмотреть это. как красный флаг.
4. Удовлетворенность клиентов
Удовлетворенность клиентов можно оценить по онлайн-обзорам, электронным письмам и другой корреспонденции. Отрицательные слова, свидетельствующие о высокой степени жалоб или неудовлетворенности продуктом или услугой, могут помочь подчеркнуть необходимость дальнейшего изучения того, как это может повлиять на устойчивость корпорации.
5. Выявление мошенничества и риск управления
Статистически значимые образцы слов, которые указывают на нечестность сотрудников или клиентов (например, мошеннические действия или отмывание денег), могут быть идентифицированы с помощью тематического моделирования.
Популярным примером в области науки о данных является Enron Corpus (база данных, содержащая более 600 000 электронных писем сотрудников Enron за период, предшествовавший краху организации). Удивительно видеть разнообразие проектов, связанных с исследованиями NLP и моделированием машинного обучения, которые были вдохновлены наличием этого набора данных.
6. Риск информационной безопасности
Риск того, что сотрудники организации станут жертвами мошенничества и фишинга, можно определить по распространенности или шаблонам слов и фраз, которые обычно используются мошенниками. Это также может помочь выявить слабые места в системе информационной безопасности.
Дальнейшие варианты использования NLP в информационной безопасности включают выявление вредоносных доменов, посещаемых сотрудниками, уязвимых сегментов или шаблонов в исходном коде и других уязвимостей в системной инфраструктуре организации.
Любые недостатки, выявленные в ходе этих процессов, позволяют потенциальным инвесторам оценить будущие риски и определить более подходящие цены для инвестиций, принимая во внимание стоимость потенциальной замены или модернизации системы информационной безопасности.
7. Общий анализ настроений
В более общем плане данные рыночной аналитики можно получать из онлайн-источников, таких как новости, отраслевые отчеты и информация, содержащаяся в репозиториях. О текущих рыночных условиях и тенденциях можно судить по непропорциональному использованию слов, указывающих либо на положительные, либо на отрицательные настроения. Это позволяет инвесторам выявлять потенциальные риски и возможности в конкретных отраслях или рынках.
Вывод
Как люди, мы делаем выводы и делаем выводы из повседневного языка, которые влияют на принятие нами решений. Обработка естественного языка позволяет программировать машины для имитации многих аспектов этих процессов. Это особенно ценно для импакт-инвестирования, когда одни только финансовые данные не дают достаточно информации для адекватной оценки рисков и жизнеспособности потенциальных инвестиций.