Analysis of Long-Term Trends in the Impact of ESG Performance on Corporate Value and a Comparison of the Predictive Performance of Machine Learning Models

본 연구에서는 시계열 데이터를 활용하여 ESG(Environment, Social, Governance) 성과가 기업 가치에 미치는 영향을 분석하고, 머신러닝 모델을 통해 예측 성능을 평가하였다. 이를 위해 2011년부터 2023년까지의 재무 및 ESG 성과 데이터를 수집하여 3년 롤링 윈도우 기반의 회귀분석을 수행하였다. 분석 결과, 각 ESG 구성요소가 기업 가치에 미치는 시계열적 영향은 일정하지 않으며, 제도적 변화, 사회적 인식의 변화, COVID-19 팬데믹 등 외생적 요인에 따라 변동함을 확인하였다. 첫째, 관련 제도 및 규제 체계가 미비했던 초기에는 환경 성과가 기업가치에 유의미한 영향을 미치지 않았다. 그러나 COVID-19 팬데믹 기간에는 환경 투자가 수익성에 부담으로 인식되어 환경 성과가 기업 가치에 부정적인 영향을 준 것으로 분석되었다. 둘째, 팬데믹 이전에는 사회 성과가 기업 가치에 긍정적인 영향을 미쳤으나, 그 효과는 점차 약화되었다. 팬데믹 이후 사회적 책임 수행의 중요성이 재강조되면서 사회 성과의 영향력이 일시적으로 증가하였으나, 이후 다시 감소하는 경향을 보였다. 셋째, 지배구조가 기업 가치에 미치는 영향은 초기에는 미미하였으나, 팬데믹 이후 지배구조가 위험 대응 메커니즘으로 인식되면서 기업 가치에 대한 영향력이 강화되었다. 넷째, CatBoost 모델은 기존의 선형 회귀모델에 비해 ESG 성과를 기반으로 한 기업 가치 예측에 있어서 우수한 성능을 나타냈으며, 3년 롤링 윈도우 데이터를 활용할 때 예측 정확도가 더욱 향상되었다. 본 연구는 ESG가 기업가치에 미치는 동적 영향을 심층적으로 분석하고, 머신러닝 모델의 예측 역량을 비교함으로써 ESG 전략 수립 및 기업 가치 예측 분야의 발전에 기여하고자 한다.