ارزیابی و پیش بینی ارزش شرکت ها با استفاده از داده های ESG و ریسک اقلیمی

در این پژوهش، به تحلیل و پیش بینی ارزش شرکت ها با استفاده از داده های مالی، شاخص های ESG (زیست محیطی، اجتماعی و حکمرانی) و ریسک های اقلیمی پرداخته شده است. هدف اصلی این تحقیق، توسعه یک مدل پیش بینی دقیق تر با استفاده از الگوریتم های پیشرفته یادگیری ماشین نظیر XGBoost و شبکه های عصبی چند لایه (MLP) برای تحلیل تاثیر داده های ESG و ریسک های اقلیمی بر ارزش شرکت ها است. نتایج نشان می دهند که ROE (بازده حقوق صاحبان سهام) بیشترین تاثیر را بر پیش بینی ارزش شرکت ها دارد، در حالی که ویژگی های غیرمالی مانند ESG و ریسک های اقلیمی تاثیر نسبتا کمتری دارند. مدل MLP عملکرد بهتری نسبت به XGBoost در پیش بینی ها از خود نشان داد و دقت بالاتری در شبیه سازی داده ها داشت. این تحقیق همچنین نشان داد که ریسک های اقلیمی و شاخص های ESG، هرچند تاثیر کمتری بر پیش بینی های مالی دارند، اما به عنوان ابزاری برای ارزیابی پایداری بلندمدت شرکت ها باید در تحلیل های مالی گنجانده شوند. بر اساس این یافته ها، پیشنهاد می شود که از مدل های پیچیده تر و دقیق تر برای پیش بینی ارزش شرکت ها و ارزیابی تاثیر ریسک های اقلیمی در بازارهای سرمایه استفاده گردد.

کلیدواژه ها:

ارزش گذاری شرکتی ، پیش بینی مالی ، ریسک اقلیمی ، داده های ESG ، مدل MLP