本书探讨人工智能（AI）如何赋能ESG（环境、社会、治理）评价体系的创新实践，针对ESG数据来源复杂、评价标准不统一、动态反馈不足等挑战，作者提出三大AI辅助的ESG评价解决方案：一是通过AI辅助的多源信息抽取、异构数据融合及数据补全技术实现高效ESG数据治理；二是运用AI技术辅助建立ESG指标权重优化模型；三是借助数字孪生技术构建ESG政策实验平台，实现策略仿真推演。 全书结合理论与实务，既阐述AI与ESG融合的理论框架，又提供可落地的实施方案，通过案例分析和方法论拆解为相关ESG研究机构提供数据治理工具与评估体系优化、管理体系改进的指导。本书作为金融科技与可持续发展的交叉研究，既是研究人员的理论参考，也是工程师的实践指南，可为推动ESG从理论到实践转化提供重要参考。
第1章 ESG概述 1 1.1 ESG的概念及内涵 1 1.2 ESG的起源及发展 1 1.3 ESG生态系统 3 1.3.1 两大主题 4 1.3.2 闭环结构 4 1.4 ESG评价 8 1.4.1 ESG评价现状 9 1.4.2 AI赋能ESG评价 10 1.5 小结 11 第2章 AI技术基础 12 2.1 机器学习方法 12 2.1.1 监督学习 12 2.1.2 无监督学习 25 2.2 深度学习方法 27 2.2.1 卷积神经网络 28 2.2.2 循环神经网络 35 2.2.3 多模态模型 38 2.3 强化学习方法 43 2.3.1 强化学习基础 43 2.3.2 常用强化学习算法 46 2.3.3 大模型时代的强化学习算法 52 2.4 大模型技术 55 2.4.1 提示工程 55 2.4.2 参数高效微调 62 2.4.3 小结 71 第3章 ESG多源数据采集与信息抽取技术 76 3.1 ESG数据来源、类型及应用 76 3.1.1 数据来源 76 3.1.2 数据类型 77 3.1.3 数据应用 79 3.2 数据采集技术 84 3.2.1 数据源与采集方式 84 3.2.2 网络爬虫 84 3.3 信息抽取方法与技术 88 3.3.1 信息抽取任务类别 88 3.3.2 传统信息抽取方法 90 3.3.3 基于大模型的信息抽取技术 94 3.4 AI辅助的ESG信息抽取 98 3.4.1 现有研究概述 98 3.4.2 数据预处理 99 3.4.3 基于预训练模型的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 基于检索增强生成模型的ESG信息抽取 109 3.5 ESG信息抽取方法的有效性评估 113 3.5.1 基于预训练模型的ESG信息抽取结果评估 113 3.5.2 基于提示工程的ESG信息抽取结果评估 114 3.5.3 基于检索增强生成模型的ESG信息抽取结果评估 114 3.5.4 结果分析 115 3.6 小结 116 第4章 ESG多源信息融合技术 119 4.1 多源ESG信息集成融合的背景 119 4.2 ESG信息融合的任务与过程 119 4.2.1 实体对齐 120 4.2.2 来源可靠性 121 4.2.3 真值发现 121 4.3 信息融合的方法与技术 122 4.3.1 实体对齐的常见方法 122 4.3.2 真值发现的常见方法 129 4.4 AI技术在ESG多源信息融合中的应用 139 4.4.1 基于规则约束下TransE实体对齐方法 139 4.4.2 基于提示词工程的数据去重 140 4.4.3 基于量化定性指标的信息融合方法 141 4.4.4 基于模糊集理论的真值确定 143 4.5 ESG信息融合方法的有效性评估 144 4.5.1 基于规则约束下TransE实体对齐实验的评估 144 4.5.2 基于提示词工程去重实验的评估 145 4.5.3 基于量化定性指标信息融合实验的评估 146 4.5.4 基于模糊集理论真值确定实验的评估 147 4.6 小结 148 第5章 ESG数据补全 151 5.1 ESG数据补全的背景 151 5.2 数据补全方法与技术 152 5.2.1 数据缺失的类型 152 5.2.2 基于统计学的数据补全方法 153 5.2.3 基于机器学习的数据补全方法 159 5.2.4 基于深度学习的补全方法 162 5.3 AI辅助的ESG数据补全 170 5.3.1 现有技术概述 170 5.3.2 ESG数据缺失分析 172 5.3.3 基于传统方法的ESG数据补全 173 5.3.4 基于大模型联网搜索的ESG数据补全 175 5.4 ESG数据补全策略的有效性评估 179 5.4.1 评估指标的介绍 179 5.4.2 在ESG数据集上的定量评估 180 5.4.3 在ESG数据集上的应用 181 5.5 小结 183 第6章 ESG评级体系介绍 188 6.1 国外主流ESG评级体系 188 6.1.1 明晟（MSCI）ESG评级 188 6.1.2 富时罗素（FTSE Russell）ESG评级 203 6.1.3 标普道琼斯指数ESG评级 207 6.2 国内主流ESG评级体系 212 6.2.1 商道融绿ESG评级 212 6.2.2 华证指数ESG评级 218 6.2.3 万得（Wind）ESG评级 223 6.3 ESG评级体系的对比分析 227 6.4 ESG评级体系的不足与展望 230 6.5 小结 231 第7章 ESG评价技术与方法优化 234 7.1 ESG评级体系的建立与优化 234 7.1.1 ESG评级体系的建立 234 7.1.2 ESG评级体系的优化 235 7.2 ESG评级体系的传统优化与案例 236 7.2.1 ESG评级体系的传统优化案例 236 7.3 AI辅助的ESG评级体系优化 240 7.3.1 AI自动化辅助的ESG指标筛选 240 7.3.2 结合多专家模糊决策和AHP的权重设置 254 7.3.3 基于争议事件的指标权重动态调整 260 7.4 ESG新评级体系的有效性评估 262 7.4.1 评估指标的有效性与合理性 262 7.4.2 优化后的ESG评级的计算应用 264 7.5 小结 264 第8章 ESG评价的趋势与展望 267 8.1 数字孪生技术 267 8.1.1 数字孪生由来及发展 267 8.1.2 数字孪生内涵及意义 270 8.2 基于数字孪生技术的ESG评价框架 271 8.2.1 数字孪生技术应用到ESG中的前景 272 8.2.2 基于数字孪生和强化学习的ESG评价框架 272 8.2.3 数字孪生系统的设计 274 8.3 小结 278
书单推荐
