著者:  （1）アーラヴ・パテル、アミティリージョナル高等学校 – メールアドレス：aarav.dhp@gmail.com  （２）ピーター・グローア、マサチューセッツ工科大学集合知センター、連絡先著者 – メールアドレス：pgloor@mit.edu。 リンク一覧 概要と序論 関連事業 目的 方法 結果 議論 結論と参考文献 5. 結果 ランダム フォレスト回帰モデルは、64 社のホールドアウト サンプルでテストしたときに、全体的に最も強力な結果を示しました。ランダム フォレスト回帰モデルは、現在の S&P Global ESG スコアとの相関が最も強く、統計的に有意な相関係数は 26.1%、平均絶対平均誤差 (MAAE) は 13.4% でした (図 5、6)。これは、アルゴリズムの p 値が 0.0372 (<0.05) であることを意味し、既存の ESG ソリューションに適切に調整されていることを示しています。一方、他のモデルは MAAE が類似しているものの、統計的に有意ではない相関係数も低くなっています (図 6)。たとえば、サポート ベクター回帰アルゴリズムの相関は 18.3%、MAAE は 13.7% で、p 値は 0.148 になります (図 8)。 XGBoost モデルの相関は 16.0%、MAAE は 14.7% で、p 値は 0.207 でした (図 7)。最後に、K 近傍法アルゴリズムの相関は 13.2%、MAAE は 14.0% で、p 値は 0.298 でした (図 9)。ただし、すべてのアルゴリズムの MAAE は 13% ～ 15% の間で類似しており、ランダム フォレスト モデルは 13.4% で最低でした (図 10)。すべてのアルゴリズムが MAAE 基準の 20.0% を上回りました。  この論文は、CC BY-NC-ND 4.0 DEED ライセンスの下で 。 arxiv で公開されています

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

carbonization

このオーディオは、ストーリーの元の言語で制作されています。

長すぎる; 読むには

Boost your HackerNoon story @ $159.99! 🚀

体系的な ESG スコアリングシステムの構築: 結果

About Author

コメント

ラベル

この記事は

Related Stories

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

クラウド移行を成功させるための完全ガイド: 戦略とベストプラクティス

Claude Sonnet 3.5 システムプロンプトの漏洩: 法医学的分析

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

クラウド移行を成功させるための完全ガイド: 戦略とベストプラクティス

Claude Sonnet 3.5 システムプロンプトの漏洩: 法医学的分析

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps

体系的な ESG スコアリング システムの構築: 結果