在可持续金融披露法规中发现游说策略,使用机器学习

科学领域:

• 计算社会科学 计算社会科学
• 金融法规分析 分析
• 机器学习应用 机器学习应用

背景情况:

• 可持续金融披露条例 (SFDR) 旨在规范可持续投资披露.
• 了解利益相关者的影响对于有效的监管发展至关重要.
• 游说在很大程度上影响了金融和环境法规.

研究的目的:

• 在SFDR框架内使用机器学习分析游说行为.
• 识别关键利益相关者及其对监管结果的影响.
• 分类和衡量不同游说策略的影响.

主要方法:

• 文字评论的三角图分析.
• 情感分析以衡量情绪的基调.
• 类似性分析用于比较论据并识别模式.
• 机器学习算法的应用用于利益相关者和战略识别.

主要成果:

• 利益相关者,特别是受监管的实体,提交了高度主观和负面的评论.
• 确定了包括辩论,说服和成本效益分析在内的常见游说策略.
• 开发元数据以确定特定利益集团及其策略.
• 量化论证相似性,以评估游说策略的有效性.

结论:

• 机器学习算法在监管过程中有效地识别利益集团和游说策略.
• 情绪和相似性分析为游说动态提供了可衡量的见解.
• 现代算法提高了对金融和ESG披露的利益相关者影响的理解.