지능정보연구 (Journal of Intelligence and Information Systems)

  • 제29권2호
  • /
  • Pages.85-100
  • /
  • 2023
  • /
  • 2288-4866(pISSN)
  • /
  • 2288-4882(eISSN)
한국지능정보시스템학회 (Korea Intelligent Information System Society)
권호 표지
DOI QR코드

DOI QR Code

심층신경망을 활용한 데이터 기반 ESG 성과 예측에 관한 연구: 기업 재무 정보를 중심으로

Predicting Future ESG Performance using Past Corporate Financial Information: Application of Deep Neural Networks

  • Min-Seung Kim (Department of Computer Science, Yonsei University) ;
  • Seung-Hwan Moon (Division of Business Administration, Yonsei University) ;
  • Sungwon Choi (Division of Business Administration, Yonsei University)
  • 투고 : 2023.02.11
  • 심사 : 2023.04.13
  • 발행 : 2023.06.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

최근 기업의 지속가능경영 역량으로 대변되는 기업 ESG 성과(environmental, social, and corporate governance)가 투자의사 결정에 주요 요인 중 하나로 부각되고 있다. 전통적 ESG 성과 평가 프로세스는 평가기관마다의 고유 기준에 따라 질적 정성적 방식으로 수행되어 그 평가 소요 시간 및 비용이 큰 데 비해 투자의사 결정 시 신뢰성과 예측 가능성 및 적시성에 제약이 존재한다. 이에 본 연구에서는 정량화되고 공개된 기업 재무 정보를 활용하여 머신러닝을 통한 자동화된 기업 ESG 평가 예측을 시도하였다. 심층신경망 기법을 활용해 2019년부터 2021년까지 3년간 한국ESG기준원에서 제공한 1,780건의 ESG 평가에 대하여 총 12종(21,360건)의 시장 공개 재무 정보를 기반으로 예측 모형을 구축한 결과, 제안된 심층신경망 모형은 약 86%의 분류성능을 보여 여타 비교모형 대비 크게 높은 정확도를 나타냈다. 본 연구는 정량적이고 공개된 과거 기업 재무 정보만으로도 자동화된 프로세스를 통해 비교적 정확한 미래 ESG 평가 예측을 달성할 수 있었다는 점에 의의가 크다. 특히 기업 ESG 관련 정보 접근이 상대적으로 불리한 일반 투자자들의 입장에서 볼 때 낮은 비용과 적은 시간 투자로도 기업 ESG 성과 평가에 대한 예측 가능성과 적시성을 향상 시킬 수 있다는 점에 실용적 함의가 있다. 또한 본 연구는 향후 추가적인 국내외 데이터 수집 및 모형 고도화를 통해 기업 ESG 성과 예측 분야에서의 확장이 기대된다.

Corporate ESG performance (environmental, social, and corporate governance) reflecting a company's strategic sustainability has emerged as one of the main factors in today's investment decisions. The traditional ESG performance rating process is largely performed in a qualitative and subjective manner based on the institution-specific criteria, entailing limitations in reliability, predictability, and timeliness when making investment decisions. This study attempted to predict the corporate ESG rating through automated machine learning based on quantitative and disclosed corporate financial information. Using 12 types (21,360 cases) of market-disclosed financial information and 1,780 ESG measures available through the Korea Institute of Corporate Governance and Sustainability during 2019 to 2021, we suggested a deep neural network prediction model. Our model yielded about 86% of accurate classification performance in predicting ESG rating, showing better performance than other comparative models. This study contributed the literature in a way that the model achieved relatively accurate ESG rating predictions through an automated process using quantitative and publicly available corporate financial information. In terms of practical implications, the general investors can benefit from the prediction accuracy and time efficiency of our proposed model with nominal cost. In addition, this study can be expanded by accumulating more Korean and international data and by developing a more robust and complex model in the future.

키워드

참고문헌

  1. 강원, 정무권. (2020). ESG 활동의 효과와 기업의 재무적 특성. 한국증권학회지, 49(5), 681-707. 
  2. 김민승, 이재식, 오은식, 이찬호, 최지혜, 장용주, 이정희, 성태응. (2021). 딥러닝 기반 지능형 기술가치평가에 관한 연구: 심층신경망 학습을 통한 정성평가 지표 예측 모형. 기술혁신학회지, 24(6), 1141-1162. 
  3. 김범석, 민재형. (2016). 기업의 ESG 노력과 최종성과의 선후행 관계: 탐색적 연구. 한국생산관리학회지, 27(4), 513-538.  https://doi.org/10.21131/KOPOMS.27.4.201611.513
  4. 김봉섭, 현석. (2022). 기업의 과거 재무적 요소가 ESG 등급 부여에 미치는 영향 분석. 경영과 정보연구, 41(2), 113-127.  https://doi.org/10.29214/DAMIS.2022.41.2.007
  5. 김세환. (2022). 기업의 ESG 활동이 무형자산, 연구개발비에 미치는 영향. 2022 한국전문경영인학회 학술대회 발표논문집, 58-65. 
  6. 김영식, 위정범. (2011). 기업의 사회적 활동과 재무적 성과의 통합적 고찰. 대한경영학회지, 24(5), 2913-2950. 
  7. 김영환, 허정하, 송동엽. (2022). 기업의 ESG 활동과 자율공시가 기업가치에 미치는 영향. 재무관리연구, 39(1), 121-144.  https://doi.org/10.22510/KJOFM.2022.39.1.005
  8. 김효정, 이준석. (2021). 기업의 ESG 실행과 평가의 괴리 가능성 연구: ESG 평가지표 분석을 중심으로. 국가정책연구, 35(4), 199-225.  https://doi.org/10.17327/IPPA.2021.35.4.008
  9. 나영, 홍석훈. (2011). 기업규모에 따른 CSR 활동과 기업가치에 대한 실증분석. 회계저널, 20(5), 125-160. 
  10. 나현종, 정태진. (2022). 머신러닝을 활용한 회계부정 탐지에 관한 탐색적 연구. 회계학연구, 47(1), 177-205. 
  11. 배창현, 김태동, 신세찬. (2021). 비재무적 측정지표를 활용한 연구동향 및 ESG 이슈. 회계저널, 30(2), 235-276. 
  12. 백상미, 최정미. (2021). ESG 평가등급과 기업특성에 관한 연구. 국제회계연구. 99, 147-169 
  13. 산업통상자원부. (2021). K-ESG 가이드라인.
  14. 엄하늘, 김재성, 최상옥. (2020). 머신러닝 기반 기업부도위험 예측모델 검증 및 정책적 제언: 스태킹 앙상블 모델을 통한 개선을 중심으로. 지능정보연구, 26(2), 105-129.  https://doi.org/10.13088/JIIS.2020.26.2.105
  15. 오상희. (2021). 신용등급 및 ESG 등급이 기업가치에 미치는 영향에 관한 연구. 세무회계연구, 69, 125-144. 
  16. 윤양현, 김태경, 김수영. (2022). 머신러닝 기반 KOSDAQ 시장의 관리종목 지정 예측 연구: 재무적 데이터를 중심으로. Asia-Pacific Journal of Business Venturing and Entrepreneurship, 17(1), 229-249. 
  17. 이걸주, 이호갑, 오덕교. (2017). 기업가치가 사회적 책임 (CSR) 활동에 미치는 영향. 회계와 정책연구, 22(6), 53-76. 
  18. 이용대, 이치송. (2021). 기업의 사회적 책임 활동이 기업의 가치와 자본비용에 미치는 영향. Asia-Pacific Journal of Business & Commerce, 13(1), 74-102.  https://doi.org/10.35183/ajbc.2021.03.13.1.74
  19. 이찬호, 최지혜, 김민승, 최정환, 성태응. (2020). 기업구조조정 혁신을 위한 선제적 한계기업 예측모형에 관한 연구. 기술혁신학회지, 23(4), 637-667. 
  20. 이호갑, 이걸주. (2017). 기업의 사회적 책임활동이 기업가치에 미치는 영향. 회계와 정책연구, 22(1), 45-74. 
  21. 임욱빈. (2019). 비재무적 정보가 기업성과에 미치는 영향: ESG 점수를 중심으로. 국제회계연구, 86, 119-144. 
  22. 장윤제. (2021). ESG 평가기관의 현황과 문제점 및 규제 방향. 한국상사판례학회, 34(3), 423-471. 
  23. 전국경제인연합회. (2021. 04. 26). 국내외 ESG 평가 동향과 시사점. 전국경제인연합회 보도자료. 
  24. 한국기업지배구조원. (2021. 10. 26). 2021년 KSCG ESG 평가 및 등급 공표. 한국기업지배구조원 보도자료. 
  25. Arayssi, M., Jizi, M., & Tabaja, H. H. (2020). The impact of board composition on the level of ESG disclosures in GCC countries. Sustainability Accounting, Management and Policy Journal, 11(1), 137-161.  https://doi.org/10.1108/SAMPJ-05-2018-0136
  26. Baraibar-Diez, E., & Odriozola, M. D. (2019). CSR committees and their effect on ESG performance in UK, France, Germany, and Spain. Sustainability, 11(18), 5077. 
  27. Berg, F., Koelbel, J. F., & Rigobon, R. (2022). Aggregate confusion: The divergence of ESG ratings. Review of Finance, 26(6), 1315-1344.  https://doi.org/10.1093/rof/rfac033
  28. Billio, M., Costola, M., Hristova, I., Latino, C., & Pelizzon, L. (2021). Inside the ESG ratings:(Dis) agreement and performance. Corporate Social Responsibility and Environmental Management, 28(5), 1426-1445.  https://doi.org/10.1002/csr.2177
  29. Birindelli, G., Dell'Atti, S., Iannuzzi, A. P., & Savioli, M. (2018). Composition and activity of the board of directors: Impact on ESG performance in the banking system. Sustainability, 10(12), 4699. 
  30. Chams, N., Garcia-Blandon, J., & Hassan, K. (2021). Role reversal! financial performance as an antecedent of ESG: The moderating effect of total quality management. Sustainability, 13(13), 7026. 
  31. Chatterji, A. K., Durand, R., Levine, D. I., & Touboul, S. (2016). Do ratings of firms converge? Implications for managers, investors and strategy researchers. Strategic Management Journal, 37(8), 1597-1614.  https://doi.org/10.1002/smj.2407
  32. Christensen, D. M., Serafeim, G., & Sikochi, A. (2022). Why is corporate virtue in the eye of the beholder? The case of ESG ratings. The Accounting Review, 97(1), 147-175.  https://doi.org/10.2308/TAR-2019-0506
  33. D'Amato, V., D'Ecclesia, R., & Levantesi, S. (2022). ESG score prediction through random forest algorithm. Computational Management Science, 19(2), 347-373. 
  34. De Lucia, C., Pazienza, P., & Bartlett, M. (2020). Does good ESG lead to better financial performances by firms? Machine learning and logistic regression models of public enterprises in Europe. Sustainability, 12(13), 5317. 
  35. Dimson, E., Marsh, P., & Staunton, M. (2020). Divergent ESG ratings. The Journal of Portfolio Management, 47(1), 75-87. 
  36. Dufwenberg, M., Heidhues, P., Kirchsteiger, G., Riedel, F., & Sobel, J. (2011). Other-regarding preferences in general equilibrium. The Review of Economic Studies, 78(2), 613-639.  https://doi.org/10.1093/restud/rdq026
  37. Duque-Grisales, E., & Aguilera-Caracuel, J. (2019). Environmental, social and governance (ESG) scores and financial performance of multinationals: Moderating effects of geographic international diversification and financial slack. Journal of Business Ethics, 5(1), 1-20. 
  38. Dyck, A., Lins, K.V., Roth, L., & Wagner, H.F. (2019). Do institutional investors drive corporate social responsibility? International evidence. Journal of Financial Economics, 131(3), 693-714.  https://doi.org/10.1016/j.jfineco.2018.08.013
  39. Flammer, C. (2013). Corporate social responsibility and shareholder reaction: the environmental awareness of investors. Academy of Management Journal, 56(3), 758-781.  https://doi.org/10.5465/amj.2011.0744
  40. Greening, D. W., & Turban, D. B. (2000). Corporate social performance as a competitive advantage in attracting a quality workforce. Business and Society, 39(3), 254-280. 
  41. Islam, S. M. T., Ghosh, R., & Khatun, A. (2021). Slack resources, free cash flow and corporate social responsibility expenditure: Evidence from an emerging economy. Journal of Accounting in Emerging Economies, 11(4), 533-551.  https://doi.org/10.1108/JAEE-09-2020-0248
  42. Kotsantonis, S., & Serafeim, G. (2019). Four things no one will tell you about ESG data. Journal of Applied Corporate Finance, 31(2), 50-58.  https://doi.org/10.1111/jacf.12346
  43. Li, F., & Polychronopoulos, A. (2020). What a difference an ESG ratings provider makes. Research affiliates, 15. 
  44. Majaj, N. J., & Pelli, D. G. (2018). Deep learning-Using machine learning to study biological vision. Journal of vision, 18(13), 1-13. 
  45. Miskuf, M., & Zolotova, I. (2016). Comparison between multi-class classifiers and deep learning with focus on industry 4.0. In 2016 Cybernetics & Informatics (K&I), 1-5. 
  46. Rau, P. R., & Yu, T. (2023). A survey on ESG: investors, institutions and firms. China Finance Review International, (ahead-of-print). 
  47. Savio, R., D'Andrassi, E., & Ventimiglia, F. (2023). A Systematic Literature Review on ESG during the COVID-19 Pandemic. Sustainability, 15(3), 2020. 
  48. Shahzad, A. M., Mousa, F. T., & Sharfman, M. P. (2016). The implications of slack heterogeneity for the slack-resources and corporate social performance relationship. Journal of Business Research, 69(12), 5964-5971. 
  49. Shinde, P. P., & Shah, S. (2018). A review of machine learning and deep learning applications. 2018 Fourth international conference on computing communication control and automation (ICCUBEA), 1-6. 
  50. Team, K. Keras documentation: KerasTuner. Keras. Retrieved Feburary 05, 2022, from https://keras.io/keras_tuner/ 
  51. Velte, P. (2016). Women on management board and ESG performance. Journal of Global Responsibility. 7(1), 98-109.  https://doi.org/10.1108/JGR-01-2016-0001
  52. Waddock, S. A., & Graves, S. B. (1997). The corporate social performance-financial performance link. Strategic management journal, 18(4), 303-319.  https://doi.org/10.1002/(SICI)1097-0266(199704)18:4<303::AID-SMJ869>3.0.CO;2-G