ESG開示テキストの頻度への適時対応による米国株式市場リスク予測：機械学習と自然言語処理アプローチ
US Stock Market Risk Prediction Via Timely Response to ESG Disclosure Text Frequency: Machine Learning and Natural Language Processing Approach (原題)
Farah Nasri, Salim Ben Sassi
🤖 gxceed AI 要約
日本語
ESG開示テキストの単語頻度をNLPで定量化し、機械学習により米国株式市場のリスクを予測する研究。開示テキストの変化への適時な反応がリスク予測精度に寄与するかを検証する。ESG情報を市場リスク指標へ変換する手法を提示する点が特徴。
English
This study applies NLP to quantify word frequency in ESG disclosure texts and uses machine learning to predict US stock market risk. It tests whether timely response to shifts in disclosure language improves risk prediction. It offers a method for converting ESG disclosure into market-risk signals.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
ESG開示テキストを市場リスク指標に変換する手法は、SSBJ基準や有報での記述情報拡充が進む日本企業にとって、開示内容が資本市場でどう評価されるかを示す示唆となる。統合報告書やTCFD開示の質的向上を投資家対応に結びつける視点を提供する。
In the global GX context
Amid ISSB/TCFD-driven expansion of narrative ESG disclosure, this work shows how disclosure text itself can be operationalized as a market-risk signal. It adds to global disclosure scholarship by linking textual ESG disclosure frequency to stock risk prediction, relevant to CSRD and SEC climate disclosure debates.
👥 読者別の含意
🔬研究者:NLP特徴量とESG開示を組み合わせた市場リスク予測の実証設計として参考になる。
🏢実務担当者:自社ESG開示の記述内容が市場リスク評価にどう影響しうるかを意識した開示設計に役立つ。
🏛政策担当者:記述情報開示の質が市場リスク評価に与える影響を踏まえた開示制度設計の参考になる。
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1016/j.finr.2026.100182first seen 2026-09-30 05:01:16
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。