← 論文一覧に戻る

タイ証券取引所上場企業によるカーボンクレジット保険購入確率に影響する要因の分析

ANALYSIS OF FACTORS INFLUENCING THE PROBABILITY OF PURCHASING CARBON CREDIT INSURANCE BY COMPANIES LISTED ON THE STOCK EXCHANGE OF THAILAND (原題)

Kannat Na Bangchang

Far East Journal of Mathematical Sciences (FJMS)📚 査読済 / ジャーナル2026-10-27#AI×ESG経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.17654/73021128
原典: https://doi.org/10.17654/73021128

🤖 gxceed AI 要約

日本語

タイ証券取引所上場企業を対象に、カーボンクレジット保険の購入確率を規定する財務・環境要因を2022〜2024年の企業データで分析。ロジスティック回帰とランダムフォレストを併用し、従業員当たりGHG排出量や資産当たり炭素強度といった環境変数が購入判断の予測で高い重要度を持つことを示した。ランダムフォレストは精度75%、AUC0.8466と回帰モデルを上回り、炭素関連金融商品の設計に実証的示唆を与える。

English

Using 2022–2024 firm-level data on Thai-listed companies, this study examines financial and environmental drivers of the decision to buy carbon credit insurance. Combining logistic regression with a random forest model, it finds environmental variables—GHG emissions per employee and carbon intensity relative to assets—are most important in predicting purchase. The random forest reached 75% accuracy and AUC 0.8466, offering empirical evidence for carbon-related financial instrument design.

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

タイの炭素保険市場の実証研究だが、炭素価格リスクを企業の財務判断に組み込む視点は、日本企業のSSBJ開示や炭素価格シナリオ対応、移行リスク管理を検討する実務家にとって参考になる。AIによる企業の環境意思決定予測という手法面でも示唆がある。

In the global GX context

This adds to the emerging literature on carbon pricing risk and climate finance instruments, showing how firm-level emissions data can predict uptake of carbon insurance—relevant to ISSB/TCFD transition-risk disclosure and the design of carbon-related financial products in emerging markets.

👥 読者別の含意

🔬研究者:炭素保険という新興金融商品の需要規定要因をMLで実証した点が、気候ファイナンス研究の参照事例となる。

🏢実務担当者:炭素価格リスクを保険でヘッジする選択肢と、その購入判断に自社の排出・炭素強度が影響することを理解できる。

🏛政策担当者:炭素関連金融商品の普及に向け、企業の環境指標開示や炭素価格制度設計を検討する際の基礎資料になる。

📄 Abstract（原文）

This study examines the financial and environmental factors associated with the probability that companies listed on the Stock Exchange of Thailand will purchase carbon credit insurance. The research is motivated by the increasing importance of climate risk management and carbon pricing mechanisms in the transition toward a low-carbon economy. Using firm-level data from 2022 to 2024, the study integrates statistical and machine learning approaches to analyze > corporate decision-making under environmental and financial uncertainty. Logistic regression is employed to estimate the association between explanatory variables and the likelihood of purchasing carbon credit insurance, while a random forest model is used to evaluate predictive performance and the relative importance of the explanatory variables. The independent variables include financial indicators, environmental indicators, and industry characteristics. The results indicate that environmental variables, particularly greenhouse gas emissions per employee and carbon intensity relative to firm assets, have high relative importance in predicting the purchase decision. The random forest model achieved an accuracy of 75% and an AUC of 0.8466, with a mean cross-validation AUC of 0.8681 \((\mathrm{SD}=0.0453)\), whereas the logistic regression model achieved an accuracy of 61% and an AUC of 0.7007. The findings provide empirical evidence relevant to corporate risk management and the development of carbon-related financial instruments in Thailand.

🔗 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。