← 論文一覧に戻る

ESG報告における機械学習ベースの不正検知：新興国市場における財務操作の実証分析

Machine Learning-Based Fraud Detection in ESG Reporting: An Empirical Analysis of Financial Manipulation in Emerging Markets (原題)

Sonali Srivastava, Manisha Singh

Advances in computational intelligence and robotics book seriesジャーナル2026-11-13#AI×ESG経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.4018/979-8-2600-5223-5.ch006
原典: https://doi.org/10.4018/979-8-2600-5223-5.ch006

🤖 gxceed AI 要約

日本語

本論文はESG開示の歪みと財務不正の関連を分析し、LightGBMとMLPを用いた機械学習フレームワークで操作的行動を検知する。5分割交差検証の結果、ESG操作は環境負荷の高い業種、国有企業、制度的ガバナンスが弱い企業に多いことを示す。ESGスコアの信頼性評価とグリーンウォッシング検知に実務的示唆を与える。

English

This chapter links ESG reporting distortions to financial fraud and builds a machine-learning framework (LightGBM, MLP) validated via fivefold cross-validation to flag manipulative reporting. Findings show ESG manipulation concentrates in environmentally exposed industries, state-owned firms, and weak-governance settings. It offers a practical approach for ESG data quality and greenwashing detection.

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

SSBJ基準や有報でのESG開示が拡大する日本では、開示データの信頼性検証やグリーンウォッシング対策が投資家・規制当局の関心事となっており、AIによる不正検知手法は国内ESG評価インフラ整備の参考になる。

In the global GX context

As ISSB/CSRD and SEC climate disclosure raise scrutiny on ESG data integrity, this work contributes to the global push for AI-assisted assurance and greenwashing detection in corporate reporting.

👥 読者別の含意

🔬研究者:ESG開示の質的歪みをMLで定量化する手法と、新興国での実証結果を参考にできる。

🏢実務担当者:自社ESGデータの内部統制や第三者保証の強化に、不正検知モデルの考え方を応用できる。

🏛政策担当者:ESG開示の信頼性確保に向けたAI活用型モニタリングの政策的可能性を示唆する。

📄 Abstract（原文）

Environmental, Social and Governance (ESG) disclosures have turned out to be one of the critical sources of information to investors, regulators and other stakeholders who are interested in assessing the performance of corporate sustainability. This chapter examines ESG reporting distortions and their connection with financial fraud and creates a machine learning-based framework to identify the mentioned manipulative practices. The training and validation of two machine learning models, which are Light Gradient Boosting Machine (LightGBM) and Multi-Layer Perceptron (MLP) are done through fivefold cross-validation to discover suspicious reporting behavior. The empirical results indicate that the ESG-based manipulation is more common in industries with high exposure to the environment, state-owned, and with a weak institutional governance.

🔗 Provenance — このレコードを発見したソース

🔔 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。