[发明专利]ESG评价方法、系统、电子设备及存储设备

权利要求书

1.一种ESG评价方法，其特征在于，包括：

获取待评价企业的各评价指标的指标数据；所述各评价指标包括一级指标、所述一级指标下的二级指标以及所述二级指标下的三级指标，所述一级指标包括社会责任、环境保护以及公司治理；

基于所述指标数据以及所述各评价指标对应的权重，确定所述待评价企业的评价得分；所述各评价指标对应的权重采用层次分析法或统计建模法确定。

2.根据权利要求1所述的ESG评价方法，其特征在于，所述各评价指标对应的权重采用层次分析法确定，包括：

基于所述各评价指标，建立层次结构模型，并基于所述层次结构模型中各层次的评价指标的相对重要性，构造判断矩阵；

基于所述判断矩阵，分别对所述各层次的评价指标进行层次单排序及一致性检验，并分别对所述各层次的评价指标进行层次总排序及一致性检验，得到所述各评价指标对应的权重。

3.根据权利要求1所述的ESG评价方法，其特征在于，所述各评价指标对应的权重采用统计建模法确定，包括：

获取样本企业的各评价指标的样本指标数据，并确定所述样本企业的评价得分标签；

提取所述各评价指标的指标特征，并将每个指标特征进行分箱，得到多个特征箱；

计算所述多个特征箱的证据权重，基于所述多个特征箱的证据权重，对所述指标特征进行筛选，得到目标指标特征；

基于所述目标指标特征以及所述样本企业的评价得分标签，对逻辑分类模型进行训练，得到训练后的逻辑回归模型，并将所述训练后的逻辑回归模型中所述目标指标特征对应的权重作为相应评价指标对应的权重。

4.根据权利要求3所述的ESG评价方法，其特征在于，所述提取所述各评价指标的指标特征，包括：

基于LR模型以及GBDT模型，对所述各评价指标的样本指标数据进行特征提取，得到所述各评价指标的指标特征。

5.根据权利要求3所述的ESG评价方法，其特征在于，所述逻辑分类模型中的可调参数包括最大训练轮数、学习率、L1正则项系数以及L2正则项系数。

6.根据权利要求3所述的ESG评价方法，其特征在于，所述基于所述目标指标特征以及所述样本企业的评价得分标签，对逻辑分类模型进行训练，得到训练后的逻辑回归模型，包括：

基于所述目标指标特征以及所述评价得分标签，对逻辑分类模型进行多轮训练，每轮训练得到的逻辑回归模型均基于效果指标的取值进行分类性能评价，并确定所述效果指标的取值在预设范围内时的逻辑回归模型为所述训练后的逻辑回归模型；

其中，所述效果指标包括ROC曲线下与坐标轴围成的面积AUC和/或KS。

7.根据权利要求1-6中任一项所述的ESG评价方法，其特征在于，所述获取待评价企业的各评价指标的指标数据，包括：

采用爬虫程序、语义分析算法以及自然语言处理算法中的一种，从所述待评价企业的信息源中提取所述各评价指标的指标数据。

8.一种ESG评价系统，其特征在于，包括：

数据获取模块，用于获取待评价企业的各评价指标的指标数据；所述各评价指标包括一级指标、所述一级指标下的二级指标以及所述二级指标下的三级指标，所述一级指标包括社会责任、环境保护以及公司治理；

ESG评价模块，用于基于所述指标数据以及所述各评价指标对应的权重，确定所述待评价企业的评价得分；所述各评价指标对应的权重采用层次分析法或统计建模法确定。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的ESG评价方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的ESG评价方法。