XGBoostとSHAPに基づく上場企業のESGグリーンウォッシングを説明可能に予測するモデル

企業の「グリーン」主張が重要な理由

企業が環境や社会面での成果を誇るとき、投資家や一般の人々は問う必要があります：これは実際の進展なのか、それとも巧妙なマーケティングに過ぎないのか。このイメージと現実の乖離をグリーンウォッシングと呼びます。環境・社会に配慮すると謳う投資に資金が流入するなかで、グリーンウォッシングを早期に見抜けることは、投資家を守り、政策を導き、真に責任ある企業を評価するために不可欠です。

グリーンの約束の中身を覗く

本研究は中国上場企業を対象に、2009年から2022年までのESG行動を検討します。企業のサステナビリティ報告をそのまま受け取るのではなく、著者らは独立した2種類のESG評価を比較します。1つはブルームバーグによるもので、企業が公的報告でどれだけESG情報を開示しているかを捉えます。もう1つは中国および国際的な格付機関によるもので、実際に企業がESG課題でどれだけ成果を上げているかを示します。これらのスコアを標準化して差を取ることで、研究者たちはグリーンウォッシング指数を構築します：報告で語る量が行動より著しく多い企業が、グリーンウォッシャーとして示されます。

グリーンウォッシングのパターンを認識するモデルを教育する

単純な平均や経験則を超えるために、著者らはXGBoostという現代的な機械学習手法を用います。これは複雑で雑多なデータ内のパターンを見つけるのに優れています。モデルには各企業について16の異なる特徴を入力します。これには利益、負債水準、成長、規模などの財務健全性、所有集中度や取締役数などのガバナンス構造、地域の規制の厳しさ、メディアの監視の強さ、市場競争の激しさといった外部からの圧力が含まれます。目的は、モデルが1年後または2年後にどの企業がグリーンウォッシングを行うかを正確に予測できるかどうかを評価することです。

誰がグリーンウォッシングをしているかどれくらい予測できるか？

最も性能の良いモデルは前年の企業特性に依拠しています。このモデルは約87％のグリーンウォッシャーを正しく識別し、無作為な推測よりもはるかに良くグリーンウォッシャーと非グリーンウォッシャーを区別します。財務指標が特に情報量が多いことが分かりました。極端に高いまたは低い負債負担、短期流動性が非常に高い、あるいは異常に高い市場評価を持つ企業はグリーンウォッシャーとしてフラグが立ちやすい傾向があります。一方で、規模が大きく成長が速い企業は、可視性や長期的見通しが欺瞞的なシグナルを出すリスクを高めるため、グリーンウォッシャーと予測されにくいことが示されました。ガバナンス指標も重要で、最大株主の持株比率が高いほどグリーンウォッシングは起きにくくなる一方で、監督的立場の内部関係者の持ち株が高い場合はグリーンウォッシングが多くなる傾向が見られます。

人工知能のブラックボックスを開く

機械学習は正確でも不透明であるという懸念がよくあります。これに対処するために、本研究ではSHAPという手法を用いており、各予測を個々の特徴の寄与に分解できます。実務上は、ある企業がグリーンウォッシングであると結論づけるだけでなく、たとえば異常に高い当座比率や低い所有集中度が主要な理由であった、と説明できるわけです。分析は、特に当座比率、エージェンシーコスト、所有配分が、ガバナンスの人員数や取締役会の規模よりも大きな重みを持つことを確認します。ESGパフォーマンスを代替の評価機関で測定した場合や香港上場企業に適用した場合でもモデルは良く機能し、異なる評価体系や開示環境に対して手法が堅牢であることを示唆します。

投資家や監視機関にとっての意味

平たく言えば、本研究は既に金融データベースで広く入手可能な情報を用いて、ESGグリーンウォッシングの信頼できる早期警報システムを構築できることを示しています。複数のESG評価と豊富な企業データを解釈可能な機械学習モデルと組み合わせることで、規制当局は監督をより効率的に標的化でき、投資家は見かけ倒しのESG物語を回避しやすくなり、企業は主張を実際の行動で裏付ける圧力に直面するでしょう。本研究は中国に焦点を当てていますが、基本的な手順――企業の言うこととすることを比較し、透明なアルゴリズムにパターンを学習させる――は世界の市場でESG主張を改善するための設計図を提供します。

引用: 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

キーワード: ESGグリーンウォッシング, サステナブル投資, 機械学習, コーポレートガバナンス, 財務開示