Af Hans Stegeman
Click here to read this article in English
Tal er altafgørende, vil mange i den finansielle branche hævde. Når man diskuterer almindelig finansiering, styres beslutninger konsekvent af tallene, som afspejler de forventede risici og afkast.
Dette involverer data, definitioner og etablerede procedurer, der dikterer, hvordan man beregner værdi og forventninger. Med dette perspektiv er det kun logisk, at bæredygtig investering har udviklet sig til en datadrevet industri.
Men hvad nu, hvis de mest afgørende tal, der er brug for, ikke er tilgængelige? Hvad hvis vi mangler de konventioner og definitioner, der er sædvanlige i ‘normal’ økonomi? Hvad hvis vi simpelthen ikke har de rigtige data?
Jeg vil sige, at dette fører til fejlagtige valg, en tilfældig tilgang. At vi vil overse vitale elementer og stole på tilbageskuende investeringsstrategier. Hvis vi ikke har bedre data, skal vi simpelthen have mere sund fornuft.
Hvad er det for data, vi leder efter?
Forestil dig, at du tror, at verden har behov for at blive frisket lidt op, og du har lyst til at udnytte pengemagten til at få det til at ske. Fantastisk idé!
Du opsøger måske førsteklasses ideer, virksomheder og investeringsmuligheder, der gennem deres innovationer, praksisser eller processer bringer os tættere på denne ædle aspiration. Det er rimeligt, ikke? Alligevel fungerer bæredygtig finansiering ikke helt sådan.
Det handler ikke om ideer eller hensigter; det handler om DATA! Data fungerer som en stand-in for ideer og hensigter, eller sådan hævdes det. Hvis dit investeringsmål bygger på en klassisk afvejening af risiko over for afkast, er brugen af data krystalklar. Men når det kommer til bæredygtighed, har du brug for mere.
Efter at have beskæftiget mig med bæredygtig økonomi i nogen tid nu, er jeg stødt på en hel del data om bæredygtighed og de forskellige tilgange, man kan anvende. Det handler ikke længere kun om at bruge data til at gøre det muligt at investere i en forbedring af verden. Det handler om risikostyring, compliance, rapportering og af og til en bestræbelse på at kanalisere kapital hen til et bæredygtigt formål.
Her er en kort oversigt over ESG-tilgange fra George Serafeim, men der er også andre metoder. Det er ikke let at finde de rigtige data. Med adskillige udbydere, varierende definitioner, datahuller og regler, der konstant ændres, føles det ofte som at sigte mod et bevægeligt mål.
Efter min mening kan de utallige typer af data og deres anvendelse i Sustainable Finance kategoriseres som følger:
- ESG-risikodata: Dette omfatter oplysninger om en virksomheds eksponering for miljømæssige, sociale og ledelsesmæssige risici. Formålet er enten at udelukke eller overvåge risici. Eksempler omfatter Corporate Sustainability Reporting Directive (CSRD) og bankernes overvågning af klimarisici.
- ESG-data til udvælgelse: Selv om det nogle gange er identisk med risikodata, afviger anvendelsen af disse data. I stedet for at integrere ESG-risici bruges disse data til udvælgelsesformål. Dette kunne indebære, at man kun vælger de bedste resultater på ESG-faktorer eller ekskluderer de dårligst performende. En anden tilgang er at identificere dem med det bedste “ESG-momentum”, såsom virksomheder, der viser den største forbedring i ESG-score.
- Data til ESG-rapportering: Ikke alle ESG-faktorer, der bruges til udvælgelse eller risici, bruges typisk til rapportering og omvendt. Europæiske regler, især dem vedrørende klima(risiko)data, nødvendiggør en mere omfattende tilgang. Dette inkluderer data om CO2-fodaftryk af investeringer og scenarier vedrørende tilpasningen af porteføljer til målene i Parisaftalen.
- Impactdata: Disse data omhandler effekten af produkter og tjenester, ofte kvantificeret i form af bidrag til Verdensmålene.
Disse tilgange eller krav har ofte en tendens til at være rodede. Mens man måske vil favorisere det bedst performende olieselskab (og ignorerer risikoen for, at det bliver et strandet aktiv), kan oprettelsen af en ESG-best-in-class-fond medføre, at man inkluderer adskillige forurenende industrier (måske ledsaget af løfter om forbedring).
Det gælder ikke nødvendigvis, når vi taler impactdata. Ikke desto mindre er det ikke altid tydeligt (afhængigt af datakilden), hvilken positiv impact disse virksomheder virkelig har. Nogle hævder, at enhver virksomhed genererer en positiv indvirkning ved at skabe job (SDG 8), mens de bekvemt overser de negative konsekvenser.
Desuden er der flere problemer forbundet med alle disse typer data. Manglen på ensartede definitioner (som resulterer i varierende data på tværs af udbydere), subjektive og inkonsekvente målemetoder og lejlighedsvis fravær af data for hele porteføljer udgør betydelige udfordringer.
Der er ingen bedre undskyldning end data
Lad os vende tilbage til formålet med data som en forudsætning for bæredygtig finansiering, der, som tidligere nævnt, sigter mod en mere bæredygtig verden. Man ville forvente, at brug af ESG-data skulle gøre det lettere at identificere de rette investeringer.
Men virkeligheden er, ikke overraskende, ofte en helt anden. Ifølge Jan Fichtner, Robin Jaspert og Johannes Petry kanaliserer størstedelen af de børsnoterede ESG-fonde, der udgør broderparten af bæredygtig finansiering, kapital mod næsten de samme virksomheder som gennemsnittet af de ikke-bæredygtige fonde gør. Derfor er ESG-data primært anvendt for kategori 1 og 4 i listen ovenfor og i mindre grad kategori 2.
De hævder også, at der eksiterer en koncentration af udbydere af ESG-data, som resulterer i besynderlige virkninger og indbyrdes afhængigheder, hvilket kun forværres af et fravær af regulering (se figur). Ejere af aktiver betaler gebyrer til kapitalforvaltere, som igen betaler gebyrer til ESG-udbydere for brugen af deres ESG-indekser/benchmarks eller ratinger.
ESG-udbydere er ansvarlige for at vurdere virksomheder, mens kapitalforvaltere har til opgave at maksimere afkast baseret på det mandat, de er blevet givet. Men hvis de skal begrænse investeringsuniverset (som følge af ESG-data), kan denne begrænsning påvirke resultaterne negativt. Som følge heraf har både kapitalejere og kapitalforvaltere mere eller mindre en egeninteresse i at bevare en vis uklarhed om, hvad dataene virkelig indikerer.
Kilde: Fichtner et al (2023)
Deres bæredygtighedsmandat tvinger dem imidlertid til at udvise en form for engagement. Her er et par praktiske undskyldninger, som man ofte hører:
- Ja, vi stræber efter at gøre mere, men datakvaliteten mangler.
- Det ville være uhyre gavnligt, hvis vi var i stand til bedre at måle impacten af organisationers faktiske bæredygtige praksis. Desværre er kvaliteten af den slags data endnu mere mangelfuld.
- Vi fokuserer udelukkende på (finansielle) væsentlige ESG-data. Dette er ikke en etisk holdning, men en økonomisk.
Alle indvendingerne er gyldige set fra et traditionelt markedsperspektiv.
Hvad fortæller de faktiske data?
En fin tekst af Sakis Kotsantonis og George Sarafeim fortæller den virkelige historie om data. Her er deres vigtigste konklusioner:
- Forskellen på, hvordan virksomheder rapporterer data, især om medarbejderes sundhed og sikkerhed, som måles med flere end 20 metoder, resulterer i betydelige uoverensstemmelser inden for den samme gruppe af virksomheder.
- ‘Benchmarking’, der er afgørende for at vurdere, hvordan en virksomhed performer, er udfordret af manglen på gennemsigtighed blandt dataudbydere om blandt andet de observerede intervaller for ESG-målingerne, hvilket skaber uoverensstemmelser på hele markedet.
- Metodemæssige uenigheder blandt ESG-dataudbydere, der fører til væsentlige uoverensstemmelser i rapporterede data.
- Interessant nok intensiveres stridighederne mellem ESG-dataudbydere kun i takt med, at mængden af offentligt tilgængelig information stiger. Dette understreger et presserende behov for bedre forståelse af forskellige ESG-metrikker, og hvordan de bedst kan bruges til at evaluere en virksomheds performance.
Og der er mere. Foruden ESG-data er der også impactdata. Disse data måler produkters og tjenesters indvirkning på samfundet, hyppigst udtrykt i bidraget til Verdensmålene.
Dette indebærer ofte (men ikke altid), at for eksempel producenter af solpaneler eller vindmøller, ligesom medicinalvirksomheder, får en høj score, mens den fossile industri typisk scorer lavt. Disse data har de samme problemer som ESG-data: ingen ensartet definition, måleproblemer og uoverensstemmelser.
Og det er endda kun i det område, hvor vi har de bedste data til rådighed: nemlig de børsnoterede selskaber.
En del af problemerne vil blive overvundet i de kommende år gennem fastsættelsen af standarder (såsom PCAF for kulstof) og regulering (som CSRD). Men der er store dele af bankers aktiviteter, hvor det er svært at få fat på data: Finansiering af privat kapital, venturekapital med videre.
Og da der ikke er nogen tilgængelige data, kan enhver slippe godt fra at påstå næsten alt.
Hvorfor bedre ESG-data er ikke svaret
Denne sidste sætning er vigtig. Selv om forkerte eller ufuldstændige data giver en falsk følelse af at vide, hvad man laver, er ingen data måske heller ikke løsningen. Så hvordan kommer man videre?
Der er længe blevet blevet argumenteret for, at “Det, der bliver målt, bliver styret – også når det er meningsløst at måle og styre det, og selv om det skader organisationens formål at gøre det”.
Mens vi gransker data og styrer efter dem, misser vi ofte de mål, vi har sat. Jeg vil hævde, at udelukkende at fokusere på at forbedre eksisterende praksis inden for ESG- og impactdata ikke er løsningen af tre grunde.
For det første undlader vi typisk at sætte grænser eller tærskler, der kan udløse kompensation for dårlig opførsel.
ESG- eller impactscorer, der er bygget på et gennemsnit af karakterer på en stribe parametre, viser et ufuldstændigt billede, da det er muligt at opveje dårlige miljømæssige præstationer med prisværdige præstationer på det sociale område eller inden for ledelse.
Endnu værre: Vi kan tolerere ESG-risici, der anses for ikke at være “finansielt væsentlige” – et udtryk fra den finansielle sektors sprogbrug, der betegner problemer, som muligvis ikke gør skade på den økonomiske præstation, men som i sagens natur er uønskede, for eksempel fordi de skade miljø eller mennesker eller er udtryk for dårlig ledelse.
Vi kan kun få meningsfuld indsigt i en investerings impact ved at evaluere de enkelte elementer separat fra et perspektiv, hvor vi vurderer investeringens indvirkning på omverdenen).
For det andet er alle data retrospektive. Det vil altså sige, at fokuserer på tidligere ESG- eller impactpræstationer. Det svarer til at investere i en virksomhed udelukkende baseret på historiske resultater – en praksis, som ingen investor vil støtte.
Analytikere ekstrapolerer typisk det fremtidige potentiale for afkast ud fra tidligere resultater. Hvorfor er dette ikke normen med bæredygtighedsdata?
Det giver ringe mening at forudsige fremtidige bidrag til en bedre verden udelukkende baseret på tidligere oplysninger.
For det tredje viser de fleste ESG-data en relativ præstation i forhold til et benchmark. I bund og grund viser det ikke, at en virksomhed klarer sig godt, men snarere, det meste af tiden, at den gør mindre skade end gennemsnittet.
At gøre mindre skade er ikke det samme som at gøre gavn. Impactdata fortæller en lidt anden historie og illustrerer produkters og tjenesters bidrag til at opnå en bedre verden. For eksempel repræsenterer elbiler, solpaneler og vindmøller løsninger i vores energiomstilling. Men det siger ikke noget om bidraget til en verdens tilstand i fremtiden.
Vi har brug for bedre data for at redde verden
Hvis vi sigter efter at bruge data til at beskytte verden, har vi brug for nye data – data, der guider os hen, hvor vi skal være, ikke der, hvor vi har været.
Vi har brug for data, der informerer investorer om, hvor de kan maksimere effekten af deres penge. Hvordan opnår vi dette? Jeg tror, i lighed med konventionel investering, at en struktureret tilgang er nødvendig:
- Definer en vision: Etabler en vision for den mere bæredygtige verden, der kræves. Kald det en vision eller en sektorvision eller prognose, om du vil.
- Impact Forecasting: Forudsig, baseret på visionen, den forventede effekt af en investering. Lad os kalde det en ‘Discounted Impact Flow Model’ – der bestemmer den tilbagediskonterede værdi af den forventede effekt fra investeringen.
- Identificer leverage points: Vurder de leverage points, der findes i en overgang – forstå, hvordan dine investeringer skal struktureres for at forstærke og fremskynde deres impact. Inkorporer det i din Discounted Impact Flow Model for at få bedre resultater.
- Giv de traditionelle beregninger et twist: Foretag konventionelle beregninger og modellering, men vær modig nok til at basere dem på parametre, der afspejler en forandret verden.
Så invester. Ikke i ESG, men i fremtidig impact. Det er uden tvivl udfordrende. Men hvis vi mangler de rigtige data til at redde verden, bør vi stole mere på vores værdier og instinkter end på utilstrækkelige data.
Hans Stegeman har studeret økonomi ved Maastricht University og har over tyve års erfaring som økonom. Han har arbejdet med forskellige områder inden for økonomi, langsigtede prognoser og scenarier, strategi og forretningsmodeller, før han kom til Triodos Investment Management i 2017. Siden 2022 har han været cheføkonom i Triodos Bank.
Tak fordi du læser Impact Insider. Som samfundsiværksætter eller investor ved du, at kvalitet ikke er gratis. Vi er afhængige af, at abonnenter betaler for vores journalistik. Så hvis du synes, det er værd at have et uafhængigt specialmedie, der konstant jagter de bedste og mest effektive løsninger på samfundsproblemer, kan du tegne abonnement her.
