earticle

영어

As sustainable management has become a significant global issue, the importance of ESG (Environmental, Social, and Governance) management is increasingly emphasized. This study aims to support companies in efficiently and objectively implementing ESG management by developing an ESG rating prediction model based on financial data. Various machine learning techniques were applied to predict the ESG ratings of Korean listed companies using their financial data, and the performance of these models was comparatively analyzed. The results indicate that the XGBoost model exhibited the highest predictive performance, confirming its ability to accurately forecast ESG ratings. Additionally, by applying the SHAP method, the study analyzed the key factors influencing ESG ratings, thereby enhancing the interpretability of the prediction results. This study demonstrates the usefulness of a quantitative approach to ESG rating prediction and is expected to assist companies in more effectively formulating ESG management strategies. Furthermore, the research provides reliable ESG-related information to investors, offering a crucial foundation for strengthening ESG management.

한국어

최근 전 세계적으로 기업의 지속 가능한 경영이 중요한 이슈로 부상하면서 ESG 경영의 중요성 이 강조되고 있다. 본 연구는 재무 데이터를 활용한 ESG 등급 예측 모형을 개발하여 기업들이 효율 적이고 객관적으로 ESG 경영을 수행할 수 있도록 지원하고자 한다. 이를 위해 다양한 머신러닝 기법 을 적용하여 한국 상장 기업의 재무 데이터를 바탕으로 ESG 등급을 예측하고, 그 성과를 비교 분석 하였다. 연구 결과, XGBoost 모델이 가장 높은 예측 성능을 보였으며, 이를 통해 ESG 등급을 보다 정확하게 예측할 수 있음을 확인하였다. 또한, SHAP 기법을 적용하여 ESG 등급에 영향을 미치는 주 요 요인들을 분석함으로써 예측 결과의 해석 가능성을 높였다. 본 연구는 ESG 등급 예측에 있어 정 량적 접근의 유용성을 입증하였으며, 기업들이 ESG 경영 전략을 보다 효과적으로 수립하는 데 기여 할 수 있을 것으로 기대된다. 나아가, 이 연구는 투자자들에게도 신뢰성 있는 ESG 관련 정보를 제공 함으로써 ESG 경영이 강화될 수 있는 중요한 기초 자료를 제공할 수 있다.