在中证 800 标的池内，我们依托政府侧监管数据、环境舆情数据、行业环境数据 3 大数据源的融合与 NLP 量化处理，完成了“E”元素的专业性重构，在季度/月 频率的条件下，优化了环境因素的评分体系。对应公司的实测效果，A 股上市公 司环境治理平均分连年提升，且对于非制造业板块适用性显著提升。

ESG 数据超融合应用建议——围绕 E 因素，全面优化评价体系框架....... 1

E 因素评价体系研究普遍存在几个共性问题 ..... 1

环境因素升级路径：构建跨行业通用评分体系，打造国情特色数据框架.. 1

E 因素数据源精选与量化处理... 3

聚焦政府侧数据，国情特色下量化环境评价 ..... 3

基于 NLP 量化新闻、公告等文本数据：模拟客观舆情数据指标....... 4

行业数据：基于 CSR 报告的通用性指标和基于另类数据的特色化指标 ... 6

E 因素数据融合技术架构与评分体系构建. 8

多源环境数据融合：基于专业知识的量化分级与赋权....... 8

环境评分动态模型构建：基于滑动时间窗口的动态分数计算.... 8

E 因素动态评分效果评价 10

和商道融绿对比：评分具有较高的相似性和稳定性 10

和中证 800 对比：E 因素评分正向受益尚不显著....10

和沪深 300 对比：E 因素评分正向受益逐步体现.... 11

E 因素评分应用探索：逐步构建主动筛选数据策略  11

数据逐步丰富，正向选择效果有望提升 .. 11

风险因素 .12