BERT를 활용한 ESG 정성적 요소 분석을 통한 ESG 등급 검증 방안 : 언론보도 데이터 기반으로 ESG rating verification method through ESG qualitative elements analysis using BERT : Based on media report data원문보기
제 목 : BERT를 활용한 ESG 정성적 요소 분석을 통한 ESG 등급 검증 방안 : 언론보도 데이터 기반으로 ESG는 환경, 사회, 지배구조를 평가하는 개념으로 기업의 지속가능경영을 평가 하는 중요한 지표로 자리 잡고 있다. 기존의 ESG 평가는 주로 기업의 재무적 수치와 ESG 관련 정량적 정보에 의존했지만, 최근에는 정량적 평가 외에 빅데이터를 활용한 ESG 정성적 평가의 중요성이 강조되고 있다. 언론보도 데이터는 기업의 환경, 사회, 지배구조에 관련된 ESG 정보를 담고 있어 ESG 평가의 중요한 자료로 활용할 수 있다. 특히, 언론보도 데이터는 기업의 미시적인 정보까지 다각적으로 제공하여 더욱 정확한 ESG 평가를 가능하게 한다. 뿐만 아니라 BERT와 같은 LLM을 활용한 ...
제 목 : BERT를 활용한 ESG 정성적 요소 분석을 통한 ESG 등급 검증 방안 : 언론보도 데이터 기반으로 ESG는 환경, 사회, 지배구조를 평가하는 개념으로 기업의 지속가능경영을 평가 하는 중요한 지표로 자리 잡고 있다. 기존의 ESG 평가는 주로 기업의 재무적 수치와 ESG 관련 정량적 정보에 의존했지만, 최근에는 정량적 평가 외에 빅데이터를 활용한 ESG 정성적 평가의 중요성이 강조되고 있다. 언론보도 데이터는 기업의 환경, 사회, 지배구조에 관련된 ESG 정보를 담고 있어 ESG 평가의 중요한 자료로 활용할 수 있다. 특히, 언론보도 데이터는 기업의 미시적인 정보까지 다각적으로 제공하여 더욱 정확한 ESG 평가를 가능하게 한다. 뿐만 아니라 BERT와 같은 LLM을 활용한 자연어 처리 기술의 발전으로 인해, 언론보도 데이터를 효과적으로 분석하여 기업의 ESG 등급을 예측하는 연구가 가능하다. 본 연구는 기업의 ESG 등급을 예측하기 위한 방법론을 제안하며, 이를 위해 언론보도 데이터와 자연어 처리를 위해 BERT를 활용하였다. 언론보도에는 기업의 ESG에 영향을 미치는 다양한 정보가 포함되어 있으며, 이를 기반으로 기업의 ESG 성과에 대한 정성적인 특성을 분석한다. BERT는 언어의 문맥을 이해하는 데 뛰어난 성능을 가진 LLM로써, 언론보도 데이터를 활용하여 기업의 ESG 요소 분류와 감성 분석을 진행하고, 이를 기반으로 기업의 E, S, G 정성적 요소 지수를 산출하는 데 활용한다. 이를 위해 검색 플랫폼 Google에서 BERT 모델의 학습용 언론보도 데이터 140,004건과 언론보도 플랫폼 빅카인즈에서 기업별 E, S, G 정성적 요소 지수 산출을 위한 언론보도 데이터 334,161건을 수집하고, 2021년부터 2022년 까지의 ESG 등급 데이터를 수집하여 연구에 활용하였다. ESG 요소 분류에서는 다양한 BERT 모델(Multilingual BERT, KoBERT, KoELECTRA-base-v3, KPF-BERT) 및 BERT 기반의 Ensemble을 사용하여 성능을 비교한 결과 BERT Ensemble이 Accuracy는 98.28%, F1-score는 98.21%, Precision은 98.27%, Recall은 98.15%로 가장 높은 성능을 보였고, 감성 분석에서도 BERT Ensemble이 Accuracy는 99.64%, F1-score는 99.62%, Precision은 99.63%, Recall은 99.62%로 가장 높은 성능을 나타냈다. 마지막으로 ESG 등급 예측에서는 2021년 E, S, G 등급 총 3개의 독립변수를 활용한 예측모형과 2021년 E 등급, S 등급, G 등급, E 정성적 요소 지수, S 정성적 요소 지수, G 정성적 요소 지수 총 6개의 독립변수를 활용한 예측모형의 성능 비교에서 Accuracy는 28.94%, F1-score는 38.22%, Precision은 32.94%, Recall은 31.35%로 큰 폭으로 성능 향상을 보였다. 이를 통해 E, S, G 정성적 요소 지수가 ESG 등급 예측에 기여하는 것으로 확인하였다. 이러한 결과는 기업의 재무적인 수치 외에도 언론보도 데이터를 활용하여 ESG 정성적 요소 분석을 통해 기업의 ESG 평가가 가능할 것으로 기대된다.
제 목 : BERT를 활용한 ESG 정성적 요소 분석을 통한 ESG 등급 검증 방안 : 언론보도 데이터 기반으로 ESG는 환경, 사회, 지배구조를 평가하는 개념으로 기업의 지속가능경영을 평가 하는 중요한 지표로 자리 잡고 있다. 기존의 ESG 평가는 주로 기업의 재무적 수치와 ESG 관련 정량적 정보에 의존했지만, 최근에는 정량적 평가 외에 빅데이터를 활용한 ESG 정성적 평가의 중요성이 강조되고 있다. 언론보도 데이터는 기업의 환경, 사회, 지배구조에 관련된 ESG 정보를 담고 있어 ESG 평가의 중요한 자료로 활용할 수 있다. 특히, 언론보도 데이터는 기업의 미시적인 정보까지 다각적으로 제공하여 더욱 정확한 ESG 평가를 가능하게 한다. 뿐만 아니라 BERT와 같은 LLM을 활용한 자연어 처리 기술의 발전으로 인해, 언론보도 데이터를 효과적으로 분석하여 기업의 ESG 등급을 예측하는 연구가 가능하다. 본 연구는 기업의 ESG 등급을 예측하기 위한 방법론을 제안하며, 이를 위해 언론보도 데이터와 자연어 처리를 위해 BERT를 활용하였다. 언론보도에는 기업의 ESG에 영향을 미치는 다양한 정보가 포함되어 있으며, 이를 기반으로 기업의 ESG 성과에 대한 정성적인 특성을 분석한다. BERT는 언어의 문맥을 이해하는 데 뛰어난 성능을 가진 LLM로써, 언론보도 데이터를 활용하여 기업의 ESG 요소 분류와 감성 분석을 진행하고, 이를 기반으로 기업의 E, S, G 정성적 요소 지수를 산출하는 데 활용한다. 이를 위해 검색 플랫폼 Google에서 BERT 모델의 학습용 언론보도 데이터 140,004건과 언론보도 플랫폼 빅카인즈에서 기업별 E, S, G 정성적 요소 지수 산출을 위한 언론보도 데이터 334,161건을 수집하고, 2021년부터 2022년 까지의 ESG 등급 데이터를 수집하여 연구에 활용하였다. ESG 요소 분류에서는 다양한 BERT 모델(Multilingual BERT, KoBERT, KoELECTRA-base-v3, KPF-BERT) 및 BERT 기반의 Ensemble을 사용하여 성능을 비교한 결과 BERT Ensemble이 Accuracy는 98.28%, F1-score는 98.21%, Precision은 98.27%, Recall은 98.15%로 가장 높은 성능을 보였고, 감성 분석에서도 BERT Ensemble이 Accuracy는 99.64%, F1-score는 99.62%, Precision은 99.63%, Recall은 99.62%로 가장 높은 성능을 나타냈다. 마지막으로 ESG 등급 예측에서는 2021년 E, S, G 등급 총 3개의 독립변수를 활용한 예측모형과 2021년 E 등급, S 등급, G 등급, E 정성적 요소 지수, S 정성적 요소 지수, G 정성적 요소 지수 총 6개의 독립변수를 활용한 예측모형의 성능 비교에서 Accuracy는 28.94%, F1-score는 38.22%, Precision은 32.94%, Recall은 31.35%로 큰 폭으로 성능 향상을 보였다. 이를 통해 E, S, G 정성적 요소 지수가 ESG 등급 예측에 기여하는 것으로 확인하였다. 이러한 결과는 기업의 재무적인 수치 외에도 언론보도 데이터를 활용하여 ESG 정성적 요소 분석을 통해 기업의 ESG 평가가 가능할 것으로 기대된다.
ESG rating verification method through ESG qualitative element analysis using BERT : Based on media report data ESG is a concept that evaluates the environmental, social, and governance structure, and has become an important indicator for evaluating a company's sustainable management. Existing ESG e...
ESG rating verification method through ESG qualitative element analysis using BERT : Based on media report data ESG is a concept that evaluates the environmental, social, and governance structure, and has become an important indicator for evaluating a company's sustainable management. Existing ESG evaluations mainly relied on company financial figures and ESG-related quantitative information, but recently, in addition to quantitative evaluations, the importance of qualitative ESG evaluations using big data has been emphasized. Media report data contains ESG information related to the company's environmental, social, and governance structure and can be used as important data for ESG evaluation. In particular, media coverage data provides diverse microscopic information about companies, enabling more accurate ESG evaluation. In addition, due to the development of natural language processing technology using LLM such as BERT, it is possible to conduct research to predict a company's ESG rating by effectively analyzing media coverage data. This study proposes a methodology to predict a company's ESG rating, and for this purpose, BERT was used for media coverage data and natural language processing. Media reports contain a variety of information that affects a company's ESG, and based on this, qualitative characteristics of a company's ESG performance are analyzed. BERT is an LLM with excellent performance in understanding the context of language. It uses media report data to classify and analyze corporate ESG factors and calculates the company's E, S, G qualitative factor index based on this. Use it to To this end, we collected 140,004 pieces of media report data for training of the BERT model from search platform Google and 334,161 pieces of media report data for calculating E, S, G qualitative factor indices for each company from media report platform Bigkinds, and collected data from 2021 to 2022. ESG rating data up to was collected and used for research. In ESG factor classification, the performance was compared using various BERT models (Multilingual BERT, KoBERT, KoELECTRA-base-v3, KPF-BERT) and BERT-based Ensemble, and the BERT Ensemble achieved an Accuracy of 98.28% and an F1-score of 98.21%, Precision showed the highest performance at 98.27% and Recall at 98.15%, and in sentiment analysis, BERT Ensemble showed the highest performance at Accuracy at 99.64%, F1-score at 99.62%, Precision at 99.63%, and Recall at 99.62%. Lastly, in ESG rating prediction, the prediction model using a total of three independent variables in E, S, and G grades in 2021 and in the 2021 performance comparison of the predictive model using a total of six independent variables: E, S, G, E qualitative factor index, S qualitative factor index, and G qualitative factor index, Accuracy showed a significant improvement in performance at 28.94%, F1-score at 38.22%, Precision at 32.94%, and Recall at 31.35%. Through this, it was confirmed that the E, S, and G qualitative factor indices contribute to predicting ESG ratings. These results are expected to make it possible to evaluate a company's ESG through qualitative ESG element analysis using media coverage data in addition to the company's financial figures.
ESG rating verification method through ESG qualitative element analysis using BERT : Based on media report data ESG is a concept that evaluates the environmental, social, and governance structure, and has become an important indicator for evaluating a company's sustainable management. Existing ESG evaluations mainly relied on company financial figures and ESG-related quantitative information, but recently, in addition to quantitative evaluations, the importance of qualitative ESG evaluations using big data has been emphasized. Media report data contains ESG information related to the company's environmental, social, and governance structure and can be used as important data for ESG evaluation. In particular, media coverage data provides diverse microscopic information about companies, enabling more accurate ESG evaluation. In addition, due to the development of natural language processing technology using LLM such as BERT, it is possible to conduct research to predict a company's ESG rating by effectively analyzing media coverage data. This study proposes a methodology to predict a company's ESG rating, and for this purpose, BERT was used for media coverage data and natural language processing. Media reports contain a variety of information that affects a company's ESG, and based on this, qualitative characteristics of a company's ESG performance are analyzed. BERT is an LLM with excellent performance in understanding the context of language. It uses media report data to classify and analyze corporate ESG factors and calculates the company's E, S, G qualitative factor index based on this. Use it to To this end, we collected 140,004 pieces of media report data for training of the BERT model from search platform Google and 334,161 pieces of media report data for calculating E, S, G qualitative factor indices for each company from media report platform Bigkinds, and collected data from 2021 to 2022. ESG rating data up to was collected and used for research. In ESG factor classification, the performance was compared using various BERT models (Multilingual BERT, KoBERT, KoELECTRA-base-v3, KPF-BERT) and BERT-based Ensemble, and the BERT Ensemble achieved an Accuracy of 98.28% and an F1-score of 98.21%, Precision showed the highest performance at 98.27% and Recall at 98.15%, and in sentiment analysis, BERT Ensemble showed the highest performance at Accuracy at 99.64%, F1-score at 99.62%, Precision at 99.63%, and Recall at 99.62%. Lastly, in ESG rating prediction, the prediction model using a total of three independent variables in E, S, and G grades in 2021 and in the 2021 performance comparison of the predictive model using a total of six independent variables: E, S, G, E qualitative factor index, S qualitative factor index, and G qualitative factor index, Accuracy showed a significant improvement in performance at 28.94%, F1-score at 38.22%, Precision at 32.94%, and Recall at 31.35%. Through this, it was confirmed that the E, S, and G qualitative factor indices contribute to predicting ESG ratings. These results are expected to make it possible to evaluate a company's ESG through qualitative ESG element analysis using media coverage data in addition to the company's financial figures.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.