Dokument: NLP for ESG Investing: Extracting Sustainability Signals from Financial Textual Data

Titel:	NLP for ESG Investing: Extracting Sustainability Signals from Financial Textual Data
Weiterer Titel:	NLP für ESG-Investments: Extraktion von Nachhaltigkeitssignalen aus Finanztexten
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=74176
URN (NBN):	urn:nbn:de:hbz:061-20260930-160513-3
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Billert, Carl Fabian Helmut [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 3,61 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 07.08.2026 / geändert 14.08.2026
Beitragende:	Prof. Dr. Conrad, Stefan [Gutachter] Prof. Dr. Dietze, Stefan [Gutachter]
Dokumententyp (erweitert):	Dissertation
Dewey Dezimal-Klassifikation:	000 Informatik, Informationswissenschaft, allgemeine Werke » 004 Datenverarbeitung; Informatik
Beschreibungen:	Together with the general evolution of the field of natural language processing (NLP), financial information extraction has undergone significant changes in recent years. With increasing access to data, the potential for informed decision making in financial investment processes has similarly risen. However, modern investors increasingly prioritize not only financial returns but also the ethical and societal impact of the companies. In particular, corporate sustainability has emerged as a key concern for both institutional and individual investors. One significant challenge to sustainable investing is the lack of reliable, high-quality sustainability-related data. Traditional ESG (Environmental, Social, Governance) ratings have been widely used to quantify corporate sustainability practices. However, these ratings face growing criticism due to inconsistency across providers, lack of transparency, and concerns about greenwashing. As a result, there is an increasing interest in more transparent, flexible, and data-driven approaches to sustainability assessment. This dissertation explores the use of NLP to extract sustainability-relevant information from alternative data sources such as financial news articles. Mirroring the recent development in NLP in general, we investigate different model architectures, including encoder-based representation models and decoder-based generative models, to extract relevant ESG-related content from unstructured text. Our goal is to support more nuanced, transparent, and adaptable sustainability assessments. With the rising use of data-driven insights for financial decision-making, incorporating investor sentiment therein has also gained significant attention in academia and industry. Studies consistently demonstrate that sentiment can improve portfolio performance, and in response, major financial index providers have introduced sentiment-based indices. However, academic research on their construction remains limited. As a first step toward integrating ESG-related sentiment into investment processes, we start by creating a general sentiment-based version of the DAX-40 index, a stock market index that represents the 40 largest companies in Germany. Building on this foundation, we then investigate how sentiment specifically related to sustainability topics can be integrated in portfolio optimization. Recognizing that the financial relevance of different ESG aspects may shift over time, we propose dynamic strategies that adjust to the evolving materiality of these factors. This line of research addresses a gap in the literature at the intersection of sustainable finance and sentiment analysis. Zusammen mit der allgemeinen Entwicklung im Bereich der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) hat sich auch die Extraktion finanzieller Informationen in den letzten Jahren stark verändert. Mit dem zunehmenden Zugang zu Daten ist auch das Potenzial für fundierte Entscheidungen in Investitionsprozessen gestiegen. Moderne Investoren legen jedoch zunehmend nicht nur Wert auf finanzielle Renditen, sondern auch auf die ethischen und gesellschaftlichen Auswirkungen von Unternehmen. Nachhaltigkeit generell ist zu einem zentralen Anliegen für institutionelle wie auch private Investoren geworden. Ein wesentliches Hindernis für nachhaltiges Investieren liegt in der Verfügbarkeit und Qualität nachhaltigkeitsbezogener Daten. Traditionelle ESG-Ratings (Environmental, Social, Governance) werden häufig zur Quantifizierung von Nachhaltigkeitspraktiken in Unternehmen verwendet. Diese Ratings stehen jedoch zunehmend in der Kritik - insbesondere aufgrund von Inkonsistenzen zwischen verschiedenen Anbietern, mangelnder Transparenz und Bedenken hinsichtlich Greenwashing. Daher wächst das Interesse an transparenteren und datengetriebenen Ansätzen zur Bewertung von Nachhaltigkeit. Diese Dissertation untersucht den Einsatz von NLP zur Extraktion nachhaltigkeitsrelevanter Informationen aus alternativen Datenquellen wie Finanznachrichten. Analog zur allgemeinen Entwicklung im Bereich NLP analysieren wir verschiedene Modellarchitekturen, darunter encoder-basierte Repräsentationsmodelle und decoder-basierte generative Modelle, um relevante ESG-bezogene Inhalte aus unstrukturierten Texten zu extrahieren. Unser Ziel ist es, differenzierte, besser nachvollziehbare und flexiblere Nachhaltigkeitsbewertungen zu ermöglichen. Mit der zunehmenden Nutzung datengetriebener Erkenntnisse für finanzielle Entscheidungen hat auch die Einbeziehung von Investorensentiment in diesen Prozess erheblich an Bedeutung gewonnen – sowohl in der Wissenschaft als auch in der Praxis. Studien zeigen konsistent, dass Sentiment die Portfolio-Performance verbessern kann. Infolgedessen haben große Finanzindexanbieter stimmungsbasierte Indizes eingeführt. Die wissenschaftliche Forschung zu deren Konstruktion bislang jedoch begrenzt. Als ersten Schritt zur Integration ESG-bezogener Stimmungen in Investitionsprozesse entwickeln wir zunächst ein stimmungsbasiertes Pendant zum DAX-40-Index, einem Aktienindex welcher die 40 größten deutschen Firmen beinhaltet. Aufbauend auf dieser Grundlage untersuchen wir anschließend, wie Stimmungen zu Nachhaltigkeitsthemen gezielt in die Portfolio-Optimierung eingebunden werden können. Da sich die finanzielle Relevanz einzelner ESG-Aspekte im Zeitverlauf verändern kann, schlagen wir einen dynamischen Ansatz vor, der sich an die sich wandelnde Materialität dieser Faktoren anpassen kann. Diese Arbeit schließt eine Lücke in der Literatur an der Schnittstelle zwischen nachhaltigen Finanzanlagen und Sentimentanalyse.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Bezug:	01.09.2021 - 27.01.2026
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät » WE Informatik » Datenbanken und Informationssysteme
Dokument erstellt am:	30.09.2026
Dateien geändert am:	30.09.2026
Promotionsantrag am:	27.01.2026
Datum der Promotion:	14.07.2026