基于ChatGPT的ESG評級體系實現機制研究

【摘 要】 ChatGPT-4的進步技術，特別是情感分析和關鍵字提取功能，對于構建針對市場的GPT-ESG評估框架起到了關鍵作用。本項研究應用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行了深入研究，這些報告包括但不限于可持續發展報告、ESG報告和財務報告中專注于分析公司治理、環境保護以及社會責任方面的內容。研究結果顯示，ChatGPT-4生成的數據與國內三大評級機構的標準化評級結果高度相關且差異較小。通過運用ChatGPT-4技術對A股上市公司進行客觀而高效的評級，不僅促使企業提供更加公正的報告，還為投資者在評估公司的環境、社會和治理（ESG）實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在金融領域應用的潛力，特別是在促進公平、透明的企業評估方面的重要作用。

【關鍵詞】 評級機構； 文本分析； 情感值； 機器學習； 自然語言處理； ChatGPT； ESG

【中圖分類號】 F230 【文獻標識碼】 A 【文章編號】 1004-5937（2025）01-0087-07

一、引言

如今越來越多的企業和投資者開始重視ESG的披露與評級，但企業的ESG披露仍處于自愿階段，缺乏統一的行業信息披露標準。ESG強調對環境的關注，是有效推進碳中和目標的重要手段之一[1]。

截至2023年6月30日，A股貨幣金融業上市公司總數為44家，其中有43家公司發布了與環境、社會和公司治理（ESG）相關的報告，披露率達到97.73%[2]。目前國內主流ESG評級機構有華證、商道融綠和萬得等。不同ESG評級機構對同一家公司的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]。在數字經濟時代，傳統的財務處理方式難以滿足企業管理的需求，需要一個更加統一、客觀的ESG評級標準來對A股上市的企業進行評級，ChatGPT的自動化處理和語義理解等能力為財務人員提供了新的機會，可以更好地優化各種財務場景，提高財務處理的準確性和效率[4]。因此，可以設想采用ChatGPT-4的新技術來完善A股上市企業的ESG評級體系，而這一設想的成功會使公司披露更加公正、客觀的可持續報告，增強投資者對公司的信心。

對話生成式預訓練模型（Chat Generative Pre-trained Transformer，ChatGPT）的問世無疑具有重要意義，其憑借精準的語義理解、強大的語言表達和嚴密的邏輯思維，對新聞媒體、教育培訓、客戶服務與支持、法律服務等行業都帶來了顯著影響[4]。ChatGPT-4的出現確實有可能顯著減少金融和會計研究人員在應用最先進的自然語言處理模型時面臨的技術障礙。ChatGPT-4的強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復雜的自然語言處理算法和模型，只需投入最少的技術，便可直接使用ChatGPT-4來分析和處理金融和會計領域的文本數據[5]。這種轉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據，更專注于解決金融和會計領域特定的問題和迎接挑戰，從而深入研究和探索新的課題，加速學術和商業研究的進展。

二、文獻綜述

（一）ESG與利益相關者的影響

ESG涵蓋了多個方面，包括環境、社會和公司治理。在環境方面，主要關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、商業道德和腐敗等方面的監督與管理[3]。 et al.[6]提出通過企業社會責任或可持續報告中的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模式的可持續性，并對其長期目標進行評估[8]。除投資者之外，企業、研究人員甚至監管者都依賴于ESG評級機構來評估企業的ESG表現[3]。

ESG評級機構更加關注從非財務角度考察企業的價值和社會影響，對企業的經濟效益和社會效益進行綜合評價。在“雙碳”目標下，推動生產和生活方式向綠色轉型可能在短期內無法直接反映在企業的財務指標上，這導致ESG評價的維度逐漸成為企業另一個重要的績效衡量標準，對企業的估值和融資成本產生影響[9]。

通過ESG評價，企業的各利益相關者可以通過閱讀企業的財務報告，了解企業的可持續發展情況，推動企業履行社會責任[4]。優秀的ESG表現有助于企業提升聲譽，利用綠色金融產品降低融資成本，增強抗風險能力，進而提高財務利潤水平。政策和行業協會的引導也逐步將ESG投資打造成主流的投資方式[1]。

（二）ESG評級體系現狀

目前，ESG評級在財經新聞、監管和政策辯論、學術研究等方面具有顯著的影響，同時也成為投資實踐中備受關注的熱門話題。這些評級越來越多地在機構投資者的投資決策中發揮著重要作用。

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注。ESG評級差異較小的股票，其平均ESG評級與未來股票表現呈負相關關系；而ESG評級差異越高的公司，其股票收益越高[10]。因此，ESG評級差異影響企業的未來表現以及投資者的心理，而ESG評級差異是由不同的評級機構采用不同的評級標準造成的。ESG評級差異對于學術研究結論的普適性具有重要影響，同時也為資產管理者在實施ESG投資策略時帶來了挑戰[10]。

在信息披露、績效評級和投資指導方面，ESG評級能夠為實現“雙碳”目標提供更為全面的評估框架。然而，目前仍面臨著ESG披露標準不貼近本土價值觀、缺乏有影響力的ESG評價體系以及ESG投資產品數量有限等挑戰[9]。ESG評級通過從不同的來源和報告標準收集和匯總信息，為投資者提供服務，來源和報告標準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[11]。

不同評級機構對同一家企業的ESG評級結果是不同的。不同評分者之間的分歧對實證研究提出了挑戰，因為使用不同評分者的評級結果可能會導致研究結果和結論的變化。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成了挑戰[11]。

由于缺乏一致性，ESG評級的有效性受到了質疑，可能會引發一系列不良后果：首先，評級差異可能會影響可持續投資決策的準確性，給計劃將ESG維度納入投資策略的投資者帶來挑戰，并導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致不確定性溢價，以彌補額外的風險，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提高ESG績效的動力，因為將大量資源用于導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術研究中數據分析的基礎，導致結論的不一致[3]。

對于ESG評級的結果，不同機構發布的ESG評級的有效性和一致性在實踐和研究中備受批評[3]。

（三）文本情感分析與ESG關鍵詞

在對文本信息中包含的ESG內容進行分析時，通常會采用兩種方法：一是統計ESG關鍵詞在文本中的出現次數，二是對文本中關于ESG的情感進行分析，即ESG情感[5]。這些分析結果有助于推動企業更好地履行社會責任，以及為投資決策提供更多的參考信息。

隨著人工智能技術的不斷進步，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，使得基于機器學習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、情緒或態度等信息為目標。通過自然語言處理技術和機器學習算法，對文本進行情感分類，將其劃分為正面、負面或中性情感等級，進行有監督的機器學習[13]。通常，這項任務會被形式化為二元或多類分類問題，即將情感類別標簽分配給給定的文本[14]。

每個對話都被附加上一個情感標簽，用于表示對話的情感傾向，即是積極的還是消極的[15]。這項技術在社交媒體監測、市場調研和輿情分析等領域有廣泛的應用。然而，從文本信息中提取情感值在技術上確實具有挑戰性。通常，這需要使用帶標簽的數據集來訓練神經網絡模型，訓練好的模型可以用于對文本信息的情感值進行判斷[5]。

而ESG評級與關鍵字的提取技術密切相關。兩個ESG評級之間的差異主要包括范圍、測量和權重的分歧[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來衡量相同的屬性，從而導致測量結果的差異。而權重分歧則是由于兩個評分者對同一指標使用不同的權重進行加權求和所引起的。測量散度的貢獻最大，占比為56%，其次是范圍散度和權重散度，分別占比為38%和6%。范圍和權重反映了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，而權重的差異似乎起到了較小的作用。

（四）ChatGPT-4技術對ESG評級的設想

針對缺乏專業計算機編程背景的人來說，應用機器學習模型通常具有挑戰性。然而，ChatGPT-4提供了一種通過多語言對話交互來完成任務的方法，消除了技術性深入研究課題的障礙，使得使用機器學習模型變得更加簡單[5]。因此，即使是非專業人士也能夠輕松地利用ChatGPT-4的強大功能和用戶友好的交互方式，在更廣泛的應用領域中使用機器學習模型，并將其推廣普及。

Cao et al.[5]進一步研究發現，ChatGPT-4技術可以解決文本情感分析、ESG關鍵詞分析等問題。這是因為ChatGPT擁有出色的語言理解能力，可以精準地根據指令完成特定任務，并展現出優秀的可控文本生成能力，ChatGPT-4在生成所需關鍵字列表方面的效果非常好。可以使用Alphabet在2022年發布的可持續報告來評估ESG關鍵詞百分比和ESG情緒，ESG關鍵詞的數量可以調整為20個、50個甚至100個[5]。從結果來看，ChatGPT-4確實具備生成關鍵詞列表后，能夠根據這些關鍵詞來分析文本并生成與關鍵詞相關的情感值的能力[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）技術和語義分析等方法，以算法為指標分配值，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性，探討ChatGPT-4中新技術的發展潛力，以期未來能直接運用ChatGPT-4對企業的ESG進行評級。研究結果表明，ChatGPT-4在對文本內容進行定量和邏輯分析方面具有高度準確性和高效性。

三、實驗數據及方法

（一）樣本選擇與數據來源

研究范圍專注于2022年12月進行ESG評級的滬深A股上市公司。這樣的選擇源于綠色債券、ESG指數等綠色金融產品方面相對起步晚，以及ESG概念在近年才逐漸受到廣泛重視[4]。總計有710個公司觀測值。國內三家評級機構的數據來源于華證、商道融綠、萬得數據庫。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）數據處理

為保證所選數據的有效性和結果的準確性，對選定樣本進行了以下處理：在實驗中對三家評級機構的關鍵指標進行了重新處理。

而量化三家評級機構的評級標準都不同，許多學術研究的做法是，將KLD的優勢和關注點分別總結，并對可用的總優勢和關注點數量進行加權，從而形成了一個范圍從-1到+1的規模。

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，進行了如下工作：在每個時間點，根據評級機構對所有股票的評級結果，對這些股票進行排名。接著，計算個別評級的特定百分位等級，并將其作為經過調整的分數。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際投資做法。在存在關聯的情況下，為每家公司分配了平均排名。然后，對這些等級進行標準化，使其范圍在-1到1之間，因為ChatGPT文本情感分析的價值區間也在（-1，1）。由于本實驗已經將數據進行標準化處理，樣本中的原始變量就避免了將其在上下2%的水平上進行縮尾（Winsorize）處理，也避免了極端異常值對結果的影響[5]。

此外，數據的標準化處理以及后續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行數據清洗、標準化和轉換，從而避免無關信息對后續處理和分析造成干擾。具體來說，它可以實現去除HTML標簽、特殊字符等操作，同時進行文本分詞、大小寫化、中英文互譯、正則表達式匹配等操作。ChatGPT還能夠識別和分析數字、文本、圖像和視頻等多模態內容。它不僅可以處理文本數據，還可以理解和處理其他類型的信息，為多領域的應用提供支持

（三）生成情感價值

參考Cao et al.[5]的實驗步驟，在ChatGPT-4中使用特定指令形成了20個關鍵字：1.可持續發展，2.氣候變化，3.碳足跡，4.可再生能源，5.綠色金融，6.企業社會責任，7.多樣性和包容，8.員工福利，9.供應鏈管理，10.環境影響評估，11.社區發展，12.透明度，13.反腐敗，14.風險管理，15.數據保護，16.能源效率，17.廢物減少，18.水資源管理，19.合規性，20.道德采購。此20個關鍵字與3家ESG評級機構的議題和二級指標（基于本土三家評級機構2022年的評級方法論）相對應。

ChatGPT-4知道如何根據剛剛生成的ESG關鍵詞列表來分析文本并生成與關鍵詞相關的情感值。之后，使用2022年A股企業ESG披露報告來評估ESG情緒（圖2）。三家評級機構都對華僑城（代碼：000069）有ESG評分的數據。2022年華僑城ESG報告的頁數為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個關鍵字，根據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進行分析，輸入的指令與上述指令相似：

“在-1到1的范圍內，其中-1非常負面，1非常正面，對于以上PDF文本，基于已生成各項關鍵字的情緒值分析，上述生成的ESG關鍵字列表的情感估計值（保留兩位小數）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準文本字符，導致無法有效進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頁的可持續報告轉化為TXT（使用OCR識別），然后這些文本將被切割成片段、分別讓ChatGPT-4進行分析，文本中與ESG無關的內容將會被排除，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，其中-1非常負面，1 非常正面，對于以上文本，上述生成的ESG關鍵字列表整體的情感估計值（保留兩位小數）是多少。”

這些值介于-1到1之間，其中-1表示最負面，1 表示最正面。有些公司沒有可持續報告或者ESG報告，就用該公司2022年度報告中的“公司治理”“環境與責任”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股企業可持續報告的關鍵字以及ESG披露報告的情緒值。之后再參考之前Liu[3]的做法，在ChatGPT的對話框內將（-1，1）之間的情緒值標準化到（1，10）之間，這樣做是為了方便對數據進行后續的分析。研究范圍和測量差異主要通過關鍵字的出現頻次以及ESG披露報告中情緒值的差異來進行衡量。關鍵字差異是由企業報告中ESG關鍵字出現的頻次與ChatGPT生成ESG關鍵字列表的差異決定的。此處不考慮權重差異，所有結果均為均值。因為權重差異對評級結果的作用較小，且不同機構對于權重的設置也不同，后續也可以人為地設置權重，來縮小ChatGPT-4與傳統評級機構的評級差異。

（四）描述性和相關性統計分析

由于ChatGPT-4生成的僅僅是情緒值，而ChatGPT-4用于實驗的最終生成值和國內三家本土評級機構的差異可以參考Berg et al.[11]的實驗結果來體現：

GPT score=38%Δscope+56%Δmeas+6%Δweig|ts （1）

其中，Δscope表示范圍差異，在ChatGPT中用關鍵字百分比來衡量；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表示商道融綠標準化后的評級數值，ratingagency2表示萬得標準化后的評級數值，ratingagency3表示華證標準化后的評級數值，GPT表示由公式1得出的GPTscore。上述數據的標準差將體現ChatGPT生成值和評級機構的差異。

對ChatGPT生成的結果與三家評級機構標準化后結果的相關性分析如表2。

（五）單因素方差分析

描述性統計分析和相關性統計分析已經評估了數據的整體差異和關聯性。通過描述性統計，可以了解數據的分布特性，包括中心趨勢和離散度。相關性分析則提供了不同變量間相互關系的量化評估。進一步的，通過計算和比較組間變異（不同組之間的差異）與組內變異（同一組內部的差異），單因素方差分析（ANOVA）為本研究提供了判斷不同組平均數之間差異的統計顯著性的方法。本研究分別對ratingagency1、ratingagency2、ratingagency3和GPT生成的評級數值之間的差異進行了顯著性檢驗，以便評估chatGPT-4的生成值和三家評級機構的評級數值是否存在統計學上的顯著差異。表3—表5是單因素方差分析的結果。

四、實驗結論

從表1的結果來看，ChatGPT生成的均值和華證的評級結果最為接近，接近7.6，整體差異不大。再看表2的結果，GPT生成值和商道融綠標準化后的評級數值的相關系數為0.1167，p值<0.01，這表明商道融綠和GPT的生成值之間99%以上存在相關性；GPT生成值和萬得標準化后的評級數值的相關系數為0.1105，p值<0.01，這表明萬得和GPT的生成值之間99%以上存在相關性；GPT生成值和華證標準化后的評級數值的相關系數為0.0814，p值<0.05，這表明萬得和GPT的生成值之間95%以上存在相關性。表3顯示卡方統計量（chi2）為8.2669，自由度為5，對應的P值（Prob>chi2）為0.142。P值大于0.05，說明沒有足夠的證據拒絕方差相等的零假設，可以認為不同組的方差是相等的。表4的卡方統計量為155.7114，P值為0.895。同樣的，沒有證據表明方差不相等。表5的卡方統計量為100.5448，P值為0.997，這也不支持方差不等的假設。因此，單因素方差分析再次說明了GPT生成值和三家本土機構的數值間差異較小。在整體差異較小且相關性較高的情況下提出的未來使用ChatGPT-4對ESG評級機構進行評級的設想是可行的。

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

五、貢獻及未來研究方向

（一）貢獻

投資于可持續實踐的公司表現出更強的財務業績，從長遠來看，優先考慮社會責任的公司實際上可以在經濟上受益；與同行相比，擁有強大治理的公司擁有更高的股本回報率和更低的破產風險。更精確、客觀的ESG評級能夠更有效地幫助投資者進行明智的投資決策。

若GPT提取關鍵字的相關性較高且情感賦分比較精確（精確度的衡量在于與評級機構相關性較高且整體差異較小），那么未來人工智能領域的研究方向就可以是：對現有版本的ChatGPT-4做進一步的升級，讓投資者直接使用ChatGPT-4對企業ESG進行評分：底層技術就是考慮現在的文本情感分析和關鍵字提取技術，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學術研究的未來帶來問題，相反，它可能成為這些學科領域更廣泛、更深入地接受人工智能和機器學習技術新的推動力。GPT的出現可能從心理學的角度開始建立對人工智能和機器學習技術的接受共識。同時，GPT-4的出現也顯著降低了機器學習在金融和會計領域應用的技術門檻[5]。

（二）未來研究方向

ChatGPT-4的文本分析技術并不僅僅可以用來初步評判、質疑企業ESG報告的客觀公允，還可以應用于更多的披露信息，如年報、發行的債券評級報告等，進一步規范金融市場。

（三）不足之處

ChatGPT的出現取代了大部分基層財務人員及ESG評級人員的工作，這將從整體上減少財務部門對于財務人員的需求，可能導致部分財務人員失業[4]。甚至多家評級機構也會逐漸減少人為的評級，變成人工智能進行評級。因此，確保勞動者能夠接受新技能培訓并獲得新興產業的就業機會變得至關重要。最后，ChatGPT的發展也引發了對偏見和公平性的擔憂。與任何人工智能技術一樣，ChatGPT的訓練數據可能存在偏差，影響其回應，并導致歧視問題。因此，確保訓練數據的多樣性以及在模型部署之前進行偏差檢測變得至關重要[15]。在使用ChatGPT時應當謹慎，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的問世對于數據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ChatGPT時已經設定了積極的價值觀以預防其被用于惡意目的，但仍有網絡攻擊者可能繞過ChatGPT內置的防濫用規則，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絡安全威脅和漏洞，提供可行的建議。這可以幫助組織更好地應對不斷變化的網絡安全挑戰[4]。

本研究聚焦于A股市場上市的企業，涵蓋了眾多行業。要考慮各行業ESG評級的差異，就需引入行業月固定效應和各項標準特征[10]。然而，截至目前，ChatGPT-4的分析尚未調整不同行業間的差異，因此本研究未涉及行業差異的調整。這也指出了ChatGPT-4未來實現更準確評級的潛在發展方向之一。同時，三家評級機構的方法論每年都有所調整，本研究只能基于新的評級標準和可持續報告，無法進行多時間維度的分析。此外，ChatGPT-4在分析時需經歷多次訓練和嘗試才能得出具體的情感值，這對分析的準確性和用戶體驗提出了挑戰。

此外，盡管GPT-ESG評級體系可以提供有價值的信息，但仍需謹慎對待其結果。由于自然語言處理技術的限制，評級結果可能會受到文本語境等因素的影響，因此仍需結合其他信息和專業判斷進行綜合分析。如果因為錯誤的結果導致投資者作出錯誤的決策，使得誰應該承擔這一錯誤的責任成為一個值得質疑的問題，所以，法律層面應該更加明確地界定問責機制，以確保在這種情況下有明確的責任分配和追究機制。

因此，在運用ChatGPT-4進行文本情感分析、關鍵詞提取以及ESG評級的同時，開發者需要制定恰當的措施來最大限度地減少潛在的威脅，并充分挖掘其在信息安全防御方面的潛力，ChatGPT-4也需要不斷地進行更新來適應人們的需求。

【參考文獻】

［1］ 錢燕珍.在促進“雙碳”目標下發揮ESG投資的思考［J］.時代金融，2022（8）：61-62，69.

［2］ 黃宗彥.ESG評級領先市場超九成A股金融公司披露相關報告［N］.每日經濟新聞，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對智能財務體系的影響：場景優化、技術革新與人員轉型［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對財務分析的影響及對策研究［J］.會計之友，2023（16）：156-封三.