ESG 평가가 기업 자금 조달 비용에 미치는 영향 메커니즘: 선진국과 개발도상국의 한계 효과 및 ESG 평가 효과를 활용한 하이브리드 기계 학습 분석

이 연구의 목표는 하이브리드 기계 학습 모델의 틀 내에서 환경, 사회 및 지배구조(ESG) 평가가 기업 금융 비용에 미치는 영향 메커니즘의 비교 분석을 수행하는 것입니다. 이는 상황에 대한 포괄적인 분석을 제공함으로써 달성됩니다. 우리는 온라인 데이터 세트를 사용하여 RF+NN, SVM+GB 및 LSTM+XGB의 세 가지 하이브리드 모델을 훈련하고 테스트할 수 있습니다. 데이터에 따르면, LSTM+XGB 모델의 성능이 다른 두 모델보다 우수합니다. 정확도는 0.90, 정밀도는 0.85, 재현율은 0.95, F1 점수는 0.90, 평균 제곱 오차는 0.01, 평균 절대 오차는 0.06입니다. 이러한 모든 결과는 시스템에 의해 달성되었습니다. 연구 결과에 따르면 ESG 평가는 세 모델 중 가장 중요합니다. 특성의 중요성 점수는 0.35로, LSTM+XGB 모델이 가장 중요하다는 것을 나타냅니다. ESG 평가가 기업 자금 조달 비용에 미치는 영향 메커니즘을 명확히 하는 것이 이 연구의 목적입니다. 이는 복잡한 금융 사건 분석에서 하이브리드 기계 학습 모델의 중요성을 보여줌으로써 이루어집니다. RF+NN, SVM+GB 및 LSTM+XGB 모델을 사용하여 부유 국가와 개발도상국 간의 ESG 평가, 기업 금융 비용, 1인당 GDP를 비교하였습니다. 선진국은 1인당 GDP가 높고, 금융 비용이 저렴하며, ESG 순위가 더 높습니다. 선진국에 대해 LSTM+XGB 모델은 가장 높은 평균 ESG 평점(81.1 ± 1.7)과 가장 낮은 자금 조달 비용(3.2% ± 0.4)을 산출했습니다. 선진국과 개발도상국에서 ESG 평가는 자금 조달 비용과 부정적인 상관 관계를 갖습니다. 두 국가 그룹 모두 회귀 분석에서 ESG 평가 모델의 상당한 음의 계수를 나타냅니다.