机构名称：
¥ 1.0
由于全球化，环境、社会和治理 (ESG) 问题在过去几十年中变得越来越重要。ESG 是一个全球性问题，这表明世界各地的组织都缺乏对可持续发展的环境、社会和公司治理特征的贡献。需要解决 ESG 问题涉及到所有利益相关者的问题。在这方面，评级机构也密切关注 ESG 问题，并制定了评分方法，旨在披露 ESG 指标，从而帮助投资者和资产管理者更好地区分负责任和不负责任的公司。ESG 评分已成为资产管理者的重要工具，但其可靠性受到高度质疑。该研究的目标是开发机器学习算法，以评估 2008 年至 2020 年资产负债表和损益表数据如何影响美国、英国和德国非金融上市公司的汤森路透 ESG 评分。此外，该研究还有一个目标，即评估哪种机器学习 (ML) 算法可以使用结构化数据（即资产回报率 (ROA)、股本回报率 (ROE)、每股收益 (EPS)、息税前利润 (EBIT)、股息收益率和净销售额）更好地预测 ESG 评分。结果得出结论，资产负债表和损益表数据对于解释 ESG 评分至关重要，而 ANN 算法的表现优于其他算法，RMSE 和 MAE 值最小。总之，该研究结果基于人工智能的概念，为全球监管机构、研究人员、学术界、从业人员、上市公司以及美国、英国和德国市场提出了改进建议。此外，它还为遵守 ESG 相关活动以提高公司业绩提供了建议。
应用人工智能技术来预测......
主要关键词
相关文件推荐
