← 論文一覧に戻る

銀行報告書を対象としたマルチエージェントLLMによるESG・財務データ抽出と相関分析

ESG and Financial Data Extraction and Correlation Analysis Using Multi‐Agent LLMs on Bank Reports (原題)

Danqing Lin, Dan He, Yu Zhao

Business Strategy and the Environment📚 査読済 / ジャーナル2026-10-01#AI×ESGOrigin: Global経営インパクト: 資金調達対象セクター: finance
DOI: 10.1002/bse.71620
原典: https://doi.org/10.1002/bse.71620

🤖 gxceed AI 要約

日本語

本研究は、LLMを活用したマルチエージェント・フレームワークにより、約50のグローバル銀行の7年分・数百件の年次報告書からESGおよび財務指標を直接抽出する手法を提示する。カテゴリ別プロンプト設計で同義語や単位・尺度の差異を吸収し、異質な開示情報を比較可能な構造化データへ変換する。指標レベルでの相関分析の結果、環境指標がROA・ROEと比較的強く一貫した関連を示すことを明らかにした。商用格付に依存しない、拡張可能で再現可能なESG・財務分析の基盤を初めて提供する。

English

This study introduces a multi-agent LLM framework that extracts ESG and financial indicators directly from banks' annual reports, using category-specific prompts to handle synonyms, scales and unit inconsistencies. Applied to hundreds of reports from ~50 global banks over 7 years, it builds a harmonised dataset and runs indicator-level correlation analyses. Environmental variables show relatively stronger, more consistent links to ROA and ROE. It offers the first scalable, transparent, reproducible LLM-driven foundation for ESG–finance analysis from unstructured disclosures.

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

商用ESG格付への依存と透明性不足は日本企業・投資家にも共通の課題であり、本手法は有報・統合報告書からの指標抽出やSSBJ開示の検証基盤として応用可能。銀行セクター中心だが他業種・他ドメインへ拡張でき、日本発の開示データ分析研究とも接続しうる。

In the global GX context

Amid ISSB/CSRD-driven demands for transparent, comparable ESG data, this work shows how LLMs can replace opaque commercial ratings with reproducible extraction from primary disclosures. Its indicator-level ESG–finance correlations and cross-bank harmonisation speak directly to global disclosure-infrastructure debates and can be extended to other sectors and jurisdictions.

👥 読者別の含意

🔬研究者:商用格付に依らないLLMベースのESGデータ構築と指標レベル相関分析の方法論的基盤を提供する。

🏢実務担当者:自社の年次報告書・統合報告書からESG指標を自動抽出し、財務指標との関係を検証する実務的アプローチとして活用できる。

🏛政策担当者:開示データの機械可読化・比較可能性向上に向けたLLM活用の可能性と、透明性確保の論点を示唆する。

📄 Abstract（原文）

ABSTRACT Assessing the relationship between environmental, social and governance (ESG) practices and financial performance has become a central concern in sustainable finance. However, existing studies largely depend on commercial ESG ratings, which lack transparency and obscure the contribution of individual indicators. In addition, ESG disclosures vary substantially across institutions, years and reporting formats, making cross‐bank comparison difficult. To address these challenges, this study introduces a unified multi‐agent framework powered by large language models (LLMs) to extract ESG and financial indicators directly from banks' annual reports. The framework employs category‐specific prompt designs that enable the models to recognise synonymous terminology, differing measurement scales and inconsistent reporting units, thereby transforming heterogeneous textual disclosures into structured and comparable datasets. Applying this LLM‐based approach to hundreds of reports from approximately 50 global banks over 7 years, we construct a harmonised dataset and conduct indicator‐level correlation analyses between ESG and financial performance measures. The results reveal heterogeneous yet systematic associations between specific ESG indicators and financial outcomes, with environmental variables showing relatively stronger and more consistent correlations with return on assets (ROA) and return on equity (ROE). This study presents the first scalable, transparent and reproducible LLM‐driven framework for ESG–finance analysis based on unstructured public disclosures, offering a methodological foundation that can be extended to other industries and domains.

🔗 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。