上場企業のESG開示データを用いたLightGBMとSHAPによる炭素排出リスク予測モデル

日本語

上場企業のESG開示データを入力とし、LightGBMで炭素排出リスクを予測するモデルを構築した研究。SHAPにより予測要因の解釈性を確保し、どの開示項目が排出リスクに寄与するかを可視化する。開示データから排出リスクを推定する実務的枠組みを提示する点が特徴。

English

This study builds a LightGBM model that predicts corporate carbon emission risk from listed firms' ESG disclosure data. SHAP values are used to interpret which disclosure features drive predictions, adding transparency to the ML pipeline. It offers a practical framework for estimating emission risk from disclosure data alone.

日本のGX文脈において

SSBJ基準や有報でのサステナビリティ開示が進む日本では、開示データから排出リスクを機械学習で推定・補完する手法は、投資家のESG評価や企業のScope開示高度化に直結する。開示の質と排出実態の乖離を可視化する示唆も持つ。

In the global GX context

As ISSB/CSRD and SEC climate disclosure expand, ML models that infer emission risk from ESG disclosures help investors and regulators screen data quality and identify greenwashing gaps. SHAP interpretability aligns with disclosure-assurance and auditability demands.