מודל חיזוי ניתן לפרש לחברות משווקות-ירוק במדד ESG המבוסס על XGBoost ו-SHAP

מדוע טענות "הירוק" של חברות חשובות

כשחברה מתגאה בהישגים סביבתיים או חברתיים, המשקיעים והציבור צריכים לשאול: האם מדובר בהתפתחות אמיתית או בשיווק מחוכם? הפער הזה בין תדמית למציאות נקרא תרמית ירוקה. ככל שיותר הון זורם להשקעות שמצהירות שהן סביבתיות וחברתיות, היכולת לזהות תרמית ירוקה מוקדם הופכת חיונית להגנה על משקיעים, להנחיית מדיניות ולהענקת תגמול לחברות שאכן פועלות באחריות.

בחינת ההבטחות הירוקות לעומק

המחקר מתמקד בחברות הנסחרות בסין ובוחן את התנהגות ה-ESG שלהן משנת 2009 עד 2022. במקום לקבל את דוחות הקיימות של החברות כתיאור מציאותי, המחברים משווים שני סוגי דירוגים בלתי תלויים של ESG. דירוג אחד, מבית בלומברג, משקף עד כמה חברה מדווחת על נושאי ESG בדוחות ציבוריים. השני, ממערכות דירוג סיניות ובין-לאומיות, משקף עד כמה החברה פועלת בפועל בתחום ה-ESG. על ידי סטנדרטיזציה והחסרת הציונים הללו, החוקרים בונים מדד תרמית ירוקה: חברות שמדברות הרבה יותר ממה שהן עושות מסומנות כחשודות בתרמית ירוקה.

ללמד מודל לזהות דפוסי תרמית ירוקה

כדי לחרוג מממוצעים וכללי אצבע פשוטים, המחברים משתמשים בשיטת למידת מכונה מודרנית בשם XGBoost, שעוצמתה בזיהוי דפוסים בנתונים מורכבים ומבולגנים. הם מזינים את המודל ב-16 מאפיינים שונים לכל חברה. אלה כוללים בריאות פיננסית (כגון רווחים, רמות חוב, צמיחה וגודל), מבנה ממשלתי (כגון ריכוז הבעלות ומספר הדירקטורים בדירקטוריון) ולחצים חיצוניים (כגון עוצמת הרגולציה המקומית, רמת בדיקת התקשורת ותחרותיות השוק). המטרה היא לבדוק אם המודל יכול לחזות במדויק אילו חברות ישווקו-ירוק תוך שנה או שנתיים.

עד כמה ניתן לחזות מי משווק-ירוק?

המודל הטוב ביותר מסתמך על מאפייני החברה משנה קודמת. הוא מזהה נכון כ-87% מהחברות המשווקות-ירוק ומבדיל ביניהן לבין חברות שאינן משווקות-ירוק הרבה יותר טוב מהשערה אקראית. מדדים פיננסיים מתבררים כמועילים במיוחד. חברות עם שיעורי חוב קיצוניים גבוהים או נמוכים, נזילות קצרה-טווח קלה מאוד או שווי שוק יוצא דופן גבוה נוטות יותר להיקלע כמשווקות-ירוק. חברות גדולות וצומחות מהר, לעומת זאת, פחות צפויות להיות חוזות כמשווקות-ירוק—ייתכן כי החשיפה שלהן ואופק הטווח הארוך מקשים על אותות מטעות. אינדיקטורים לממשל תאגידי גם הם משמעותיים: כאשר בעל המניות הגדול מחזיק חלק גדול יותר בחברה, התרמית הירוקה נעשית פחות סבירה, אך אחוזי החזקות גבוהים בקרב מבקרי החברה מקושרים ליותר תרמית ירוקה.

לפתוח את הקופסה השחורה של בינה מלאכותית

חשש נפוץ לגבי למידת מכונה הוא שהיא עלולה להיות מדויקת אך לא שקופה. כדי להתמודד עם זה, המחקר עושה שימוש בטכניקה בשם SHAP, שמאפשרת לפצל כל חיזוי לתרומות של תכונות בודדות. במונחים מעשיים, זה אומר שניתן לומר לא רק שחברה מסוימת צפויה לעסוק בתרמית ירוקה, אלא גם שיחס ה-current ratio הגבוה מן הרגיל וחלוקת הבעלות הנמוכה היו סיבות מרכזיות לכך. הניתוח מאשר שמדדים פיננסיים, ובפרט יחס שוטף, עלויות סוכן ואופן הפצת הבעלות, נושאים משקל רב יותר מאשר מספר עובדי הממשל או גודל הדירקטוריון. המודל עדיין עובד היטב כאשר ביצועי ה-ESG נמדדים על-ידי נותני דירוג אחרים ואפילו כאשר מוחל על חברות הנסחרות בהונג קונג, מה שעשוי להעיד על עמידות הגישה מול מערכות דירוג וסביבות גילוי שונות.

מה משמעות הדבר למשקיעים ולגופי פיקוח

במונחים יומיומיים, המחקר מראה שאפשר לבנות מערכת התראה מוקדמת אמינה לתרמית ירוקה בענף ה-ESG באמצעות מידע שכבר זמין בבסיסי נתונים פיננסיים. על-ידי שילוב של דירוגי ESG מרובים עם נתוני חברות עשירים ומודל למידת מכונה שניתן לפרש, רגולטורים יכולים למקד את פעולות הפיקוח ביעילות רבה יותר, משקיעים יוכלו להימנע טוב יותר מסיפורי ESG נוצצים אך ריקים, וחברות יידרשו לחזק את טענותיהן בפעולות ממשיות. אף על פי שהעבודה מתמקדת בסין, המתכון הבסיסי — להשוות בין מה שהחברות אומרות לבין מה שהן עושות, ולהשאיר לאלגוריתמים שקופים ללמוד את הדפוסים — מציע תבנית לניקוי טענות ESG בשווקים ברחבי העולם.

ציטוט: Jianfeng, Z., Tiantian, Q. Interpretable predictive model for listed companies ESG greenwashing based on XGBoost and SHAP. Sci Rep 16, 12899 (2026). https://doi.org/10.1038/s41598-026-42004-1

מילות מפתח: תרמית ירוקה ESG, השקעות בר קיימא, למידת מכונה, ממשל תאגידי, גילוי פיננסי