एक व्यवस्थित ईएसजी स्कोरिंग प्रणाली बनाना: संबंधित कार्य

लिंक की तालिका

• सार और परिचय
• संबंधित काम
• उद्देश्य
• तरीकों
• परिणाम
• बहस
• निष्कर्ष और ग्रंथ सूची

2. संबंधित कार्य

मौजूदा ESG-संबंधी शोध दो मुख्य श्रेणियों में आते हैं। कुछ शोधपत्रों का उद्देश्य ESG प्रदर्शन को वित्तीय प्रदर्शन से जोड़ना है और यह देखना है कि क्या किसी कंपनी की कॉर्पोरेट सामाजिक जिम्मेदारी (CSR) का उपयोग भविष्य के स्टॉक प्रदर्शन की भविष्यवाणी करने के लिए किया जा सकता है (जैन एट अल., 2019)। अन्य शोधपत्र मौजूदा भ्रांतियों/अक्षमताओं से बचने के लिए ESG रेटिंग माप को बढ़ाने और स्वचालित करने के लिए नए डेटा-संचालित तरीकों का प्रस्ताव करते हैं (हिसानो एट अल., 2020; क्रैपेल एट अल., 2021; लियाओ एट अल., 2017; लिन एट अल., 2018; शाही एट अल., 2011; सोकोलोव एट अल., 2021; वेंचुरेली एट अल., 2017; विचर एट अल., 2019)। यह शोधपत्र बाद की श्रेणी में आएगा।

चूंकि कई फर्म वार्षिक आधार पर स्थिरता रिपोर्ट प्रकाशित करती हैं, इसलिए कई शोधकर्ता विश्लेषण के लिए इस सामग्री का उपयोग करते हैं। यह आमतौर पर ESG विषयों और रुझानों की पहचान करने के लिए टेक्स्ट माइनिंग का उपयोग करके किया जाता है। इस डेटा को पार्स करने और उसका लाभ उठाने के लिए, शोधकर्ताओं ने वर्गीकरण मॉडल बनाए हैं जो वाक्यों/पैराग्राफ को विभिन्न ESG उप-आयामों में वर्गीकृत कर सकते हैं (लियाओ एट अल., 2017; लिन एट अल., 2018)। इसके अतिरिक्त, कुछ शोधकर्ताओं ने स्थिरता रिपोर्ट की पूर्णता का विश्लेषण करने के लिए इन टेक्स्ट वर्गीकरण एल्गोरिदम का उपयोग किया है (शाही एट अल., 2011)। ऐसा इसलिए है क्योंकि कंपनियां कभी-कभी अपनी फाइलिंग के भीतर नकारात्मक ESG पहलुओं के बारे में प्रकटीकरण को सीमित कर देती हैं। दोनों उपकरण कंपनी फाइलिंग का उपयोग करके स्वचालित ESG स्कोरिंग में सहायता कर सकते हैं, जो ESG कवरेज के बिना कंपनियों के लिए पहुँच बढ़ाता है।

हालांकि, विश्लेषण के लिए केवल स्व-रिपोर्ट की गई फाइलिंग पर निर्भर रहने में कमियां हैं क्योंकि यह छूटे हुए डेटा या नए विकास पर विचार करने में विफल रहता है। नतीजतन, शोधकर्ता इसे हल करने के लिए वैकल्पिक तरीकों का परीक्षण कर रहे हैं। उदाहरण के लिए, कुछ शोधकर्ता फ़ज़ी एक्सपर्ट सिस्टम (FES) या फ़ज़ी एनालिटिक नेटवर्क प्रोसेस (FANP) का उपयोग करते हैं, मात्रात्मक संकेतकों (यानी, ग्लोबल रिपोर्टिंग इनिशिएटिव द्वारा प्रदान किए गए मेट्रिक्स) और सर्वेक्षणों/साक्षात्कारों से गुणात्मक विशेषताओं से डेटा खींचते हैं (वेंचुरेली एट अल., 2017; विचर एट अल., 2019)। अन्य लोगों ने कंपनी की स्थिरता प्रोफ़ाइल का विश्लेषण करने के लिए ट्विटर जैसे ऑनलाइन सोशल नेटवर्क से डेटा एकत्र किया। उदाहरण के लिए, कुछ ने ट्वीट्स को विभिन्न ESG विषयों में वर्गीकृत करने और यह निर्धारित करने के लिए कि वे सकारात्मक हैं या नकारात्मक (सोकोलोव एट अल., 2021) के लिए प्राकृतिक भाषा प्रसंस्करण (NLP) फ़्रेमवर्क का उपयोग किया। इसके अलावा, कुछ ने विषम सूचना नेटवर्क का उपयोग किया जो विभिन्न नकारात्मक समाचार डेटासेट से डेटा को मिलाते थे और ESG (हिसानो एट अल., 2020) की भविष्यवाणी करने के लिए मशीन लर्निंग का उपयोग करते थे। अंत में, अन्य लोगों ने ESG (क्रैपेल एट अल., 2021) की भविष्यवाणी करने के लिए कंपनी की प्रोफ़ाइल और वित्तीय जैसे मौलिक डेटा का उपयोग करने की व्यवहार्यता का पता लगाया। कुल मिलाकर, इन सभी तरीकों का उद्देश्य अधिक संतुलित, निष्पक्ष और वास्तविक समय के डेटा का उपयोग करके स्व-रिपोर्ट की गई फाइलिंग को बेहतर बनाना था।