【摘 要】 ChatGPT-4的進(jìn)步技術(shù)，特別是情感分析和關(guān)鍵字提取功能，對(duì)于構(gòu)建針對(duì)市場的GPT-ESG評(píng)估框架起到了關(guān)鍵作用。本項(xiàng)研究應(yīng)用ChatGPT-4的文本情感分析能力，對(duì)A股市場上市公司的公開報(bào)告進(jìn)行了深入研究，這些報(bào)告包括但不限于可持續(xù)發(fā)展報(bào)告、ESG報(bào)告和財(cái)務(wù)報(bào)告中專注于分析公司治理、環(huán)境保護(hù)以及社會(huì)責(zé)任方面的內(nèi)容。研究結(jié)果顯示，ChatGPT-4生成的數(shù)據(jù)與國內(nèi)三大評(píng)級(jí)機(jī)構(gòu)的標(biāo)準(zhǔn)化評(píng)級(jí)結(jié)果高度相關(guān)且差異較小。通過運(yùn)用ChatGPT-4技術(shù)對(duì)A股上市公司進(jìn)行客觀而高效的評(píng)級(jí)，不僅促使企業(yè)提供更加公正的報(bào)告，還為投資者在評(píng)估公司的環(huán)境、社會(huì)和治理（ESG）實(shí)踐以及投資決策方面提供了重要支持。這一研究成功展示了ChatGPT-4在金融領(lǐng)域應(yīng)用的潛力，特別是在促進(jìn)公平、透明的企業(yè)評(píng)估方面的重要作用。

【關(guān)鍵詞】 評(píng)級(jí)機(jī)構(gòu)； 文本分析； 情感值； 機(jī)器學(xué)習(xí)； 自然語言處理； ChatGPT； ESG

【中圖分類號(hào)】 F230 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1004-5937（2025）01-0087-07

一、引言

如今越來越多的企業(yè)和投資者開始重視ESG的披露與評(píng)級(jí)，但企業(yè)的ESG披露仍處于自愿階段，缺乏統(tǒng)一的行業(yè)信息披露標(biāo)準(zhǔn)。ESG強(qiáng)調(diào)對(duì)環(huán)境的關(guān)注，是有效推進(jìn)碳中和目標(biāo)的重要手段之一[1]。

截至2023年6月30日，A股貨幣金融業(yè)上市公司總數(shù)為44家，其中有43家公司發(fā)布了與環(huán)境、社會(huì)和公司治理（ESG）相關(guān)的報(bào)告，披露率達(dá)到97.73%[2]。目前國內(nèi)主流ESG評(píng)級(jí)機(jī)構(gòu)有華證、商道融綠和萬得等。不同ESG評(píng)級(jí)機(jī)構(gòu)對(duì)同一家公司的ESG評(píng)級(jí)是存在差異的，同一家公司獲得不同ESG評(píng)級(jí)的情況后會(huì)對(duì)投資者釋放錯(cuò)誤的信號(hào)，可能導(dǎo)致其作出不明智的投資決策。以貴州茅臺(tái)為例，2020年6月，由于其ESG績效，該公司在中證指數(shù)的評(píng)級(jí)為高“AA”，而從圣道綠色金融獲得的評(píng)級(jí)卻為低“C+”，使投資者感到困惑不解[3]。在數(shù)字經(jīng)濟(jì)時(shí)代，傳統(tǒng)的財(cái)務(wù)處理方式難以滿足企業(yè)管理的需求，需要一個(gè)更加統(tǒng)一、客觀的ESG評(píng)級(jí)標(biāo)準(zhǔn)來對(duì)A股上市的企業(yè)進(jìn)行評(píng)級(jí)，ChatGPT的自動(dòng)化處理和語義理解等能力為財(cái)務(wù)人員提供了新的機(jī)會(huì)，可以更好地優(yōu)化各種財(cái)務(wù)場景，提高財(cái)務(wù)處理的準(zhǔn)確性和效率[4]。因此，可以設(shè)想采用ChatGPT-4的新技術(shù)來完善A股上市企業(yè)的ESG評(píng)級(jí)體系，而這一設(shè)想的成功會(huì)使公司披露更加公正、客觀的可持續(xù)報(bào)告，增強(qiáng)投資者對(duì)公司的信心。

對(duì)話生成式預(yù)訓(xùn)練模型（Chat Generative Pre-trained Transformer，ChatGPT）的問世無疑具有重要意義，其憑借精準(zhǔn)的語義理解、強(qiáng)大的語言表達(dá)和嚴(yán)密的邏輯思維，對(duì)新聞媒體、教育培訓(xùn)、客戶服務(wù)與支持、法律服務(wù)等行業(yè)都帶來了顯著影響[4]。ChatGPT-4的出現(xiàn)確實(shí)有可能顯著減少金融和會(huì)計(jì)研究人員在應(yīng)用最先進(jìn)的自然語言處理模型時(shí)面臨的技術(shù)障礙。ChatGPT-4的強(qiáng)大功能和用戶友好的交互方式，使得研究人員不再需要深入研究和開發(fā)復(fù)雜的自然語言處理算法和模型，只需投入最少的技術(shù)，便可直接使用ChatGPT-4來分析和處理金融和會(huì)計(jì)領(lǐng)域的文本數(shù)據(jù)[5]。這種轉(zhuǎn)變會(huì)極大地簡化研究人員的工作流程，讓他們更輕松地處理大量文本數(shù)據(jù)，更專注于解決金融和會(huì)計(jì)領(lǐng)域特定的問題和迎接挑戰(zhàn)，從而深入研究和探索新的課題，加速學(xué)術(shù)和商業(yè)研究的進(jìn)展。

二、文獻(xiàn)綜述

（一）ESG與利益相關(guān)者的影響

ESG涵蓋了多個(gè)方面，包括環(huán)境、社會(huì)和公司治理。在環(huán)境方面，主要關(guān)注資源枯竭和氣候變化等問題；而治理方面則涉及董事會(huì)多樣性、商業(yè)道德和腐敗等方面的監(jiān)督與管理[3]。 et al.[6]提出通過企業(yè)社會(huì)責(zé)任或可持續(xù)報(bào)告中的ESG信息披露，投資者可能獲得比期望值更高的利潤[7]。投資者主要使用ESG評(píng)級(jí)來評(píng)估公司商業(yè)模式的可持續(xù)性，并對(duì)其長期目標(biāo)進(jìn)行評(píng)估[8]。除投資者之外，企業(yè)、研究人員甚至監(jiān)管者都依賴于ESG評(píng)級(jí)機(jī)構(gòu)來評(píng)估企業(yè)的ESG表現(xiàn)[3]。

ESG評(píng)級(jí)機(jī)構(gòu)更加關(guān)注從非財(cái)務(wù)角度考察企業(yè)的價(jià)值和社會(huì)影響，對(duì)企業(yè)的經(jīng)濟(jì)效益和社會(huì)效益進(jìn)行綜合評(píng)價(jià)。在“雙碳”目標(biāo)下，推動(dòng)生產(chǎn)和生活方式向綠色轉(zhuǎn)型可能在短期內(nèi)無法直接反映在企業(yè)的財(cái)務(wù)指標(biāo)上，這導(dǎo)致ESG評(píng)價(jià)的維度逐漸成為企業(yè)另一個(gè)重要的績效衡量標(biāo)準(zhǔn)，對(duì)企業(yè)的估值和融資成本產(chǎn)生影響[9]。

通過ESG評(píng)價(jià)，企業(yè)的各利益相關(guān)者可以通過閱讀企業(yè)的財(cái)務(wù)報(bào)告，了解企業(yè)的可持續(xù)發(fā)展情況，推動(dòng)企業(yè)履行社會(huì)責(zé)任[4]。優(yōu)秀的ESG表現(xiàn)有助于企業(yè)提升聲譽(yù)，利用綠色金融產(chǎn)品降低融資成本，增強(qiáng)抗風(fēng)險(xiǎn)能力，進(jìn)而提高財(cái)務(wù)利潤水平。政策和行業(yè)協(xié)會(huì)的引導(dǎo)也逐步將ESG投資打造成主流的投資方式[1]。

（二）ESG評(píng)級(jí)體系現(xiàn)狀

目前，ESG評(píng)級(jí)在財(cái)經(jīng)新聞、監(jiān)管和政策辯論、學(xué)術(shù)研究等方面具有顯著的影響，同時(shí)也成為投資實(shí)踐中備受關(guān)注的熱門話題。這些評(píng)級(jí)越來越多地在機(jī)構(gòu)投資者的投資決策中發(fā)揮著重要作用。

近期，不同的ESG評(píng)級(jí)提供商對(duì)同一家公司的評(píng)級(jí)差異引起了廣泛的關(guān)注。ESG評(píng)級(jí)差異較小的股票，其平均ESG評(píng)級(jí)與未來股票表現(xiàn)呈負(fù)相關(guān)關(guān)系；而ESG評(píng)級(jí)差異越高的公司，其股票收益越高[10]。因此，ESG評(píng)級(jí)差異影響企業(yè)的未來表現(xiàn)以及投資者的心理，而ESG評(píng)級(jí)差異是由不同的評(píng)級(jí)機(jī)構(gòu)采用不同的評(píng)級(jí)標(biāo)準(zhǔn)造成的。ESG評(píng)級(jí)差異對(duì)于學(xué)術(shù)研究結(jié)論的普適性具有重要影響，同時(shí)也為資產(chǎn)管理者在實(shí)施ESG投資策略時(shí)帶來了挑戰(zhàn)[10]。

在信息披露、績效評(píng)級(jí)和投資指導(dǎo)方面，ESG評(píng)級(jí)能夠?yàn)閷?shí)現(xiàn)“雙碳”目標(biāo)提供更為全面的評(píng)估框架。然而，目前仍面臨著ESG披露標(biāo)準(zhǔn)不貼近本土價(jià)值觀、缺乏有影響力的ESG評(píng)價(jià)體系以及ESG投資產(chǎn)品數(shù)量有限等挑戰(zhàn)[9]。ESG評(píng)級(jí)通過從不同的來源和報(bào)告標(biāo)準(zhǔn)收集和匯總信息，為投資者提供服務(wù)，來源和報(bào)告標(biāo)準(zhǔn)這兩種差異解釋了為什么ESG評(píng)級(jí)之間的差異比信用評(píng)級(jí)之間的差異顯著得多，后者在99%的水平上相關(guān)[11]。

不同評(píng)級(jí)機(jī)構(gòu)對(duì)同一家企業(yè)的ESG評(píng)級(jí)結(jié)果是不同的。不同評(píng)分者之間的分歧對(duì)實(shí)證研究提出了挑戰(zhàn)，因?yàn)槭褂貌煌u(píng)分者的評(píng)級(jí)結(jié)果可能會(huì)導(dǎo)致研究結(jié)果和結(jié)論的變化。在ESG評(píng)級(jí)方面的分歧會(huì)為基于這些評(píng)級(jí)作出的決策帶來不確定性，從而對(duì)廣泛的決策者構(gòu)成了挑戰(zhàn)[11]。

由于缺乏一致性，ESG評(píng)級(jí)的有效性受到了質(zhì)疑，可能會(huì)引發(fā)一系列不良后果：首先，評(píng)級(jí)差異可能會(huì)影響可持續(xù)投資決策的準(zhǔn)確性，給計(jì)劃將ESG維度納入投資策略的投資者帶來挑戰(zhàn)，并導(dǎo)致資本市場的效率降低。ESG評(píng)級(jí)差異所帶來的不確定性可能會(huì)導(dǎo)致不確定性溢價(jià)，以彌補(bǔ)額外的風(fēng)險(xiǎn)，并阻礙ESG敏感型投資者參與市場。其次，評(píng)級(jí)差異可能會(huì)削弱企業(yè)提高ESG績效的動(dòng)力，因?yàn)閷⒋罅抠Y源用于導(dǎo)致評(píng)級(jí)模糊不清的活動(dòng)可能是沒有意義的。最后，ESG評(píng)級(jí)的差異可能會(huì)動(dòng)搖學(xué)術(shù)研究中數(shù)據(jù)分析的基礎(chǔ)，導(dǎo)致結(jié)論的不一致[3]。

對(duì)于ESG評(píng)級(jí)的結(jié)果，不同機(jī)構(gòu)發(fā)布的ESG評(píng)級(jí)的有效性和一致性在實(shí)踐和研究中備受批評(píng)[3]。

（三）文本情感分析與ESG關(guān)鍵詞

在對(duì)文本信息中包含的ESG內(nèi)容進(jìn)行分析時(shí)，通常會(huì)采用兩種方法：一是統(tǒng)計(jì)ESG關(guān)鍵詞在文本中的出現(xiàn)次數(shù)，二是對(duì)文本中關(guān)于ESG的情感進(jìn)行分析，即ESG情感[5]。這些分析結(jié)果有助于推動(dòng)企業(yè)更好地履行社會(huì)責(zé)任，以及為投資決策提供更多的參考信息。

隨著人工智能技術(shù)的不斷進(jìn)步，以及心理測試的特性，例如其主觀性、被測者之間的差異以及被測者自身情緒波動(dòng)等因素，使得基于機(jī)器學(xué)習(xí)的心理測試情感分析成為一種有效的解決方法[12]。

文本情感分析，也稱為傾向性分析或意見挖掘，是處理和推理帶有感情色彩的主觀性文本的過程，以從中獲取情感、情緒或態(tài)度等信息為目標(biāo)。通過自然語言處理技術(shù)和機(jī)器學(xué)習(xí)算法，對(duì)文本進(jìn)行情感分類，將其劃分為正面、負(fù)面或中性情感等級(jí)，進(jìn)行有監(jiān)督的機(jī)器學(xué)習(xí)[13]。通常，這項(xiàng)任務(wù)會(huì)被形式化為二元或多類分類問題，即將情感類別標(biāo)簽分配給給定的文本[14]。

每個(gè)對(duì)話都被附加上一個(gè)情感標(biāo)簽，用于表示對(duì)話的情感傾向，即是積極的還是消極的[15]。這項(xiàng)技術(shù)在社交媒體監(jiān)測、市場調(diào)研和輿情分析等領(lǐng)域有廣泛的應(yīng)用。然而，從文本信息中提取情感值在技術(shù)上確實(shí)具有挑戰(zhàn)性。通常，這需要使用帶標(biāo)簽的數(shù)據(jù)集來訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練好的模型可以用于對(duì)文本信息的情感值進(jìn)行判斷[5]。

而ESG評(píng)級(jí)與關(guān)鍵字的提取技術(shù)密切相關(guān)。兩個(gè)ESG評(píng)級(jí)之間的差異主要包括范圍、測量和權(quán)重的分歧[11]。范圍分歧源于兩個(gè)評(píng)分者考慮了不同的屬性集合。這兩個(gè)評(píng)分者使用不同的指標(biāo)來衡量相同的屬性，從而導(dǎo)致測量結(jié)果的差異。而權(quán)重分歧則是由于兩個(gè)評(píng)分者對(duì)同一指標(biāo)使用不同的權(quán)重進(jìn)行加權(quán)求和所引起的。測量散度的貢獻(xiàn)最大，占比為56%，其次是范圍散度和權(quán)重散度，分別占比為38%和6%。范圍和權(quán)重反映了ESG評(píng)級(jí)旨在衡量哪些因素，而測量則反映了如何進(jìn)行這些衡量[11]。正如Brandon et al.[10]所說的，大部分的差異可以追溯到測量和范圍的不同，而權(quán)重的差異似乎起到了較小的作用。

（四）ChatGPT-4技術(shù)對(duì)ESG評(píng)級(jí)的設(shè)想

針對(duì)缺乏專業(yè)計(jì)算機(jī)編程背景的人來說，應(yīng)用機(jī)器學(xué)習(xí)模型通常具有挑戰(zhàn)性。然而，ChatGPT-4提供了一種通過多語言對(duì)話交互來完成任務(wù)的方法，消除了技術(shù)性深入研究課題的障礙，使得使用機(jī)器學(xué)習(xí)模型變得更加簡單[5]。因此，即使是非專業(yè)人士也能夠輕松地利用ChatGPT-4的強(qiáng)大功能和用戶友好的交互方式，在更廣泛的應(yīng)用領(lǐng)域中使用機(jī)器學(xué)習(xí)模型，并將其推廣普及。

Cao et al.[5]進(jìn)一步研究發(fā)現(xiàn)，ChatGPT-4技術(shù)可以解決文本情感分析、ESG關(guān)鍵詞分析等問題。這是因?yàn)镃hatGPT擁有出色的語言理解能力，可以精準(zhǔn)地根據(jù)指令完成特定任務(wù)，并展現(xiàn)出優(yōu)秀的可控文本生成能力，ChatGPT-4在生成所需關(guān)鍵字列表方面的效果非常好?？梢允褂肁lphabet在2022年發(fā)布的可持續(xù)報(bào)告來評(píng)估ESG關(guān)鍵詞百分比和ESG情緒，ESG關(guān)鍵詞的數(shù)量可以調(diào)整為20個(gè)、50個(gè)甚至100個(gè)[5]。從結(jié)果來看，ChatGPT-4確實(shí)具備生成關(guān)鍵詞列表后，能夠根據(jù)這些關(guān)鍵詞來分析文本并生成與關(guān)鍵詞相關(guān)的情感值的能力[5]。

2022年華證ESG評(píng)級(jí)方法論[16]中提到，華證利用自然語言處理（NLP）技術(shù)和語義分析等方法，以算法為指標(biāo)分配值，這與ChatGPT分析文本的情感值有類似的算法邏輯[17]。所以考慮研究兩者之間的相關(guān)性，探討ChatGPT-4中新技術(shù)的發(fā)展?jié)摿?，以期未來能直接運(yùn)用ChatGPT-4對(duì)企業(yè)的ESG進(jìn)行評(píng)級(jí)。研究結(jié)果表明，ChatGPT-4在對(duì)文本內(nèi)容進(jìn)行定量和邏輯分析方面具有高度準(zhǔn)確性和高效性。

三、實(shí)驗(yàn)數(shù)據(jù)及方法

（一）樣本選擇與數(shù)據(jù)來源

研究范圍專注于2022年12月進(jìn)行ESG評(píng)級(jí)的滬深A(yù)股上市公司。這樣的選擇源于綠色債券、ESG指數(shù)等綠色金融產(chǎn)品方面相對(duì)起步晚，以及ESG概念在近年才逐漸受到廣泛重視[4]?？傆?jì)有710個(gè)公司觀測值。國內(nèi)三家評(píng)級(jí)機(jī)構(gòu)的數(shù)據(jù)來源于華證、商道融綠、萬得數(shù)據(jù)庫。在研究中排除了以下情況：金融類公司；存在變量缺失的公司-年份。最終的樣本包括710家公司觀測值。

（二）數(shù)據(jù)處理

為保證所選數(shù)據(jù)的有效性和結(jié)果的準(zhǔn)確性，對(duì)選定樣本進(jìn)行了以下處理：在實(shí)驗(yàn)中對(duì)三家評(píng)級(jí)機(jī)構(gòu)的關(guān)鍵指標(biāo)進(jìn)行了重新處理。

而量化三家評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)標(biāo)準(zhǔn)都不同，許多學(xué)術(shù)研究的做法是，將KLD的優(yōu)勢和關(guān)注點(diǎn)分別總結(jié)，并對(duì)可用的總優(yōu)勢和關(guān)注點(diǎn)數(shù)量進(jìn)行加權(quán)，從而形成了一個(gè)范圍從-1到+1的規(guī)模。

參照Brandon et al.[10]的方法，為了確保不同評(píng)級(jí)提供者之間的可比性，進(jìn)行了如下工作：在每個(gè)時(shí)間點(diǎn)，根據(jù)評(píng)級(jí)機(jī)構(gòu)對(duì)所有股票的評(píng)級(jí)結(jié)果，對(duì)這些股票進(jìn)行排名。接著，計(jì)算個(gè)別評(píng)級(jí)的特定百分位等級(jí)，并將其作為經(jīng)過調(diào)整的分?jǐn)?shù)。使用排名的測度也更貼近投資者比較特定信號(hào)在公司信號(hào)中的排名值與其他公司信號(hào)中的排名值的實(shí)際投資做法。在存在關(guān)聯(lián)的情況下，為每家公司分配了平均排名。然后，對(duì)這些等級(jí)進(jìn)行標(biāo)準(zhǔn)化，使其范圍在-1到1之間，因?yàn)镃hatGPT文本情感分析的價(jià)值區(qū)間也在（-1，1）。由于本實(shí)驗(yàn)已經(jīng)將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，樣本中的原始變量就避免了將其在上下2%的水平上進(jìn)行縮尾（Winsorize）處理，也避免了極端異常值對(duì)結(jié)果的影響[5]。

此外，數(shù)據(jù)的標(biāo)準(zhǔn)化處理以及后續(xù)的差異分析可以借助ChatGPT這一工具來完成。ChatGPT可以幫助分析人員自動(dòng)地進(jìn)行數(shù)據(jù)清洗、標(biāo)準(zhǔn)化和轉(zhuǎn)換，從而避免無關(guān)信息對(duì)后續(xù)處理和分析造成干擾。具體來說，它可以實(shí)現(xiàn)去除HTML標(biāo)簽、特殊字符等操作，同時(shí)進(jìn)行文本分詞、大小寫化、中英文互譯、正則表達(dá)式匹配等操作。ChatGPT還能夠識(shí)別和分析數(shù)字、文本、圖像和視頻等多模態(tài)內(nèi)容。它不僅可以處理文本數(shù)據(jù)，還可以理解和處理其他類型的信息，為多領(lǐng)域的應(yīng)用提供支持

（三）生成情感價(jià)值

參考Cao et al.[5]的實(shí)驗(yàn)步驟，在ChatGPT-4中使用特定指令形成了20個(gè)關(guān)鍵字：1.可持續(xù)發(fā)展，2.氣候變化，3.碳足跡，4.可再生能源，5.綠色金融，6.企業(yè)社會(huì)責(zé)任，7.多樣性和包容，8.員工福利，9.供應(yīng)鏈管理，10.環(huán)境影響評(píng)估，11.社區(qū)發(fā)展，12.透明度，13.反腐敗，14.風(fēng)險(xiǎn)管理，15.數(shù)據(jù)保護(hù)，16.能源效率，17.廢物減少，18.水資源管理，19.合規(guī)性，20.道德采購。此20個(gè)關(guān)鍵字與3家ESG評(píng)級(jí)機(jī)構(gòu)的議題和二級(jí)指標(biāo)（基于本土三家評(píng)級(jí)機(jī)構(gòu)2022年的評(píng)級(jí)方法論）相對(duì)應(yīng)。

ChatGPT-4知道如何根據(jù)剛剛生成的ESG關(guān)鍵詞列表來分析文本并生成與關(guān)鍵詞相關(guān)的情感值。之后，使用2022年A股企業(yè)ESG披露報(bào)告來評(píng)估ESG情緒（圖2）。三家評(píng)級(jí)機(jī)構(gòu)都對(duì)華僑城（代碼：000069）有ESG評(píng)分的數(shù)據(jù)。2022年華僑城ESG報(bào)告的頁數(shù)為73頁，沒有超過100頁（或者占用空間超過15MB），所以適用ChatGPT-4在2023年10月推出的“AskYourPDF”插件來進(jìn)行上傳并分析。

需要注意的是，這時(shí)候ChatGPT-4可能還會(huì)讓你再輸入一次已生成的20個(gè)關(guān)鍵字，根據(jù)提示一步步完成就可以得到報(bào)告的整體情緒值。

2023年11月8日之后，ChatGPT又進(jìn)行了更新，這次可以在不使用任何插件的前提下，在對(duì)話框中直接上傳PDF進(jìn)行分析，輸入的指令與上述指令相似：

“在-1到1的范圍內(nèi)，其中-1非常負(fù)面，1非常正面，對(duì)于以上PDF文本，基于已生成各項(xiàng)關(guān)鍵字的情緒值分析，上述生成的ESG關(guān)鍵字列表的情感估計(jì)值（保留兩位小數(shù)）是多少+_上傳PDF_（如果它給了一個(gè)范圍，需要在對(duì)話框中要求它輸入具體值）”。

ChatGPT-4生成了2022年某A股企業(yè)ESG披露報(bào)告的情緒值。由于ChatGPT-4目前還不能完美識(shí)別所有的PDF文本，某些文件含有大量亂碼或非標(biāo)準(zhǔn)文本字符，導(dǎo)致無法有效進(jìn)行文本解析或情感分析，因此采用了以下替代方法：

將篇幅超過50頁的可持續(xù)報(bào)告轉(zhuǎn)化為TXT（使用OCR識(shí)別），然后這些文本將被切割成片段、分別讓ChatGPT-4進(jìn)行分析，文本中與ESG無關(guān)的內(nèi)容將會(huì)被排除，整篇報(bào)告的最終情感值為上述所有剩余片段情感分析值的平均值。對(duì)話框中的指令如下：

_文本_+“在-1到1的范圍內(nèi)，其中-1非常負(fù)面，1 非常正面，對(duì)于以上文本，上述生成的ESG關(guān)鍵字列表整體的情感估計(jì)值（保留兩位小數(shù)）是多少?！?/p>

這些值介于-1到1之間，其中-1表示最負(fù)面，1 表示最正面。有些公司沒有可持續(xù)報(bào)告或者ESG報(bào)告，就用該公司2022年度報(bào)告中的“公司治理”“環(huán)境與責(zé)任”部分文本的情感值分析來替代，所有A股公司文本的處理都基于上述兩種方式。

此后，用相同的方法得出2022年710家A股企業(yè)可持續(xù)報(bào)告的關(guān)鍵字以及ESG披露報(bào)告的情緒值。之后再參考之前Liu[3]的做法，在ChatGPT的對(duì)話框內(nèi)將（-1，1）之間的情緒值標(biāo)準(zhǔn)化到（1，10）之間，這樣做是為了方便對(duì)數(shù)據(jù)進(jìn)行后續(xù)的分析。研究范圍和測量差異主要通過關(guān)鍵字的出現(xiàn)頻次以及ESG披露報(bào)告中情緒值的差異來進(jìn)行衡量。關(guān)鍵字差異是由企業(yè)報(bào)告中ESG關(guān)鍵字出現(xiàn)的頻次與ChatGPT生成ESG關(guān)鍵字列表的差異決定的。此處不考慮權(quán)重差異，所有結(jié)果均為均值。因?yàn)闄?quán)重差異對(duì)評(píng)級(jí)結(jié)果的作用較小，且不同機(jī)構(gòu)對(duì)于權(quán)重的設(shè)置也不同，后續(xù)也可以人為地設(shè)置權(quán)重，來縮小ChatGPT-4與傳統(tǒng)評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)差異。

（四）描述性和相關(guān)性統(tǒng)計(jì)分析

由于ChatGPT-4生成的僅僅是情緒值，而ChatGPT-4用于實(shí)驗(yàn)的最終生成值和國內(nèi)三家本土評(píng)級(jí)機(jī)構(gòu)的差異可以參考Berg et al.[11]的實(shí)驗(yàn)結(jié)果來體現(xiàn)：

GPT score=38%Δscope+56%Δmeas+6%Δweig|ts （1）

其中，Δscope表示范圍差異，在ChatGPT中用關(guān)鍵字百分比來衡量；Δmeas表示測量差異，在ChatGPT中用情感值來衡量；Δweights在此不做討論。

表1中ratingagency1表示商道融綠標(biāo)準(zhǔn)化后的評(píng)級(jí)數(shù)值，ratingagency2表示萬得標(biāo)準(zhǔn)化后的評(píng)級(jí)數(shù)值，ratingagency3表示華證標(biāo)準(zhǔn)化后的評(píng)級(jí)數(shù)值，GPT表示由公式1得出的GPTscore。上述數(shù)據(jù)的標(biāo)準(zhǔn)差將體現(xiàn)ChatGPT生成值和評(píng)級(jí)機(jī)構(gòu)的差異。

對(duì)ChatGPT生成的結(jié)果與三家評(píng)級(jí)機(jī)構(gòu)標(biāo)準(zhǔn)化后結(jié)果的相關(guān)性分析如表2。

（五）單因素方差分析

描述性統(tǒng)計(jì)分析和相關(guān)性統(tǒng)計(jì)分析已經(jīng)評(píng)估了數(shù)據(jù)的整體差異和關(guān)聯(lián)性。通過描述性統(tǒng)計(jì)，可以了解數(shù)據(jù)的分布特性，包括中心趨勢和離散度。相關(guān)性分析則提供了不同變量間相互關(guān)系的量化評(píng)估。進(jìn)一步的，通過計(jì)算和比較組間變異（不同組之間的差異）與組內(nèi)變異（同一組內(nèi)部的差異），單因素方差分析（ANOVA）為本研究提供了判斷不同組平均數(shù)之間差異的統(tǒng)計(jì)顯著性的方法。本研究分別對(duì)ratingagency1、ratingagency2、ratingagency3和GPT生成的評(píng)級(jí)數(shù)值之間的差異進(jìn)行了顯著性檢驗(yàn)，以便評(píng)估chatGPT-4的生成值和三家評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)數(shù)值是否存在統(tǒng)計(jì)學(xué)上的顯著差異。表3—表5是單因素方差分析的結(jié)果。

四、實(shí)驗(yàn)結(jié)論

從表1的結(jié)果來看，ChatGPT生成的均值和華證的評(píng)級(jí)結(jié)果最為接近，接近7.6，整體差異不大。再看表2的結(jié)果，GPT生成值和商道融綠標(biāo)準(zhǔn)化后的評(píng)級(jí)數(shù)值的相關(guān)系數(shù)為0.1167，p值<0.01，這表明商道融綠和GPT的生成值之間99%以上存在相關(guān)性；GPT生成值和萬得標(biāo)準(zhǔn)化后的評(píng)級(jí)數(shù)值的相關(guān)系數(shù)為0.1105，p值<0.01，這表明萬得和GPT的生成值之間99%以上存在相關(guān)性；GPT生成值和華證標(biāo)準(zhǔn)化后的評(píng)級(jí)數(shù)值的相關(guān)系數(shù)為0.0814，p值<0.05，這表明萬得和GPT的生成值之間95%以上存在相關(guān)性。表3顯示卡方統(tǒng)計(jì)量（chi2）為8.2669，自由度為5，對(duì)應(yīng)的P值（Prob>chi2）為0.142。P值大于0.05，說明沒有足夠的證據(jù)拒絕方差相等的零假設(shè)，可以認(rèn)為不同組的方差是相等的。表4的卡方統(tǒng)計(jì)量為155.7114，P值為0.895。同樣的，沒有證據(jù)表明方差不相等。表5的卡方統(tǒng)計(jì)量為100.5448，P值為0.997，這也不支持方差不等的假設(shè)。因此，單因素方差分析再次說明了GPT生成值和三家本土機(jī)構(gòu)的數(shù)值間差異較小。在整體差異較小且相關(guān)性較高的情況下提出的未來使用ChatGPT-4對(duì)ESG評(píng)級(jí)機(jī)構(gòu)進(jìn)行評(píng)級(jí)的設(shè)想是可行的。

同時(shí)，用ChatGPT-4來對(duì)企業(yè)的ESG進(jìn)行評(píng)級(jí)也間接提高了企業(yè)可持續(xù)、ESG報(bào)告披露的客觀性。ChatGPT-4可以對(duì)不同的文本進(jìn)行情感分析，但這項(xiàng)研究的前提就是企業(yè)報(bào)告披露的全面性以及客觀性，如果兩家企業(yè)之間的報(bào)告GPT生成值差異不大但是現(xiàn)有的評(píng)級(jí)差異很大，那就可以合理懷疑該企業(yè)披露的報(bào)告不夠客觀公允。

五、貢獻(xiàn)及未來研究方向

（一）貢獻(xiàn)

投資于可持續(xù)實(shí)踐的公司表現(xiàn)出更強(qiáng)的財(cái)務(wù)業(yè)績，從長遠(yuǎn)來看，優(yōu)先考慮社會(huì)責(zé)任的公司實(shí)際上可以在經(jīng)濟(jì)上受益；與同行相比，擁有強(qiáng)大治理的公司擁有更高的股本回報(bào)率和更低的破產(chǎn)風(fēng)險(xiǎn)。更精確、客觀的ESG評(píng)級(jí)能夠更有效地幫助投資者進(jìn)行明智的投資決策。

若GPT提取關(guān)鍵字的相關(guān)性較高且情感賦分比較精確（精確度的衡量在于與評(píng)級(jí)機(jī)構(gòu)相關(guān)性較高且整體差異較?。?，那么未來人工智能領(lǐng)域的研究方向就可以是：對(duì)現(xiàn)有版本的ChatGPT-4做進(jìn)一步的升級(jí)，讓投資者直接使用ChatGPT-4對(duì)企業(yè)ESG進(jìn)行評(píng)分：底層技術(shù)就是考慮現(xiàn)在的文本情感分析和關(guān)鍵字提取技術(shù)，減少人為評(píng)級(jí)的主觀性。

總之，ChatGPT-4的總體影響還是積極樂觀的，它不會(huì)給金融和會(huì)計(jì)學(xué)術(shù)研究的未來帶來問題，相反，它可能成為這些學(xué)科領(lǐng)域更廣泛、更深入地接受人工智能和機(jī)器學(xué)習(xí)技術(shù)新的推動(dòng)力。GPT的出現(xiàn)可能從心理學(xué)的角度開始建立對(duì)人工智能和機(jī)器學(xué)習(xí)技術(shù)的接受共識(shí)。同時(shí)，GPT-4的出現(xiàn)也顯著降低了機(jī)器學(xué)習(xí)在金融和會(huì)計(jì)領(lǐng)域應(yīng)用的技術(shù)門檻[5]。

（二）未來研究方向

ChatGPT-4的文本分析技術(shù)并不僅僅可以用來初步評(píng)判、質(zhì)疑企業(yè)ESG報(bào)告的客觀公允，還可以應(yīng)用于更多的披露信息，如年報(bào)、發(fā)行的債券評(píng)級(jí)報(bào)告等，進(jìn)一步規(guī)范金融市場。

（三）不足之處

ChatGPT的出現(xiàn)取代了大部分基層財(cái)務(wù)人員及ESG評(píng)級(jí)人員的工作，這將從整體上減少財(cái)務(wù)部門對(duì)于財(cái)務(wù)人員的需求，可能導(dǎo)致部分財(cái)務(wù)人員失業(yè)[4]。甚至多家評(píng)級(jí)機(jī)構(gòu)也會(huì)逐漸減少人為的評(píng)級(jí)，變成人工智能進(jìn)行評(píng)級(jí)。因此，確保勞動(dòng)者能夠接受新技能培訓(xùn)并獲得新興產(chǎn)業(yè)的就業(yè)機(jī)會(huì)變得至關(guān)重要。最后，ChatGPT的發(fā)展也引發(fā)了對(duì)偏見和公平性的擔(dān)憂。與任何人工智能技術(shù)一樣，ChatGPT的訓(xùn)練數(shù)據(jù)可能存在偏差，影響其回應(yīng)，并導(dǎo)致歧視問題。因此，確保訓(xùn)練數(shù)據(jù)的多樣性以及在模型部署之前進(jìn)行偏差檢測變得至關(guān)重要[15]。在使用ChatGPT時(shí)應(yīng)當(dāng)謹(jǐn)慎，它似乎是一個(gè)有用的研究工具，可以用于生成初步草稿，但最終的草稿可能與ChatGPT的輸出有很大不同[18]。

ChatGPT的問世對(duì)于數(shù)據(jù)安全帶來了雙刃劍的影響。一方面，從信息安全的角度來看，盡管OpenAI在開發(fā)ChatGPT時(shí)已經(jīng)設(shè)定了積極的價(jià)值觀以預(yù)防其被用于惡意目的，但仍有網(wǎng)絡(luò)攻擊者可能繞過ChatGPT內(nèi)置的防濫用規(guī)則，借助ChatGPT來更輕易地編寫惡意軟件代碼。另一方面，從信息安全的防御角度來看，ChatGPT可以為防御方提供安全咨詢，幫助他們了解最新的網(wǎng)絡(luò)安全威脅和漏洞，提供可行的建議。這可以幫助組織更好地應(yīng)對(duì)不斷變化的網(wǎng)絡(luò)安全挑戰(zhàn)[4]。

本研究聚焦于A股市場上市的企業(yè)，涵蓋了眾多行業(yè)。要考慮各行業(yè)ESG評(píng)級(jí)的差異，就需引入行業(yè)月固定效應(yīng)和各項(xiàng)標(biāo)準(zhǔn)特征[10]。然而，截至目前，ChatGPT-4的分析尚未調(diào)整不同行業(yè)間的差異，因此本研究未涉及行業(yè)差異的調(diào)整。這也指出了ChatGPT-4未來實(shí)現(xiàn)更準(zhǔn)確評(píng)級(jí)的潛在發(fā)展方向之一。同時(shí)，三家評(píng)級(jí)機(jī)構(gòu)的方法論每年都有所調(diào)整，本研究只能基于新的評(píng)級(jí)標(biāo)準(zhǔn)和可持續(xù)報(bào)告，無法進(jìn)行多時(shí)間維度的分析。此外，ChatGPT-4在分析時(shí)需經(jīng)歷多次訓(xùn)練和嘗試才能得出具體的情感值，這對(duì)分析的準(zhǔn)確性和用戶體驗(yàn)提出了挑戰(zhàn)。

此外，盡管GPT-ESG評(píng)級(jí)體系可以提供有價(jià)值的信息，但仍需謹(jǐn)慎對(duì)待其結(jié)果。由于自然語言處理技術(shù)的限制，評(píng)級(jí)結(jié)果可能會(huì)受到文本語境等因素的影響，因此仍需結(jié)合其他信息和專業(yè)判斷進(jìn)行綜合分析。如果因?yàn)殄e(cuò)誤的結(jié)果導(dǎo)致投資者作出錯(cuò)誤的決策，使得誰應(yīng)該承擔(dān)這一錯(cuò)誤的責(zé)任成為一個(gè)值得質(zhì)疑的問題，所以，法律層面應(yīng)該更加明確地界定問責(zé)機(jī)制，以確保在這種情況下有明確的責(zé)任分配和追究機(jī)制。

因此，在運(yùn)用ChatGPT-4進(jìn)行文本情感分析、關(guān)鍵詞提取以及ESG評(píng)級(jí)的同時(shí)，開發(fā)者需要制定恰當(dāng)?shù)拇胧﹣碜畲笙薅鹊販p少潛在的威脅，并充分挖掘其在信息安全防御方面的潛力，ChatGPT-4也需要不斷地進(jìn)行更新來適應(yīng)人們的需求。

【參考文獻(xiàn)】

［1］ 錢燕珍.在促進(jìn)“雙碳”目標(biāo)下發(fā)揮ESG投資的思考［J］.時(shí)代金融，2022（8）：61-62，69.

［2］ 黃宗彥.ESG評(píng)級(jí)領(lǐng)先市場超九成A股金融公司披露相關(guān)報(bào)告［N］.每日經(jīng)濟(jì)新聞，2023-07-11（006）.

［3］ LIU M.Quantitative ESG disclosure and divergence of ESG ratings［J］.Frontiers in Psychology，2022，13.

［4］ 金源，李成智.ChatGPT對(duì)智能財(cái)務(wù)體系的影響：場景優(yōu)化、技術(shù)革新與人員轉(zhuǎn)型［J］.財(cái)會(huì)月刊，2023（15）：23-30.

［5］ CAO Y，ZHAI J.Bridging the gap the impact of ChatGPT on financial research［J］.Journal of Chinese Economic and Business Studies，2023，21（2）：177-191.

［6］ KOCMANOV？魣 A，DO■EKALOV？魣 M.Construction of the economic indicators of performance in relation to environmental，social and corporate governance （ESG） factors［J］.Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis，2013，60（4）：195-206.

［7］ ATAN R，ALAM Md M，SAID J，et al.The impacts of environmental，social，and governance factors on firm performance：panel study of Malaysian companies［R/OL］.SocArXiv，2019［2024-01-11］.

［8］ 吳巍.“雙碳”目標(biāo)下的ESG評(píng)價(jià)體系［J］.上海國資，2022（6）：14.

［9］ BRANDON R G，KRUEGER P，SCHMIDT P S.ESG rating disagreement and stock returns［Z］.2019.

［10］ BERG F，K？魻LBEL J F，RIGOBON R.Aggregate confusion：the divergence of ESG Ratings［J］.Review of Finance，2022，26（6）：1315-1344.

［11］ ZHAI S，ZHANG Z.Semisupervised autoencoder for sentiment analysis［J/OL］.Proceedings of the AAAI Conference on Artificial Intelligence，2016，30（1）［2024-01-11］.

［12］ 宋海燕.基于貝葉斯算法的心理測試情感分析［J］.信息系統(tǒng)工程，2023（6）：116-119.

［13］ SUN X，DONG L，LI X，et al.Pushing the limits of ChatGPT on NLP Tasks［M/OL］.arXiv，2023［2023-07-29］.

［14］ SAXENA D，KHANDARE S，CHAUDHARY S.An overview of ChatGPT：impact on academic learning［J］.2023，1.

［15］ WANG Z，XIE Q，DING Z，et al.Is ChatGPT a good sentiment analyzer？A preliminary study［M/OL］.arXiv，2023［2023-07-29］.

［16］ 華證ESG評(píng)級(jí)方法論［Z］.2022.

［17］ MCGEE R W.Is ESG a bad idea？ The chatgpt response［J/OL］.SSRN Electronic Journal，2023［2023-

07-28］.

［18］ 陳安萍，趙雅■.ChatGPT對(duì)財(cái)務(wù)分析的影響及對(duì)策研究［J］.會(huì)計(jì)之友，2023（16）：156-封三.