arXivは2026年9月19日(現地時間)、Sourav Bose氏らが公開した研究論文において、企業による自己申告の排出量データとアルゴリズムに基づく客観的ベースラインとの乖離が、市場評価や事業収益性に統計的に有意な負の影響を与えることを明らかにした。同研究は、U.S. SECの財務データとEPAの温室効果ガス登録データを統合し、共形機械学習を適用することで、グリーンウォッシングの定量的検証を可能にする新たな指標を導入した。
本研究は、企業の持続可能性に関する開示が増加する一方で、自己申告データへの依存が金融市場をグリーンウォッシングに晒している現状に対処する。
Sourav Bose氏とTaoufik Bouraoui氏による論文では、U.S. SECの財務基本データと、施設レベルのEPA温室効果ガス登録データを融合させ、企業の物理的排出量に関する数学的に保証されたベースラインを確立した。このベースラインと自己申告データとの乖離を、グラディエントブースティングアーキテクチャとMondrian Conformal Predictionを利用して、新しいConformal-Weighted Continuous Divergence (CWCD)指標として定量化した。
この乖離が市場に与える影響を横断的なリード・ラグ計量経済学的手法で評価した結果、アルゴリズムによる排出量乖離が、その後の市場評価指標であるTobin’s Qおよび事業収益性を示すROAと、統計的に有意かつ深刻な負の関係を持つことが判明した。本研究は「市場の盲目性仮説」に反する決定的な証拠を提供し、機関投資家資本が環境に関する欺瞞を単なる倫理的逸脱ではなく、根本的な企業経営の失敗を示す先行指標として積極的に価格に織り込んでいることを証明している。これらの発見は、資産運用会社や規制当局がアルゴリズム監査インフラを大規模に展開する上で必要な定量的根拠を提供すると述べている。
参考: arXiv cs.LG (アーカイブ) — 2026年10月5日 13:00 (JST)
原文ハイライト"The Price of Greenwashing: Algorithmic Verification and Market Discipline using Conformal Machine Learning"