Актуальность исследования обусловлена сложностью оценки экологической и социальной ответственности компаний в условиях ограниченного времени и сведений о них, а также возможностью автоматического сбора информации из открытых источников. Использованы методы автоматического выделения топиков из текстовых данных, методы машинного обучения и многокритериального ранжирования, сопоставительный и экспертный анализ получаемых результатов. Для проведения экспериментов было собрано более 1200 отчетов ведущих российских компаний за период 2019-2022 гг., а также использовались новости, размещенные на сайте Forbes. ru. Разработана модель и методика ее применения для анализа текстовой информации о группе компаний для их ранжирования. Проведен качественный и количественный анализ, показывающий неслучайный и обоснованный характер получаемых результатов. Показана эффективность предложенной модели для выбора компаний путем ранжирования ограниченного их перечня на основе доступной текстовой информации.
Идентификаторы и классификаторы
Рейтинг ESG — это количественная оценка степени соблюдения компанией принципов экологической и социальной ответственности (E — экологическая политика, S — отношение к работникам, потребителям, поставщикам, G — честность и прозрачность управления в компании). Идея такой оценки была предложена в 2004 г. рабочей группой ООН [18] и в настоящее время реализована множеством независимых рейтинговых агентств, которые предлагают свои варианты методики рейтингов и результаты их применения к оценке крупных компаний. На основе данных рейтингов инвесторы формируют инвестиционные портфели [9], что помогает снизить риски компаний в области ESG (например, штрафов или конфликтов), а также повышает экологическую и социальную ответственность самих инвесторов. Крупные компании, имеющие тысячи поставщиков, также заинтересованы в получении независимой оценки своей деятельности в области ESG, поскольку это снизило бы риски сбоев в их деятельности и повысило бы их деловую репутацию [12].
Список литературы
1. Esgify: Автоматизированная классификация экологических, социальных и управленческих рисков / А. Казаков, С. Денисова, И. Барсола, Е. Калугина, И. Молчанова, И. Егоров, А. Костерина, Е. Терещенко, Л. Шутихина, И. Дорощенко, Н. Сотириади, С. Будённый // Доклады Российской академии наук. Математика, Информатика, Процессы Управления. 2023. Т. 514, № 2. С. 417-430. DOI: 10.1134/S1064562423701673 EDN: CXCFVV
2. Aiba, Y., Ito T., Ibe Y.Network Structure in ESG Ratings Suggests New Corporate Strategies: Evolving AI Technology to Quantify Qualitative Data // Security Analysts Journal. 2020. Vol. 16. P. 3-15.
3. Angelov D. Top2Vec: Distributed Representations of Topics. 2020. http://arxiv.org/abs/2008.09470.
4. Mining Impacts of CSR Disclosure on Firm Performance / T.-T. Cheng, Y.-H. Tsai, Ch. Lai, S.-Y. Hwang // PACIS 2023 Proceedings. 2023. P. 188.
5. Dyer J. S. Maut - Multiattribute Utility Theory // Multiple Criteria Decision Analysis: State of the Art Surveys. 2023. New York: Springer-Verlag. Vol. 78. P. 265-292. DOI: 10.1007/0-387-23081-5_7
6. ESG Transparency and Sustainability Management Methodology. Frankfut am Main: RAEX, 2022. 11 p.
7. Hua Yu, Yang J. A Direct LDA Algorithm for High-Dimensional Data - with Application to Face Recognition // Pattern Recognition. 2001. Vol. 34, N 10. P. 2067-2070. DOI: 10.1016/S0031-3203(00)00162-X EDN: BDLPNL
8. Exploring Topic Coherence over Many Models and Many Topics / S. Keith, Ph. Kegelmeyer, D. Andrzejewski, D. Buttler // Proceedings of the 2012 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning. 2012. P. 952-961.
9. Social Responsibility Portfolio Optimization Incorporating ESG Criteria / Ch. Li, Zh. Lipei, Hu. Jun, X. Helu, Zh. Zhongbao // Journal of Management Science and Engineering. 2021. Vol. 6, N 1. P. 75-85. DOI: 10.1016/j.jmse.2021.02.005 EDN: DXJYRS
10. Marcelo G.-B., Espinosa-Leal L. Natural Language Processing Methods for Scoring Sustainability Reports-A Study of Nordic Listed Companies // Sustainability. 2022. Vol. 14, N 15. P. 9165. DOI: 10.3390/su14159165 EDN: UWBTLJ
11. Natraj R., Bang G., Nourbakhsh A. Mapping ESG Trends by Distant Supervision of Neural Language Models // Machine Learning and Knowledge Extraction. 2020. Vol. 2, N 4. P. 453-68. DOI: 10.3390/make2040025 EDN: XMMGYI
12. Ning Zh., Zhang Yu., Zong Zh. Fund ESG Performance and Downside Risk: Evidence from China // International Review of Financial Analysis. 2023. Vol. 86. P. 102526. DOI: 10.1016/j.irfa.2023.102526 EDN: UXHZMX
13. Bridging the Gap in ESG Measurement: Using NLP to Quantify Environmental, Social, and Governance Communication / T. Schimanski, A. Reding, N. Reding, Ju. Bingler, M. Kraus, M. Leippold // Finance Research Letters. 2024. Vol. 61. P. 104979. DOI: 10.1016/j.frl.2024.104979 EDN: XRGHKC
14. The Impact of Environmental Innovation and National Culture on ESG Practices: A Study of Latin American Companies / P. V. S. Souza, K. Dalcero, D. Demarche, M. Ferreira, E. Paulo // Academia Revista Latinoamericana de Administracion. 2024. DOI: 10.1108/ARLA-11-2023-0187 EDN: JXKJVD
15. Sirimon T., Suttipun M. The Impact of Environmental, Social and Governance (ESG) Reporting on Corporate Pro tability: Evidence from Thailand // Journal of Financial Reporting and Accounting. 2024. N 61. P. 89-111. DOI: 10.1108/JFRA-09-2023-0555 EDN: YOHVFE
16. Takuya K., Nozaki M. A Text Mining Model to Evaluate Firms’ ESG Activities: An Application for Japanese Firms // Asia-Paci c Financial Markets. 2020. Vol. 27, N 4. P. 621-632. DOI: 10.1007/s10690-020-09309-1
17. Tremblay M. Ch., Parra C., Castellanos A. Analyzing Corporate Social Responsibility Reports Using Unsupervised and Supervised Text Data Mining // Lecture Notes in Computer Science. 2015. Vol. 9073. P. 439-46. DOI: 10.1007/978-3-319-18714-3_36
18. Who Cares Wins (Connecting Financial Marketsto a Changing World). NewYork: United Nations, 2004. 41 p.
Выпуск
Другие статьи выпуска
Дан краткий обзор основных направлений научной деятельности А. С. Апарцина в развитии теории неустойчивых задач вычислительной математики. Приведены теоретические и прикладные результаты исследований его коллег и учеников.
Задание базовых правил вывода имеет фундаментальное значение для логики. Наиболее общим вариантом возможных правил вывода являются допустимые правила вывода: в логике
Результаты исследования относятся к следующей задаче: найти естественные конечные фильтрующие элементы данной линейной группы над конечно порожденным коммутативным кольцом. Особый интерес вызывает кольца коэффициентов, которые являются частью одного элемента, например кольцо целых чисел или кольцо целых гауссовых чисел. Доказано, что проективная общая линейная группность n над кольцами целых гауссовых чисел тогда и только тогда по возникновению событий инволюциями, два из которых перестановочны, когда n больше 4 и 4 размер не делит n. Ранее М. А. Всемирнов, Р. И. Гвоздев, Д. В. Левчук и авторы данной статьи разработали аналогичную задачу для предварительной и проективной обработки линейных групп.
Рассматриваются ациклические графы, аппроксимируемые конечными ациклическими графами. Доказано, что любой счетно категоричный ациклический граф гладко аппроксимируем. Приведен пример псевдоконечной ациклической теории графов, имеющей четное, нечетное и бесконечное число лучей.
Строятся частичные группоиды, ассоциированные с композициями многослойных нейронных сетей прямого распределения сигнала (далее - нейронные сети). Элементами данных группоидов являются кортежи специального вида. Задание такого кортежа определяет структуру (т. е. архитектуру) нейронной сети. Каждому такому кортежу можно сопоставить отображение, которое будет реализовывать работу нейронной сети как вычислительной схемы. Таким образом, в данной работе нейронная сеть отождествляется в первую очередь со своей архитектурой, а ее работу реализует отображение, которое строится с помощью модели искусственного нейрона. Частичная операция в построенных группоидах устроена так, что результат ее применения (если он определен) к паре нейронных сетей дает нейронную сеть, которая на каждом входном сигнале действует в соответствии с принципом композиции нейронных сетей (т. е. выходной сигнал одной сети отправляется на вход второй сети). Установлено, что построенные частичные группоиды являются полугруппоидами (т. е. частичными группоидами с условием сильной ассоциативности). Строятся некоторые эндоморфизмы указанных группоидов, которые позволяют менять пороговые значения и функции активации нейронов указанной совокупности. Изучаются преобразования построенных частичных группоидов, которые позволяют менять веса синоптических связей из заданного множества синоптических связей. Данные преобразования в общем случае не являются эндоморфизмами. Был построен частичный группоид, для которого данное преобразование является эндоморфизмом (носитель этого частичного группоида является подмножеством в носителе исходного частичного группоида).
Классическая лемма Донга в теории вертексных алгебр утверждает, что свойство локальности формальных распределений с коэффициентами из алгебры Ли сохраняется под действием вертексного оператора. Аналогичное утверждение известно для ассоциативных алгебр. Изучаются формальные распределения над прелиевыми (правосимметрическими) и преассоциативными (дендриформными) алгебрами, а также над алгебрами Новикова и показывается, что аналог леммы Донга верен для алгебр Новикова, но не выполняется для прелиевых и преассоциативных алгебр.
Исследуется нелинейное интегральное уравнение на полуоси со специальным субстохастическим ядром. Такие уравнения встречаются в кинетической теории газов при изучении нелинейного интегро-дифференциального уравнения Больцмана в рамках нелинейной модифицированной модели Бхатнагара - Гросса - Крука (БГК). При определенных ограничениях на нелинейность удается построить положительное непрерывное и ограниченное решение данного уравнения. Более того, доказывается единственность решения в классе ограниченных сверху на полуоси функций, имеющих положительный инфимум. Доказывается также, что соответствующие последовательные приближения равномерно со скоростью некоторой убывающей геометрической прогрессии сходятся к решению указанного уравнения. При одном дополнительном условии исследуется асимптотическое поведение решения на бесконечности. Приводятся конкретные примеры указанных уравнений, для которых автоматически выполняются все условия доказанных фактов.
Рассматривается нелинейное уравнение Шредингера отрицательного порядка с нагруженным членом в классе периодических функций. Показано, что такое уравнение может быть проинтегрировано методом обратной спектральной задачи. Определена эволюция спектральных данных оператора Дирака с периодическим потенциалом, связанного с решением нелинейного уравнения Шредингера отрицательного порядка с нагруженным членом. Полученные результаты позволяют применить метод обратной задачи для решения нелинейного уравнения Шредингера отрицательного порядка с нагруженным членом в классе периодических функций. Получены важные следствия об аналитичности и о периоде решения по пространственной переменной.
Исследуется теория линейных и нелинейных нечетких интегральных уравнений Вольтерра с кусочно-непрерывными ядрами. Проблема решается с использованием метода последовательных приближений. Рассмотрены вопросы существования и единственности решений для нечетких интегральных уравнений Вольтерра с кусочными ядрами. Численные результаты получены путем применения метода последовательных приближений как к линейным, так и нелинейным интегральным уравнениям Вольтерра с кусочно-непрерывными ядрами. Построены графики для анализа ошибок с целью иллюстрации точности метода. Кроме того, представлено сравнительное исследование, где используются графики приближенных решений для различных значений нечетких параметров. Чтобы подчеркнуть эффективность и значимость метода последовательных приближений, проводится сравнение с традиционной техникой гомотопического анализа. Результаты показывают, что метод последовательных приближений превосходит метод гомотопического анализа по точности и эффективности.
Предлагается матричная реализация метода коллокации для построения решения интегральных уравнений Вольтерра второго рода с применением систем ортогональных полиномов Чебышева первого рода и полиномов Лежандра. Подынтегральная функция в рассматриваемых уравнениях представляется в виде частичной суммы ряда по этим многочленам. В качестве точек коллокаций выбираются корни полиномов Чебышева и Лежандра. С использованием матричных и интегральных преобразований, свойств конечных сумм произведений этих полиномов и весовых функций в нулях соответствующих многочленов со степенью, равной числу узлов, интегральные уравнения приводятся к системам линейных алгебраических уравнений относительно неизвестных значений искомых функций в этих точках. В результате решения интегральных уравнений Вольтерра второго рода находятся путем полиномиальных интерполяций полученных значений функций в точках коллокаций с использованием обратных матриц, элементы которых записываются на основе ортогональных соотношений для этих полиномов. Элементы интегральных матриц также приводятся в явном виде. Получены оценки погрешностей построенных решений по бесконечной норме. Представлены результаты проведенных вычислительных экспериментов, которые демонстрируют эффективность использованного метода коллокации.
В банаховом пространстве исследуется линейная обратная задача для абстрактного дифференциального уравнения второго порядка. Неоднородное вложение в уравнении считается стационарным и неизвестным. В начальный момент времени заданы стандартные условия Коши. В последний момент времени добавлено новое условие - значение второй производной от основной эволюционной функции, т. е. е. порядок производной в конечной величине соответствует порядку уравнений. Для поставленной задачи получены критерии единственности решения, выраженные в спектральных терминах. Указано достаточное условие невозможности решения. Рассмотрен пример уравнения Пуассона в круглой области.
Издательство
- Издательство
- ИГУ
- Регион
- Россия, Иркутск
- Почтовый адрес
- 664003, Иркутская обл, г Иркутск, Кировский р-н, ул Карла Маркса, д 1
- Юр. адрес
- 664003, Иркутская обл, г Иркутск, Кировский р-н, ул Карла Маркса, д 1
- ФИО
- Шмидт Александр Федорович (РЕКТОР)
- E-mail адрес
- rector@isu.ru
- Контактный телефон
- +7 (904) 1502889
- Сайт
- https://api.isu.ru