Automated Identification of Climate Risk Disclosures in Annual Corporate Reports
企业年报中气候风险披露的自动识别AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究文本披露识别与描述性趋势，未明确估计尾部或系统性风险，也未提供所列其他方向的方法依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
企业年报中气候风险披露的自动识别
- 研究问题
- 如何自动识别企业年报中不同类型的气候风险披露，并描述披露随时间、行业和国家变化的特征及其潜在监管关联？
- 方法与思路
- 作者使用逾一百二十份人工标注的欧洲企业年报训练机器学习识别方法，再分析三百三十七家企业过去二十年的披露情况。
- 材料陈述的贡献
- 摘要称，风险披露总体增加，转型风险披露增长快于物理风险且存在行业差异；国家动态提示监管环境可能具有作用。
- 阅读关注点
- 核对五类风险的定义与标注一致性、训练和验证样本的划分、跨年份识别准确度，以及监管关联是否有因果识别支持。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出分类准确度或政策识别设计，披露变化不能确定监管的因果效果。
原文摘要
It is important for policymakers to understand which financial policies are effective in increasing climate risk disclosure in corporate reporting. We use machine learning to automatically identify disclosures of five different types of climate-related risks. For this purpose, we have created a dataset of over 120 manually-annotated annual reports by European firms. Applying our approach to reporting of 337 firms over the last 20 years, we find that risk disclosure is increasing. Disclosure of transition risks grows more dynamically than physical risks, and there are marked differences across industries. Country-specific dynamics indicate that regulatory environments potentially have an important role to play for increasing disclosure.