The Impact of ESG on Firm Idiosyncratic Risk in the Korean Market: A Machine Learning Perspective

본 논문은 한국 시장에서 기업 고유 리스크를 예측하는 데 있어 ESG의 상대적 기여도를 평가하기 위해 Interpretable Machine Learning (IML) 도구인 Shapley Additive Explanation (SHAP)을 적용하였다. SHAP는 모델 예측에 미치는 영향에 따라 다양한 요인에 공정하게 기여도를 할당한다. Random Forest 알고리즘을 사용한 분석 결과, ESG가 고유 리스크를 예측하는 데 있어 중요한 요인이지만, 다른 기업 특성에 비해 가장 지배적인 요인은 아닌 것으로 나타났다. 특히 배당금을 지급하는 기업, 레버리지가 낮은 기업, 규모가 큰 기업은 고유 리스크가 낮은 경향이 있다. 이 연구는 또한 ESG, 기업 규모, 레버리지, 배당금 지급과 고유 리스크 사이의 복잡한 상호작용을 밝혀냈다. 낮은 ESG 점수인 배당금을 지급하지 않는 기업은 더 높은 고유 리스크를 겪으며, 낮은 ESG 점수를 가진 소규모 기업도 마찬가지다. 또한, 레버리지가 높은 기업은 ESG 참여가 낮을 때 고유 리스크에 더 취약한다. 전반적으로, 연구 결과는 ESG 참여가 기업 고유 리스크를 관리하는데 중요한 역할을 한다는 것을 시사한다.