рус eng
«ИЗВЕСТИЯ ИРКУТСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА». СЕРИЯ «МАТЕМАТИКА»
«IZVESTIYA IRKUTSKOGO GOSUDARSTVENNOGO UNIVERSITETA». SERIYA «MATEMATIKA»
«THE BULLETIN OF IRKUTSK STATE UNIVERSITY». SERIES «MATHEMATICS»
ISSN 1997-7670 (Print)
ISSN 2541-8785 (Online)

Список выпусков > Серия «Математика». 2024. Том 50

Составление ESG-рейтинга методом многокритериального ранжирования с использованием NLP на примере российских компаний

Автор(ы)
Л. А. Мыльников1, М. А. Сторчевой1, В. В. Лапина1, А. А. Мурач1

1Национальный исследовательский университет «Высшая школа экономики», Санкт-Петербург, Пермь, Российская Федерация

Аннотация
Актуальность исследования обусловлена сложностью оценки экологической и социальной ответственности компаний в условиях ограниченного времени и сведений о них, а также возможностью автоматического сбора информации из открытых источников.. Использованы методы автоматического выделения топиков из текстовых данных, методы машинного обучения и многокритериального ранжирования, сопоставительный и экспертный анализ получаемых результатов. Для проведения экспериментов было собрано более 1200 отчетов ведущих российских компаний за период 2019–2022 гг., а также использовались новости, размещенные на сайте Forbes.ru. Разработана модель и методика ее применения для анализа текстовой информации о группе компаний для их ранжирования. Проведен качественный и количественный анализ, показывающий неслучайный и обоснованный характер получаемых результатов. Показана эффективность предложенной модели для выбора компаний путем ранжирования ограниченного их перечня на основе доступной текстовой информации.
Об авторах

Мыльников Леонид Александрович, канд. техн. наук, доц., Национальный исследовательский университет «Высшая школа экономики», 614070, Российская Федерация, Пермь, lamylnikov@hse.ru

Сторчевой Максим Анатольевич, канд. экон. наук, доц., Национальный исследовательский университет «Высшая школа экономики», 194100, Российская Федерация, Санкт-Петербург, mstorchevoy@hse.ru

Лапина Вера Владимировна, Национальный исследовательский университет «Высшая школа экономики», 194100, Российская Федерация, Санкт-Петербург, vvlapina@hse.ru

Мурач Анастасия Андреевна, Национальный исследовательский университет «Высшая школа экономики», 194100, Российская Федерация, Санкт-Петербург, amurach@hse.ru

Ссылка для цитирования
Мыльников Л. А., Сторчевой М. А., Лапина В. В., Мурач А. А. Составление ESG-рейтинга методом многокритериального ранжирования с использованием NLP на примере российских компаний // Известия Иркутского государственного университета. Серия Математика. 2024. Т. 50. C. 125–142. https://doi.org/10.26516/1997-7670.2024.50.125
Ключевые слова
ESG, рейтинг, ранжирование, NLP, модель, отчеты компаний, MAUT, топик, словарь слов, матрица признаков
УДК
519.7
MSC
68U15
DOI
https://doi.org/10.26516/1997-7670.2024.50.125
Литература
  1. Esgify: Автоматизированная классификация экологических, социальных и управленческих рисков / А. Казаков, С. Денисова, И. Барсола, Е. Калугина, И. Молчанова, И. Егоров, А. Костерина, Е. Терещенко, Л. Шутихина, И. Дорощенко, Н. Сотириади, С. Будённый // Доклады Российской академии наук. Математика, Информатика, Процессы Управления. 2023. Т. 514, № 2. С. 417–430. https://doi.org/10.1134/S1064562423701673
  2. Aiba, Y., Ito T., Ibe Y. Network Structure in ESG Ratings Suggests New Corporate Strategies: Evolving AI Technology to Quantify Qualitative Data // Security Analysts Journal. 2020. Vol. 16. P. 3–15
  3. Angelov D. Top2Vec: Distributed Representations of Topics. 2020. http://arxiv.org/abs/2008.09470
  4. Mining Impacts of CSR Disclosure on Firm Performance / T.-T. Cheng, Y.-H. Tsai, Ch. Lai, S.-Y. Hwang // PACIS 2023 Proceedings. 2023. P. 188.
  5. Dyer J. S. Maut — Multiattribute Utility Theory // Multiple Criteria Decision Analysis: State of the Art Surveys. 2023. New York: Springer-Verlag. Vol. 78. P. 265–292. https://doi.org/10.1007/0-387-23081-5_7
  6. ESG Transparency and Sustainability Management Methodology. Frankfut am Main : RAEX, 2022. 11 p.
  7. Hua Yu, Yang J. A Direct LDA Algorithm for High-Dimensional Data – with Application to Face Recognition // Pattern Recognition. 2001. Vol. 34, N 10. P. 2067–2070. https://doi.org/10.1016/S0031-3203(00)00162-X
  8. Exploring Topic Coherence over Many Models and Many Topics / S. Keith, Ph. Kegelmeyer, D. Andrzejewski, D. Buttler // Proceedings of the 2012 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning. 2012. P. 952–961
  9. Social Responsibility Portfolio Optimization Incorporating ESG Criteria / Ch. Li, Zh. Lipei, Hu. Jun, X. Helu, Zh. Zhongbao // Journal of Management Science and Engineering. 2021. Vol. 6, N 1. P. 75–85. https://doi.org/10.1016/j.jmse.2021.02.005
  10. Marcelo G.-B., Espinosa-Leal L. Natural Language Processing Methods for Scoring Sustainability Reports—A Study of Nordic Listed Companies // Sustainability. 2022. Vol. 14, N 15. P. 9165. https://doi.org/10.3390/su14159165
  11. Natraj R., Bang G., Nourbakhsh A. Mapping ESG Trends by Distant Supervision of Neural Language Models // Machine Learning and Knowledge Extraction. 2020. Vol. 2, N 4. P. 453–68. https://doi.org/10.3390/make2040025
  12. Ning Zh., Zhang Yu., Zong Zh. Fund ESG Performance and Downside Risk: Evidence from China // International Review of Financial Analysis. 2023. Vol. 86. P. 102526. https://doi.org/10.1016/j.irfa.2023.102526
  13. Bridging the Gap in ESG Measurement: Using NLP to Quantify Environmental, Social, and Governance Communication / T. Schimanski, A. Reding, N. Reding, Ju. Bingler, M. Kraus, M. Leippold // Finance Research Letters. 2024. Vol. 61. P. 104979. https://doi.org/10.1016/j.frl.2024.104979
  14. The Impact of Environmental Innovation and National Culture on ESG Practices: A Study of Latin American Companies / P. V. S. Souza, K. Dalcero, D. Demarche, M. Ferreira, E. Paulo // Academia Revista Latinoamericana de Administracion. 2024. https://doi.org/10.1108/ARLA-11-2023-0187
  15. Sirimon T., Suttipun M. The Impact of Environmental, Social and Governance (ESG) Reporting on Corporate Profitability: Evidence from Thailand // Journal of Financial Reporting and Accounting. 2024. N 61. P. 89–111. https://doi.org/10.1108/JFRA-09-2023-0555
  16. Takuya K., Nozaki M. A Text Mining Model to Evaluate Firms’ ESG Activities: An Application for Japanese Firms // Asia-Pacific Financial Markets. 2020. Vol. 27, N 4. P. 621–632. https://doi.org/10.1007/s10690-020-09309-1
  17. Tremblay M. Ch., Parra C., Castellanos A. Analyzing Corporate Social Responsibility Reports Using Unsupervised and Supervised Text Data Mining // Lecture Notes in Computer Science. 2015. Vol. 9073. P. 439—46. https://doi.org/10.1007/978-3-319-18714-3_36
  18. Who Cares Wins (Connecting Financial Marketsto a Changing World). NewYork : United Nations, 2004. 41 p.

Полная версия (русская)