체계적인 ESG 채점 시스템 구축: 관련 연구

링크 표

• 개요 및 소개
• 관련 작품
• 목적
• 행동 양식
• 결과
• 논의
• 결론 및 참고문헌

2. 관련 저작물

기존 ESG 관련 연구는 두 가지 주요 범주로 분류됩니다. 일부 논문에서는 ESG 성과를 재무 성과와 연관시키고 회사의 기업의 사회적 책임(CSR)을 사용하여 미래 주식 성과를 예측할 수 있는지 확인하는 것을 목표로 합니다(Jain et al., 2019). 다른 논문에서는 기존의 오류/비효율성을 피하기 위해 ESG 등급 측정을 강화하고 자동화하기 위한 새로운 데이터 기반 방법을 제안합니다(Hisano et al., 2020; Krappel et al., 2021; Liao et al., 2017; Lin et al., 2018; Shahi 등, 2011; Sokolov 등, 2021; Venturelli 등, 2017; 본 논문은 후자의 범주에 속할 것이다.

많은 기업들이 매년 지속가능성 보고서를 발간하고 있기 때문에 많은 연구자들이 이 콘텐츠를 분석에 활용하고 있습니다. 이는 일반적으로 ESG 주제와 추세를 식별하기 위해 텍스트 마이닝을 사용하여 수행됩니다. 이 데이터를 분석하고 활용하기 위해 연구자들은 문장/문단을 다양한 ESG 하위 차원으로 분류할 수 있는 분류 모델을 만들었습니다(Liao et al., 2017; Lin et al., 2018). 또한 일부 연구자들은 지속 가능성 보고서의 완전성을 분석하기 위해 이러한 텍스트 분류 알고리즘을 사용했습니다(Shahi et al., 2011). 이는 기업이 서류 제출 시 부정적인 ESG 측면에 대한 공개를 제한하는 경우가 있기 때문입니다. 두 도구 모두 회사 서류를 사용하여 자동 ESG 채점을 지원하므로 ESG 적용 범위가 없는 회사의 접근성이 높아집니다.

그러나 누락된 데이터나 새로운 개발 사항을 고려하지 못하기 때문에 분석을 위해 자체 보고된 파일에만 의존하는 데에는 결함이 있습니다. 이에 연구진은 이를 해결하기 위한 대체 방법을 테스트해 왔다. 예를 들어, 일부 연구자들은 FES(Fuzzy Expert System) 또는 FANP(Fuzzy Analytic Network Process)를 활용하여 정량적 지표(예: Global Reporting Initiative에서 제공하는 측정항목)에서 데이터를 가져오고 설문조사/인터뷰에서 정성적 기능을 가져옵니다(Venturelli et al. , 2017; Wicher et al., 2019). 다른 사람들은 회사의 지속 가능성 프로필을 분석하기 위해 Twitter와 같은 온라인 소셜 네트워크에서 데이터를 수집했습니다. 예를 들어, 일부에서는 자연어 처리(NLP) 프레임워크를 사용하여 트윗을 다양한 ESG 주제로 분류하고 그것이 긍정적인지 부정적인지를 결정했습니다(Sokolov et al., 2021). 또한 일부는 다양한 부정적인 뉴스 데이터 세트의 데이터를 결합하고 기계 학습을 사용하여 ESG를 예측하는 이종 정보 네트워크를 사용했습니다(Hisano et al., 2020). 마지막으로 다른 사람들은 ESG를 예측하기 위해 회사 프로필 및 재무와 같은 기본 데이터를 사용하는 가능성을 탐색했습니다(Krappel et al., 2021). 전반적으로 이러한 모든 방법은 보다 균형 있고 편견이 없는 실시간 데이터를 사용하여 자체 보고 서류 제출을 개선하는 것을 목표로 했습니다.