算法审计撕开漂绿面具：自报排放背离越大，公司估值和盈利跌得越惨！
The Price of Greenwashing: Algorithmic Verification and Market Discipline using Conformal Machine Learning
📖 AI 总结
该研究针对企业可持续发展披露中普遍存在的“漂绿”问题，提出了一种基于机器学习的环境信息核验方法。作者将美国SEC财务基本面数据与EPA设施级温室气体登记数据相融合，利用梯度提升架构和Mondrian保形预测，构建了具有数学保证的企业实际排放基线，并据此提出“保形加权连续背离度”（CWCD）指标，用以量化企业自报排放数据与算法基线之间的差距。通过横截面领先—滞后计量设计，研究发现算法测得的排放背离度与后续市场估值（Tobin's Q）和运营盈利能力（ROA）之间存在显著负相关关系。这一结果否定了“市场盲视”假说，表明机构资本已将环境信息失真定价为基本面管理不善的领先指标，而非单纯的道德问题，为资产管理者和监管机构大规模部署算法审计基础设施提供了定量依据。
🔑 关键词速览
| Greenwashing | 漂绿，指企业夸大或虚假宣传其环保表现，以误导投资者和公众的行为。 |
| Mondrian Conformal Prediction | 蒙德里安共形预测，一种机器学习不确定性量化方法，通过分层校准为不同类别数据提供具有统计保证的预测区间。 |
| Conformal-Weighted Continuous Divergence (CWCD) | 共形加权连续背离，本文提出的新指标，用于量化企业自报排放数据与算法基线之间的差异。 |
| Tobin's Q | 托宾Q，企业市场价值与资产重置成本之比，常用于衡量企业市场估值和投资机会。 |
| ROA | 资产回报率，净利润与总资产之比，衡量企业利用资产创造利润的效率。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅