Використання штучного інтелекту для оцінки ESG-ризиків та підтримки ухвалення рішень у сфері сталого фінансування

Анотація

Актуальність даної тематики обумовлена стрімким зростанням регуляторних вимог до ESG-звітності фінансових установ та підвищеним інтересом інвесторів до сталого фінансування в умовах глобальних кліматичних змін. На сьогодні обробка та аналіз різнорідних ESG-даних стали критичним викликом для банківського сектору, що потребує впровадження інноваційних технологій штучного інтелекту для забезпечення точності оцінювання та конкурентних переваг на ринку відповідального інвестування. Мета. Метою даного дослідження є аналіз можливостей та перспектив застосування ШІ у сфері оцінювання ESG-ризиків, а також обґрунтування практичних рекомендацій для банківських і фінансових установ щодо підвищення якості ухвалення рішень у межах сталого фінансування. Матеріали і методи. Матеріалами дослідження є дані щодо застосування штучного інтелекту (ШІ) для оцінки екологічних, соціальних та управлінських (ESG) ризиків у банківському секторі та фінансах. Досліджено потенціал методів ШІ, зокрема машинного навчання (ML) та глибинного навчання, для ефективної ідентифікації, аналізу та прогнозування ESG-ризиків. Проаналізовано використання NLP для аналізу текстів (звіти, новини), алгоритмів класифікації/регресії (Random Forest, XGBoost, нейронні мережі) для ESG-рейтингів та оцінки ризиків, і методів виявлення аномалій проти «greenwashing». У ході дослідження було сформовано вибірку з 50 компаній з публічною ESG/фінансовою звітністю за 3 роки; зібрано текстові дані (новини, релізи) через веб-скрейпінг; визначено та нормалізовано ключові ESG-метрики; побудовано та протестовано моделі ML (Random Forest, XGBoost) та глибинного навчання (нейронні мережі) для класифікації компаній за ESG-рівнем та регресії потенційних збитків; виконано оцінку точності моделей (Accuracy, ROC-AUC, RMSE) та їх інтерпретацію за допомогою Explainable AI (SHAP, LIME) для прозорості. Розроблено прототип системи для автоматизованого аналізу ESG-звітів. Результати. У статті розглянуто можливості застосування штучного інтелекту (ШІ) в оцінюванні ESG-ризиків (екологічних, соціальних та управлінських) у банківській справі та фінансах. Виявлено зростаючу роль ESG-факторів через вимоги сталого розвитку, регуляторний тиск та очікування стейкхолдерів, що робить інтеграцію ESG-показників у фінансові стратегії необхідною для управління репутаційними, регуляторними та операційними ризиками. Проаналізовано ідентифікації та сучасні методи прогнозування машинного ризиків, а також навчання для обґрунтовано доцільність інтеграції таких підходів у процес прийняття рішень. Представлено результати дослідження ефективності моделей ШІ на основі реальних кейсів і наведено пропозиції щодо впровадження інноваційних рішень у банківський сектор. Результати дослідження полягають у - кількісній оцінці ефективності конкретних моделей ШІ (XGBoost 87% точність класифікації, нейронна мережа - RMSE 0.12 для регресії) для ESG-оцінки на релевантних даних; - застосуванні Explainable AI (SHAP, LIME) для підвищення прозорості ESG-моделей та ідентифікації ключових драйверів (викиди CO2, управління, соц. політики); - емпіричному підтвердженні зв'язку між високими ESG-оцінками (за ШІ) та кращими фінансовими показниками (нижча вартість капіталу, вища стійкість, нижчі кредитні ризики); - розробці концепції інструменту для автоматизованого аудиту та виявлення невідповідностей у ESG-даних. Обґрунтовано доцільність інтеграції ШІ-алгоритмів оцінки ESG у внутрішні процеси банків (ризик-менеджмент, скоринг, андеррайтинг, контроль, аудит). Запропоновано рекомендації щодо впровадження подібних технологій регуляторами та аудиторами для вдосконалення нагляду та перевірки корпоративної звітності. Перспективи. Перспективи подальших досліджень включають розширення вибірки компаній для підвищення надійності моделей, а також вивчення можливостей застосування більш складних підходів, таких як мультиагентні системи та квантові обчислення (Quantum Machine Learning), для покращення точності прогнозування ESG-ризиків у динамічних умовах.

Ключові слова: штучний інтелект; ухвалення рішень; поведінкові фінанси; ESG-ризики; екологічні ризики у банківському секторі; зелений банкінг; поведінкові ризики; стале фінансування; сталий розвиток

Як цитувати

@article{internauka10844,
  author   = {Циганова, Надія Вікторівна and Суляєв, Валентин Вікторович},
  title    = {Використання штучного інтелекту для оцінки ESG-ризиків та підтримки ухвалення рішень у сфері сталого фінансування},
  journal  = {Науковий журнал «Економічна парадигма»},
  year     = {2025},
  number   = {3},
  doi      = {10.25313/2520-2294-2025-3-10844},
  url      = {https://www.inter-nauka.com/issues/economic2025/3/10844}
}

TY  - JOUR
AU  - Циганова, Надія Вікторівна
AU  - Суляєв, Валентин Вікторович
TI  - Використання штучного інтелекту для оцінки ESG-ризиків та підтримки ухвалення рішень у сфері сталого фінансування
JO  - Науковий журнал «Економічна парадигма»
PY  - 2025
IS  - 3
SN  - 2520-2294
DO  - 10.25313/2520-2294-2025-3-10844
UR  - https://www.inter-nauka.com/issues/economic2025/3/10844
LA  - uk
ER  -