利用社会网络分析与机器学习构建系统性 ESG（环境、社会与治理）评分系统以促进更可持续的企业实践
社会与信息网络
2023-09-12 v1 机器学习
摘要
环境、社会与治理（ESG）是一种广泛使用的衡量企业实践可持续性的指标。目前，ESG 通过企业自我报告的文件来确定，这使得企业能够以人为积极的光环描绘自身。因此，ESG 评估在不同评级方之间具有主观性和不一致性，给高管在改进方向上发出混杂信号。本项目旨在创建一个数据驱动的 ESG 评估系统，通过纳入社会情绪来提供更好的指导和更系统化的评分。社会情绪允许更平衡的视角，直接突出公众意见，帮助企业制定更聚焦且有影响力的举措。为此，开发了 Python 网络爬虫从维基百科、Twitter、LinkedIn 和 Google News 收集标普 500 公司的数据。随后对数据进行清洗，并通过 NLP 算法获得 ESG 子类别的情绪分数。利用这些特征，训练并校准机器学习算法以对标标普全球 ESG 评级，测试其预测能力。Random-Forest 模型是最强的模型，平均绝对误差为 13.4%，相关性为 26.1%（p 值 0.0372），显示出令人鼓舞的结果。总体而言，测量 ESG 各子类别的社会情绪可帮助高管将精力集中在人们最关心的领域。此外，这种数据驱动的方法可以为未被覆盖的公司提供评级，使更具社会责任感的企业得以蓬勃发展。
引用
@article{arxiv.2309.05607,
title = {Creating a Systematic ESG (Environmental Social Governance) Scoring System Using Social Network Analysis and Machine Learning for More Sustainable Company Practices},
author = {Aarav Patel and Peter Gloor},
journal= {arXiv preprint arXiv:2309.05607},
year = {2023}
}
备注
Presented at the 10th International COINs Conference. Pending publication in the Edward Elgar Handbook for Social Computing