基于异构信息网络的ESG合规预测
社会与信息网络
2020-03-27 v3 机器学习
机器学习
摘要
负面筛选是避免与不适当实体发生互动的一种方法。例如，金融机构会保留存在环境、社会和治理（ESG）问题的不适当公司的投资排除名单。它们通过从各种新闻来源收集信息来制定投资排除名单，以保持其投资组合的盈利性和绿色性。国际组织也维护智能制裁名单，用于禁止与参与非法活动的实体进行贸易。在本文中，我们聚焦于金融领域投资排除名单的预测。我们构建了一个庞大的异构信息网络，涵盖每家公司周围的必要信息，该网络由七个专业策划的数据集和两个开放数据集汇编而成，总计约5000万个节点和4亿条边。利用这些庞大的数据集，并受专业调查人员和记者日常调查方式的启发，我们提出了一种模型，能够学习预测在不久的将来更有可能被加入投资排除名单的公司。我们的方法使用了2012年1月至2018年5月全球超过35000家公司的负面新闻投资排除名单数据进行测试。与使用和未使用网络的先进方法相比，我们表明，当利用存储在异构信息网络中的海量信息时，预测准确性得到显著提升。这项工作提出了整合大数据中分散信息以在全球范围内监测主导企业、实现更好风险管理和更具社会责任投资的新途径。
引用
@article{arxiv.1811.12166,
title = {Prediction of ESG Compliance using a Heterogeneous Information Network},
author = {Ryohei Hisano and Didier Sornette and Takayuki Mizuno},
journal= {arXiv preprint arXiv:1811.12166},
year = {2020}
}