In diesem Beitrag gibt Jean-Philippe Hecquet, Investment Risk and Sustainability Manager bei BNP Paribas, einen Überblick über das derzeit neu entstehende Ökosystem von Fintech-Unternehmen, mit dem sich auch die komplexesten Herausforderungen von Investoren in Bezug auf ESG-Daten lösen lassen sollen.
INHALT:
- ESG-Datenlandschaft: Überblick und Herausforderungen
- Die Entstehung neuer ESG-Datentechnologien am Beispiel von sechs Fallstudien:
- Jenseits der vom Unternehmen bereitgestellten Informationen: Der Vormarsch von Daten auf Vermögenswertebene
- Analyse von Klimaszenarien mit Big Data: Neue Lösungen zur Modellierung des Klimawandels
- Umsetzung der Ziele der Vereinten Nationen für nachhaltige Entwicklung (UN Sustainable Development Goals – SDGs): Eine neue Blockchain-Plattform
- Echtzeitanalyse der Marktstimmung in Bezug auf ESG-Kriterien unter Einsatz von künstlicher Intelligenz (KI)
- Eine alternative Nutzung von KI: Quantifizierung der Ausrichtung an den SDGs der UN
- Mit digitalen Anlagehelfern („Robo-Advisors“) das Kapital von Privatanlegern in nachhaltige Geldanlagen lenken
1. ESG-Datenlandschaft: Überblick und Herausforderungen
Die Standardanbieter von ESG-Daten haben in den letzten Jahren ihr Angebot erheblich ausgebaut. Doch sie haben immer noch Schwierigkeiten, die wichtigsten Herausforderungen in Bezug auf die Datenproblematik zu meistern, und kein Einzelanbieter kann derzeit eine robuste Lösung für ESG-Kriterien aus einer Hand liefern. Die eher anspruchsvollen institutionellen Anleger müssen in der Regel einen Ansatz mit mehreren Anbietern (Multi-Provider-Lösung) verfolgen und setzen auf eine Kombination aus Standardanbietern für ESG-Daten (z. B. MSCI[1], Sustainalytics[2] usw.), spezialisierten Anbietern (z. B. Carbone 4[3], Trucost[4], Beyond Ratings[5] usw.), Fintech-Unternehmen (z. B. Four Twenty Seven[6], Carbon Delta[7], Truvalue Labs[8] usw.) und Consultants.
Vor allem aufgrund des geringen Vertrauens in die von den Unternehmen selbst zur Verfügung gestellten Daten ist ein Fintech-Ökosystem entstanden, das darüber hinausgehende Informationen liefern will. Dazu machen sich die Fintechs ein ganzes Arsenal an neuen Technologien zunutze: Big Data auf Basis von Informationen auf Vermögenswertebene (Betriebsstätten, Kraftwerke usw.), die Verarbeitung natürlicher Sprache (Natural Language Processing – NLP), das Internet der Dinge (IoT), Satellitenbilder, Blockchain und Robo-Advisors.
Bei entsprechender Integration dieser neuen Technologien und alternativen Datenquellen kann sich eine Investmentgesellschaft einen deutlichen Wettbewerbsvorteil verschaffen. Die starke Zunahme der Datenanbieter stellt die Investoren vor große Herausforderungen. Hier sorgt das Outsourcing des Datenmanagements an eine Bank für Abhilfe. Die Verwahrstellen sind innerhalb der Investment-Wertschöpfungskette geradezu ideal positioniert, um die erforderliche Infrastruktur zur Verfügung zu stellen. Somit entwickelt sich das Verwahrstellen-Modell weiter: Aus der Verwahrung von Vermögenswerten wird die Verwahrung von Daten im Rahmen einer Multi-Provider-Lösung. Verwahrstellen liefern sich derzeit ein Wettrennen um dieses Fintech- und Daten-Ökosystem in ihre Dienstleistungen integrieren zu können. Das Potenzial, um das es dabei geht, ist enorm.
Die Suche nach besserer ESG-Datenqualität
Aus der Studie BNP Paribas ESG Global Survey 2019[9] ging deutlich hervor, dass die Datenqualität für Investoren weiterhin das größte Hindernis für die ESG-Integration darstellen. Das Thema rangiert noch weit vor den Kosten, fehlenden modernen Analysefähigkeiten und dem Risiko des „Greenwashing“, also dem Versuch von Unternehmen, sich durch Marketing- und PR-Maßnahmen ein „grünes Image“ zu verpassen, ohne entsprechende Maßnahmen implementiert zu haben. Mit 66 % aller Befragten taxierten die Survey Teilnehmer in diesem Jahr die Datenproblematik als noch größere Herausforderung als schon in unserer Studie 2017[10]. Daraus kann man erkennen, dass die Anleger hinsichtlich der Integration von ESG-Kriterien anspruchsvoller geworden sind.
Einige beishpielhafte ESG-Daten-Herausforderungen
- Geringe Korrelation zwischen ESG-Datenanbietern aufgrund uneinheitlicher Methoden und Datenquellen
- Mangelnde anlageklassenübergreifende Konsistenz der Daten
- Keine zukunftsgerichtete Daten für Szenarioanalysen
- Unzureichende Detaillierung der Daten zur Messung von Auswirkungen auf lokaler Ebene
- Keinen konkreten Bezug zu den UN Nachhaltigkeitzielen (SDGs)
- Geringe Aktualisierungsfrequenz der Daten
- Geringes Vertrauen in die Qualität der von den Unternehmen bereitgestellten Informationen u. a. wegen uneinheitlicher Methodik und Angaben
- Schwierigkeiten bei der Verbindung von ESG-Performance mit der finanziellen Performance
2 – Die Entstehung neuer ESG-Datentechnologien am Beispiel von sechs Fallstudien:
In diesem Abschnitt stellen wir anhand von sechs Fallstudien einige der neuen Technologien vor, die derzeit zur Bewältigung der Herausforderungen in Bezug auf ESG-Daten entwickelt werden. Das hier entstehende Fintech-Ökosystem zeigt sich sehr dynamisch und umfasst Dutzende von Unternehmen aus allen Regionen. Diese Fallstudien sind nicht als umfassende Auflistung aller Entwicklungen zu verstehen. Vielmehr sollen sie Einblicke in die Fülle von neuen Anwendungen, Ansätzen und kommerziellen Angeboten bieten, die Anlegern zur Verfügung stehen.
a. Jenseits der vom Unternehmen bereitgestellten Informationen: Der Vormarsch von Daten auf Vermögensgegenstände.
„Nie zuvor waren wir besser in der Lage, Vermögenswerte und Vorgänge in börsennotierten und nicht börsennotierten Unternehmen zu beobachten. Daten auf Vermögenswertebene, insbesondere solche, die durch neue Geodatensätze und maschinelles Lernen beschafft werden, eröffnen neue Möglichkeiten. Die Finanzanalyse wird zunehmend ‚räumlich‘ und die auf Daten auf Vermögenswertebene basierende Geodatenanalyse wird sich bei vielen Finanzanalysten zu einer Kernkompetenz entwickeln. Sie wird Teil des Handwerkszeugs sein und immer wichtiger werden.“
Dr. Ben Caldecott, Director, Oxford Sustainable Finance Programme[11]
Öffentliche und private Satellitenbetreiber machen große Fortschritte im Bereich Geodatenlösungen, indem sie mehr Daten sowie Fernerkundung, eine höhere Rechenleistung und maschinelles Lernen einsetzen. So werden im Rahmen des Copernicus-Programms der Europäischen Kommission[12] enorme Datenmengen über die eingebundenen Sentinel-Satelliten für eine globale, kontinuierliche und qualitativ hochwertige Erdbeobachtung gesammelt. Diese genauen und zeitnahen Informationen sind kostenlos und frei verfügbar und können unter anderem zur Verbesserung des Umweltmanagements beitragen.
Unternehmen und Forschungseinrichtungen nutzen diese Daten bereits auf vielfältige Weise: Von der Messung von Kohlenstoffemissionen auf Vermögenswertebene über die Gefährdung durch Entwaldung bis hin zur Rückverfolgbarkeit der Lieferkette.
Forschungseinrichtungen: Das Oxford Sustainable Finance Programme hat beachtliche Fortschritte erzielt und ist Pionier und Verfechter der „Spatial Finance“. Hierbei werden raumbezogene Auswertungen mit der Finanzanalyse verknüpft. Das Programm will mittels Datenwissenschaft neue Datensätze auf Vermögenswertebene entwickeln und kombiniert diese mit neuen Ansätzen in der Geodaten-Analyse, neuen Szenarien und Stresstests. Voraussetzung für den erfolgreichen Einsatz von räumlicher Technologie sind Partnerschaften über die verschiedenen Interessengruppen hinweg. Die Spatial Finance Initiative[13] wurde vom Alan Turing Institute[14], Green Finance Institute[15], Satellite Applications Catapult[16] und der University of Oxford gegründet[17]. Dadurch bündelt die Initiative Forschungskapazitäten in den Bereichen Weltraum, Datenwissenschaft und Finanzdienstleistungen.
Unternehmen: Ein Beispiel ist das Klima-Fintech Carbon Delta[18], das einen der derzeit besten Klimadatensätze auf Satellitenbildbasis heranzieht. Carbon Delta hat eine Datenbank mit den Unternehmensstandorten von 25.000 Unternehmen aufgebaut, die die Koordinaten für Millionen von Produktionsstätten umfasst. Bei der Verarbeitung von Satellitenbildern will Carbon Delta ein dreidimensionales Verständnis der technologischen Aktivitäten in den Betriebsstätten entwickeln. Diese robusten Daten bilden die Basis für sein „Climate Value-at-Risk“-Modell (CVaR), das Finanzinstituten eine Möglichkeit an die Hand gibt, Vermögenswerte vor den schlimmsten Auswirkungen des Klimawandels zu schützen. Außerdem lassen sich neue, unerwartete Anlagemöglichkeiten im Bereich der emissionsarmen Technologien identifizieren.
b. Analyse von Klimaszenarien mit Big Data: Neue Lösungen zur Modellierung des Klimawandels
Die Analyse von Klimaszenarien ist seit den Empfehlungen der TCFD (Task Force on Climate-related Financial Disclosures)[19] des Finanzstabilitätsrats (Financial Stability Board – FSB) aus dem Jahr 2017 im Fokus des Marktes. Es handelt sich hierbei um ein anerkanntes Instrument zur Förderung der Messung der potenziellen finanziellen Auswirkungen klimabezogener Themen in unterschiedlichen Stadien. Es müssen sowohl Risiken und Chancen der Übergangsphase als auch physische Risiken und Chancen in einem 2°C-Szenario berücksichtigt werden. Übergangsrisiken beziehen sich auf den Übergang zu einer Wirtschaft mit geringeren Emissionen. Dazu gehören politische, technologische, marktbezogene und reputationsbezogene Risiken. Physische Risiken stehen hingegen im Zusammenhang mit physischen Schäden durch Veränderungen der Wetterbedingungen (wie z. B. schwere Stürme, Überschwemmungen und Dürren) und Folgen wie der Anstieg des Meeresspiegels und Wüstenbildung. Im Jahr 2019 bestätigte Mark Carney, Gouverneur der Bank of England, in einem für eine Zentralbank beispiellosen Schritt, dass Klimastresstests für Versicherungsunternehmen vorgenommen würden[20]. Somit könnten die Weichen für einen Klimastresstest demnächst auch im Bankensektor gestellt sein.
Viele Organisationen wie z. B. Fintech-Unternehmen, Ideenschmieden, Universitäten und Berater arbeiten mit Hochdruck an der Entwicklung der erforderlichen Instrumente, mit denen sich die mit dem Klimawandel verbundenen Risiken und Chancen sowie seine Auswirkungen auf die Unternehmensgewinne bewerten lassen. Hier haben insbesondere die 2 Degrees Investing Initiative[21], Four Twenty Seven[22] und Carbon Delta[23] mit dem Einsatz von Big-Data-Technologien bereits erste Erfolge erzielt. Ihre Methoden gehen über die von den Unternehmen bereitgestellten Informationen hinaus und beruhen auf Quellen auf Vermögenswertebene (Betriebsstätten, Kraftwerke usw.).
So hat die 2 Degrees Investing Initiative zum Thema Übergangsrisiken im Zusammenhang mit dem Klimawandel das kostenlose Online-Tool PACTA[24] lanciert. Dieses Tool analysiert den Umfang des Risikos für Aktien- und Anleihenportfolios in verschiedenen Szenarien. Somit können Anleger die Abweichung zwischen ihrem bestehenden Portfolio und den 2-Grad-Benchmarks erkennen.
Zum Thema physische Risiken des Klimawandels hat Four Twenty Seven eine umfassende Technologieplattform entwickelt, die eine schnelle und effiziente Verarbeitung von Klimadaten über mehrere Standorte hinweg ermöglicht. Sie dient der Echtzeitüberprüfung großer Portfolios auf Risiken wie Überschwemmungen, Anstieg des Meeresspiegels, Hitzestress, Waldbrände oder Hurrikane (siehe nachstehende Grafiken), die in einem 4-Grad-Szenario jeweils stark zunehmen würden.
„Die Durchführung von Klima-Risikoprognosen auf Vermögenswertebene liefert uns eine differenzierte Ansicht der Gefährdung von Unternehmen, auch oder gerade bei Unternehmen mit globaler Ausrichtung. Diese detaillierten Analysen bilden die Grundlage für die TCFD-Berichterstattung und fließen in die Szenarioanalysen sowie in das Risikomanagement auf Portfolioebene ein.“
Emilie Mazzacurati, Gründer & CEO, Four Twenty Seven
c. Umsetzung der Ziele der Vereinten Nationen für nachhaltige Entwicklung (UN Sustainable Development Goals – SDGs): Eine neu entstehende Blockchain-Plattform
Einem Bericht der Business & Sustainable Development Commission[25] zufolge würde die Erfüllung der SDGs pro Jahr neue Marktchancen in Höhe von USD 12 Billionen eröffnen und so Wohlstand für alle schaffen. Die zur Unterstützung dieses Ziels erforderliche Marktinfrastruktur existiert jedoch noch nicht. Insbesondere fehlt eine robuste Überwachung, Berichterstattung („MRV“) von Organisationen und Initiativen. Dennoch werden Fortschritte erzielt. Städte, Regierungen und Technologieunternehmen sind dabei, die notwendige Infrastruktur zu entwickeln und setzen dabei auf die Blockchain-Technologie, das IoT und Big Data. Zu den gestarteten Initiativen gehören so unterschiedliche Themen wie die Erfassung von SDG-bezogenen Daten, das durchgängige Management von grünen Anleihen, die Rückverfolgbarkeit von Daten in der Lieferkette sowie die Entwicklung von Möglichkeiten zur Emissionskompensation.
Das Fintech-Unternehmen World Wide Generation (WWG)[26] ist der Technologiepartner der von der britischen Regierung und der City of London unterstützten Sustainable Development Capital Initiative (SDCI)[27]. Das Unternehmen entwickelt derzeit G17Eco, eine kombinierte Überwachungs- und Marktplatzplattform, die mithilfe der Blockchain-Technologie die derzeitigen Herausforderungen im Bereich Transparenz und Datenqualität meistern soll. G17Eco wird es Unternehmen, Regierungen, Finanzinstituten und Non-Profit-Einrichtungen ermöglichen, Daten zu erfassen, zu verarbeiten und zu verbreiten, die digital mit weltweit anerkannten Nachhaltigkeitsstandards, Rahmenwerken, Richtlinien und den SDGs abgeglichen werden können. Somit wird die Entscheidungsfindung für Investitionen, Veräußerungen, das Risikomanagement sowie die Entwicklung von Nachhaltigkeitsprodukten und -lösungen unterstützt. Über G17Eco werden die Rendite und die Auswirkungen von Investitionen und Initiativen in Echtzeit angezeigt.
„Die BNP Paribas gehörte zu den ersten Finanzinstituten im SDCI-Netzwerk und ist ein wichtiges Mitglied, das im Jahr 2019 wertvolle Erkenntnisse und wichtiges Feedback eingebracht hat. Durch Investitionen in die Schaffung von ‚5 Vermögenswerten für das Gemeinwohl‘ und die Mitgründung der G17Eco-Plattform hat sie Branchenführerschaft bewiesen.“
Manjula Lee, CEO/Gründerin World Wide Generation
d. Echtzeitanalyse der Marktstimmung in Bezug auf ESG-Kriterien unter Einsatz von künstlicher Intelligenz
In den letzten Jahren sind faszinierende Lösungen auf Basis des maschinellen Lernens mit KI und NLP auf den Markt gekommen. Truvalue Labs[28] wendet beispielsweise KI auf enorme Mengen unstrukturierter Daten an, um Chancen und Risiken aufzudecken, die einen wesentlichen Einfluss auf den Wert eines Unternehmens haben. Diese Technologie geht weit über das hinaus, was „händisch“ möglich wäre und durchsucht Millionen von Datenpunkten. So kann man das Verhalten eines Unternehmens im Hinblick auf ESG-Kriterien in Echtzeit mit einem Wettbewerber, dem Sektor, der Branche oder einer Benchmark vergleichen. Damit haben Investoren die Möglichkeit, Trends im Vorfeld zu erkennen. Mehrere Universitäten haben anhand der Daten von Truvalue Labs bereits festgestellt, dass es eine Korrelation zwischen der öffentlichen Stimmung in Echtzeit und der finanziellen Performance gibt. So hat eine Studie der Harvard Business School[29] ergeben, dass sich durch die Heranziehung der mithilfe der KI von Truvalue Labs generierten Daten in Kombination mit MSCI-ESG-Ratings Überrenditen (Alpha) von jährlich 4-5 % erzielen lassen. In einer anderen Studie der Wharton School der Universität von Pennsylvania[30] wurde festgestellt, dass die ESG-Scores von Truvalue Labs zeitnahe und wichtige Ereignisse wie z. B. regulatorische Anfragen, Untersuchungen und Rechtsstreitigkeiten, die mit dem Bonitätsrisiko und der Ausfallwahrscheinlichkeit korrelieren, erfassen.
„Wir haben vor kurzem eine neue Version unserer KI-Engine Truvalue AI eingeführt, die eine schnelle Umsetzung jedes Anlagekonzepts ermöglicht, ob es sich dabei um ESG-Standards wie die des SASB[31] oder eigene vom Kunden definierte Kategorien handelt. Die Engine wurde auf der Grundlage einer hochgradig skalierbaren Multi-Pipeline-Architektur entwickelt, die es uns ermöglicht, schnell neue Rahmenkonzepte, Sprachen und Anlageklassen hinzuzufügen und die Historie aus mehr als zehn Jahren und über 100.000 Quellen zu verarbeiten, um unseren Kunden bei der Auswertung unstrukturierter Daten zu helfen“.
Hendrik Bartel, CEO und Mitbegründer von Truvalue Labs
e. Eine alternative Nutzung von KI: Quantifizierung der Ausrichtung an den SDGs der UN
Die Verknüpfung der Aktivitäten eines Unternehmens mit den SDGs ist für Anleger, internationale Organisationen und Anbieter so etwas wie der heilige Gral. Auch wenn heute keine robuste Einzellösung existiert, hat UTIL, ein in London ansässiges Fintech-Unternehmen, einen neuartigen Ansatz entwickelt. Unter dem Einsatz von maschinellem Lernen kann UTIL die negativen und positiven Auswirkungen der Produkte und Dienstleistungen eines Unternehmens auf alle 17 SDGs identifizieren und quantifizieren. Dazu werden über 50 Millionen wissenschaftliche Forschungsarbeiten und eine Vielzahl anderer Informationen unter Einsatz von NLP untersucht, um Art, Stärke und Ausrichtung der Beziehungen zwischen Produkten, Dienstleistungen und den SDGs besser nachvollziehen zu können.
„Unsere Branche hat die einzigartige Möglichkeit, Billionen von Dollar in die UN-Ziele für eine nachhaltige Entwicklung zu lenken. Mit dieser Vision vor Augen haben wir mithilfe des maschinellen Lernens umfassende, quantifizierbare und vergleichbare Analysen entwickelt, die die positiven und negativen Auswirkungen jedes Unternehmens messen. Mit unseren Analysen sind Asset Manager und Asset Owner endlich in der Lage, ihre Anlagerendite unter finanziellen, sozialen und ökologischen Gesichtspunkten zu maximieren.“
Stephen Barnett, CEO und Mitbegründer von UTIL
f. Mit digitalen Anlagehelfern (Robo-Advisors) das Kapital von Privatanlegern in nachhaltige Geldanlagen lenken
Eine von Natixis durchgeführte Studie[32] hat gezeigt, dass es der Mehrheit der Einzelanleger wichtig ist, eine positive soziale Wirkung zu erzielen, auch mit dem eigenen Anlageportfolio. Bislang sind jedoch individuelle Präferenzen in Bezug auf nichtfinanzielle Ziele an den Vorsorgemärkten kaum ein Thema bzw. werden selten berücksichtigt.
Eine Vielzahl von Technologieunternehmen im Bereich der digitalen Anlagehelfer forcieren die Produktentwicklung, um dieser Herausforderung zu begegnen. Durch die direkte Ansprache von Privatanlegern und die Umgehung traditioneller Asset Manager könnten diese Technologien für eine Disruption der herkömmlichen Investment-Wertschöpfungskette sorgen. Für Mitglieder von beitragsorientierten Versorgungswerken entsteht dadurch u. U. eine personalisierte Schnittstelle, die preisgünstig, auf ihre Werte ausgerichtet, und automatisiert ist und alle ihre Pensionskonten unter einem Dach integrieren kann.
Zur Beschleunigung dieser Dynamik hat die globale Ideenschmiede 2 Degrees Investing Initiative das KliFin-Scanner-Projekt[33] aufgelegt. Es geht dabei um die Entwicklung einer quantitativen Kunden-Profiling-Software für nichtfinanzielle Ziele sowie einer Plattform, die von Banken und Verbrauchern dazu genutzt werden kann, nichtfinanzielle Ziele in Anlageansätze und -strategien zu übertragen. Ausgangsbasis ist ein Bericht des Unternehmens aus dem Jahr 2017 (Non-Financial Message in a Bottle[34]), in dem aufgezeigt wird, wie das Mobilisieren von Privatanlegern, ihre Anlageentscheidungen im Einklang mit internationalen Klimazielen zu treffen, einen wichtigen Beitrag zur Schließung der Finanzierungslücke bei der Erreichung der angestrebten Emissionsreduzierung leisten könnte.
FAZIT:
Verwahrstellen sind gut positioniert, um Hauptverwalter von ESG-Daten im Auftrag institutioneller Anleger zu werden. Durch den Zugang zu Standardanbietern für ESG-Daten sowie der Vielzahl neuer Anbieter aus dem Fintech-Bereich könnten Depotbanken diese enorme Datenmenge in die Dienstleistungen integrieren, die sie bereits für Investoren erbringen, wie z. B. Risikomanagement, Investment-Compliance, regulatorisches Meldewesen, Datenanalysen und Möglichkeiten zur Portfoliooptimierung.
Wir sind der Ansicht, dass die aktuellen Entwicklungen sowohl im Infrastrukturbereich als auch bei den neuen Technologien die Finanzdienstleistungsbranche tiefgreifend verändern könnten. Wir haben es uns zum Ziel gesetzt, im Rahmen einer Multi-Provider-Lösung auf alle diese neuen ESG-Datensätze zuzugreifen, sowie durch die Nutzung unserer eigenen internen Fachkompetenz für unsere institutionellen Kunden aussagekräftige Erkenntnisse auf Portfolio-Ebene zu gewinnen.
[1] https://www.msci.com/esg-ratings
[2] https://www.sustainalytics.com/
[5] https://beyond-ratings.com/
[7] https://www.carbon-delta.com/
[8] https://www.truvaluelabs.com/
[9] The ESG Global Survey 2019: Asset Owners and Managers Determine their ESG Integration Strategies. BNP Paribas und Longitude Research
[10] Great Expectations for ESG: What’s Next for Asset Owners and Managers? BNP Paribas und Longitude Research
[11] https://www.smithschool.ox.ac.uk/research/sustainable-finance/
[12] https://www.copernicus.eu/en/about-copernicus
[13] https://spatialfinanceinitiative.com/
[14] https://www.turing.ac.uk/
[15] https://www.greenfinanceinstitute.co.uk/
[16] https://sa.catapult.org.uk/
[17] https://www.smithschool.ox.ac.uk/research/sustainable-finance/
[18] https://www.carbon-delta.com/
[19] https://www.fsb-tcfd.org/publications/
[20] https://www.bankofengland.co.uk/prudential-regulation/letter/2019/insurance-stress-test-2019
[21] https://2degrees-investing.org/
[23] https://www.carbon-delta.com/
[24] https://www.transitionmonitor.com/
[25] http://report.businesscommission.org/
[26] http://www.worldwidegeneration.co/
[27] https://news.cityoflondon.gov.uk/london-set-to-help-meet-un-sustainable-development-goals/
[28] https://www.truvaluelabs.com/
[29] Serafeim, George, Public Sentiment and the Price of Corporate Sustainability (October 12, 2018). Harvard Business School Accounting & Management Unit Working Paper No. 19-044.
Erhältlich bei SSRN: https://ssrn.com/abstract=3265502
[30] Henisz, Witold and McGlinch, James, „ESG, Material Credit Events, and Credit Risk,” Journal of Applied Corporate Finance, Band 31, Nummer 2, Frühjahr 2019.
[32] Natixis. (2017). Mind Shift: Getting Past the Screens of Responsible Investing. Abgerufen unter https://www.im.natixis.com/us/resources/mind-shift-getting-past-the-screens-of-responsible-investing
[33] https://2degrees-investing.org/klifin-scanner-climate-finance-product-scanner-for-retail-investors-and-banks/
[34] http://degreesilz.cluster023.hosting.ovh.net/wp-content/uploads/2018/01/retail_savings_final.pdf
