Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Wieso, Weshalb, Warum: Einleitung Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

11. Nachhaltigkeitsbewertung im Fondsgeschäft mittels Natural Language Processing

verfasst von : Alexandra Zoller, Marco Becker

Erschienen in: Sustainable Finance

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Auszug

Nachhaltigkeit ist für Banken zu einem essentiellen Bestandteil ihres Wertpapiergeschäfts geworden. In diesem Kapitel wird behandelt, wieso Nachhaltigkeit im Fondsgeschäft so wichtig für Finanzmarktteilnehmer ist und wie die Nachhaltigkeit von Fonds gemessen wird. Aufgrund der begrenzten Verfügbarkeit von standardisierten, quantitativen Daten, ist die Bewertung von Anlageprodukten im Hinblick auf ESG-Kriterien eine besondere Herausforderung. Moderne Ansätze des Natural Language Processing (NLP), aus dem Bereich des Machine Learnings stellen eine vielversprechende Lösungsmöglichkeit dar. In diesem Kapitel werden daher Grundlagen und Anwendungsbeispiele des NLP im Kontext der ESG-Analyse vorgestellt. …

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Quoniam: Wirkungsorientiertes Investieren am Beispiel eines quantitativen Asset-Managers
Nächstes Kapitel Custom ESG: Bionic Advisory Ebnet den Weg für den Effektiven Altruismus
Fußnoten
Literatur
Borms, S., Boudt, K., Van Holle, F., and Willems, J. (2021). Semi-supervised text mining for monitoring the news about the esg performance of companies. In Data Science for Economics and Finance, pages 217–239. Springer, Cham.CrossRef
Devlin, J., Chang, M.-W., Lee, K., and Toutanova, K. (2018). Bert: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:1810.04805.
Goodfellow, I., Bengio, Y., and Courville, A. (2016). Deep learning. MIT press, Cambridge, Massachusetts, London, England.
Liu, B. (2020). The Problem of Sentiment Analysis, pages 18–54. Studies in Natural Language Processing. Cambridge University Press, 2 edition.
Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., and Stoyanov, V. (2019). Roberta: A robustly optimized bert pretraining approach. arXiv preprint arXiv:1907.11692.
Luccioni, A., Baylor, E., and Duchene, N. (2020). Analyzing sustainability reports using natural language processing. arXiv.
Mikolov, T., Chen, K., Corrado, G., and Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint arXiv:1301.3781.
Pennington, J., Socher, R., and Manning, C. D. (2014). Glove: Global vectors for word representation. In Proceedings of the 2014 conference on empirical methods in natural language processing (EMNLP), pages 1532–1543.
Souma, W., Vodenska, I., and Aoyama, H. (2019). Enhanced news sentiment analysis using deep learning methods. Journal of Computational Social Science, 2(1):33–46.CrossRef
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., and Polosukhin, I. (2017). Attention is all you need. In Advances in neural information processing systems (NIPS), Long Beach, CA, USA, pages 5998–6008.
Wang, S., Zhou, W., and Jiang, C. (2020). A survey of word embeddings based on deep learning. Computing, 102(3):717–740.CrossRef
White, L., Togneri, R., Liu, W., and Bennamoun, M. (2019). Sentence Representations and Beyond, pages 93–114. Springer Singapore, Singapore.
Xing, F. Z., Cambria, E., and Welsch, R. E. (2018). Natural language based financial forecasting: a survey. Artificial Intelligence Review, 50(1):49–73.CrossRef
Metadaten
Titel
Nachhaltigkeitsbewertung im Fondsgeschäft mittels Natural Language Processing
verfasst von
Alexandra Zoller
Marco Becker
Copyright-Jahr
2022
Buch
Sustainable Finance

Print ISBN: 978-3-658-36388-8

Electronic ISBN: 978-3-658-36389-5

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-658-36389-5_11