ESG评级与审计费用研究

摘 要：一直以来，ESG评级与审计是一个影响面广、经济及社会等领域各级都很重视的话题，而由于评级审计环境的多样性、来源的广泛性、专业操作人员水平和层次差距较大等原因，ESG与审计费用之间的关系还不够明确，对ESG评级对审计费用的影响的理解还不够深刻，这严重制约了评级与设计工作的精度和准度，最终反映到治理体系和治理能力现代化建设的负面影响上来。深入研究ESG评级与设计的标准化建设，具有重要的理论和实践意义以及现实紧迫性。文章以ESG评级对审计费用影响作为研究对象，按照理论联系实际和“是什么”“为什么”“怎么办”的思路，层层递进分别论述了理论依据、研究假设、研究设计及实验结果研究等内容。

关键词：ESG评级 ESG审计 环境 社会 治理

中图分类号：F239;A715

文献标识码：A

文章编号：1004-4914（2024）12-129-02

前言

ESG代表环境（Environmental）、社会（Social）和治理（Governance）。公司披露环境、社会和治理数据，提高了对利益相关方的透明度，有利于降低风险并发现机会。ESG涵盖了财务分析一般不会考虑的系列商业维度，这些商业维度通常又与公司财务绩效具有一定相关性。本文通过在总体中选择合适的样本进行研究，切实起到了举一纲而万目张的作用，实验效果与理论分析结果保持了基本一致性，验证了ESG评级等级越高，则审计费用越高，说明了本文研究结果的正确性[1]。

一、理论依据与研究假设

（一）理论依据

利用数理统计思想，在全国不同行业不同领域的公司中进行精确选取样本的基础上，分别计算出每个公司的环境评级费用、社会评级费用、治理评级费用、环境审计费用、社会审计费用、治理审计费用，分别进行相加，得到ESG评级的费用、ESG审计的费用，再次进行相加，得到ESG评级与审计总费用。在此基础上计算出样本平均数、样本最大数、样本最小数、样本中位数，估算出总体平均数、总体最大数、总体最小数、总体中位数，根据全国所有发布ESG评级与审计费用的公司的实际数据，计算误差值及方差值、标准差值[2]。

（二）研究假设

由于不同地域、不同行业、不同领域中的计算方法有差异，如果过于考虑这些细节，难以进行总体上的研究，因此做出如下几个假设：一是，不再考虑不同行业、不同领域、不同地域的分工，以当前最为常用的计算方法进行统计。二是，统一用人民币元作为价格的计量单位，在已有资料中获得的数字为美元、欧元或者其他货币的，统一按照2023年12月31日的汇率数据转变为人民币计量单位。三是，涉及算法编制、图形绘制与运算的，统一使用matlab软件，充分发挥其“矩阵实验室”在数据计算及图形绘制上的优势，版本为R2016b。四是，涉及网络连接的，统一使用TCP通信模式。建立套接字（Socket），一次连接只能实现一次通信，传输速度快，持续时间短，在时间维度上进一步提高安全性[3]。

二、研究设计

（一）样本选择和数据来源

样本选择坚持以下几个原则：一是全面性原则。要涵盖不同的领域，无论是关系国计民生的国有大公司，还是涉及高新技术的私有新兴企业，都要有所涉猎。二是专业性原则。要选择经过相关专业部门严格按照程序审核的专业化报告，禁止选择来路不明的报告。三是权威性原则。优先选择上海证券交易所、深圳证券交易所、北京证券交易所或者香港证券交易所、纳斯达克证券交易所等上市的公司。四是规范性原则。在选择标准及数据统计上，要从源头上进行控制，确保口径统一，切实起到“磨刀不误砍柴工”的作用[4]。

根据以上原则，选取了各行各业的300家上市公司的2022年度环境、社会及管治报告，比如中交地产、卓盛微、庄园牧场、新和成、宁德时代、比亚迪、中国中车、中国石油、中无人机、中国交建、中国稀土、龙版传媒、方大炭素、南孚电池、北京烤鸭等公司。数据全部来自《中国证券报》、东方财富、新浪财经网站等各个专业媒体转发的各大证券交易所公布的报告，确保真实可靠。

（二）建立模型与明确变量

利用数学建模思想，将工程实践问题（本文中具体为ESG评级与审计费用研究问题）转化为数学问题，具体计算方法如公式（1）所示[5]。

Y=f（x）+m（x）=f（x1）+f（x2）+f（x3）+m（x1）+m（x2）+m（x3） （1）

在公式（1）中，Y代表ESG评级与审计的总费用，是因变量。f（x）、m（x）分别代表ESG评级的总费用、ESG审计的总费用，f（x1）、f（x2）、f（x3）、m（x1）、m（x2）、m（x3）分别代表环境评级总费用、社会评级总费用、治理评级总费用、环境审计总费用、社会审计总费用、治理审计总费用，f（x1）、f（x2）、f（x3）、m（x1）、m（x2）、m（x3）均为自变量。以上所有数值统计范围为一个公司（不再区分母公司、子公司、孙公司，如果是母公司，则含其子公司、孙公司等）内的，其他的以此为原则进行推断。

通过对不同ESG等级下审计总费用数据的分析，为进一步研究ESG评级对审计费用的影响奠定了坚实的基础。通常来说，ESG评级等级越高，则审计费用越高，反之，ESG评级等级越低，则审计费用越低。

三、实证结果研究

按照上述所论述的方法进行计算，由于不同行业领域的公司在具体的ESG评价与审计费用上差异巨大，单纯比较费用数值意义不大，因此下面仅就误差值、方差值、标准差值等统计数据进行比较，具体分为描述性统计及回归分析。由于不同行业领域的公司在具体的ESG评价与审计费用上差异巨大，单纯比较费用数值意义不大，因此下面仅就误差值、方差值、标准差值等统计数据进行比较，具体分为描述性统计及回归分析。

（一）描述性统计

在描述性统计方面，300家作为样本的公司的误差值中位数是0.9900，最大不超过1.0400，最小不少于0.9300，误差分别表示为+5%和-6%，其中正号负号分别代表高于标准和低于标准的比值，其值分布呈现近似正态分布的特征，方差、标准差、偏度、峰度等数值或者绝对值都较小，说明误差量微小，本算法准确率高。

（二）回归结果分析

1.回归结果分析的原理。对于回归分析，就是找一个函数f，使得y'=f（x）求出来的y'与y越接近越好。通俗的做法就是要定义两个函数，一个是损失函数L，描述y'与y的接近程度，另一个是f的表达式，一般可以具有任意多的参数。然后使损失函数的导数为0，求解出f中的参数。在深度学习中，f和L都可以非常复杂，但大致的求解思路依然如此。本文中即用这种思路来计算上文中计算数值的规律性。

2.回归结果分析的实现。通过回归结果分析可知，基本上满足线性关系。不过，这种线性关系是通过不断增大样本量，不断增加实验次数得到的，在运行算法之后，局部散点较为分散，如果单纯截取这一小部分来看，肯定难以满足线性要求，这也是下步工作中必须加以改进的一个方面。

3.回归结果分析的显示评价。使用本文算法，在遭遇到数据噪声比较大的问题。数据在拟合的曲线附近波动比较严重。拟合结果的R方在0.2至0.3左右，R方表示的是拟合出来结果跟真实结果的差异，说明差异还是比较大。在回归分析之前，可以用散点图或者相关系数观察两个变量之间的关联，选择合适的回归方法，当二者相关系数较高或者看起来有明显趋势关系时，使用线性回归可以得到较好的结果。观察到数据存在其他关联，可以尝试使用不同的函数进行回归，但可能不容易收敛;当数据波动比较大时，增加数据量和平滑操作，往往可以得到更稳定的回归结果，关于平滑操作。

4.提高结果准确率的方法之——进行重复性运算。按照前面所述的运算条件不变，分别进行50次运算，得到每次的数值，然后取其算数平均值，作为最终的不确定度评价值。应该注意到，每次实验时计算之前已经进行的实验数据的算数平均值，将该次的结果与其进行比较，设定一个阈值l，当差值在正负l%以内时，保留该值，超过该阈值则舍弃该值，重新进行实验。最终得到每次测定的数值，分别记为A1，A2，...，An，它们的平均值为A，则不确定度为：max{|A-Ai|，i=1，2，...，n}，即为最终的不确定度数值。

5.提高结果准确率的方法之二——使用智能优化算法。编制合适的适应度函数，通过智能算法，取得相关数据后进行机器学习与机器训练，在约束条件下进行寻优操作，在由局部最优值向全局最优值靠拢的过程中达到全局收敛，得到最佳的运算数据和实验参数设定，从而取得最精确的实验结果。

具体的适应度函数可以参考公式（2）。

Fitness=∂1*s+∂2*r+∂3*x+∂4*y+∂5*z（2）

其中Fitness代表适应度值，s代表某项实验参数1，r代表另一项实验参数2，x代表初始测量样本容量，y代表舍弃掉的最上面溶液体积，z代表重复度实验的次数，∂1到∂5分别代表不同的权值，根据具体测定情况综合确定。

四、结论

通过对不同ESG等级下审计总费用数据的分析，为进一步研究ESG评级对审计费用的影响奠定了坚实的基础。通常来说，ESG评级等级越高，则审计费用越高，反之，ESG评级等级越低，则审计费用越低。总之要充分利用不同行业领域各自具备的特点开展相关理论研究和工作实践。这也是下步研究工作的重中之重。综合来看，本文立意新颖，研究方法正确，坚持了辩证唯物主义和历史唯物主义思想，对于在工作中运用相关知识，具有一定的理论和实践意义。

参考文献：

[1] 魏晓红，胡翠萍.上市公司ESG评级对审计费用的影响研究——基于审计投入与企业经营风险的中介作用[J].黑龙江工业学院学报（综合版），2023，23（10）：29-36.

[2] 钟海燕，王江寒.环保信用评级会影响审计收费吗——基于环境信用评价政策的准自然实验[J/OL].中南财经政法大学学报，1-15[2024-01-26].

[3] Utkarsh S ，Akshat G ，Kumar S G .The pertinence of incorporating ESG ratings to make investment decisions： a quantitative analysis using machine learning[J].Journal of Sustainable Finance Investment，2024，14（01）：184-198.

[4] 饶静，靳盼盼，曾雯莹.上市公司ESG表现如何影响股价崩盘风险——基于信息路径和信心路径的实证研究[J].财会通讯，2024（02）：35-40.

[5] 刘明晗，赵松慧，韦庄禹.企业ESG表现如何影响绿色投资者进入[J/OL].重庆理工大学学报（社会科学），1-17[2024-01-26]