본문 바로가기
KERD
논문KCI 등재

머신러닝 기반 기업성과 예측 모델의 비교 연구: ESG 평가 등급 포함의 영향

A Comparative Study of Machine Learning-Based Firm Performance Prediction Models: The Impact of Including ESG Evaluation Rating

박찬욱|박기준
인문사회과학연구소 (Institute for Humanities and Social Sciences, Pukyong National University)|2023.12|인문사회과학연구 (The Journal of Humanities and Social Sciences)|제31권 제4호|pp. 687-713|DOI 10.22924/jhss.31.4.202312.031

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

머신러닝기업성과machine learningESGRandom ForestCorporate performanceExtra Trees
주제분류사회과학일반

초록

· 연구 주제: 본 연구는 기업성과를 예측함에 있어서 ESG(Environmental, Social, and Governance) 등급을 포함시켰을 때 더 우수한 예측성능을 보인다는 것을 입증하는 논문이다. · 연구 배경: 대부분의 기업성과 연구는 ROA를 대용변수로 사용하고, 회귀분석 모델에만 집중해왔으며, 다른 연구 방법론에 대한 시도는 거의 없었다. 이에 본 연구는 기존의 방식과 차별화를 두기 위해 머신러닝 기법을 이용한 기업 재무성과 예측 모델 개발을 목표로 한다. · 선행연구와의 차이점: 대부분의 선행 ESG 연구는 회귀분석 모형을 사용하여 ESG 활동이 재무성과에 중요한 영향을 미친다는 것을 밝혀왔다. 그러나 데이터 수집의 제한으로, 기업 재무성과 평가는 주로 재무제표의 재무적 요인에만 의존해 왔다. 이에 본 연구는 대표적인 비재무적 요소인 ESG 등급을 고려한 ROA예측 머신러닝 모델을 개발하고자 한다. 특히, ESG 평가등급을 포함하였을 때 기업성과 예측 모델의 성능이 더 우수함을 입증하였다. · 연구방법: 본 연구에서는 기업성과를 예측하는데 있어 전체 산업을 표본으로 하며 10년이라는 장기간의 데이터를 사용하였다. 그리고 머신러닝 분석 방법 중 classifier 방법을 사용하였고, 2가지의 classifier(Extra Trees, Random Forest)의 분석결과를 함께 제시함으로써 보다 신뢰성 있는 연구결과를 제시하였다. · 연구결과: Accurac, Precision, Recall, F1-score, AUC 분석결과에서 모두 일관성 있게 ESG 평가등급 정보를 포함하였을 때가 그렇지 않았을 때보다 결과 값이 전체적으로 높은 것으로 나타났다. 도출되었다. 따라서 기업성과 측정치인 ROA 예측시에는 ESG 평가등급 정보를 포함하여 예측하는 것이 ESG 평가등급 정보를 포함하지 않고 ROA를 예측하는 것보다 더 정확하게 예측할 수 있음을 알 수 있다. · 공헌점 및 기대효과: 기업성과 연구에 머신러닝을 활용하는 새로운 연구방법론을 제안함으로써 후속 연구자들에게 유용한 예측 모델 설계 가이드라인을 제공한다. 실무적으로는 투자자들에게 ESG 등급을 고려한 투자전략과 기업에게 ESG 경영의 중요성을 인식시키는 데 유의미한 정보를 제공한다.

Abstract

· Research topics: This study reminds us of the importance of ESG information and objectively verifies that ESG is a significant factor in predicting corporate performance as a paper proving that ESG ratings are better predicted when included in predicting corporate performance. · Research background: Most corporate performance studies have used ROA as a proxy variable and focused only on regression analysis models, and there have been few attempts on other research methodologies. Therefore, this study aims to develop a corporate financial performance prediction model using machine learning techniques to differentiate it from existing methods. · Differences from prior research: Most previous ESG studies have shown that ESG activities have a significant impact on financial performance using regression analysis models. However, due to data collection restrictions, evaluation of corporate financial performance has relied primarily on the financial factors of financial statements. Therefore, this study aims to develop an ROA prediction machine learning model that considers ESG ratings, a representative non-financial factor. In particular, it is intended to prove that the performance of the corporate performance prediction model is better when the ESG evaluation rating is included. · Research method: In this study, the entire industry was sampled and long-term data of 10 years was used to predict corporate performance. In addition, the classifier method was used among machine learning analysis methods, and more reliable research results were presented by presenting the analysis results of two classifiers (Extra Trees, Random Forest) together. · Research results: In conclusion, these results were consistently derived from Accuracy analysis results, Precision analysis results, Recall analysis results, F1-score analysis results, and AUC analysis results. Therefore, when predicting ROA, which is a measure of corporate performance, it can be seen that predicting including ESG evaluation grade information can predict more accurately than predicting ROA without including ESG evaluation grade information. · Contribution points and expected effects: By proposing a new research methodology that utilizes machine learning in corporate performance research, it provides useful predictive model design guidelines for subsequent researchers. In practice, it provides investors with investment strategies that take into account ESG ratings and meaningful information for companies to recognize the importance of ESG management.

참고문헌 (46)

  1. 정무권, "ESG 활동의 효과와 기업의 재무적 특성", 한국증권학회지, 49(5), pp.681~707 (2020), 한국증권학회[DOI]
  2. 김선웅, "머신러닝모형을 이용한 글로벌 자동차 기업의 주가 예측 비교", Journal of The Korean Data Analysis Society, 25(1), pp.249~263 (2023), 한국자료분석학회[DOI]
  3. 라영수, "기업의 사회적책임활동성과가 기업 가치에 미치는 영향", 경영컨설팅연구, 18(2), pp.93~106 (2018), 한국경영컨설팅학회
  4. 박종일, "기업의 세무보고 공격성과 미래 재무성과와의 관계", 세무와회계저널, 18(3), pp.145~182 (2017), 한국세무학회[DOI]
  5. 서신원, "머신러닝 기반 매출액 고성장 제약회사 예측 연구", 한국콘텐츠학회 논문지, 23(1), pp.125~134 (2023), 한국콘텐츠학회[DOI]
  6. 송현준, "머신러닝을 이용한 외감기업 및 비외감기업의 부도예측에 관한 연구", 한국IT정책경영학회 논문지, 13(3), pp.2521~2527 (2021), 한국IT정책경영학회
  7. 엄하늘, "머신러닝 기반 기업부도위험 예측모델 검증 및 정책적 제언: 스태킹 앙상블 모델을 통한 개선을 중심으로", 지능정보연구, 26(2), pp.105~129 (2020), 한국지능정보시스템학회
  8. 이정기, "“지속가능경영” 연구의 현황 및 발전방향: ESG 평가지표를 중심으로", 전략경영연구, 23(2), pp.65~92 (2020), 한국전략경영학회[DOI]
  9. 임욱빈, "비재무적 정보가 기업성과에 미치는 영향 : ESG 점수를 중심으로", 국제회계연구, (86), pp.119~144 (2019), 한국국제회계학회[DOI]
  10. 채진미, "머신 러닝을 활용한 의류제품의 판매량 예측 모델 - 아우터웨어 품목을 중심으로 -", 한국의류산업학회지, 23(4), pp.480~490 (2021), 한국의류산업학회
  11. 최진욱, "IT 기업 직원의 만족 및 불만족 요인에 따른 이직률 예측: 토픽모델링과 머신러닝을 활용하여", 한국데이터정보과학회지, 32(5), pp.1035~1047 (2021), 한국데이터정보과학회[DOI]
  12. 황희수, "코스피 방향 예측을 위한 하이브리드 머신러닝 모델", 한국융합학회논문지, 12(6), pp.9~16 (2021), 한국융합학회[DOI]
  13. Akben-Selcuk, E., "Does firm age affect profitability. Evidence from turkey", International Journal of Economic Sciences, 5(3), pp.1~9 (2016)
  14. Al-Najjar, B., "Environmental policies and firm value", Business Strategy and the Environment, 21(1), pp.49~59 (2012)
  15. Alodat, A. Y., "Board gender diversity and firm performance: The mediating role of sustainability disclosure", Corporate Social Responsibility and Environmental Management, ~ (2023)
  16. Al-Taani, K., "The relationship between capital structure and firm performance : evidence from Jordan", Journal of Finance and Accounting, 1(3), pp.41~45 (2013)
  17. Bissoondoyal-Bheenick, E., "ESG and firm performance : The role of size and media channels", Economic Modelling, 121, pp.106203~ (2023)
  18. Bohanec, M., "Explaining machine learning models in sales predictions", Expert Systems with Applications, 71, pp.416~428 (2017)
  19. Buallay, A., "Corporate governance and firm performance: evidence from Saudi Arabia", Australasian Accounting, Business and Finance Journal, 11(1), pp.78~98 (2017)
  20. Carnini Pulino, S., "Does ESG disclosure influence firm performance?", Sustainability, 14(13), pp.7595~ (2022)
  21. Chukwu, G. J., "Tangible Assets and Corporate Performance : Evidence from the manufacturing industry in Nigeria", Research Journal of Financial Sustainability Reporting, 2(1), pp.271~277 (2017)
  22. D'Amato, A., "Corporate social responsibility and firm value : Do firm size and age matter? Empirical evidence from European listed companies", Corporate Social Responsibility and Environmental Management, 27(2), pp.909~924 (2020)
  23. Fitrianingrum, D. N. N., "The Effect of Financial Performance, Firm Size, And Asset Growth on Capital Structure", Journal of Research in Business, Economics, and Education, 2(1), pp.410~419 (2020)
  24. Harun, M. S., "CSR disclosure, corporate governance and firm value : a study on GCC Islamic banks", International Journal of Accounting & Information Management, 28(4), pp.607~638 (2020)
  25. Hooda, A., "A review on fundamentals, constraints and fabrication techniques of superhydrophobic coatings", Progress in Organic Coatings, 142, pp.105557~ (2020)
  26. Husna, A., "Effects of return on asset, debt to asset ratio, current ratio, firm size, and dividend payout ratio on firm value", International Journal of Economics and Financial Issues, 9(5), pp.50~54 (2019)
  27. Jardak, M. K., "The effect of digital transformation on firm performance : evidence from Swedish listed companies", The Journal of Risk Finance, 23(4), pp.329~348 (2022)
  28. Kayakuş, M., "European Union 2030 carbon emission target : The case of Turkey", Sustainability, 15(17), pp.13025~ (2023)
  29. Kezelj, T., "A Systematic Literature Review on Corporate Insolvency Prevention Using Artificial Intelligence Algorithms", Journal of Strategic Innovation & Sustainability, 16(4) (2021)
  30. Lee, K. H., "Environmental responsibility and firm performance : The application of an environmental, social and governance model", Business Strategy and the Environment, 25(1), pp.40~53 (2016)
  31. Li, Z., "Does corporate environmental responsibility engagement affect firm value? The mediating role of corporate innovation", Business Strategy and the Environment, 29(3), pp.1045~1055 (2020)
  32. Liu, D., "A machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models", arXiv preprint arXiv:2004.04019, ~ (2019)
  33. Monteiro, A. P., "The impact of information systems and non-financial information on company success", International Journal of Accounting Information Systems, 45, pp.100557~ (2022)
  34. Mukhtaruddin, M., "Good corporate governance, corporate social responsibility, firm value, and financial performance as moderating variable", Indonesian Journal of Sustainability Accounting and Management, 3(1), pp.55~64 (2019)
  35. Patel, A., "Biodiesel production from non-edible lignocellulosic biomass of Cassia fistula L. fruit pulp using oleaginous yeast Rhodosporidium kratochvilovae HIMPA1", Bioresource Technology, 197, pp.91~98 (2015)
  36. Qiu, S. C., "Can corporate social responsibility protect firm value during the COVID-19 pandemic?", International Journal of Hospitality Management, 93, pp.102759~ (2021)
  37. Ranjitha, P., "Predictive analysis for big mart sales using machine learning algorithms", 2021 5th International Conference on Intelligent Computing and Control Systems (ICICCS), pp.1416~1421 (2021)
  38. Safitri, V. A. D., "Does good corporate governance and eco–efficiency really contribute to firm value? An empirical study in Indonesian State-Owned Enterprises(Soes)", Akuntabilitas, 15(1), pp.73~88 (2021)
  39. Saif Ul Islam, M., "The relationship between corporate investment decision and firm performance: Moderating role of cash flows", Journal of Public Affairs, 22(2), pp.e2445~ (2022)
  40. Salim, M., "Capital structure and firm performance : Evidence from Malaysian listed companies", Procedia-Social and Behavioral Sciences, 65, pp.156~166 (2012)
  41. Shaikh, I., "Environmental, social, and governance(ESG)practice and firm performance : an international evidence", Journal of Business Economics and Management, 23(1), pp.218~237 (2022)
  42. Tariq, H., "Working capital management and firm performance : evidence from Pakistan", European Journal of Business and Management, 5(20), pp.86~91 (2013)
  43. van Witteloostuijn, A., "Is firm growth random? A machine learning perspective", Journal of Business Venturing Insights, 11, pp.e00107~ (2019)
  44. Yadav, P. L., "Impact of environmental performance on firm value for sustainable investment : Evidence from large US firms", Business strategy and the environment, 25(6), pp.402~420 (2016)
  45. Yu, B., "Forecasting credit ratings of decarbonized firms : Comparative assessment of machine learning models", Technological Forecasting and Social Change, 174, pp.121255~ (2022)
  46. Zhang, C., "Caffeine : Towards uniformed representation and acceleration for deep convolutional neural networks", Proceedings of the ACM Turing Award Celebration Conference-China 2023, pp.47~48 (2023)

관련 논문AI추천

기업의 재무 정보를 활용한 ESG 등급 예측: 머신러닝과 설명 가능한 인공지능의 융합이상준, 최정철한국엔터프라이즈아키텍처학회 · 정보화연구2024 · 제21권 제3호머신러닝 모델을 활용한 ESG 활동과 기업 가치 분석이재영, 차우창한국산업경영시스템학회 · 한국산업경영시스템학회지2024 · 제47권 제4호AI 기반 ESG 데이터와 기업성과와의 관계정연승ESG 평가등급과 기업특성에 관한 연구백상미, 최정미한국국제회계학회 · 국제회계연구2021 · 제99호머신러닝 기반 KOSDAQ 시장의 관리종목 지정 예측 연구: 재무적 데이터를 중심으로김수영, 김태경, 윤양현한국벤처창업학회 · 벤처창업연구2022 · 제17권 제1호머신러닝을 활용한 코스닥 관리종목지정 예측이동주, 채승일경영경제연구소 · 아태비즈니스연구2022 · 제13권 제2호

이 간행물의 다른 논문 (30건)

연결재무제표 작성의 새로운 방법론 연구 : 유상증자와 유상감자의 반영 및 회계기준 개선안강연수pp. 5-29‘효’ 인성 교육 방안 : ‘효 문자도 만들기’ 교수∙학습 프로그램을 중심으로권윤경pp. 30-50니트 청년의 고립과 연결의 뒤섞임 경험에 관한 질적 해석적 메타합성김서현pp. 51-90추상표현주의를 적용한 신발 일러스트레이션 연구김영환pp. 91-110창업실패 요인 분석: 통합모형의 적용김인수, 권종욱pp. 111-132
원문 보기