訴訟風險與自願性碳排放揭露
摘要
在全球永續發展趨勢下，企業永續報告書所提供資訊已成為各利害關係人檢視企業永續經營表現及進行投融資決策等之重要參考依據。在過去幾年中，企業加強了永續發展方面的努力，自願揭露ESG相關信息的數量顯著增加。然而，ESG揭露可以讓股東了解公司對社會的貢獻，但也可能因為揭露不實，造成漂綠（Greenwashing）問題，使公司面臨訴訟風險和相關罰款。例如，埃克森美孚公司因故意誤報和遺漏有關氣候變化風險的信息而被指控，並通過宣傳自己致力於解決環境問題的清潔能源公司形象誤導了消費者和投資者。
當利益相關者與公司之間的信息不對稱時，就可能容易發生企業訴訟，在歐美常有和ESG揭露不實的訴訟。根據美國證券交易委員會（SEC）第10b-5條規則，公司因發表虛假或誤導性陳述以及未及時公佈重要信息而被起訴。股東訴訟的恐懼影響了公司的揭露模式，並鼓勵公司提高揭露質量。然而，訴訟對公司來說是代價高昂的，包括準備訴訟所需的大量時間和費用（如律師費和和解金）以及財務和聲譽上的損失。在大多數企業訴訟案例中，聲譽損失是最嚴重的懲罰，可能導致股價下跌和市場價值損失。因此，公司試圖採取戰略行動以避免或減輕訴訟成本，例如參與企業社會責任活動。
越來越多的公司在公司聲明、網站和報告中揭露其CSR或環境、社會和治理（ESG）績效。公司自願進行此類揭露的原因包括提高企業聲譽並贏得或保持利益相關者的支持，以及ESG揭露對市場表現的直接和間接影響。此外，日益增加的ESG需求促使公司發布ESG報告。在有效市場假設下，證據表明，社會責任信息使投資者能夠更準確地進行風險管理和資產估值，從而迅速增加了對企業ESG績效的需求。
ESG報告通常包含數百頁詳細信息，範圍涵蓋各種報告、聲明和文件。解讀揭露的定性信息的難度使公司能夠利用綠色清洗手法，不僅使用象徵性報告策略，還表達誤導性的可持續行動。此外，文獻指出，漂綠行為在環境報告中更為常見，而非社會或經濟報告。相對而言，原告可以質疑ESG報告中可持續績效和承諾的準確性和合法性，以保護其權利。研究顯示，全球各地法院中與ESG相關的訴訟數量顯著增加。投資者和公司治理的增強使得ESG報告的不完整或不準確信息以及不利績效會加大企業訴訟的可能性。
本研究從美國市場的永續發展經驗來探討自願碳排放揭露是否會影響企業訴訟風險，並使用範疇一、二和三的碳排放揭露和外部驗證進行分析。依據2012至2021年間S&P 500上市公司的2,846個觀察數據進行測試，研究結果顯示，面臨訴訟風險的公司傾向於減少碳排放，特別是第一類（Scope 1）排放，作為降低潛在法律風險的策略。我們的分析並未發現訴訟風險與間接碳排放（如購入能源或來自企業價值鏈的排放）之間存在顯著關聯。研究進一步指出，當企業面臨新的訴訟風險時，通常會增加對其碳排放的外部驗證。本文對於希望在企業面臨訴訟風險時促進永續行為的利害關係人與投資者，提供了重要的政策意涵。
近年來，防範漂綠風險已是各國監管非常重視的課題。在台灣為提升上市櫃公司永續資訊品質，金管會已於112年3月28日發布「上市櫃公司永續發展行動方案」，深化企業永續治理文化及精進永續資訊揭露，提升永續資訊品質有助於防範漂綠行為。除此之外，金管會於113年5月30日發布「金融機構防漂綠參考指引」，提醒金融機構注意避免可能涉及的「漂綠」行為，「漂綠」是金融機構在永續相關的聲明、行動或陳述中，提供無法讓人清楚理解或過於誇大的訊息，或僅選擇性揭露正面影響或缺乏證據支持其永續特徵的訊息，進而誤導金融消費者、投資人或其他市場參與者的判斷。金融機構本身或提供的金融商品及服務如對外做出「永續」或「綠色」相關聲明（含文宣、廣告或任何形式的聲明）時，宜注意聲明的正確性、完整性、可比較性及符合相關原則，並依內部權責劃分規定，經內部覆核或外部第三方機構進行驗證，並持續監督是否符合相關聲明，透過內部控制或風險管理機制，定期檢視自身「永續」或「綠色」聲明的內容與實際情形是否相符，將ESG納入營運及風險管理的決策流程。本研究的發現對於台灣市場也有參考性，也提醒國內企業及金融機構有關國際上漂綠帶來訴訟風險的問題。
運用機器學習之插補演算法提昇ESG資訊揭露對ESG投資效益之探討
摘要
為增進投資人在進行ESG投資決策時能有較多的企業ESG資訊，本研究探討如何利用插補演算法提升企業ESG資訊，進而分析其對於ESG投資績效的影響。有鑑台灣企業ESG資訊的揭露程度較低，本研究以台灣上市櫃企業2012年至2021年間的ESG資料運用最大期望 (Expectation Maximization, EM)、K-近鄰 (K-Nearest Neighbor, KNN) 與多重插補 (Multiple Imputation by Chained Equations, MICE) 三種機器學習插補演算法，設計缺失值容忍比率(Missing Value Tolerance Ratio, MVTR) 填補ESG缺失的資料，分析其在ESG揭露績效與ESG投資效益的影響。實證結果顯示，填補ESG缺失的資料有助於提升企業ESG資訊透明度。在實務投資應用層面，ESG插補模型的投資效益受到ESG資訊多寡與企業規模所影響。具體而言，使用ESG較少的資訊插補與著重投資於規模小的企業有助於彰顯ESG投資效益，其中隨著ESG揭露績效愈趨極端，其投資效益效果愈為明顯。本研究發現除了能提供給投資人廣泛地了解台灣企業的ESG資訊外，也能提供給學術界與實務界作為永續投資政策之參考。
私募股權市場發展之研究
摘要
近年來，全球私募股權基金市場備受關注。儘管面臨高利率、地緣政治風險與流動性緊縮等多重挑戰，資產管理規模仍持續穩定成長，顯示其在長期資產配置中的關鍵角色。為促進臺灣金融與經濟發展，金融監督管理委員會（下稱金管會）於113年9月提出五大重點計畫與16項推動策略，藉由鬆綁法規與簡化程序，期望引導國內外資金投資臺灣，進而壯大本國金融市場，打造具臺灣特色之資產管理中心。
隨著臺灣將於2025年邁入超高齡社會，高淨值族群資產與退休基金快速累積，加上機構投資人對多元化與高報酬投資工具的需求日益增加，進一步提升私募市場的重要性。另一方面，全球永續發展目標（SDGs）、淨零基礎建設與綠色轉型趨勢，亦為私募股權帶來豐富的投資機會。本研究將探討全球與區域私募市場之發展現況、產品創新、揭露標準與監理架構、資料庫應用，以及臺灣私募市場的發展潛力與機會，期能為我國私募市場之推動與政策擬定提供參考。
本研究觀察到自2021年以來，全球私募募資總額呈現下滑趨勢，資金逐漸集中於少數大型基金管理機構，市場集中度顯著上升。北美市場憑藉資金規模與制度創新維持領先，歐洲則展現募資動能與策略轉型潛力，亞洲市場受中國經濟疲弱影響，相對表現低迷。整體而言，全球私募市場已邁入以「價值創造」與「營運效率」為核心的階段，區域性配置與動態調整成為機構投資人未來關注重點。在競爭加劇與資金配置趨於審慎的環境下，具全球布局與多元策略能力之大型資產管理機構持續鞏固其市場領導地位。以 Blackstone、KKR 與 Carlyle 為代表的龍頭機構，已由傳統私募基金轉型為綜合資產管理平台，除強化募資能力外，更提升策略彈性與產業參與深度。值得注意的是，除機構投資人外，高資產個人與零售通路參與比例持續上升，資產管理機構積極開發低門檻、具流動性的產品，以擴大投資基礎並提高市場可近性。
隨著私募市場規模擴大與投資人結構日趨多元，全球監理機構亦逐步強化對私募基金資訊揭露之規範。美國證券交易委員會（SEC）推動財務報告與費用結構的標準化，歐盟則透過永續財務揭露規則（SFDR）與分類法建立ESG揭露架構。臺灣亦同步鬆綁境外私募基金之投資限制，並透過永續投資指引引導業者加強ESG揭露。整體而言，私募資訊揭露已朝向週期化、結構化與責任化發展，特別在ESG領域，揭露深度與透明度將成為未來投資決策的關鍵，也將是私募基金競爭力的重要構面。
過往文獻多聚焦於私募股權的投資決策、治理介入與交易績效分析，常見資料來源包括 SDC M&A 資料庫、Preqin 與 PitchBook 等。然而，研究亦指出 SDC 在標示私募投資者角色時存在標示錯誤風險，需透過人工查核與補充資訊處理以提升準確度。另因 SDC 欠缺基金現金流與報酬資訊，限制其於績效分析之應用，顯示資料庫選擇與交叉驗證機制對私募研究的重要性。本研究亦比較兩大常用私募資料庫—SDC Platinum 與 LSEG Workspace—兩者皆提供涵蓋募資、投資與退出的完整資料模組，能滿足大多數研究需求。SDC 優勢在於其結構化欄位設計與系統化資料導引，適合進行批次樣本建構與深度分析；LSEG 則強調即時性與操作便利性，特別適合個案查詢與快速資料瀏覽。研究者可依使用情境選擇平台，以提升資料處理效率與研究精確度。
在政策鬆綁與產業轉型驅動下，臺灣私募市場持續發展，聚焦於協助企業跨國佈局、推動價值成長、投資能源轉型與深化基金管理體系。自有限合夥制度上路以來，在保險業資金與國發基金支持下逐步建立制度基礎。然而，當前市場仍面臨退場機制不健全、基金規模偏小及企業治理經驗不足等挑戰。未來在金管會推動亞太資產管理中心的發展下，開放投資通路、降低資本風險係數與引導保險資金參與等政策推進下，私募基金的投資在資本市場將發揮更大影響力。
AI方法與永續投資之研究
摘要
本研究探討結合數值資訊與文字資訊來預測股票的短期報酬率表現，提出一種多模態的股票預測模型建構方法。在文字資訊部分，採用公開資訊觀測站的重大訊息做為文本資料。跳脫過往將文字轉為投資人情緒變數的分析方法，以 BGE M3-Embedding 嵌入模型，將重大訊息文本轉為向量嵌入 (Embedding Vector) 後，直接作為模型學習的特徵。在數值資訊部分，則是將股票的價量資訊做最大重疊離散小波轉換 (MODWT) 處理，並建立技術指標特徵。以 5 種機器學習演算法 (包括極限學習機、隨機森林、多層感知器、支援向量機以及卷積神經網路) 與集成學習建立模型，預測重大資訊發布後未來 1 日的報酬率，以及搭配不同持有日數的交易策略。實證結果顯示，綜合數值和文字特徵資訊的模型，在預測準確度與交易策略回測績效上，皆優於僅使用單一類型資訊的模型。綜上，本研究提供在股票預測中結合文字和數值資訊的可行性和優勢。
本篇研究已在期刊發表: 期貨與選擇權17(特刊)-008-(3)結合數值資訊與文字資訊的股價預測模型.pdf