はじめに

環境・社会・ガバナンス（ESG）に関するデータは、世界中の投資家にとって極めて重要な指標となっていると同時に悩みの種ともなっています。理論的には、ESGデータは企業の持続可能性と社会的影響に関する洞察を提供することで、投資家は倫理や持続可能性に着目した投資判断を行い、グリーン経済移行期におけるリスクを管理することが可能となります。

しかしながら、実際には急速に拡大するESGデータと多様なESGデータ・プロバイダーの存在によって様々な課題が発生しています。これらには、データの欠落、不透明なモデル、バイアス（データ収集やレポーティング方法の違い）、変化する規制環境などがあります。このことが、ESGデータからの超過収益の獲得、規制の遵守、ESG関連リスクの抑制を困難なものとしています。さらに、分散型ポートフォリオ構築のための十分な投資ユニバースを確保することも難しい状況となっています。

このように不完全であっても、ESGデータは急成長しているビジネスでもあります。図表1が示す通り、ESGデータの規模は2018年から2021年にかけて年間約30％の成長を遂げており、2022年には13億ドル程度の規模になると予想されています¹。ESGデータの最大の市場は欧州であり、最大の消費者は資産運用会社です²。

欧州連合（EU）と英国の規制当局が、ESGデータとESGデータ・プロバイダーに対する規制の協議と導入を開始しているものの^3,4、法律や行動規範においては詳細が欠けており、資産運用会社は投資先との関連性が薄い事項について報告を求められる場合もあります。

われわれが所属するデータサイエンス・チームは、運用部門における投資に係る定性判断と定量分析の両面からサポートする役割を担っていますが、信頼性が高く標準化されたデータを、個別銘柄レベルとユニバース全体について体系的に提供する必要があるという課題に直面しています。

本レポートでは、主にESGデータ・プロバイダーの選定、ESGデータの標準化と結合（データを組み合わせること）、炭素排出関連やサステナブル債への適用事例などに着目しながら、ESGデータの弱点とその解決方法を考察します。

第二のステップは、ESGデータ・プロバイダーのスコア算定方法を分析することです。どのようにデータを収集しているのか？どのような情報源を使用しているのか？情報源とデータ収集方法は、データから何が期待できるかに大きく影響します。

インプットの一例として、EUタクソノミーのサステナブル・ファイナンス（EU Taxonomy for Sustainable Finance）」があります。これは、持続可能な経済活動の共通の分類体系を確立するための枠組みです。

EUタクソノミーのサステナブル・ファイナンスはSFDRとは若干異なります。前者が環境的に持続可能な経済活動を分類することに重点を置いているのに対して、SFDRはより広範で、持続可能性の環境的側面と社会的側面の両方に着目しています。

ほとんどの企業は、EUタクソノミーの適格性と整合性に関するレポーティングを実施していません。従って、もしESGデータ・プロバイダーが企業から報告されたデータのみを利用する場合には、データのカバレッジは低くなると予想されます（数千社の企業からの構成されるポートフォリオの場合は30社未満）。そのためリサーチャーやデータ・サイエンティストは、推定データと報告データを組み合わせて、可能な限り大きなユニバースを実現したいのか？あるいは、より精度の高い、発行体自身が公表しているデータのみを使いたいのか、など、プロジェクトの目的を検討すべきであると考えます。

さらには、ESGデータ・プロバイダーは生のESGデータ（例えば、廃棄物リサイクルやジェンダー統計に関する報告データ）を提供しているか？あるいはスコアやランキングを提供しているのか？という面にも注目する必要があります。これらの分析は、データの堅牢性と信頼性について貴重な洞察を提供することができるものと思われます。

さらに、各ESGデータ・プロバイダーのデータ品質レポート（DQR）を比較分析することも有益です。カバレッジ、データ間の相関や分布を比較することで、各プロバイダーの強みと弱みを把握することができます。この分析は、特別なニーズや要件に最も合致したデータを提供するデータ・プロバイダーを特定することに役立ちます。ここで重要なことは、データ・プロバイダーの選定はデータの活用方法に大きく依存するということです。

例えば、SDGs（国連の持続可能な開発目標）のデータを分析する場合、リサーチャーやデータ・サイエンティストは、債券に関する分類を評価する場合とは異なる視点で見る必要があります。

多くの場合、データにギャップや偏りがある可能性があるため、単一のESGデータ・プロバイダーのみを活用すべきではありません。あるデータ・プロバイダーは業種や地域を幅広くカバーしている一方で、他のプロバイダーの場合は限定的である可能があります。また、特定の方法論や情報源の選択により、データに偏りがある場合もあります。

ソリューション: 標準化と結合

これらの課題に対処するためには、異なるESGデータ・プロバイダーのデータを標準化し、結合することが不可欠です。標準化とは異なるデータを共通の尺度に調整することで、包括的なデータセットの構築が可能となります。

炭素データのようなデータセットは、共通の特性を持つため、比較的容易に結合することが可能となります。しかしながら、インパクトデータのようなデータセットは、その多様な特性を有するために結合はより困難となります。そのためより、綿密なアプローチが必要となります。

ひとつの有効なアプローチとしては、各データポイントでESGデータ・プロバイダーを順位付けして有効活用することです。こうすることで、報告データでは特定のデータ・プロバイダーを、推定データでは別のデータ・プロバイダーを活用するなど、各データ・プロバイダーの長所を活かし、短所の影響を軽減することが可能となります。また、中小のプロバイダーが提供する独自のESGに関する洞察も活用できる場合があります。

その結果、包括的で信頼性の高いデータセットの構築が可能となり、カバレッジと精度が向上するものと思われます。

ケース・スタディ1: 炭素排出関連データ

炭素排出関連データは、企業の環境面での取り組みを評価する上で重要な指標です。各ESGデータ・プロバイダーは炭素排出に関する共通の特徴に基づいてスコアを算出していることから、比較的均質なデータセットであると言えます。そのため結合は比較的容易ですが、独自の課題もあります。

例えば、各ESGデータ・プロバイダーの炭素排出量の算出や報告方法が異なる可能性があります。企業の事業活動からの直接的な排出量 （いわゆるスコープ1排出量）に焦点を当てているプロバイダーがいる一方で、他のプロバイダーは、企業のサプライチェーンからの間接的な排出量（スコープ2と3の排出量）を含んでスコアを算出・報告している可能性があります。

そのような場合には、データに齟齬や矛盾が生じ、異なるデータ・プロバイダー間でのデータの比較が困難となる可能性があります。

ケース・スタディ2: サステナブル債

サステナブル債は、金融市場において急成長している分野のひとつです。グリーンボンド、ソーシャル・ボンド、サステナブル債やその他のESG関連債券などが含まれており、環境的・社会的恩恵をもたらすプロジェクトの資金調達を目的に発行されます。

炭素排出関連データと同様に、サステナブル債に関するデータもカバレッジや質がデータ・プロバイダーによってばらつきがあります。一部のデータ・プロバイダーは、発行体から提供されたESG情報を評価する経験が不足していることがあります。しかしながら、専門性の高いESGデータ・プロバイダーのデータと組み合わせることで、包括的で信頼性の高いデータセットを構築することが可能となります。

大手データ・プロバイダーは、発行体（ローン／資産担保証券／債券）の情報に基づいた広範なユニバースを提供しています。これらのプロバイダーは、厳密かつ体系的な品質管理を実施しているため、データを高頻度かつ使用しやすい方法で提供することが可能です。例えば、あるプロバイダーは毎日データを配信しており、特定時点における為替レートも提供しています。

一方、一部のプロバイダーは、債券分析の専門家を擁しているため、発行体から提供された情報をより精緻に分析し、大半のプロバイダーが提供しない確度からのデータ提供が可能です。しかしながら、これらのニッチなプロバイダーからのデータは、配信頻度が低いことが多いほか、大手プロバイダーのようなインフラや品質チェックが十分ではない可能性があります。

そのため、大手データ・プロバイダーのカバレッジの高さと、ニッチなプロバイダーの専門性を組み合わせることで、より独自の優れたデータセットを構築することが可能になると考えます。

今後の見通し: データの新たな組み合わせ

ESGデータを取り巻く状況が進化し続ける中で、常に革新的で新しいデータの組み合わせや方法論を模索することで、時代を先取りすることが重要となります。将来的には、以下のような非ESGデータをESG投資目的に活用できる可能性があります。

• サプライチェーンのデータをESGに関する様々なテーマと結合し、企業への間接的な影響やリスクをより包括的に把握。
• ニュースのセンチメント分析データをESGデータと組み合わせることで、企業に対する世論のセンチメントがESGに関する取り組みによってどのような影響を受けるかを評価することができます。
• 伝統的な金融データ・プロバイダーが提供するデータと、オルタナティブ・データ・プロバイダー、生成AI関連の新興企業、一般に入手可能な情報源（気象データなど）を組み合わせることで、データセットを拡大
• また、ESGファンドのパフォーマンス・データとファンドの格付を組み合わせて、ファンドのパフォーマンスとESGファクターとの関係性を明らかにして洞察を得ることで、投資判断に役立てることが可能となると思われます。
• 今後の研究では、企業のガバナンス・データとクレジット関連データ、ESGデータと経済データ、ESGデータとセンチメント・データを組み合わせることも模索できるものと思われます。これらの組み合わせによって、新たな洞察やトレンドを発見し、ESGデータの進化を後押しすることが可能になると考えます。