JEFFERSON ABRAHAM, MARCEL OLBERT, FLORIN VASVARI几位学者合作在会计学顶刊Journal of Accounting Research发表了一篇题为“ESG Disclosures in the Private Equity Industry”的文章，该研究通过创新性地分析全球私募基金公司22年的历史网站数据，首次系统揭示：投资者需求驱动其自愿ESG信息披露，且披露越多，其投资组合公司的实际ESG表现成果越好。
对大语言模型感兴趣的可以了解一下近期推出的《Python计算社会科学训练营：从0基础到机器学习与大语言模型进阶》，共设置Python结构化数据分析、网络数据采集、文本分析、机器学习、社会网络分析、大语言模型6个专题模块，含Management Science、Review of Financial Studies、Research policy等22个案例。
摘要
本报告提供了全球私募股权 （PE） 公司大量样本提供的关于环境、社会和治理 （ESG） 披露的首个系统证据。使用 2000 年至 2022 年的历史网站，我们开发并验证了一种基于字典的新型私募股权公司自愿 ESG 披露衡量标准。描述性统计数据揭示了这些披露的时间趋势，最近社会话题变得与环境话题一样重要。多变量分析表明，基金投资者对 ESG 信息的需求是私募股权公司 ESG 披露的重要决定因素。利用私募股权公司投资组合公司的数据，我们记录了更多的私募股权公司 ESG 披露与投资组合公司层面更好的 ESG 结果相关，这表明自愿 ESG 披露与普通私募股权公司的实际行动保持一致。
该研究首次系统解构了全球私募股权（PE）行业环境、社会及治理（ESG）信息披露的演化逻辑与实践效能。研究团队创新性地采集2000-2022年间PE机构历史网站数据，构建基于语义分析的词典测量框架，揭示了两个关键范式转变：在时间维度上，ESG披露强度呈现显著上升趋势，其中社会议题的讨论权重近年已比肩环境议题；在驱动机制上，基金投资者的信息需求成为PE机构自愿披露的核心动因。尤其值得注意的是，通过交叉验证PE投资组合公司在环保署毒物排放清单（TRI）、职业安全数据（OSHA）及Trucost数据库中的ESG表现，研究发现更高层级的PE机构披露与底层被投企业实质性的ESG改善存在统计显著的正向关联，这有力印证了行业披露行为并非停留于"漂绿"表象，而是切实推动了经营实践的转型。
这项研究的突破性价值，正体现在其与大语言模型技术范式的深度契合。面对跨越二十余年的非结构化网站文本，传统人工编码方法几乎难以实现全局分析。而研究者开发的词典测量工具，本质上可视为LLM文本挖掘能力的先驱应用——通过构建专业术语网络捕捉语义特征，实现对海量披露内容的自动化解构与量化。这种基于自然语言处理（NLP）的方法论创新，使研究者能够穿透宣言式表述的表层，精准识别"清洁技术投资""员工安全协议"等实质性议题的披露演变轨迹。更关键的是，当研究将PE机构宣言与其投资组合的监管数据库记录进行多源匹配时，LLM驱动的实体链接与关系抽取技术成为验证"言行一致性"的核心基础设施，这直接支撑了"披露驱动实质改进"这一颠覆性结论的诞生。
该成果标志着LLM技术正在重塑实证会计研究的疆界。当传统研究受限于结构化财务数据时，此项工作通过对网站历史快照、监管文本、企业ESG报告等多元异构数据的智能融合，开辟了"非财务信息披露-实体行为验证"的研究新路径。研究团队公开的预处理数据集与匹配逻辑，更为LLM在另类数据分析领域的应用提供了标准化范本。正如PE行业通过ESG披露重构资本流动方向，这项研究也预示着一个新趋势：基于语言模型的文本智能，正成为解码商业社会复杂信号的关键透镜。
文献来源：
Abraham J, Olbert M, Vasvari F. ESG disclosures in the private equity industry[J]. Journal of Accounting Research, 2024, 62(5): 1611-1660.
