← 論文一覧に戻る

ESGスコアの経済要因からの予測の再現データ：クロスマーケット分析

Replication Data for Predicting ESG scores from economic factors: A cross-market analysis (原題)

Alessandro Fulci

Harvard Dataverseデータセット2026-10-22#AI×ESGOrigin: EU経営インパクト: 資金調達対象セクター: finance
DOI: 10.7910/dvn/ryboab
原典: https://doi.org/10.7910/dvn/ryboab

🤖 gxceed AI 要約

日本語

5市場を対象に、経済要因からESGスコアを予測する研究の再現データセット。データ取得、ランダムフォレスト、ブートストラップ推論、Shapley値分析のスクリプトを収録する。企業レベルのLSEG Workspaceデータはライセンス制約で除外され、完全再現には2025年9月17日時点の原データへの正規アクセスが必要となる。

English

Replication package for a cross-market study predicting ESG scores from economic factors across five markets. It includes scripts for data acquisition, random forest models, bootstrap inference, and Shapley value analysis. Company-level LSEG Workspace data are excluded due to licensing, so full replication requires authorized access to the original 17 September 2025 snapshot.

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

ESGスコアの決定要因を機械学習で分解する手法は、SSBJ開示や投資家のESG評価対応においてスコア変動要因を説明する際の参考になる。再現性確保の枠組みとしても日本の研究実務に示唆を与える。

In the global GX context

As ESG ratings face growing scrutiny under ISSB/CSRD-driven assurance and greenwashing concerns, transparent, replicable methods for explaining what drives ESG scores strengthen disclosure scholarship and rating-agency accountability.

👥 読者別の含意

🔬研究者:ESGスコア予測の再現可能なパイプラインとShapley値による要因分解の実装例として参照できる。

🏢実務担当者:自社ESGスコアがどの経済要因に感応するかを理解し、評価機関対応の説明材料づくりに活用できる。

🏛政策担当者:ESG格付けの透明性・再現性を巡る規制議論において、手法開示の重要性を示す事例となる。

📄 Abstract（原文）

Code, aggregate results and figures for the study of ESG score prediction across five markets. Scripts cover data acquisition, random forest models, bootstrap inference and Shapley value analysis. Company-level LSEG Workspace data are excluded because of licensing restrictions. Full replication requires authorized access to the original data snapshot of 17 September 2025.

🔗 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。