초록
지속 가능한 경영에 대한 관심이 높아짐에 따라, ESG 경영이 중요해지고 있다. 이에 따라 국내 기업들은 ESG 평가에 대한 대응체계를 준비하고 있다. 지금까지의 ESG는 등급으로 표시하기 때문에 등급 산정을 위한 기준 점수를 세밀하게 분석하기 어렵다는 한계가 있다. 이에, 점수 형태의 ESG 예측 및 분석이 필수적이다. ESG의 거버넌스(Governance) 영역은 특히 국가별 산업구조에 따라 큰 차이를 보이기 때문에 각 국가의 특성을 고려할 필요가 있다. 본 연구는 우선적으로 국내 기업의 ESG-거버넌스(Governance) 점수를 예측하는 머신러닝(Machine Learning) 기반 선형 회귀(Linear Regression) 모델을 제안한다. ESG-거버넌스(Governance) 점수와 재무 데이터, 그리고 ESG와 관련된 비재무 변수를 수집하고 다양한 방법의 데이터 전처리를 진행한다. 이를 선형 회귀 모델에 적용하고, 10-겹 교차 검증(10-Fold Cross Validation)을 통해 모델의 성능을 검증한다. 본 연구의 제안 모델은 테스트 데이터(Test Data) 기준 79.27%의 정확도(Accuracy)를 보인다. 향후 ESG-거버넌스(Governance) 점수 예측은 국내 기업들의 ESG 평가대응체계 구축에 도움이 될 것으로 기대한다.
ESG has become essential considerations for sustainable management. Domestic corporations are preparing response systems for ESG evaluations. Currently, ESG is expressed in ratings, which limits the detailed analysis of its calculations. So, it is necessary to predict and analyze ESG scores. Governance varies with each country's industrial structure, so it is important to consider its specific characteristics. Therefore, we propose a machine learning-based linear regression model to predict ESG-Governance scores for domestic companies. We collect ESG-Governance scores, financial and non-financial variables related to ESG, and preprocess the data. We apply preprocessed data to our machine learning-based linear regression model and validate model performance with 10-fold cross-validation. Our model showed 79.27% accuracy on test sets. We expect that predicting ESG-Governance score based on our model will enhance the ESG evaluation response system for domestic corporate.