De beschikbaarheid van gegevens over duurzaamheid kan binnen beleggingscategorieën sterk verschillen. Hoe vul je ontbrekende gegevens aan, en hoe vergelijk je de verschillende bronnen? Of moeten beleggers gewoon de trends in de gaten houden?
Beleggers moeten een evenwicht zien te vinden tussen externe gegevensbronnen en interne analyses als ze de ESG-factoren daadwerkelijk in hun processen willen integreren. Bij de eerste screeningsprocedures worden meestal gevestigde dataleveranciers zoals Sustainalytics gebruikt om de controverse-scores te bepalen. Maar het is van het grootste belang dat vermogensbeheerders ook zelf hun huiswerk doen door de inzichten van hun portefeuillebeheerders te gebruiken, in plaats van enkel op externe gegevens te vertrouwen.
Wetenschapelijke samenwerking
Een samenwerking met academische instellingen kan de blik verbreden en tot onverwachte oplossingen leiden. NN Investment Partner heeft in samenwerking met het European Centre for Corporate Engagement een analyse gemaakt van een dataset van meer dan 3.000 bedrijven. Hieruit kwam naar voren dat absolute ESG-scores niet per definitie een betrouwbare indicator zijn voor toekomstige bedrijfsprestaties.
"Absolute ESG-scores zijn niet per definitie een betrouwbare indicator voor toekomstige bedrijfsprestaties"
Bedrijven met gemiddelde scores maar met een stijgend ESG-momentum kunnen een aantrekkelijkere Sharpe-ratio (meeteenheid voor het rendement per eenheid risico) creëren dan bedrijven met hoge of lage ESG-scores (laag ESG-momentum). Samenwerking kan van onschatbare waarde zijn voor het ontdekken van dergelijke nieuwe invalshoeken en het in twijfel trekken van gekleurde vooroordelen.
Analyse onbewerkte gegevens
Als je weet waar je moet zoeken, is er een overvloed aan ESG-gegevens te vinden, maar ruwe data zijn vaak van beperkt nut. Het grootste gedeelte heeft betrekking op het verleden en wordt alleen jaarlijks opgeleverd, vaak met een vertraging ten opzichte van financiële data. Natural language processing kan helpen bij de analyse van die onbewerkte gegevens. We werken met Truvalue Labs maar bouwen ook onze eigen tools met gebruik van de mogelijkheden van machine learning.
Het ontwikkelen van indicatoren voor trends in sentimenten, bijvoorbeeld het analyseren van gesprekken op social media, levert toekomstgerichte data op, die voor beleggers de meeste waarde heeft.
Praten met manegement
Smallcapbedrijven vormen een beleggingscategorie die te weinig grondige ESG-analyses heeft. Toch zijn ook kleine bedrijven gericht op duurzaamheid. Zij hebben alleen vaak gewoon het geld niet om grondige ESG-gegevens te leveren. Als actieve vermogensbeheerder vinden we dat het onze verantwoordelijkheid is om deze gegevens te vinden.
Daarom hebben we onze eigen evaluatiemethode ontwikkeld. Door middel van frequente gesprekken met het management, waarbij we ons nadrukkelijk richten op governance kunnen we vooruitgang signaleren en ervoor zorgen dat engagement tot betekenisvolle verbetering leidt.
Extra alfa
Hoewel ESG ogenschijnlijk maar uit drie onderdelen bestaat, is er een grote diversiteit aan gegevens en een gebrek aan verplichte rapportagenormen en universele standaarden. Door het hieruit voortvloeiende grote aantal verschillende benaderingen is het bijzonder moeilijk om met deze gegevens een vergelijking tussen bedrijven te maken.
Dit kan echter ook ruimte geven om alfa te genereren. Bedrijven die op ESG-factoren letten en daarover pro-actief rapporteren, zullen waarschijnlijk op andere terreinen even nauwgezet zijn. Ondertussen kunnen beleggers die de tijd en moeite nemen om de ongestructureerde gegevens te doorzoeken, de investeringsmogelijkheden bepalen die nog niet zijn opgemerkt.
"Dit kan echter ook ruimte geven om alfa te genereren. Bedrijven die op ESG-factoren letten en daarover pro-actief rapporteren, zullen waarschijnlijk op andere terreinen even nauwgezet zijn"