気候レジリエンスの観点から見たグリーン企業の財務危機リスクの予測

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

🔬研究者:Demonstrates that climate narratives in annual reports have predictive power for financial distress, supporting further integration of NLP in credit risk models.

🏢実務担当者:Firms can use climate resilience indicators from annual reports to monitor credit risk exposure from climate transition.

🏛政策担当者:Provides evidence for regulators to consider mandating climate disclosure as part of financial early-warning systems.

従来の財務危機早期警戒モデルは、主に遅延指標である構造化された財務指標に依存しており、グリーン企業の気候移行に伴う潜在的な信用リスクを捉えることができない。本稿は、2015年から2024年までのA株上場グリーン企業を研究サンプルとし、年次報告書における強制的な気候関連記述が会計指標を超えた追加的なリスク警戒情報を提供できるかという中核的な研究課題に焦点を当てる。年次報告書のテキストデータに基づき、単語頻度統計と感情分析を統合した企業気候レジリエンス指標を構築する。2つのデータ分割方式（ランダムサンプリングと時系列外挿）を採用し、4つのアンサンブル学習モデルの予測性能を比較する。さらに、SHAP値、部分依存プロット、多項ロジット回帰、交互作用効果回帰、グループ別回帰による拡張テストを実施する。結果は、気候レジリエンス指標が財務指標を補完する追加情報を有し、財務危機に対する予測力を備えていることを示す。XGBoostは、財務データと気候テキスト特徴を組み合わせたハイブリッド特徴フレームワークに対して最適な適合性を示す。気候レジリエンス指標は財務変数と相乗効果を発揮し、デフォルト確率との間に非線形の統計的相関を示す。本研究は、年次報告書で開示される気候関連記述が信用リスクの有効な早期警戒シグナルとして機能し得ることを検証する。結論は、金融リスク管理、企業の情報開示管理、および気候規制政策の策定に実証的根拠を提供する。

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。

Traditional financial distress early-warning models mostly rely on lagged structured financial indicators, which fail to capture the potential credit risks associated with the climate transition of green enterprises. Taking A-share listed green companies from 2015 to 2024 as research samples, this paper centers on the core research question of whether mandatory climate narratives in annual reports can deliver incremental risk warning information beyond accounting indicators. Based on textual data from annual reports, this study constructs a corporate climate resilience indicator by integrating word frequency statistics and sentiment analysis. Two data-partitioning schemes (random sampling and time-series extrapolation) are adopted to compare the predictive performance of four ensemble learning models. Extended tests are further conducted via SHAP values, partial dependence plots, polynomial Logit regression, interaction effect regression and grouped regression. The results indicate that the climate resilience indicator carries incremental information supplementary to financial indicators and possesses predictive power for financial distress. XGBoost demonstrates optimal adaptability to the hybrid feature framework, combining financial data and climate textual features. The climate resilience indicator exerts synergistic effects with financial variables and presents a non-linear statistical correlation with default probability. This study verifies that climate narratives disclosed in annual reports can serve as valid early-warning signals for credit risks. The conclusions provide empirical evidence for financial risk control, corporate disclosure management and the formulation of climate regulatory policies.

• semanticscholar https://www.mdpi.com/2079-8954/14/7/863/pdf?version=1784533817first seen 2026-07-23 06:09:21 · last seen 2026-09-22 05:15:27