← 論文一覧に戻る

韓国企業におけるESG評価が企業の炭素排出に与える影響：機械学習と深層学習モデルの証拠

Exploring the Impact of ESG Ratings on Corporate Carbon Emissions in Korean Firms: Evidence from Machine Learning and Deep Learning Models (原題)

C. Kim, H. Na

Sustainability📚 査読済 / ジャーナル2026-05-05#AI×ESGOrigin: Global
DOI: 10.3390/su18094553
原典: https://doi.org/10.3390/su18094553

🤖 gxceed AI 要約

日本語

本研究は韓国企業を対象に、ESG評価データを用いたAIベースの排出量予測モデルを開発。機械学習と深層学習を比較し、CatBoost・GAN・Transformerのハイブリッドアンサンブルが最高性能を示した。ESG情報が排出量予測に有用であることを実証。

English

This study develops an AI-based screening framework using ESG ratings to predict corporate carbon emissions among Korean KOSPI-listed firms. Comparing ML and DL models, a hybrid ensemble of CatBoost, GAN, and Transformer outperforms individual models. ESG information significantly improves prediction accuracy, offering a tool for compliance monitoring under the K-ETS.

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

日本でもGX-ETSやSSBJ開示が進む中、AIを活用した排出量スクリーニング手法は投資家や規制当局にとって有用。韓国K-ETSを対象とするが、日本の排出量取引制度や有報開示にも応用可能。

In the global GX context

As carbon pricing expands globally, AI-based screening tools like this hybrid ensemble can help regulators and investors identify high-emitting firms. While focused on Korea, the methodology is transferable to other jurisdictions with mandatory emissions reporting, such as the EU ETS or emerging carbon markets.

👥 読者別の含意

🔬研究者:Demonstrates the incremental value of ESG features in emission prediction and compares advanced ML/DL models on a regulatory threshold task.

🏢実務担当者:Provides a practical AI framework for compliance-oriented screening to anticipate inclusion in emissions trading schemes and manage transition risk.

🏛政策担当者:Offers a decision support tool for monitoring and enforcing emission reduction targets under carbon pricing mechanisms like K-ETS.

📄 抄録（日本語訳）

本研究は、ESGの観点から韓国企業の炭素排出量を調査し、規制上の排出閾値を超える可能性が高い企業の識別を改善するためのAIベースのスクリーニングフレームワークを開発するものである。世界的な気候政策と炭素価格付けメカニズムの拡大に伴い、上場企業の排出プロファイルを理解することは、規制当局、投資家、政策立案者にとってますます重要になっている。ESG開示が拡大しているにもかかわらず、炭素排出に関する信頼性の高い企業レベルのスクリーニングツールは依然として限られている。2019年から2024年までのKOSPI上場非金融企業のプール型年次パネルを用いて、本研究は552の企業年次観測値からなるデータセットを構築する。企業は、年間排出量が韓国排出権取引制度（K-ETS）の規制閾値である125,000 tCO2eを超える場合に高排出企業として分類される。予測性能を評価するため、分析では複数の機械学習モデル（RF、SVM、XGBoost、LightGBM、CatBoost）と深層学習モデル（CNN、RNN、GAN、LSTM、Transformer）を比較する。さらに、CatBoost、GAN、Transformerを組み合わせたハイブリッドアンサンブルを提案し、予測の信頼性を向上させる。実証結果は、ESG拡張モデルがAUCおよびF1指標において財務データのみのベースラインモデルを一貫して上回ることを示している。個別モデルの中では、ESG拡張Transformerが最も強い判別力を達成し、提案されたハイブリッドアンサンブルが全体的に最良の予測性能を提供する。本研究の知見は、企業の炭素排出予測におけるESG情報の付加的価値を実証し、炭素規制下でのコンプライアンス指向スクリーニングのための実用的なAIベースのフレームワークを提示することにより、文献に貢献する。政策および投資の観点から、このモデルは、排出権取引制度への潜在的な組み入れを予測し、移行リスクを評価し、データ駆動型の脱炭素戦略を支援するための有用な意思決定支援ツールを提供する。

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。

📄 Abstract（原文）

This study examines corporate carbon emissions of Korean firms from an ESG perspective and develops an AI-based screening framework to improve the identification of firms likely to exceed regulatory emission thresholds. As global climate policies and carbon pricing mechanisms expand, understanding the emission profiles of listed companies has become increasingly important for regulators, investors, and policymakers. Despite growing ESG disclosure, reliable firm-level screening tools for carbon emissions remain limited. Using a pooled annual panel of KOSPI-listed non-financial firms from 2019 to 2024, the study constructs a dataset of 552 firm-year observations. Firms are classified as high-emission when annual emissions exceed the Korean Emissions Trading Scheme (K-ETS) regulatory threshold of 125,000 tCO2e. To evaluate predictive performance, the analysis compares multiple machine learning models (RF, SVM, XGBoost, LightGBM, and CatBoost) and deep learning models (CNN, RNN, GAN, LSTM, and Transformer). In addition, a hybrid ensemble combining CatBoost, GAN, and Transformer is proposed to enhance predictive reliability. The empirical results show that ESG-augmented models consistently outperform financial-only baselines across AUC and F1 metrics. Among individual models, the ESG-enhanced Transformer achieves the strongest discriminatory power, while the proposed hybrid ensemble delivers the best overall predictive performance. The findings contribute to the literature by demonstrating the incremental value of ESG information in predicting corporate carbon emissions and by presenting a practical AI-based framework for compliance-oriented screening under carbon regulation. From a policy and investment perspective, the model provides a useful decision support tool for anticipating potential inclusion in emissions trading schemes, assessing transition exposure, and supporting data-driven decarbonization strategies.

🔗 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。