Publikace detail

Enhancing financial predictions with ESG linguistic features: A comparative study of German companies

Autoři: Hájek Petr | Pachura Piotr

Rok: 2025

Druh publikace: článek ve sborníku

Název zdroje: Advanced Research in Technologies, Information, Innovation and Sustainability

Název nakladatele: Springer Nature Switzerland AG

Místo vydání: Cham

Strana od-do: 18-31

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Zlepšení finančních predikcí pomocí lingvistických charakteristik ESG: Srovnávací studie německých společností	Tato studie zkoumá dopad začlenění jazykových charakteristik environmentálních, sociálních a správních aspektů (ESG) na přesnost finančních predikcí u velkých německých společností. S využitím pokročilých technik zpracování přirozeného jazyka, zejména modelu MPNet doladěného na obsah ESG, analyzujeme interní i externí ESG dokumenty za účelem extrakce relevantních témat a sentimentů. Navrhovaný model kombinuje tyto ESG jazykové charakteristiky s tradičními finančními ukazateli při predikci podnikové ziskovosti a kapitálové struktury. Výsledky ukazují, že integrace ESG jazykových charakteristik výrazně zvyšuje přesnost predikce a překonává modely založené výhradně na finančních ukazatelích nebo na kombinaci finančních ukazatelů s konvenčními ESG skóre. Konkrétně náš model dosahuje nejnižší střední absolutní chyby a odmocniny střední kvadratické chyby, spolu s nejvyššími korelačními koeficienty v obou predikčních úlohách. Tato zjištění zdůrazňují přínos jazykové analýzy ESG pro posílení predikční schopnosti finančních modelů a poskytují komplexnější hodnocení podnikové výkonnosti a udržitelnosti.	Finanční predikce; Kapitálová struktura; Ziskovost; ESG; Velký jazykový model; Analýza sentimentu
eng	Enhancing financial predictions with ESG linguistic features: A comparative study of German companies	This study investigates the impact of incorporating environmental, social, and governance (ESG) linguistic features on the accuracy of financial predictions for large German companies. Utilizing advanced natural language processing techniques, particularly the MPNet model fine-tuned for ESG content, we analyze internal and external ESG documents to extract relevant topics and sentiments. Our proposed model combines these ESG linguistic features with traditional financial metrics to predict corporate profitability and capital structure. The results demonstrate that the integration of ESG linguistic features substantially improves prediction accuracy, outperforming models that rely solely on financial features or financial features combined with conventional ESG scores. Specifically, our model achieves the lowest mean absolute error and root mean squared error, along with the highest correlation coefficients in both prediction tasks. These findings highlight the value of ESG linguistic analysis in enhancing the predictive power of financial models, providing a more comprehensive assessment of corporate performance and sustainability.	Financial prediction; Capital structure; Profitability; ESG; Large language model; Sentiment analysis

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte