ESG(환경, 사회, 거버넌스) 경영의 중요성이 점차 증대되는 가운데, 기업들은 ESG 경영 구현에 대한 명확한 지침과 도구의 부재로 어려움을 겪고 있다. 특히 중소·중견기업은 자원 및 지식의 한계로 ESG 도입에 막막함을 느끼며, 다양한 ESG 평가지표와 평가기관들의 다양한 평가 방식으로 인해 일관된 대응이 어려운 상황이다. 이러한 배경 속에서 머신러닝을 활용하여 기업의 ESG 등급을 예측하며, 설명 가능한 인공지능(XAI)을 통해 그 결과를 분석하는 프로젝트를 제안한다. 연구의 목적은 기업들이 빠르고 효율적으로 자체 ESG 등급을 파악하고, 투자자들에게 더 정확한 ESG 정보 제공을 통해 안전하고 효율적인 투자 결정을 돕는 것이다. 이를 통해 ESG 경영의 효율성과 투명성을 높이며, 지속 가능한 성장을 위한 발판을 마련하는 데 기여할 것으로 예상된다. 본 연구는 한국 기업의 ESG 등급을 머신러닝을 활용하여 예측하는 모델을 개발하였다. KIS VALUE, DART 전자공시시스템 등을 통해 확보한 2,485개사의 3개년 재무 및 비재무 데이터를 기반으로, 한국ESG기준원의 ESG 등급을 ...
ESG(환경, 사회, 거버넌스) 경영의 중요성이 점차 증대되는 가운데, 기업들은 ESG 경영 구현에 대한 명확한 지침과 도구의 부재로 어려움을 겪고 있다. 특히 중소·중견기업은 자원 및 지식의 한계로 ESG 도입에 막막함을 느끼며, 다양한 ESG 평가지표와 평가기관들의 다양한 평가 방식으로 인해 일관된 대응이 어려운 상황이다. 이러한 배경 속에서 머신러닝을 활용하여 기업의 ESG 등급을 예측하며, 설명 가능한 인공지능(XAI)을 통해 그 결과를 분석하는 프로젝트를 제안한다. 연구의 목적은 기업들이 빠르고 효율적으로 자체 ESG 등급을 파악하고, 투자자들에게 더 정확한 ESG 정보 제공을 통해 안전하고 효율적인 투자 결정을 돕는 것이다. 이를 통해 ESG 경영의 효율성과 투명성을 높이며, 지속 가능한 성장을 위한 발판을 마련하는 데 기여할 것으로 예상된다. 본 연구는 한국 기업의 ESG 등급을 머신러닝을 활용하여 예측하는 모델을 개발하였다. KIS VALUE, DART 전자공시시스템 등을 통해 확보한 2,485개사의 3개년 재무 및 비재무 데이터를 기반으로, 한국ESG기준원의 ESG 등급을 종속변수로 사용하여 예측 모델을 구축하였다. 데이터 전처리 및 샘플링을 통해 최적화된 데이터셋을 확보하였으며, 다양한 머신러닝 알고리즘을 활용하여 예측 성능을 비교하였다. XGB 모델이 가장 높은 성능을 보였으며, SHAP기법을 통해 ESG 등급에 영향을 미치는 주요 변수들을 식별하였다.
ESG(환경, 사회, 거버넌스) 경영의 중요성이 점차 증대되는 가운데, 기업들은 ESG 경영 구현에 대한 명확한 지침과 도구의 부재로 어려움을 겪고 있다. 특히 중소·중견기업은 자원 및 지식의 한계로 ESG 도입에 막막함을 느끼며, 다양한 ESG 평가지표와 평가기관들의 다양한 평가 방식으로 인해 일관된 대응이 어려운 상황이다. 이러한 배경 속에서 머신러닝을 활용하여 기업의 ESG 등급을 예측하며, 설명 가능한 인공지능(XAI)을 통해 그 결과를 분석하는 프로젝트를 제안한다. 연구의 목적은 기업들이 빠르고 효율적으로 자체 ESG 등급을 파악하고, 투자자들에게 더 정확한 ESG 정보 제공을 통해 안전하고 효율적인 투자 결정을 돕는 것이다. 이를 통해 ESG 경영의 효율성과 투명성을 높이며, 지속 가능한 성장을 위한 발판을 마련하는 데 기여할 것으로 예상된다. 본 연구는 한국 기업의 ESG 등급을 머신러닝을 활용하여 예측하는 모델을 개발하였다. KIS VALUE, DART 전자공시시스템 등을 통해 확보한 2,485개사의 3개년 재무 및 비재무 데이터를 기반으로, 한국ESG기준원의 ESG 등급을 종속변수로 사용하여 예측 모델을 구축하였다. 데이터 전처리 및 샘플링을 통해 최적화된 데이터셋을 확보하였으며, 다양한 머신러닝 알고리즘을 활용하여 예측 성능을 비교하였다. XGB 모델이 가장 높은 성능을 보였으며, SHAP기법을 통해 ESG 등급에 영향을 미치는 주요 변수들을 식별하였다.
Amid the growing importance of ESG (Environmental, Social, and Governance) management, companies face challenges due to the lack of clear guidelines and tools for implementing ESG practices. In particular, small and medium-sized enterprises feel overwhelmed by the introduction of ESG due to limited ...
Amid the growing importance of ESG (Environmental, Social, and Governance) management, companies face challenges due to the lack of clear guidelines and tools for implementing ESG practices. In particular, small and medium-sized enterprises feel overwhelmed by the introduction of ESG due to limited resources and knowledge. Moreover, the diverse ESG evaluation indicators and various evaluation methods of assessment agencies make it difficult for companies to respond consistently. Against this backdrop, this study proposes a project that predicts a company's ESG rating using machine learning and analyzes the results through Explainable Artificial Intelligence (XAI). The aim of the research is to assist companies in quickly and efficiently understanding their own ESG ratings and to provide investors with more accurate ESG information, thereby facilitating safer and more efficient investment decisions. This is expected to enhance the efficiency and transparency of ESG management and lay the groundwork for sustainable growth. This study developed a model to predict the ESG rating of Korean companies using machine learning. Based on the financial and non-financial data of 2,485 companies over three years, obtained from sources like KIS VALUE and the DART electronic disclosure system, the ESG rating from the Korea ESG Standards Institute was used as the dependent variable to build the prediction model. Through data preprocessing and sampling, an optimized dataset was secured, and the prediction performance was compared using various machine learning algorithms. The XG boost model showed the highest performance, and the SHAP technique was used to identify the main variables influencing the ESG rating.
Amid the growing importance of ESG (Environmental, Social, and Governance) management, companies face challenges due to the lack of clear guidelines and tools for implementing ESG practices. In particular, small and medium-sized enterprises feel overwhelmed by the introduction of ESG due to limited resources and knowledge. Moreover, the diverse ESG evaluation indicators and various evaluation methods of assessment agencies make it difficult for companies to respond consistently. Against this backdrop, this study proposes a project that predicts a company's ESG rating using machine learning and analyzes the results through Explainable Artificial Intelligence (XAI). The aim of the research is to assist companies in quickly and efficiently understanding their own ESG ratings and to provide investors with more accurate ESG information, thereby facilitating safer and more efficient investment decisions. This is expected to enhance the efficiency and transparency of ESG management and lay the groundwork for sustainable growth. This study developed a model to predict the ESG rating of Korean companies using machine learning. Based on the financial and non-financial data of 2,485 companies over three years, obtained from sources like KIS VALUE and the DART electronic disclosure system, the ESG rating from the Korea ESG Standards Institute was used as the dependent variable to build the prediction model. Through data preprocessing and sampling, an optimized dataset was secured, and the prediction performance was compared using various machine learning algorithms. The XG boost model showed the highest performance, and the SHAP technique was used to identify the main variables influencing the ESG rating.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.