【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，對于構(gòu)建針對市場的GPT-ESG評估框架起到了關(guān)鍵作用。本項(xiàng)研究應(yīng)用ChatGPT-4的文本情感分析能力，對A股市場上市公司的公開報告進(jìn)行了深入研究，這些報告包括但不限于可持續(xù)發(fā)展報告、ESG報告和財務(wù)報告中專注于分析公司治理、環(huán)境保護(hù)以及社會責(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)三大評級機(jī)構(gòu)的標(biāo)準(zhǔn)化評級結(jié)果高度相關(guān)且差異較小。通過運(yùn)用ChatGPT-4技術(shù)對A股上市公司進(jìn)行客觀而高效的評級，不僅促使企業(yè)提供更加公正的報告，還為投資者在評估公司的環(huán)境、社會和治理（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)評估方面的重要作用。

【關(guān)鍵詞】 評級機(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】 F230 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 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的披露與評級，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、社會和公司治理（ESG）相關(guān)的報告，披露率達(dá)到97.73%[2]。目前國內(nèi)主流ESG評級機(jī)構(gòu)有華證、商道融綠和萬得等。不同ESG評級機(jī)構(gòu)對同一家公司的ESG評級是存在差異的，同一家公司獲得不同ESG評級的情況后會對投資者釋放錯誤的信號，可能導(dǎo)致其作出不明智的投資決策。以貴州茅臺為例，2020年6月，由于其ESG績效，該公司在中證指數(shù)的評級為高“AA”，而從圣道綠色金融獲得的評級卻為低“C+”，使投資者感到困惑不解[3]。在數(shù)字經(jīng)濟(jì)時代，傳統(tǒng)的財務(wù)處理方式難以滿足企業(yè)管理的需求，需要一個更加統(tǒng)一、客觀的ESG評級標(biāo)準(zhǔn)來對A股上市的企業(yè)進(jìn)行評級，ChatGPT的自動化處理和語義理解等能力為財務(wù)人員提供了新的機(jī)會，可以更好地優(yōu)化各種財務(wù)場景，提高財務(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評級體系，而這一設(shè)想的成功會使公司披露更加公正、客觀的可持續(xù)報告，增強(qiáng)投資者對公司的信心。

對話生成式預(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計(jì)研究人員在應(yīng)用最先進(jìn)的自然語言處理模型時面臨的技術(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計(jì)領(lǐng)域的文本數(shù)據(jù)[5]。這種轉(zhuǎn)變會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涵蓋了多個方面，包括環(huán)境、社會和公司治理。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)社會責(zé)任或可持續(xù)報告中的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評級來評估公司商業(yè)模式的可持續(xù)性，并對其長期目標(biāo)進(jìn)行評估[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評級機(jī)構(gòu)來評估企業(yè)的ESG表現(xiàn)[3]。

ESG評級機(jī)構(gòu)更加關(guān)注從非財務(wù)角度考察企業(yè)的價值和社會影響，對企業(yè)的經(jīng)濟(jì)效益和社會效益進(jìn)行綜合評價。在“雙碳”目標(biāo)下，推動生產(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)的財務(wù)指標(biāo)上，這導(dǎo)致ESG評價的維度逐漸成為企業(yè)另一個重要的績效衡量標(biāo)準(zhǔn)，對企業(yè)的估值和融資成本產(chǎn)生影響[9]。

通過ESG評價，企業(yè)的各利益相關(guān)者可以通過閱讀企業(yè)的財務(wù)報告，了解企業(yè)的可持續(xù)發(fā)展情況，推動企業(yè)履行社會責(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)險能力，進(jìn)而提高財務(wù)利潤水平。政策和行業(yè)協(xié)會的引導(dǎo)也逐步將ESG投資打造成主流的投資方式[1]。

（二）ESG評級體系現(xiàn)狀

目前，ESG評級在財經(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，同時也成為投資實(shí)踐中備受關(guān)注的熱門話題。這些評級越來越多地在機(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評級提供商對同一家公司的評級差異引起了廣泛的關(guān)注。ESG評級差異較小的股票，其平均ESG評級與未來股票表現(xiàn)呈負(fù)相關(guān)關(guān)系；而ESG評級差異越高的公司，其股票收益越高[10]。因此，ESG評級差異影響企業(yè)的未來表現(xiàn)以及投資者的心理，而ESG評級差異是由不同的評級機(jī)構(gòu)采用不同的評級標(biāo)準(zhǔn)造成的。ESG評級差異對于學(xué)術(shù)研究結(jié)論的普適性具有重要影響，同時也為資產(chǎn)管理者在實(shí)施ESG投資策略時帶來了挑戰(zhàn)[10]。

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

不同評級機(jī)構(gòu)對同一家企業(yè)的ESG評級結(jié)果是不同的。不同評分者之間的分歧對實(shí)證研究提出了挑戰(zhàn)，因?yàn)槭褂貌煌u分者的評級結(jié)果可能會導(dǎo)致研究結(jié)果和結(jié)論的變化。在ESG評級方面的分歧會為基于這些評級作出的決策帶來不確定性，從而對廣泛的決策者構(gòu)成了挑戰(zhàn)[11]。

由于缺乏一致性，ESG評級的有效性受到了質(zhì)疑，可能會引發(fā)一系列不良后果：首先，評級差異可能會影響可持續(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評級差異所帶來的不確定性可能會導(dǎo)致不確定性溢價，以彌補(bǔ)額外的風(fēng)險，并阻礙ESG敏感型投資者參與市場。其次，評級差異可能會削弱企業(yè)提高ESG績效的動力，因?yàn)閷⒋罅抠Y源用于導(dǎo)致評級模糊不清的活動可能是沒有意義的。最后，ESG評級的差異可能會動搖學(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]。

對于ESG評級的結(jié)果，不同機(jī)構(gòu)發(fā)布的ESG評級的有效性和一致性在實(shí)踐和研究中備受批評[3]。

（三）文本情感分析與ESG關(guān)鍵詞

在對文本信息中包含的ESG內(nèi)容進(jìn)行分析時，通常會采用兩種方法：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)果有助于推動企業(yè)更好地履行社會責(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，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]。

每個對話都被附加上一個情感標(biāo)簽，用于表示對話的情感傾向，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文本信息的情感值進(jìn)行判斷[5]。

而ESG評級與關(guān)鍵字的提取技術(shù)密切相關(guān)。兩個ESG評級之間的差異主要包括范圍、測量和權(quán)重的分歧[11]。范圍分歧源于兩個評分者考慮了不同的屬性集合。這兩個評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評分者對同一指標(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評級旨在衡量哪些因素，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ESG評級的設(shè)想

針對缺乏專業(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)報告來評估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、50個甚至100個[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評級方法論[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對企業(yè)的ESG進(jìn)行評級。研究結(jié)果表明，ChatGPT-4在對文本內(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評級的滬深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個公司觀測值。國內(nèi)三家評級機(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，對選定樣本進(jìn)行了以下處理：在實(shí)驗(yàn)中對三家評級機(jī)構(gòu)的關(guān)鍵指標(biāo)進(jìn)行了重新處理。

而量化三家評級機(jī)構(gòu)的評級標(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，為了確保不同評級提供者之間的可比性，進(jìn)行了如下工作：在每個時間點(diǎn)，根據(jù)評級機(jī)構(gòu)對所有股票的評級結(jié)果，對這些股票進(jìn)行排名。接著，計(jì)算個別評級的特定百分位等級，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在公司信號中的排名值與其他公司信號中的排名值的實(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，對這些等級進(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)境影響評估，11.社區(qū)發(fā)展，12.透明度，13.反腐敗，14.風(fēng)險管理，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個關(guān)鍵字與3家ESG評級機(jī)構(gòu)的議題和二級指標(biāo)（基于本土三家評級機(jī)構(gòu)2022年的評級方法論）相對應(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披露報告來評估ESG情緒（圖2）。三家評級機(jī)構(gòu)都對華僑城（代碼：000069）有ESG評分的數(shù)據(jù)。2022年華僑城ESG報告的頁數(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，這時候ChatGPT-4可能還會讓你再輸入一次已生成的20個關(guān)鍵字，根據(jù)提示一步步完成就可以得到報告的整體情緒值。

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_（如果它給了一個范圍，需要在對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披露報告的情緒值。由于ChatGPT-4目前還不能完美識別所有的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)報告轉(zhuǎn)化為TXT（使用OCR識別），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)容將會被排除，整篇報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。”

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)報告或者ESG報告，就用該公司2022年度報告中的“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)報告的關(guān)鍵字以及ESG披露報告的情緒值。之后再參考之前Liu[3]的做法，在ChatGPT的對話框內(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)重差異對評級結(jié)果的作用較小，且不同機(jī)構(gòu)對于權(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)評級機(jī)構(gòu)的評級差異。

（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)三家本土評級機(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)化后的評級數(shù)值，ratingagency2表示萬得標(biāo)準(zhǔn)化后的評級數(shù)值，ratingagency3表示華證標(biāo)準(zhǔn)化后的評級數(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生成值和評級機(jī)構(gòu)的差異。

對ChatGPT生成的結(jié)果與三家評級機(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ratingagency1、ratingagency2、ratingagency3和GPT生成的評級數(shù)值之間的差異進(jìn)行了顯著性檢驗(yàn)，以便評估chatGPT-4的生成值和三家評級機(jī)構(gòu)的評級數(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級結(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)化后的評級數(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)化后的評級數(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)化后的評級數(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ESG評級機(jī)構(gòu)進(jìn)行評級的設(shè)想是可行的。

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

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)的財務(wù)業(yè)績，從長遠(yuǎn)來看，優(yōu)先考慮社會責(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率和更低的破產(chǎn)風(fēng)險。更精確、客觀的ESG評級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級機(jī)構(gòu)相關(guān)性較高且整體差異較小），那么未來人工智能領(lǐng)域的研究方向就可以是：對現(xiàn)有版本的ChatGPT-4做進(jìn)一步的升級，讓投資者直接使用ChatGPT-4對企業(yè)ESG進(jìn)行評分：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)，減少人為評級的主觀性。

總之，ChatGPT-4的總體影響還是積極樂觀的，它不會給金融和會計(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)新的推動力。GPT的出現(xiàn)可能從心理學(xué)的角度開始建立對人工智能和機(jī)器學(xué)習(xí)技術(shù)的接受共識。同時，GPT-4的出現(xiàn)也顯著降低了機(jī)器學(xué)習(xí)在金融和會計(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判、質(zhì)疑企業(yè)ESG報告的客觀公允，還可以應(yīng)用于更多的披露信息，如年報、發(fā)行的債券評級報告等，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務(wù)人員及ESG評級人員的工作，這將從整體上減少財務(wù)部門對于財務(wù)人員的需求，可能導(dǎo)致部分財務(wù)人員失業(yè)[4]。甚至多家評級機(jī)構(gòu)也會逐漸減少人為的評級，變成人工智能進(jìn)行評級。因此，確保勞動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)會變得至關(guān)重要。最后，ChatGPT的發(fā)展也引發(fā)了對偏見和公平性的擔(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時應(yīng)當(dāng)謹(jǐn)慎，它似乎是一個有用的研究工具，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時已經(jīng)設(shè)定了積極的價值觀以預(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評級的差異，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)確評級的潛在發(fā)展方向之一。同時，三家評級機(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級標(biāo)準(zhǔn)和可持續(xù)報告，無法進(jìn)行多時間維度的分析。此外，ChatGPT-4在分析時需經(jīng)歷多次訓(xùn)練和嘗試才能得出具體的情感值，這對分析的準(zhǔn)確性和用戶體驗(yàn)提出了挑戰(zhàn)。

此外，盡管GPT-ESG評級體系可以提供有價值的信息，但仍需謹(jǐn)慎對待其結(jié)果。由于自然語言處理技術(shù)的限制，評級結(jié)果可能會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誤的結(jié)果導(dǎo)致投資者作出錯誤的決策，使得誰應(yīng)該承擔(dān)這一錯誤的責(zé)任成為一個值得質(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評級的同時，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］.時代金融，2022（8）：61-62，69.

［2］ 黃宗彥.ESG評級領(lǐng)先市場超九成A股金融公司披露相關(guān)報告［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對智能財務(wù)體系的影響：場景優(yōu)化、技術(shù)革新與人員轉(zhuǎn)型［J］.財會月刊，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評價體系［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評級方法論［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對財務(wù)分析的影響及對策研究［J］.會計(jì)之友，2023（16）：156-封三.