体系的な ESG スコアリング システムの作成: 結論と参考文献

リンク一覧

• 概要と序論
• 関連事業
• 目的
• 方法
• 結果
• 議論
• 結論と参考文献

7. 結論

提案された ESG 分析アルゴリズムは、すべての企業の ESG 評価を標準化するのに役立ちます。これは、よりバランスの取れた結果を得るために外部のソーシャル ネットワーク分析を組み込むことで、自己申告バイアスを制限するためです。ソーシャル ネットワーク ベースの ESG インデックスは、人々が変更したい領域を直接示すこともできるため、経営陣の取り組みを意味のある変更に集中させることができます。さらに、機械学習を使用して、モデルは企業の社会的責任のプロキシを生成し、アナリストがカバーしていない小規模企業の ESG を判断するのに役立ちます。これにより、より多くの企業が自動化された方法で ESG 格付けを受けることができ、小規模企業と大規模企業の間により公平な競争の場が生まれ、最終的には社会的責任のある企業がより多く勝つことに役立ちます。全体として、このプロジェクトは ESG のギャップを埋める上で幅広い影響を与える可能性があります。これにより、大量の ESG 資本をより持続可能で倫理的なイニシアチブに再配線するのに役立ちます。

文献

A Sokolov、J Mostovoy、J Ding、L Seco。2021。自動ESGスコアリングのための機械学習システムの構築。インパクトとESG投資ジャーナル1（3）、39-50

AM Shahi、B. Issac、JR Modapothala。2011。企業の持続可能性レポートにおける教師ありテキスト分類アルゴリズムの分析。2011年国際コンピュータサイエンスおよびネットワーク技術会議の議事録、第1巻。96–100

Akbik、Blythe、Vollgraf。「シーケンスラベル付けのための文脈的文字列埋め込み」。第27回国際計算言語学会議の議事録、1638～1649ページ、米国ニューメキシコ州サンタフェ、2018年8月20～26日

Andrea Venturelli、Fabio Caputo、Rossella Leopizzi、Giovanni Mastroleo、Chiara Mio。2017。CSR アイデンティティはどのように評価できるか? ファジー エキスパート システムを使用したパイロット スタディ。Journal of Cleaner Production 141 (2017)、1000 – 1010。

Awad, M., Khanna, R. (2015). サポートベクター回帰。Efficient Learning Machines 誌。Apress、カリフォルニア州バークレー。https://doi.org/10.1007/978-1-4302-5990-9_4

バーグ、フロリアン、他「総合的な混乱：ESG格付けの乖離」SSRN電子ジャーナル、2019年、doi：10.2139/ssrn.3438533。

CDP (2017年7月10日)。新しいレポートによると、わずか100社が排出量の70%以上を占めている。2022年5月24日取得、http://www.cdp.net/en/articles/ media/new-report-shows-just-100-companies-are-source-of-over-70-of-emissions

Chen Tianqi、Guestrin Carlos。「XGBoost: スケーラブルなツリー ブースティング システム」KDD '16: 第 22 回 ACM SIGKDD 国際知識発見およびデータ マイニング会議の議事録、2016 年 8 月、785-794 ページ、doi: 10.1145/2939672.2939785

de Beer D、Matthee M. フェイクニュースを識別するためのアプローチ：体系的な文献レビュー。デジタル時代の統合科学 2020。2020 年 5 月 5 日;136:13–22。doi: 10.1007/978-3-030- 49264-9_2。PMCID: PMC7250114。

オリバー・クレイマー。教師なし最近傍法による次元削減、2013 年、第 51 巻、ISBN: 978-3-642-38651-0

ドレンプティック、サミュエル、他「企業規模が ESG スコアに与える影響: 企業の持続可能性格付けの見直し」ビジネス倫理ジャーナル、第 167 巻、第 2 号、2019 年、333 ～ 360 ページ、doi:10.1007/s10551-019-04164-1

Gloor, Peter A.、他「Web Science 2.0: セマンティックソーシャルネットワーク分析によるトレンドの特定」2009 International Conference on Computational Science and Engineering、2009、doi:10.1109/cse.2009.186。

Ho, TK (1995)。ランダム決定フォレスト。文書分析および認識に関する第3回国際会議の議事録（第1巻、pp. 278-282）。

Jain, M., Sharma, GD, & Srivastava, M. (2019). 持続可能な投資はより良い財務収益を生み出すことができるか: ESG指数とMSCI指数の比較研究。リスク、7(1)、15。https://doi.org/10.3390/risks7010015

Kotsantonis、Sakis、George Serafeim。「ESGデータについて誰も教えてくれない4つのこと」Journal of Applied Corporate Finance、vol. 31、no. 2、2019、pp. 50–58、doi:10.1111/jacf.12346

Pavel Wicher、František Zapletal、Radim Lenort。2019年。ファジー分析ネットワークプロセスを使用した産業企業の持続可能性パフォーマンス評価。Journal of Cleaner Production 241 (2019)。

Pin-Chao Liao、Ni-Ni Xia、Chun-Lin Wu、Xiao-Ling Zhang、Jui-Lin Yeh。2017年。「国際請負業者の企業の社会的責任（CSR）の伝達：CSR報告の内容分析」Journal of Cleaner Production 156（2017）、327-336。

Rao, Prashanth。「Python でのきめ細かな感情分析 (パート 1)」。Medium、Towards Data Science、2019 年 9 月 9 日、towardsdatascience.com/fine-grained-sentiment-analysis-in-pythonpart-1-2697bb111ed4。

久野良平、ディディエ・ソネット、水野貴之。2020年。異種情報ネットワークを用いたESGコンプライアンスの予測。ビッグデータジャーナル7、1（2020）、22

S.-J. LinとM.-F. Hsu。2018。CSRニュースレポートからのソフト情報の抽出による意思決定。経済の技術と経済発展24、4（2018）、1344-1361。

S&P Global。(nd)。ESG評価 | S&P Global。2022年5月24日取得、http://www.spglobal.com/ratings/en/products-benefits/products/esg-evaluationより

スタックポール、ベス。「持続可能なビジネスにはなぜより良いESG格付けが必要なのか。」MITスローン、2021年12月6日、mitsloan.mit.edu/ideas-made-to-matter/why-sustainable-business-needs-better-esgratings。

shweta-29. 「Shweta-29/Companies_ESG_Scraper: このリポジトリには、企業の ESG 格付けと財務指標を抽出し、SQL にロードするためのツールが含まれています。」 GitHub、github.com/shweta-29/Companies_ESG_Scraper

T Krappel、A Bogun、D Borth。2021。ESG 格付け予測のための異種アンサンブル。金融における機械学習に関する KDD ワークショップ

国連グローバル・コンパクト。(2016) 国連グローバル・コンパクト-アクセンチュア・ストラテジー CEO 調査 2016。2022 年 5 月 26 日に https://www.unglobalcompact.org/library/4331 から取得

国連グローバル・コンパクト。(2019)。国連グローバル・コンパクト - アクセンチュア・ストラテジー 2019 CEO 調査 - 成果を上げる 10 年: 企業への行動の呼びかけ。2022 年 5 月 26 日に https://www.unglobalcompact.org/library/5715 から取得