[論文レビュー] Automated Identification of Climate Risk Disclosures in Annual Corporate Reports

David Friederich, Lynn H. Kaack+2 more|arXiv (Cornell University)|Aug 3, 2021

Corporate Social Responsibility Reporting被引用数 14

ひとこと要約

本研究では、20年間にわたり337社のヨーロッパ企業の年次報告書4,498件において、物理的リスク（急性的および慢性）および移行リスク（政策・法的、技術的・市場的、評判）の5種類の気候リスク開示を自動的に分類・定量化するため、微調整されたRoBERTaモデルを開発した。モデルの分析結果から、2015年以降、移行リスクの開示が急激に増加していることが判明し、特に政策・法的および評判リスクのカテゴリで顕著な増加を示した。これは、国ごとの規制環境がそのトレンドを牽引している可能性がある。

ABSTRACT

It is important for policymakers to understand which financial policies are effective in increasing climate risk disclosure in corporate reporting. We use machine learning to automatically identify disclosures of five different types of climate-related risks. For this purpose, we have created a dataset of over 120 manually-annotated annual reports by European firms. Applying our approach to reporting of 337 firms over the last 20 years, we find that risk disclosure is increasing. Disclosure of transition risks grows more dynamically than physical risks, and there are marked differences across industries. Country-specific dynamics indicate that regulatory environments potentially have an important role to play for increasing disclosure.

研究の動機と目的

• 大規模な年次報告書コーパスにおける気候リスク開示を監視するうえで、手作業分析の限界を是正すること。
• 自由テキストの企業報告書に含まれる特定の種類の気候関連リスクを同定・分類するためのスケーラブルで自動化された手法を開発すること。
• 規制環境が国や産業ごとの気候リスク開示パターンの変化に与える影響を評価すること。
• 政策立案者や研究者が必要とする、気候開示規制の有効性を評価するための再現可能で高精度なNLPパイプラインを提供すること。
• 手作業レビューの範囲を超え、大規模かつ縦断的な気候リスク開示トレンド分析を可能にし、大手企業へのバイアスを低減すること。

提案手法

• 急性物理的リスク、慢性物理的リスク、政策・法的移行リスク、技術的・市場的移行リスク、評判移行リスクという5つの細分化された気候リスクカテゴリを含む、120件のヨーロッパ年次報告書を手作業でアノテートした新規データセットを構築した。
• マルチクラスおよびバイナリ設定の両方で、段落レベルのテキスト分類を実施したSVM、DistilBERT、RoBERTaといった複数のNLPモデルを訓練・比較した。
• 気候関連用語を含む可能性のある段落を特定するキーワードベースのリトリーブ戦略を適用し、その後270万段落に対してモデル推論を実施した。
• 最も高い性能を示したRoBERTaを採用し、現実的設定下で5クラス分類タスクで0.369（マクロ平均）、バイナリタスクで0.526のF1スコアを達成した。
• 信頼度ベースのフィルタリングとブートストラップ信頼区間を用いて、モデルの信頼性および時間的トレンドを評価した。
• フランス、英国、ドイツ、スイスの国別およびエネルギー、素材、インフラなどの産業別に比較分析を行い、規制環境および産業分野の影響を同定した。

実験結果

リサーチクエスチョン

• RQ1 2000年から2020年までのヨーロッパ企業の年次報告書において、気候リスク開示の量と種別はどのように変化したか？
• RQ2 フランスや英国のような、特定の国で義務化された気候リスク開示規制がある場合、それらの国は規制が導入されていない国と比べて、気候リスク開示の速度にどの程度の影響を受けるか？
• RQ3 物理的リスクと移行リスクのどちらがより頻繁に開示されており、その傾向は時間経過とともにどのように変化したか？
• RQ4 エネルギー、素材、インフラなどの高排出産業では、他の産業と比較して開示パターンにどのような差が見られるか？
• RQ5 RoBERTaのような微調整されたトランスフォーマーモデルは、非構造化企業テキストにおける気候関連リスクの微細な種別を効果的に区別できるか？

主な発見

• 2015年以降、特に移行リスクの開示数が急激に増加し、2019年の移行リスクの言及数は物理的リスクの約3倍に達した。
• 移行リスクのうち『政策・法的』および『評判』のサブカテゴリが最も顕著な成長を示し、全体の開示増加に大きく寄与した。
• 2015年以降に義務化された気候リスク開示規制を導入したフランスおよび英国では、物理的リスクおよび移行リスクの両方の報告が顕著に増加したが、ドイツおよびスイスではより穏やかな増加にとどまった。
• エネルギー、素材、インフラ部門では、他の産業と比較して移行リスクの開示が顕著に多く、気候政策や市場の変化に対する高い露出が反映されている。
• RoBERTaモデルは、5クラス分類タスクで0.369（マクロ平均）のF1スコア、バイナリタスクで0.526のF1スコアを達成した。物理的リスクの分類では、移行リスクと比較して精度は高かったが、再現率は低かった。
• 4,498件の報告書にまたがる3,892段落に少なくとも1つの気候リスク言及が検出され、合計5,501件のリスク開示が確認された。これにより、大規模かつ多様なデータセットにおけるスケーラビリティが実証された。