スプレッドシートはどこまで持続可能性を形成できるか？機械学習によるESGスコア予測アプローチ

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

🔬研究者:Shows applicability of XGBoost and SHAP for ESG prediction with financial features; useful for developing more comprehensive ESG models that combine financial and non-financial data.

🏢実務担当者:Indicates that financial data alone can provide rough ESG score estimates, but qualitative ESG data remains necessary for accuracy; useful for initial screening or identifying key financial drivers of ESG performance.

本研究は、企業のESG格付けが複数年のラグ付き財務指標を用いて予測可能かどうかを検討する。目的は、スロバキアの製造企業において、過去の財務情報がESGパフォーマンスをどの程度説明するかを評価することである。分析では、2023年のESG格付けと2018年から2022年の財務データを有する974社のスロバキア製造企業のサンプルを用いる。主要モデルは、再帰的特徴除去とSHAP分析を備えたXGBoostを適用し、PCAに基づくone-vs-rest XGBoostモデルをロバスト性チェックとして使用する。結果は、過去の財務指標がESGパフォーマンスについて有意義ではあるが不完全な情報を提供することを示す。レバレッジ、流動性、債務返済能力、企業年齢、および税関連指標が重要な予測因子として浮上する。より古いラグ付き変数も有意なままとなり、ESG成果がより長期的な財務パターンを反映していることを示唆する。代替モデルは、特に環境およびガバナンスの柱について予測を改善する一方、総合ESGスコアは分類がより困難なままである。モデルは中間のESG格付けカテゴリーを最も確実に予測する一方、極端なカテゴリーのパフォーマンスは、クラス不均衡とESGスコアの順序構造によって制限される。本研究は、財務データが特に柱レベルでESG予測を支援できるが、定性的およびESG固有の情報を代替することはできないと結論付ける。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

This study examines whether corporate ESG ratings can be predicted using multi-year lagged financial indicators. The objective is to evaluate the extent to which historical financial information explains ESG performance among Slovak manufacturing firms. The analysis uses a sample of 974 Slovak manufacturing firms with ESG ratings for 2023 and financial data from 2018–2022. The primary model applies XGBoost with recursive feature elimination and SHAP analysis, while a PCA-based one-vs-rest XGBoost model is used as a robustness check. The findings show that historical financial indicators provide meaningful but incomplete information about ESG performance. Leverage, liquidity, debt-servicing capacity, firm age, and tax-related indicators emerge as important predictors. Older lagged variables also remain significant, suggesting that ESG outcomes reflect longer-term financial patterns. The alternative model improves prediction, particularly for the Environmental and Governance pillars, whereas the aggregate ESG score remains more difficult to classify. The models predict the middle ESG rating category most reliably, while performance for extreme categories is limited by class imbalance and the ordinal structure of ESG scores. The study concludes that financial data can support ESG prediction, especially at the pillar level, but cannot replace qualitative and ESG-specific information.

• openalex https://doi.org/10.15388/tibe.2026.25.2.21first seen 2026-07-18 06:43:33
• semanticscholar https://doi.org/10.15388/tibe.2026.25.2.21first seen 2026-07-18 08:16:09 · last seen 2026-08-25 05:17:56