從碎片化 ESG 數據中取得可審計的氣候風險智慧：確定性編排與失衡感知學習

研究論文提出了一個確定性氣候風險智慧框架，旨在解決 ESG 和氣候風險數據在異質報告環境中的碎片化問題。該框架整合了單一事實來源編排、時間異常檢測、失衡感知集成學習和面向解釋的治理，以支持可審計的 ESG 驗證。為了支持開放可重現性，作者構建並發布了一個合成 ESG 驗證基準，該基準校準了公開報告的 GHG Protocol、PCAF 和 ISSB 標準的特徵。方法論包括時間漂移分析、基於 SMOTE 的稀有事件優化、集成學習、溯源感知編排和基於 TreeSHAP 的可解釋性，用於治理檢查和審計重建。框架針對統計分類器、異常檢測方法、時間預測基線和基於閾值的系統進行評估，使用分類指標如召回率、F1 和 ROC AUC，校準指標如 ECE 和 Brier 分數，以及一個治理導向的審計追蹤完整性指標。結果以分層五折交叉驗證的均值和標準差報告，並進行配對顯著性檢驗。該框架將 ESG 報告重新定義為支持可重現性、可解釋性和操作可審計性的確定性氣候風險治理基礎設施。