부산대학교 도서관

본 연구의 목적은 미래 기업가치를 예측함에 있어서 ESG 등급을 포함시켰을 때 더 우수한 예측성능을 보인다는것을 다양한 머신러닝 분석을 통해 입증하는 것이다. 연구의 필요성은 기업의 ESG 정보가 글로벌한 관심사가 되었고수많은 기업들이 ESG 활동에 관심을 기울이고 있는 시점에서 미래 기업가치 예측에 ESG 정보를 포함하는 것이유의한 도움이 되는지에 대해서 실증분석 결과를 통해 검증하기 위해서이다. 본 논문의 주요 연구내용을 요약하면다음과 같다. 본 연구의 표본기간은 2011년~2021년이며, 우리나라 기업들에 대한 재무자료 및 ESG 등급에 대한자료를 수집하여 머신러닝 분석을 수행하였다. 그리고 머신러닝 분석방법 중 regression 방법을 사용하여 연구결과를제시하였다. 머신러닝 regression 방법의 분석결과로 R-squared, MSE, RMSE, MSLE, MAPE의 값을 제시하였으며, CatBoost, Bayesian Ridge, Linear Regression, Ridge Regression, Gradeint Boosting 이렇게 총 5가지regressor를 사용하여 실증분석을 수행하였다. 본 논문의 연구결과를 요약하면 다음과 같다. 전반적으로 ESG 등급정보를 포함하여 미래 기업가치를 예측한 모델이 ESG 등급 정보를 포함하지 않고 미래 기업가치를 예측한 모델에비해 더 우수한 성능을 나타냈다. 이러한 결과는 미래 기업가치를 예측함에 있어서 ESG 등급 정보가 유의미한 영향을미친다는 것을 뜻한다. 즉, 기업의 ESG 활동이 장기적으로 기업가치를 향상시키는 중요한 요소임을 의미한다. 이는경영학 측면에서 기업들은 지속가능한 성장과 발전을 위해서 ESG 활동을 적극적으로 할 필요가 있음을 시사한다. 본 연구의 공헌점은 다음과 같다. 기업의 미래가치 지표인 Tobin’s Q를 예측하는 모델은 재무 및 회계 분야의선행연구들을 참조하여 설계하였고, 머신러닝 분석에 관한 연구방법은 MIS 분야의 선행연구들을 참조하여설계하였다. 기존에 재무 및 회계 분야에서 기업가치에 관하여 연구된 논문들은 거의 대부분 회귀분석 모형만을통해 연구가 진행되어왔는데, 이는 재무, 회계 분야에서는 회귀분석을 통한 연구방법론만을 고수하고 다른연구방법론을 도입하고자 하는 시도가 거의 없었기 때문이다. 본 연구는 혁신적으로 학제간 융·복합 연구방법론을도입함으로써 재무 및 회계 분야의 연구방법론 발전 및 연구범위 확장에 크게 기여할 것으로 기대된다.
The purpose of this study is to prove through various machine learning analysis that it shows better predictive performance when ESG ratings are included in predicting future corporate value. The necessity of this study is as follows. At a time when ESG information has become a global concern and many companies are interested in ESG activities, the results of empirical analysis are to confirm whether it is significant to include ESG information in predicting future corporate value. The main research contents of this paper are as follows. The sample period of this study was from 2011 to 2021, and machine learning analysis was conducted by collecting financial data and ESG rating data for Korean companies. And, this paper presented the research results using the regression module among machine learning analysis methods. As a result of machine learning regression module analysis, the values of R-squared, MSE, RMSE, MSLE, and MAPE were presented, and an empirical analysis was conducted using a total of five regressors such as CatBoost, Bayesian Ridge, Linear Regression, Ridge Regression, and Gradeint Boosting. The following is a summary of the research results of this paper. Overall, the model that predicted future corporate value, including ESG rating information, performed better than the model that predicted future corporate value without including ESG rating information. These results mean that ESG rating information has a significant impact on predicting future corporate value. In other words, the empirical analysis results of this paper mean that corporate ESG activities are an important factor in improving corporate value in the long run. This suggests that companies need to actively engage in ESG activities for sustainable growth and development. The contributions of this study are as follows. In this study, a model for predicting Tobin's Q, a company's future value indicator, was designed by referring to previous studies in the financial and accounting sectors, and research methods on machine learning analysis were designed by referring to previous studies in the MIS field. Most of the papers previously studied on corporate value in the financial and accounting fields have been studied only through regression analysis models, as few attempts have been made to adhere to the research methodology through regression analysis and introduce other research methods. By innovatively introducing an interdisciplinary convergence research methodology, this study is expected to greatly contribute to the development of research methodologies in the financial and accounting fields and the expansion of the scope of research.