Нейросетевые модели для оценки влияния нематериальных активов на микроэкономические показатели

Актуальность проекта

С каждым годом все большее значение для развития компаний оказывают ESG-факторы. К таким факторам относят экологические индикаторы, социальные факторы и факторы корпоративного управления. Эти факторы влияют как непосредственно на деятельность самой компании, так и на ее восприятие инвесторами и внешним окружением, что делает изучение ESG-факторов и их динамики важной задачей с точки зрения стейкхолдеров каждой компании.

Цель проекта:

Разработка и обучение нейросетевой модели NLP с четко-заданной функцией расстояния на корпусе текстов ESG отчетов для выявления ESG-факторов и их влияния на ESG-рейтинги и финансовые показатели крупнейших компаний.

Задача проекта:

Адаптировать существующие языковые модели, в частности модель BERT (изменение финальных слоев нейронной сети, с целью явного контроля за поведением функции расстояния в пространстве эмбеддингов отдельных предложений текста).

Источник данных:

Отчеты и иные связанные документы, классифицированные публичными компаниями как ESG-disclosure. Для анализа были выбраны крупнейшие 500 компаний, которыми торгуют на американских биржах NYSE и NASDAQ за период с 2010 по 2020 гг.