Glitter or Gold? Deriving Structured Insights from Sustainability Reports via Large Language Models

要約

過去10年にわたり、環境、社会、ガバナンス（ESG）問題に対する投資家の関心の高まりを踏まえ、いくつかの規制機関が上場企業に非財務情報の開示を義務付け始めた。
持続可能性の実践に関する一般に公開された情報は、多くの場合、多様で非構造化されたマルチモーダルな文書で開示されます。
このため、企業の社会的責任 (CSR) に関連する洞察を引き出すために、データを効率的に収集して統一フレームワークに調整することが困難になります。
したがって、情報抽出 (IE) メソッドの使用は、洞察力に富んだ実用的なデータを関係者に提供するための直感的な選択肢になります。
この研究では、大規模言語モデル (LLM)、コンテキスト内学習、および検索拡張生成 (RAG) パラダイムを採用して、企業のサステナビリティ レポートから ESG 側面に関連する構造化された洞察を抽出します。
次に、グラフベースの表現を活用して、抽出された洞察に関する統計分析を実行します。
これらの分析により、ESG基準は500を超える幅広いトピックをカバーしており、多くの場合、既存の分類で考慮されているものを超えており、企業はさまざまな取り組みを通じて取り組んでいることが明らかになりました。
さらに、同じ地域またはセクターの企業間で開示の類似性が明らかになり、ESG 文献における現在進行中の仮説が検証されました。
最後に、追加の企業属性を分析に組み込むことで、どの要因が企業の ESG 格付けに最も影響を与えるかを調査し、ESG 開示が他の財務データや企業データよりも取得された格付けに影響を与えることを示しました。

要約(オリジナル)

Over the last decade, several regulatory bodies have started requiring the disclosure of non-financial information from publicly listed companies, in light of the investors’ increasing attention to Environmental, Social, and Governance (ESG) issues. Publicly released information on sustainability practices is often disclosed in diverse, unstructured, and multi-modal documentation. This poses a challenge in efficiently gathering and aligning the data into a unified framework to derive insights related to Corporate Social Responsibility (CSR). Thus, using Information Extraction (IE) methods becomes an intuitive choice for delivering insightful and actionable data to stakeholders. In this study, we employ Large Language Models (LLMs), In-Context Learning, and the Retrieval-Augmented Generation (RAG) paradigm to extract structured insights related to ESG aspects from companies’ sustainability reports. We then leverage graph-based representations to conduct statistical analyses concerning the extracted insights. These analyses revealed that ESG criteria cover a wide range of topics, exceeding 500, often beyond those considered in existing categorizations, and are addressed by companies through a variety of initiatives. Moreover, disclosure similarities emerged among companies from the same region or sector, validating ongoing hypotheses in the ESG literature. Lastly, by incorporating additional company attributes into our analyses, we investigated which factors impact the most on companies’ ESG ratings, showing that ESG disclosure affects the obtained ratings more than other financial or company data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google