การศึกษาขั้วอารมณ์ (sentiment analysis) ของการเปิดเผยด้าน ESG ของบริษัทที่ได้รับการคัดเลือกเป็นหลักทรัพย์ที่ถูกคำนวณในดัชนี SETTHSI เฉพาะกลุ่มทรัพยากร (resource)

แนวคิดเรื่อง ESG กำลังได้รับความนิยมในช่วงหลายปีที่ผ่านมา นักลงทุนเลือกนำ ESG มาใช้เป็นเกณฑ์ในการตัดสินใจลงทุนที่เกี่ยวกับประเด็นด้านความยั่งยืนซึ่งสามารถศึกษาการเปิดเผยข้อมูล ESG ได้ผ่านรายงานประจำปีหรือแบบฟอร์ม 56-1 One Report อย่างไรก็ตามเนื้อหาในรายงานประจำปีมีข้อความเป็นจำนวนมากซึ่งทำใช้เวลาในการวิเคราะห์ด้วยตนเองเป็นเวลานาน เพื่อเผชิญกับปัญหาดังกล่าว งานวิจัยชิ้นนี้จึงได้นำโมเดล Transformers ซึ่งเป็นหนึ่งในศาสตร์ของ Machine Learning เข้ามาใช้ในการประมวลผลและจัดการกับข้อมูลประเภทข้อความ (Text) ที่มีอยู่จำนวนมากภายในรายงานประจำปี งานวิจัยชิ้นนี้มีจุดประสงค์เพื่อให้นักลงทุนได้รับรู้วิธีการวิเคราะห์ข้อความ (Textual Analysis) ของการเปิดเผยข้อมูลด้าน ESG ซึ่งเป็นวิธีการวิเคราะห์ที่นอกเหนือจากการวิเคราะห์ตัวเลขทางการเงิน ผ่านการพัฒนาโมเดลภาษาที่มุ่งเน้นเฉพาะด้าน ESG ที่อยู่ภายในรายงานประจำปี จากนั้นจึงทำประเมินผลของประสิทธิภาพโมเดลที่มุ่งเน้นไปที่ด้าน ESG โดยเฉพาะเทียบกับโมเดลที่มุ่งเน้นโดยภาพรวม พบว่าโมเดลที่มุ่งเน้นเฉพาะด้าน ESG มีความแม่นยำในการทำนายที่สูงกว่า ขั้นถัดมาจึงได้นำโมเดลเฉพาะด้าน ESG นี้มาใช้ในการทำ Sentiment Analysis ของการเปิดเผยข้อความระหว่างปี 2563-2565 ของบริษัทในกลุ่มทรัพยากรจำนวน 27 บริษัท ผลการศึกษาพบว่าบริษัทส่วนใหญ่ให้น้ำหนักไปกับการเปิดเผย Aspect ด้าน ESG ไปที่ด้าน Social มากที่สุด และมีการเปิดเผย Sentiment ของข้อความด้าน ESG ไปในขั้วที่เป็นกลาง (Neutral)