创建系统的 ESG 评分体系：目的

经过 Carbonization Process Evolution Publication2m2024/06/15

太長; 讀書

本项目旨在打造一个数据驱动的ESG评价体系，通过融入社会情绪，提供更好的指导和更系统化的评分。

作者：

（1）Aarav Patel，阿米蒂地区高中，电子邮箱：[email protected];

（2）Peter Gloor，麻省理工学院集体智慧中心，通讯作者——电子邮箱：[email protected]。

链接表

3.目的

该项目旨在创建一个系统的 ESG 评级系统，让高管和外部人士对公司在履行更大社会责任方面的做法有更平衡、更具代表性的看法。为此，我们利用社交网络数据创建了一种机器学习算法，以定量评估 ESG。我们使用社交网络数据代替自我报告文件，因为它可以提供人们认为公司应该解决的问题的各种外部视角。通过直接展示公众意见，它可以消除自我报告的偏见，并帮助高管制定更有针对性的举措，以实现有意义的变革。此外，数据驱动的系统可以为没有覆盖的公司提供 ESG 评级。

为了测试所提系统的预测能力，我们根据当前的 ESG 评级测量了相关性以及平均绝对平均误差 (MAAE)。这有助于确定该系统是否适用于评级预测。然而，潜在的限制因素包括对大量社交网络数据的访问受限、NLP 算法的准确性以及有限的计算资源。

这项工作的贡献可以总结如下：

 它提供实时社会情绪 ESG 评分，突出人们对公司实践的感受。这可以让高管有办法监控其组织的 ESG 健康状况。它还显示了人们认为哪些领域最需要改变，这可以帮助制定更有效的高管计划。

 它提供了一种全栈方法来收集实时 ESG 数据并将其转换为综合评分。这样就可以随时创建初始 ESG 评级，投资者可以直接使用这些评级来确保他们进行具有社会意识的投资（尤其是对于未评级的公司），也可以让 ESG 评级机构扩大覆盖范围。

 所提出的方法利用多个社交网络进行分数预测。大多数关于 ESG 社交网络分析的论文通常都重点关注一个特定的网络，例如 Twitter 或新闻 (Sokolov 等人，2021)。本文试图将它们结合起来，同时还添加其他未充分分析的社交网络（即 LinkedIn、Wikipedia）。