財務指標を超えて：企業早期警告システムにおけるESG開示—ロジスティック回帰・ランダムフォレスト・SHAP解釈性を用いた機械学習アプローチ

日本語

財務比率に加えESG開示情報を企業の早期警告（倒産・財務危機予測）モデルに組み込む修士論文。ロジスティック回帰・ランダムフォレスト・SHAP解釈性を用い、ESG情報が予測精度に寄与するかを検証する。ESG開示の非財務情報としての実用価値を示す試み。

English

A master's dissertation integrating ESG disclosures alongside financial ratios into corporate early-warning (distress prediction) models. Using logistic regression, random forest, and SHAP interpretability, it tests whether ESG information adds predictive value beyond financials. It illustrates the practical, non-financial value of ESG disclosure data.

日本のGX文脈において

SSBJ基準・有報での非財務情報開示が拡大する中、ESG開示が投資家のリスク評価や信用判断にどう効くかを示す実証は日本でも関心が高い。開示の『情報価値』を定量化する視点は国内実務の説得材料になる。

In the global GX context

As ISSB/CSRD push standardized sustainability disclosure, evidence that ESG data improves risk prediction strengthens the case for disclosure quality and comparability. It connects disclosure scholarship to credit-risk and early-warning analytics.