← 論文一覧に戻る

米国におけるESGスコアと財務健全性の機械学習分析

“Machine learning analysis of ESG score and financial health in the USA” (原題)

José Alejandro Fernández Fernández, Renata Kubus, Inés Martín de Santos

Heliyon📚 査読済 / ジャーナル2026-10-01#AI×ESGOrigin: US経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.1016/j.heliyon.2026.e45546
原典: https://doi.org/10.1016/j.heliyon.2026.e45546

🤖 gxceed AI 要約

日本語

米国5セクター・2612社年データ（Refinitiv、2019–2022）を用い、説明可能な機械学習（ランダムフォレスト、SHAP、部分依存）でESGスコアと財務健全性の関係を分析。企業規模が最も一貫した予測因子である一方、レバレッジ・収益性・投資の重要性は業種で大きく異なる。投資強度は必ずしもESGを高めず、ESGは規模共通成分と業種固有の財務パターンの複合であることを示す。

English

Using 2,612 US firm-year observations (Refinitiv, 2019–2022) across five sectors, this study applies explainable ML (random forests, SHAP, partial dependence) to link financial health and ESG scores. Firm size is the most consistent predictor, while leverage, profitability, and investment vary by industry. Investment intensity does not uniformly improve ESG, suggesting ESG combines a scale component with sector-specific financial patterns.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

SSBJ基準の開示整備が進む日本では、ESG評価と財務パフォーマンスの関係を業種別に理解する需要が高い。本手法は日本企業のESG格付・統合報告書対応や投資家説明における業種別ベンチマーク設計に示唆を与える。

In the global GX context

As ISSB/SSBJ disclosure and ESG ratings increasingly drive capital allocation, this paper shows that the financial drivers of ESG scores are sector-specific, cautioning against one-size-fits-all rating interpretation. It adds ML-based, explainable evidence to the global debate on ESG-financial performance links.

👥 読者別の含意

🔬研究者:ESGスコアと財務指標の非線形・業種依存関係を説明可能MLで示す実証手法の参考になる。

🏢実務担当者:自社のESG評価が規模・財務構造にどう左右されるかを業種別に把握し、開示・格付対応に活用できる。

🏛政策担当者:ESG格付の業種横断比較の限界を示し、開示・格付規制設計における業種別配慮の根拠となる。

📄 Abstract（原文）

This study examines the relationship between firm-level financial health and ESG performance across five major U.S. sectors using 2612 firm-year observations from Refinitiv over 2019–2022. An explainable machine-learning framework combines random forests, regression-tree benchmarks, SHAP values, permutation importance, and partial dependence with firm-grouped and temporal validation. Firm size emerges as the most consistent predictor across sectors, while the relevance of leverage, profitability, and investment varies substantially by industry. Investment intensity is not uniformly associated with stronger ESG performance, highlighting the importance of sector-specific financial structures. Overall, ESG performance appears to combine a common scale-related component with heterogeneous sectoral financial patterns.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。