DOI: https://doi.org/10.1016/j.irfa.2024.103669
تاريخ النشر: 2024-10-18
المؤلف: Urša Ferjančič وآخرون
الموضوع الرئيسي: تقارير المسؤولية الاجتماعية للشركات
نظرة عامة
تبحث هذه الورقة البحثية في تطور تقارير البيئة والمجتمع والحوكمة (ESG) بين شركات FTSE 350 على مدى عقد من الزمن، باستخدام تقنية نمذجة الموضوعات BERTopic لتحليل التقارير السنوية. تكشف الدراسة أن الإفصاحات المتعلقة بـ ESG تتأثر بشدة بالأطر التنظيمية، مثل توجيه التقارير غير المالية، والأحداث المهمة مثل جائحة كوفيد-19. من الجدير بالذكر أنه بينما يُطلب من الشركات الإبلاغ عن تنوع مجلس الإدارة، فإنها غالبًا ما تتجاهل مقاييس التنوع والشمول الأوسع. كما تسلط التحليل الضوء على وجود علاقة بين درجات ESG وظهور مواضيع معينة، مما يشير إلى أن الإفصاحات المتعلقة بمخاطر المناخ وتفاعل أصحاب المصلحة مرتبطة إيجابيًا بدرجات ESG الأعلى، بينما تميل مواضيع مثل تعويضات التنفيذيين إلى الارتباط سلبًا.
تستخدم الورقة نهجًا منهجيًا جديدًا، يجمع بين تقنيات التعلم الآلي المراقب وغير المراقب لتصنيف محتوى ESG. تحدد 30 موضوعًا متعلقًا بـ ESG، وتجمعها في ست فئات أعلى، مما يكشف عن أوجه التشابه والاختلاف مع الإطار المفاهيمي لـ SASB. تشير النتائج إلى تحول في التركيز من المواضيع التقليدية المتعلقة بالحوكمة إلى القضايا البيئية والاجتماعية بين أفضل أداء في ESG، مما قد يشير إلى القدرة على التكيف مع ظروف السوق المتغيرة. تسهم هذه الدراسة في الأدبيات من خلال توضيح تعقيدات تقارير ESG وآثارها على هيئات وضع المعايير، بينما تسلط الضوء أيضًا على الحاجة إلى مزيد من الاستكشاف للعلاقات بين مواضيع ESG والممارسات الخاصة بالصناعة. تشمل القيود تركيز مجموعة البيانات على شركات FTSE 350 وتفاوت تقييمات ESG عبر مقدمي الخدمات المختلفين.
مقدمة
ت outlines مقدمة هذه الورقة البحثية المشهد المتطور للتقارير غير المالية، لا سيما فيما يتعلق بالتحديات البيئية والاجتماعية والحوكمة (ESG)، كما هو مطلوب بموجب أطر تشريعية مختلفة مثل توجيه الاتحاد الأوروبي للتقارير غير المالية (NFRD) وتوجيه التقارير الخاصة بالاستدامة المؤسسية (CSRD). تسلط الضوء على أهمية الإفصاحات الشفافة لـ ESG لبناء الثقة المجتمعية وتسهيل التواصل مع أصحاب المصلحة، بما في ذلك المستثمرين. تشير الورقة إلى الأساليب المتنوعة المستخدمة في التقارير المؤسسية، بما في ذلك مؤشرات القابلية للقراءة وتحليل المشاعر، وتؤكد على التطبيق المحدود لتقنيات معالجة اللغة الطبيعية (NLP) في أبحاث المحاسبة والمالية، لا سيما في سياق ESG.
تهدف الدراسة إلى الاستفادة من تقنيات تحليل النص المتقدمة، وبشكل خاص نهج نمذجة BERTopic، لتحديد وتفسير مواضيع ESG الرئيسية من التقارير السنوية لشركات FTSE350 بين عامي 2012 و2021. تسعى البحث إلى تحليل الهيكل الهرمي لهذه المواضيع، وتتبع تطورها بمرور الوقت، واستكشاف العلاقات بين نسب مواضيع ESG ودرجات ESG عبر صناعات مختلفة. تشير النتائج الأولية إلى أن بعض مواضيع ESG، مثل “راتب التنفيذيين”، تظهر علاقة سلبية مع درجات ESG، بينما تظهر مواضيع أخرى، مثل “مخاطر المناخ والسياسة”، علاقات إيجابية. تؤكد الورقة على تأثير المتطلبات التنظيمية على ممارسات تقارير ESG وتقترح أن العديد من الإفصاحات قد تكون مدفوعة بالضغوط القانونية بدلاً من المبادرات الطوعية. بشكل عام، تسهم الدراسة في الأدبيات من خلال تقديم رؤى حول التأثيرات التنظيمية على تقارير ESG وتسليط الضوء على التباينات بين المعايير المعمول بها وممارسات التقارير الفعلية.
النتائج
في هذا القسم، يقدم المؤلفون نتائج تحليل نمذجة الموضوعات باستخدام تقنية BERTopic، التي تستخدم تضمينات الجمل لتمثيل الجمل في فضاء متجه موحد. تتضمن المنهجية UMAP لتقليل الأبعاد وHDBSCAN للتجميع الهرمي، مما يمكّن من تجميع الجمل المتعلقة بـ ESG في مواضيع متميزة بناءً على عتبات المسافة بين المجموعات. تُصنف الجمل التي لا تتوافق مع أي موضوع محدد على أنها ضوضاء وتُخصص لمجموعة منفصلة، والتي تُستبعد من التحليل الإضافي، مما يعزز وضوح وقابلية تفسير المواضيع المحددة.
يسلط المؤلفون الضوء على مزايا HDBSCAN مقارنة بخوارزمية التجميع القائمة على الكثافة التقليدية (DBSCAN)، مشيرين إلى أن HDBSCAN يوفر استقرارًا محسّنًا وموثوقية في اختيار المعلمات، بالإضافة إلى القدرة على تحديد مجموعات ذات كثافات متغيرة. يساهم هذا الاختيار المنهجي في فهم أكثر دقة للبيانات، مما يسهل استخراج رؤى ذات مغزى من مجموعة البيانات المتعلقة بـ ESG.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على الأهمية المتزايدة لتقارير الاستدامة في الأبحاث المؤسسية، لا سيما من 2019 إلى 2021. تؤكد على التقدم في منهجيات تحليل النصوص، التي مكنت من التقييمات الآلية للإفصاحات المتعلقة بالمسؤولية الاجتماعية للشركات (CSR). تشير النتائج الرئيسية من دراسات مختلفة إلى أن قابلية قراءة وتقلب تقارير CSR ترتبط بأداء CSR المستقبلي وردود فعل السوق. على سبيل المثال، وجدت Du وYu (2021) أن تقارير CSR الأكثر قابلية للقراءة والتفاؤل مرتبطة بأداء أفضل، بينما أظهر Clarkson وآخرون (2020) أن الميزات اللغوية يمكن أن تتنبأ بأداء CSR في غياب التقييمات الرسمية. علاوة على ذلك، تم استكشاف تأثير البيئات المؤسسية على الإفصاحات المتعلقة بـ CSR وأسعار الأسهم، مما يكشف أن العلاقة تختلف بشكل كبير بناءً على موضوع CSR وتوقيت التغييرات التنظيمية.
تناقش الورقة أيضًا تطبيق تقنيات نمذجة الموضوعات المتقدمة، وبشكل خاص نموذج BERTopic، الذي يستخدم تضمينات سياقية لالتقاط العلاقات الدلالية في النصوص بشكل أكثر فعالية من النماذج التقليدية مثل LDA وNMF. لقد ثبت أن هذا النهج يعزز تحليل تقارير ESG، على الرغم من أن تطبيقه في هذا المجال لا يزال محدودًا. تركز مجموعة البيانات على التقارير السنوية لشركات FTSE 350 من 2012 إلى 2021، مما يكشف عن اتجاه تصاعدي في حجم وتعقيد الإفصاحات، إلى جانب زيادة كبيرة في نسبة الجمل المتعلقة بـ ESG. تستخدم الدراسة عملية تصفية وتصنيف صارمة لاستخراج جمل ESG، مما يؤدي في النهاية إلى تحديد 30 موضوعًا ذا مغزى من خلال التجميع الهرمي. لا ينظم هذا التجميع المواضيع في فئات متماسكة فحسب، بل يسلط الضوء أيضًا على العلاقات الدقيقة بينها، مما يشير إلى الحاجة إلى مزيد من التحقيق في آثار هذه النتائج على الحوكمة المؤسسية وتفاعل أصحاب المصلحة.
DOI: https://doi.org/10.1016/j.irfa.2024.103669
Publication Date: 2024-10-18
Author(s): Urša Ferjančič et al.
Primary Topic: Corporate Social Responsibility Reporting
Overview
This research paper investigates the evolution of Environmental, Social, and Governance (ESG) reporting among FTSE 350 companies over a decade, utilizing the BERTopic topic modeling technique to analyze annual reports. The study reveals that ESG disclosures are heavily influenced by regulatory frameworks, such as the Non-Financial Reporting Directive, and significant events like the Covid-19 pandemic. Notably, while companies are mandated to report on board diversity, they often neglect broader diversity and inclusion metrics. The analysis also highlights a correlation between ESG scores and the prominence of specific topics, indicating that disclosures related to climate risk and stakeholder engagement are positively associated with higher ESG scores, whereas topics like executive remuneration tend to correlate negatively.
The paper employs a novel methodological approach, combining supervised and unsupervised machine learning techniques to classify ESG content. It identifies 30 ESG-related topics, clustering them into six higher-level categories, revealing both similarities and discrepancies with the SASB’s Conceptual Framework. The findings suggest a shift in focus from traditional governance topics to environmental and social issues among top ESG performers, which may signal adaptability to changing market conditions. The research contributes to the literature by elucidating the complexities of ESG reporting and its implications for standard-setting bodies, while also highlighting the need for further exploration of the relationships between ESG topics and industry-specific practices. Limitations include the dataset’s focus on FTSE 350 companies and the variability of ESG ratings across different providers.
Introduction
The introduction of this research paper outlines the evolving landscape of non-financial reporting, particularly in relation to environmental, social, and governance (ESG) challenges, as mandated by various legislative frameworks such as the EU’s Non-Financial Reporting Directive (NFRD) and the Corporate Sustainability Reporting Directive (CSRD). It highlights the importance of transparent ESG disclosures for building societal trust and facilitating communication with stakeholders, including investors. The paper notes the diverse methodologies employed in corporate reporting, including readability indices and sentiment analysis, and emphasizes the limited application of natural language processing (NLP) techniques in accounting and finance research, particularly in the context of ESG.
The study aims to leverage advanced text analysis techniques, specifically the BERTopic modeling approach, to identify and interpret key ESG topics from the annual reports of FTSE350 companies between 2012 and 2021. The research seeks to analyze the hierarchical structure of these topics, track their evolution over time, and explore correlations between ESG topic proportions and ESG scores across different industries. Preliminary findings indicate that certain ESG topics, such as ‘executive salary,’ exhibit a negative correlation with ESG scores, while others, like ‘climate risk and policy,’ show positive correlations. The paper underscores the influence of regulatory requirements on ESG reporting practices and suggests that many disclosures may be driven by legal pressures rather than voluntary initiatives. Overall, the research contributes to the literature by providing insights into the regulatory impacts on ESG reporting and highlighting discrepancies between established standards and actual reporting practices.
Results
In this section, the authors present the results of their topic modeling analysis using the BERTopic technique, which employs sentence embeddings to represent sentences in a unified vector space. The methodology incorporates UMAP for dimensionality reduction and HDBSCAN for hierarchical clustering, enabling the grouping of ESG-related sentences into distinct topics based on inter-cluster distance thresholds. Sentences that do not conform to any identified topic are classified as noise and assigned to a separate cluster, which is excluded from further analysis, thereby enhancing the clarity and interpretability of the identified topics.
The authors highlight the advantages of HDBSCAN over the traditional density-based spatial clustering algorithm (DBSCAN), noting that HDBSCAN offers improved stability and robustness in parameter selection, as well as the capability to identify clusters with varying densities. This methodological choice contributes to a more nuanced understanding of the data, facilitating the extraction of meaningful insights from the ESG-related corpus.
Discussion
The discussion section of the research paper highlights the growing significance of sustainability reporting in corporate research, particularly from 2019 to 2021. It emphasizes the advancements in textual analysis methodologies, which have enabled automated assessments of corporate social responsibility (CSR) disclosures. Key findings from various studies indicate that the readability and sentiment of CSR reports are correlated with future CSR performance and market reactions. For instance, Du and Yu (2021) found that more readable and optimistic CSR reports are linked to better performance, while Clarkson et al. (2020) demonstrated that linguistic features can predict CSR performance in the absence of formal ratings. Furthermore, the impact of institutional environments on CSR disclosures and share prices was explored, revealing that the relationship varies significantly based on the CSR topic and the timing of regulatory changes.
The paper also discusses the application of advanced topic modeling techniques, particularly the BERTopic model, which utilizes contextual embeddings to capture semantic relationships in texts more effectively than traditional models like LDA and NMF. This approach has been shown to enhance the analysis of ESG reporting, although its application in this domain remains limited. The dataset focuses on FTSE 350 annual reports from 2012 to 2021, revealing an upward trend in the volume and complexity of disclosures, alongside a significant increase in the proportion of ESG-related sentences. The study employs a rigorous filtering and classification process to extract ESG sentences, ultimately leading to the identification of 30 meaningful topics through hierarchical clustering. This clustering not only organizes the topics into coherent categories but also highlights the nuanced relationships between them, suggesting a need for further investigation into the implications of these findings for corporate governance and stakeholder engagement.