💰 quantitative finance

Beyond ESG Scores: Learning Dynamic Constraints for Sequential Portfolio Optimization

यह शोध पत्र MACF और इसके ऑप्टिमाइज़र-विशिष्ट एडैप्टर MACF-X का प्रस्ताव करता है, जो एक नवीन ढांचा है जो अंतर्निहित वित्तीय नीति के अवलोकन या पुरस्कार को बदले बिना टिकाऊ पोर्टफोलियो प्राथमिकताओं को लागू करने के लिए मल्टीमॉडल साक्ष्य से गतिशील ESG बाधाओं को सीखता है, जिससे प्रतिस्पर्धी वित्तीय प्रदर्शन बनाए रखते हुए टेल ESG बजट दबाव को कम किया जाता है।

मूल लेखक: Xin Li, Yan Ke, Longbing Cao

प्रकाशित 2026-05-12

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Xin Li, Yan Ke, Longbing Cao

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक हाई-परफॉर्मेंस रेस कार चला रहे हैं। आपका एकमात्र काम है जितनी तेज़ी से हो सके उतनी तेज़ी से गाड़ी चलाना ताकि रेस जीती जा सके (यह फाइनेंशियल पोर्टफोलियो है जो पैसा बनाने की कोशिश कर रहा है)।

अतीत में, यदि आप "ग्रीन" या नैतिक नियमों (ESG) का पालन करना चाहते थे, तो आपको डैशबोर्ड पर एक स्थिर स्टिकर देखने के लिए कहा जा सकता था जिस पर लिखा होता था, "यह कार 70% ग्रीन है।" लेकिन उस स्टिकर में कुछ समस्याएं हैं:

यह आउटडेटेड है (जब नई खबरें आती हैं, तो यह बदलता नहीं है)।
यह नॉइज़ी (शोर वाला) है (अलग-अलग लोग कार को अलग-अलग स्कोर दे सकते हैं)।
यह रिजिड (कठोर) है (यह आपको यह नहीं बताता कि आप जो मोड़ लेने जा रहे हैं, वह कितना खतरनाक है)।

यह पेपर तर्क देता है कि ESG को एक स्थिर स्टिकर की तरह मानना एक रेस कार के लिए बुरा विचार है जिसे सेकंड के सौवें हिस्से में निर्णय लेने की आवश्यकता होती है। इसके बजाय, लेखक एक नई प्रणाली प्रस्तावित करते हैं जिसे MACF और MACF-X कहा जाता है।

यह यहाँ बताया गया है कि यह कैसे काम करता है, सरल उपमाओं का उपयोग करते हुए:

1. समस्या: "स्टैटिक स्टिकर" बनाम "डायनेमिक को-पायलट"

अधिकांश वर्तमान AI निवेश प्रणालियाँ केवल ESG स्कोर को कार के डैशबोर्ड में जोड़ देती हैं। यदि स्कोर कम है, तो AI उस कार से बचने की कोशिश करता है। लेकिन क्योंकि स्कोर स्थिर और नॉइज़ी है, AI भ्रमित हो जाता है। उसे लग सकता है कि कोई कार "बुरी" है क्योंकि किसी ने पुराने अफवाह के आधार पर ऐसा कहा, या वह उस ब्रांड न्यू स्कैंडल को मिस कर सकता है जो अभी पाँच मिनट पहले हुआ है।

लेखक कहते हैं: ड्राइवर के दृष्टिकोण को न बदलें। ड्राइवर (फाइनेंशियल AI) को पूरी तरह से गति और सुरक्षा (लाभ और जोखिम) पर ध्यान केंद्रित करने दें। उनके डैशबोर्ड को भ्रमित करने वाले, आउटडेटेड ESG स्कोर से न भरें।

2. समाधान: "डायनेमिक को-पायलट" (MACF)

ड्राइवर के दृष्टिकोण को बदलने के बजाय, लेखक एक विशेषज्ञ को-पायलट (जिसे MACF कहा जाता है) पेश करते हैं।

यह क्या करता है: यह को-पायलट उसी सड़क को देखता है लेकिन उसकी आँखें अलग होती हैं। यह वास्तविक समय की खबरों, सरकारी रिपोर्टों और सामाजिक दबाव (मल्टीमॉडल साक्ष्य) को देखता है और हर उस चाल के लिए एक "रिस्क कॉस्ट" (जोखिम लागत) की गणना करता है जो ड्राइवर करने के बारे में सोच रहा है।
तीन प्रकार के जोखिम: को-पायलट जोखिम को तीन विशिष्ट प्रश्नों में तोड़ता है:
1. एड-रिस्क (Add-Risk): "यदि मैं अभी इस स्टॉक को और अधिक खरीदता हूँ, तो क्या मैं किसी नए विवाद में कदम रख रहा हूँ?"
2. होल्ड-रिस्क (Hold-Risk): "यदि मैं इस स्टॉक को पकड़े रखता हूँ, तो क्या मैं एक निरंतर समस्या को अनदेखा कर रहा हूँ?"
3. स्पिल-रिस्क (Spill-Risk): "यदि मैं इस स्टॉक को रखता हूँ, तो क्या मैं नीचे गिर जाऊँगा क्योंकि उसी उद्योग के एक प्रतियोगी ने मुसीबत खड़ी कर दी है?"
जादू: को-पायलट ड्राइवर को यह नहीं बताता कि उन्हें क्या करना चाहिए। वह बस कार के नेविगेशन सिस्टम को एक "कॉस्ट एस्टीमेट" (लागत अनुमान) फुसफुसाता है।

3. एडॉप्टर: "अनुवादक" (MACF-X)

अब, कार के नेविगेशन सिस्टम (ऑप्टिमाइज़र) को यह जानने की आवश्यकता है कि इस फुसफुसाहट का उपयोग कैसे किया जाए। अलग-अलग कारों के अलग-अलग नेविगेशन सिस्टम होते हैं (कुछ PPO का उपयोग करते हैं, कुछ CRPO का, कुछ TRPO का)।

MACF-X एक यूनिवर्सल ट्रांसलेटर है। यह को-पायलट की फुसफुसाहट को लेता है और उसे उस विशिष्ट भाषा में बदल देता है जिसे कार का नेविगेशन सिस्टम समझता है।

यह इंजन (वित्तीय इनाम) को नहीं बदलता है।
यह स्टीयरिंग व्हील (अवलोकन) को नहीं बदलता है।
यह बस एक कन्स्ट्रेंट (प्रतिबंध) जोड़ता है: "यदि आप यह चाल चलने की कोशिश करते हैं, तो 'लागत' बहुत अधिक है, इसलिए धीमे हो जाएं या थोड़ा मुड़ें।"

4. परिणाम: तेज़ और सुरक्षित

लेखकों ने इसका परीक्षण 30 प्रमुख अमेरिकी शेयरों (US30) और 30 यूरोपीय शेयरों (EU30) के साथ एक सिम्युलेटेड मार्केट में किया।

पुराना तरीका (स्टैटिक स्कोर): कार या तो नियमों को अनदेखा करती थी या खराब डेटा से भ्रमित हो जाती थी, जिससे "बजट उल्लंघन" (नैतिक नियमों का टूटना) या छूटे हुए मुनाफे होते थे।
नया तरीका (MACF + MACF-X):
- कार तेज़ रही (वित्तीय प्रदर्शन प्रतिस्पर्धी बना रहा)।
- कार सुरक्षित रही (इसने नैतिक बजट को शायद ही कभी तोड़ा)।
- महत्वपूर्ण रूप से, जब उन्होंने "शफल किए गए" डेटा (स्कोर को रैंडमाइज करना ताकि उनका कोई अर्थ न रहे) के साथ सिस्टम का परीक्षण किया, तो सिस्टम विफल हो गया। इसने साबित कर दिया कि सिस्टम केवल अनुमान नहीं लगा रहा था; यह वास्तव में रियल-टाइम, डायनेमिक साक्ष्यों से सीख रहा था।

मुख्य निष्कर्ष

इसे इस तरह सोचें:

पुराना तरीका: आप एक शेफ को बताते हैं, "कम रेटिंग वाली सामग्री का उपयोग न करें।" शेफ पिछले साल की सूची का उपयोग करता है। वे अनजाने में एक सड़ा हुआ टमाटर इस्तेमाल कर सकते हैं क्योंकि सूची अपडेट नहीं हुई थी।
नया तरीका: आप एक शेफ को बताते हैं, "सबसे अच्छा व्यंजन बनाने पर ध्यान केंद्रित करें।" इस बीच, एक क्वालिटी इंस्पेक्टर (MACF) चूल्हे के पास खड़ा होता है। यदि शेफ एक सड़े हुए टमाटर की ओर हाथ बढ़ाता है, तो इंस्पेक्टर चिल्लाता है, "रुको! इसकी लागत 50 अंक है!" शेफ को यह जानने की ज़रूरत नहीं है कि टमाटर क्यों सड़ गया है या रेटिंग सूची क्या है; वे बस तत्काल "कॉस्ट सिग्नल" पर प्रतिक्रिया करते हैं।

पेपर का दावा है कि यह दृष्टिकोण AI को वित्तीय लाभ से समझौता किए बिना या अस्त-व्यस्त, आउटडेटेड डेटा से भ्रमित हुए बिना नैतिक सीमाओं का सम्मान करने की अनुमति देता है। यह ESG को एक "स्थिर स्कोर" से बदलकर एक "डायनेमिक सेफ्टी कंस्ट्रेंट" में बदल देता है।

तकनीकी सारांश: ESG स्कोर से परे: अनुक्रमिक पोर्टफोलियो अनुकूलन के लिए गतिशील बाधाओं को सीखना

1. समस्या विवरण

यह शोध पत्र ESG-जागरूक पोर्टफोलियो अनुकूलन के वर्तमान लर्निंग-आधारित दृष्टिकोणों में एक महत्वपूर्ण विसंगति को संबोधित करता है। मौजूदा विधियाँ आमतौर पर पर्यावरणीय, सामाजिक और शासन (ESG) कारकों को पॉलिसी के ऑब्जर्वेशन स्पेस या रिवॉर्ड फंक्शन में स्टेटिक (स्थिर) ESG स्कोर जोड़कर संचालित करती हैं। लेखक तर्क देते हैं कि अनुक्रमिक नियंत्रण (sequential control) के लिए यह दृष्टिकोण मौलिक रूप से त्रुटिपूर्ण है, जिसके कई कारण हैं:

डेटा की विशेषताएं: ESG स्कोर शोर युक्त (noisy), प्रदाता-निर्भर, कम आवृत्ति वाले और अक्सर पूर्वव्यापी संशोधनों के अधीन होते हैं।
अस्थायी बेमेल (Temporal Misalignment): स्टेटिक स्कोर अनुक्रमिक पोर्टफोलियो निर्णयों की 'पॉइंट-इन-टाइम' प्रकृति के साथ संरेखित नहीं होते हैं।
वित्तीय वास्तविकता: अनुभवजन्य साक्ष्य बताते हैं कि ESG को एक मजबूत, स्टैंडअलोन अल्फा फैक्टर के बजाय एक पोर्टफोलियो प्राथमिकता, जोखिम एक्सपोजर, या हेज आयाम के रूप में मानना बेहतर है।
अनुक्रमिक नियंत्रण चुनौती: अनुक्रमिक नियंत्रण में, प्रासंगिक लागत लेटेंट (latent) होती है और एक्शन-कंडीशन्ड (action-conditioned) होती है। यह इस बात पर निर्भर करता है कि एक विशिष्ट contemplated पोर्टफोलियो मूव (जैसे, सक्रिय विवाद के तहत किसी फर्म के एक्सपोजर को बढ़ाना बनाम विरासत में मिले एक्सपोजर को बनाए रखना) वर्तमान में महत्वपूर्ण ESG जोखिम के प्रति एक्सपोजर को बढ़ाता है या नहीं।

वर्तमान लर्निंग-आधारित विधियाँ स्टेटिक स्कोर से होने वाली माप त्रुटियों और पूर्वाग्रहों को विरासत में लेती हैं, जिससे उन्हें रिटर्न सिग्नल के बजाय बाधाओं के रूप में देखा जाता है। मुख्य समस्या ESG-जागरूक पोर्टफोलियो अनुकूलन को एक लर्नड कंस्ट्रेंड-कंट्रोल प्रॉब्लम (learned constrained-control problem) के रूप में तैयार करने की है, जहाँ बाधाएं स्टेटिक स्कोर के बजाय डायनेमिक, पॉइंट-इन-टाइम, मल्टीमॉडल साक्ष्यों से प्राप्त की जाती हैं।

2. कार्यप्रणाली (Methodology)

प्रस्तावित समाधान ESG लागतों के सीखने को वित्तीय पॉलिसी ऑप्टिमाइजेशन से अलग करता है, जिसमें दो मुख्य घटक शामिल हैं: MACF (मल्टीमॉडल एक्शन-कंडीशन्ड कंस्ट्रेंट फील्ड) और MACF-X (ऑप्टिमाइज़र-विशिष्ट एडेप्टर)।

2.1 मल्टीमॉडल एक्शन-कंडीशन्ड कंस्ट्रेंट फील्ड (MACF)

MACF एक प्री-ट्रेन्ड, फ्रोजन मॉडल है जो पॉइंट-इन-टाइम मल्टीमॉडल साक्ष्य और कंटेम्प्लेटेड पोर्टफोलियो ट्रांजिशन को मैकेनिज्म-विशिष्ट ESG लागतों में मैप करना सीखता है।

इनपुट कॉन्टेक्स्ट ( $H_{i,t}$ ): प्रत्येक एसेट $i$ $i$ के लिए समय $t$ $t$ पर, MACF एक स्ट्रक्चर्ड कॉन्टेक्स्ट को इनजेस्ट करता है जिसमें शामिल है:
- माइक्रो सिग्नल्स: फर्म-स्तरीय इवेंट मेमोरी (न्यूज़, रेगुलेटरी फाइलिंग)।
- मेसो सिग्नल्स: पीयर और इंडस्ट्री प्रेशर।
- मैक्रो सिग्नल्स: मार्केट रिजीम कॉन्टेक्स्ट (वोलैटिलिटी, रेट्स, पॉलिसी अनसर्टेन्टी)।
- एंकर सिग्नल्स: आधिकारिक स्रोतों से उच्च-विश्वास वाले साक्ष्य।
- पोर्टफोलियो कॉन्टेक्स्ट: प्री-ट्रेड पोर्टफोलियो स्टेट और कैंडिडेट वेट चेंज ( $\Delta w_{i,t}$ )।
आउटपुट स्ट्रक्चर: MACF प्रत्येक मैकेनिज्म $k \in \{add, hold, spill\}$ $k \in {a dd, h o l d, s p i l l}$ के लिए तीन हेड-वाइज टेंसर आउटपुट देता है:
- $\rho^{\Delta}_{i,t}$ : एक्सपोजर बढ़ाने की लागत (add-risk)।
- $\rho^{w}_{i,t}$ : एक्सपोजर बनाए रखने की लागत (hold-risk)।
- $u_{i,t}$ : अनसर्टेन्टी एस्टीमेट (अनिश्चितता अनुमान)।
एग्रीगेशन (Aggregation): एसेट-लेवल स्कोर को कैंडिडेट वेट चेंजेस और पोस्ट-ट्रेड एक्सपोजर का उपयोग करके पोर्टफोलियो-लेवल लागतों ( $c^{(k)}_t$ ) और अनसर्टेन्टी ( $\bar{u}^{(k)}_t$ ) में एकत्रित किया जाता है। यह सिस्टम को एक जोखिम भरी स्थिति में जोड़ने बनाम एक विरासत स्थिति को बनाए रखने के बीच अंतर करने की अनुमति देता है।
ट्रेनिंग: MACF को इवेंट-डेरि्वड टारगेट्स (add-risk, hold-risk, spillover-risk) पर वीक सुपरविजन के माध्यम से प्रशिक्षित किया जाता है और DRL पॉलिसी ऑप्टिमाइजेशन शुरू होने से पहले इसे फ्रीज कर दिया जाता है।

2.2 MACF-X: ऑप्टिमाइज़र-विशिष्ट एडेप्टर

MACF-X एक ब्रिज के रूप में कार्य करता है, जो मौजूदा मॉडल-फ्री कंस्ट्रेंड पोर्टफोलियो ऑप्टिमाइज़र में पॉलिसी के ऑब्जर्वेशन स्पेस या वित्तीय रिवॉर्ड को बदले बिना, सीखे गए ESG लागतों और अनसर्टेन्टी को इंजेक्ट करता है। यह MACF आउटपुट्स को तीन वर्गों के ऑप्टिमाइज़र के लिए नेटिव इंटरफेस में अनुवादित करता है:

स्केलेराइजेशन / लैग्रेंजियन (जैसे, PPO): MACF-X लागतों को एडवांटेज फंक्शन में जोड़े जाने वाले अडैप्टिव, स्लैक-और-अनसर्टेन्टी-अवेयर प्रेशर टर्म्स में बदल देता है।
फिजिबिलिटी स्विचिंग (जैसे, CRPO): MACF-X एक मैकेनिज्म-अवेयर स्विचिंग सिग्नल प्रदान करता है जो यह निर्धारित करता है कि क्या ऑप्टिमाइज़र को वर्तमान बजट स्लैक और अनसर्टेन्टी के आधार पर रिवॉर्ड इम्प्रूवमेंट या कंस्ट्रेंट रिडक्शन को प्राथमिकता देनी चाहिए।
ट्रस्ट-रीजन / सेफ ज्योमेट्री (जैसे, TRPO, CPO): MACF-X स्थानीय ट्रस्ट-रीजन ज्योमेट्री (फिशर मैट्रिक्स) को पुनर्गठित करता है ताकि सीखे गए ESG कॉस्ट डायरेक्शन्स को शामिल किया जा सके, यह सुनिश्चित करते हुए कि पॉलिसी अपडेट्स सुरक्षित क्षेत्रों के भीतर रहें जो डायनेमिक कंस्ट्रेंट्स द्वारा परिभाषित हैं।

2.3 वित्तीय उद्देश्य (Financial Objective)

वित्तीय पॉलिसी पूरी तरह से ESG-मुक्त रहती है। रिवॉर्ड फंक्शन ( $r_t$ ) में लॉग पोर्टफोलियो रिटर्न्स, ट्रांजेक्शन कॉस्ट और ड्रॉडाउन पेनल्टी शामिल हैं, लेकिन इसमें स्पष्ट रूप से ESG स्कोर को बाहर रखा गया है। ESG केवल एक औसत लागत ( $\bar{J}_{c_k}(\theta) \le b_k$ ) के रूप में एक कंस्ट्रेंट के रूप में सिस्टम में प्रवेश करता है।

3. प्रमुख योगदान

फॉर्मूलेशन: यह पेपर ESG-जागरूक अनुक्रमिक पोर्टफोलियो अनुकूलन को एक लर्नड कंस्ट्रेंड-कंट्रोल प्रॉब्लम के रूप में फॉर्म्युलेट करता है, जहाँ ESG को स्टेटिक स्कोर के बजाय डायनेमिक, पॉइंट-इन-टाइम लागतों के रूप में माना जाता है।
MACF: एक मल्टीमॉडल एक्शन-कंडीशन्ड कंस्ट्रेंट फील्ड का परिचय, जो ESG जोखिम को एड-रिस्क, होल्ड-रिस्क और स्पिलओवर-रिस्क मैकेनिज्म में विभाजित करता है, जिसमें डायनेमिक साक्ष्यों से प्राप्त अनसर्टेन्टी एस्टीमेट भी शामिल हैं।
MACF-X: एडेप्टर्स का एक परिवार जो विविध मॉडल-फ्री ऑप्टिमाइज़र (PPO, CRPO, TRPO, CPO) में उनके नेटिव इंटरफेस के माध्यम से सीखे गए ESG लागतों और अनसर्टेन्टी को इंजेक्ट करता है, जिससे वित्तीय पॉलिसी स्ट्रक्चर सुरक्षित रहता है और टेल ESG बजट प्रेशर कम होता है।

4. प्रयोगात्मक परिणाम

लेखकों ने दो यूनिवर्स पर फ्रेमवर्क का मूल्यांकन किया: US30 (6 सेक्टरों में 30 बड़े अमेरिकी इक्विटीज़) और EU30 (मैच किए गए यूरोपीय समकक्ष)।

4.1 मुख्य परिणाम (US30)

कंस्ट्रेंट सेटिस्फैक्शन (Constraint Satisfaction): सभी MACF-X वेरिएंट्स ने अनकन्स्ट्रेंड PPO की तुलना में "ESG उल्लंघन" (वास्तविक लागत और बजट का अनुपात) को काफी कम कर दिया।
वित्तीय प्रदर्शन:
- स्केलेराइजेशन (MACF-PPO): मध्यम ESG उल्लंघन में कमी के साथ उच्च रिटर्न (31.60%) प्राप्त किया।
- फिजिबिलिटी स्विचिंग (MACF-CRPO): बेसलाइन CRPO की तुलना में रिटर्न, शार्प, कालमार (Calmar) में सुधार किया और ESG उल्लंघन को कम किया।
- ट्रस्ट-रीजन (MACF-TRPO/CPO): MACF-TRPO ने सबसे कम ESG उल्लंघन (1.85) प्राप्त किया, जबकि MACF-CPO ने ट्रस्ट-रीजन वेरिएंट्स में सबसे मजबूत वित्तीय मेट्रिक्स पेश किए।
बेसलाइन्स के साथ तुलना: फिक्स्ड-पेनल्टी PPO और लैग्रेंजियन मेथड्स बेसलाइन के रूप में उपयोग किए गए। MACF-X ने रिटर्न-सेफ्टी ट्रेड-ऑफ को संतुलित करने में या तो बेसलाइन्स को पीछे छोड़ दिया या उनके बराबर रहा।

4.2 क्रॉस-मार्केट वैलिडेशन (EU30)

प्रोटोकॉल को पुनर्गठित बजट के साथ EU30 पर लागू किया गया। MACF-X इस नए मार्केट में सफलतापूर्वक ट्रांसफर हुआ, जिसने प्रत्येक ऑप्टिमाइज़र इंटरफेस के भीतर रिटर्न-सेफ्टी ट्रेड-ऑफ को बनाए रखा या सुधारा, जो दर्शाता है कि यह दृष्टिकोण मार्केट-विशिष्ट नहीं है।

4.3 एब्लेशन स्टडीज (Ablation Studies)

डायनेमिक एविडेंस बनाम स्टेटिक स्कोर: सीखे गए MACF फील्ड को स्टेटिक ESG स्कोर (या शफल्ड स्टेटिक स्कोर) से बदलने पर प्रदर्शन लगभग शोर (noise) के समान हो गया। यह पुष्टि करता है कि लाभ डायनेमिक, पॉइंट-इन-टाइम साक्ष्यों और तीन-हेड डिकम्पोजिशन (add/hold/spill) पर निर्भर करते हैं, न कि केवल स्टेटिक स्कोर के मार्जिनल डिस्ट्रीब्यूशन पर।
फील्ड क्वालिटी: विशिष्ट डायनेमिक इनपुट्स (जैसे, माइक्रो इवेंट कार्ड्स, फर्म मेमोरी, पीयर स्टैटिस्टिक्स) को हटाने से हाई-रिस्क सैंपल्स को रैंक करने की MACF फील्ड की क्षमता कम हो गई (निचला AUC90, उच्च RMSE), जो मल्टीमॉडल, एक्शन-कंडीशन्ड स्ट्रक्चर की आवश्यकता को सिद्ध करता है।
हेड डिकम्पोजिशन: तीन-हेड फील्ड को सिंगल स्केलर रिस्क में कंप्रेस करने से RMSE छह गुना बढ़ गया, जो इंगित करता है कि तीन मैकेनिज्म अलग-अलग एक्शन सिमेंटिक्स को एनकोड करते जिन्हें कोलैप्स नहीं किया जा सकता।

5. महत्व और दावे

लेखक दावा करते हैं कि इसका प्राथमिक महत्व वित्त के लिए AI में ESG एकीकरण के प्रतिमान (paradigm) को बदलने में निहित है:

अल्फा से कंस्ट्रेंट तक: यह स्थिरता (sustainability) को एक शोर युक्त रिटर्न सिग्नल (अल्फा) के रूप में मानने के बजाय, इसे एक डायनेमिक रिस्क एक्सपोजर या कंस्ट्रेंट के रूप में स्थापित करने का तर्क देता है।
लर्निंग और ऑप्टिमाइजेशन का पृथक्करण: ESG लागतों के सीखने (MACF) को पॉलिसी ऑप्टिमाइजेशन से अलग करके, यह फ्रेमवर्क मौजूदा वित्तीय DRL बैकबोन को रिवॉर्ड फंक्शन या ऑब्जर्वेशन स्पेस को फिर से इंजीनियर किए बिना सीखे गए कंस्ट्रेंट्स को अपनाने की अनुमति देता है।
एक्शन-रेलेवेंस: यह दृष्टिकोण रेखांकित करता है कि ESG जोखिम किसी एसेट का स्टेटिक गुण नहीं है, बल्कि एक एक्शन का फंक्शन है (जैसे, खरीदना बनाम होल्ड करना)।
स्केलेबिलिटी: एडेप्टर-आधारित डिज़ाइन (MACF-X) यह सुझाव देता है कि सीखे गए, डायनेमिक, ESG कंस्ट्रेंट्स को विभिन्न कंस्ट्रेंड RL एल्गोरिदम में एकीकृत किया जा सकता है, जो क्षेत्र को स्टेटिक स्कोर-आधारित स्क्रीनिंग से आगे ले जाता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि वर्तमान कार्य विशिष्ट ऑप्टिमाइज़र और यूनिवर्स पर केंद्रित है, दिशा डायनेमिक, कंस्ट्रेंट-आधारित सस्टेनेबल पोर्टफोलियो कंट्रोल की ओर इशारा करती है, जो सार्वजनिक, ऑडिट योग्य, पॉइंट-इन-टाइम ESG डेटासेट्स की उपलब्धता पर निर्भर है।