202 測定値

体系的な ESG スコアリングシステムの構築: 結果

に Carbonization Process Evolution Publication2m2024/06/15

長すぎる; 読むには

このプロジェクトは、社会感情を取り入れることで、より優れたガイダンスとより体系化されたスコアを提供できる、データ駆動型のESG評価システムを構築することを目的としています。

featured image - 体系的な ESG スコアリングシステムの構築: 結果

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：[email protected]

（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：[email protected]。

リンク一覧

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。