Tạo hệ thống tính điểm ESG có hệ thống: Kết quả

Bảng liên kết

• Tóm tắt và giới thiệu
• Tác phẩm liên quan
• Mục đích
• phương pháp
• Kết quả
• Cuộc thảo luận
• Kết luận và thư mục

5. Kết quả

Mô hình hồi quy rừng ngẫu nhiên cho kết quả tổng thể tốt nhất khi thử nghiệm trên mẫu gồm 64 công ty. Mô hình hồi quy rừng ngẫu nhiên có mối tương quan mạnh nhất với điểm S&P Global ESG hiện tại với hệ số tương quan có ý nghĩa thống kê là 26,1% và sai số trung bình tuyệt đối trung bình (MAAE) là 13,4% (Hình 5, 6). Điều này có nghĩa là thuật toán có giá trị p là 0,0372 (<0,05), cho thấy nó được hiệu chỉnh tốt cho các giải pháp ESG hiện có. Mặt khác, trong khi các mô hình khác có MAAE tương tự, chúng cũng có hệ số tương quan thấp hơn và không có ý nghĩa thống kê (Hình 6). Ví dụ: thuật toán Hồi quy Vector hỗ trợ có mối tương quan là 18,3% và MAAE là 13,7%, dẫn đến giá trị p là 0,148 (Hình 8). Mô hình XGBoost có mối tương quan là 16,0% và MAAE là 14,7%, dẫn đến giá trị p là 0,207 (Hình 7). Cuối cùng, thuật toán K-Nearest Neighbors có mối tương quan là 13,2% và MAAE là 14,0%, tức là giá trị p là 0,298 (Hình 9). Tuy nhiên, tất cả các thuật toán đều có MAAE tương tự giảm từ 13%-15%, trong đó mô hình Rừng ngẫu nhiên có mức thấp nhất là 13,4% (Hình 10). Tất cả các thuật toán đều vượt qua tiêu chí MAAE là 20,0%.