The Impact of AI-Integrated ESG Reporting on Firm Valuation in Emerging Markets: A Multimodal Analytical Approach
Notice bibliographique
Résumé
This study examines the impact of Artificial Intelligence (AI)-enhanced Environmental, Social, and Governance (ESG) reporting on firm valuation in emerging markets. It aims to explore how AI integration enhances the interpretability and predictive accuracy of ESG metrics in shaping market perceptions and investor decisions. This study employs a panel dataset from 2018 to 2024, analysing publicly listed non-financial firms across five major sectors: manufacturing, energy, telecommunications, consumer goods, and industrials. This study contributed by employing AI-powered multimodal analysis with conventional ESG scoring methods and integrating Fixed-Effects Regression with machine learning (ML) algorithms including Extreme Gradient Boosting (XGBoost) and Random Forest to identify complex, non-linear relationships within ESG data and firm valuation. The results show empirical evidence that integrating ML enhances the explanatory power of ESG data. Findings indicate that ESG performance is positively correlated with higher market valuations, particularly in Environmental and Social dimensions. Governance metrics are more inconsistent, which may be due to heterogeneity in governance practices, regulatory enforcement and the challenges of quantifying governance quality beyond compliance indicators across the focus emerging markets. Firms identified in ESG controversies tend to face valuation penalties, which stresses market sensitivity to reputational risks. ML algorithms outperform conventional techniques in predictive accuracy, revealing complex, non-linear interactions within ESG data. This study contributes to both the academic literature and practice showing how next-generation ESG reporting can robust valuation models, address limitations of conventional ESG scoring, and ensure a reliable outlook for investors and policymakers of industries in emerging markets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».