The role of Environmental, Social, and Governance (ESG) in predicting bank financial distress

Citterio, Alberto; King, Timothy L.

doi:10.1016/j.frl.2022.103411

Cited by 69 publications

(22 citation statements)

References 26 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Alberto Citterio та Timothy King проаналізували прогностичну силу екологічних, соціальних та управлінських індикаторів (ESG) з метою виявлення потенційних фінансових труднощів банків та представили нову модель їхньої фінансової кризи. На думку авторів, ESG-фактори мають бути враховані в наглядових механізмах регуляторних органів (Citterio & King, 2023).…”

Section: вступunclassified

Esg-Ризики Банків

ШУЛЬГА,

ОМЕЛЕНЧУК

2024

View full text Add to dashboard Cite

Країни єврозони почали активно запроваджувати Європейський зелений курс, що базується на підтримці запропонованих трьох ключових опор з погляду компоненти "фінанси": Регламенті про таксономію, Директивах та Регламентах щодо формування нефінансової звітності та додаткових Регламентах пруденційного регулювання з боку Європейського банківського нагляду (ЄБН). Зазначене обумовило потребу в імплементації ESG (Еnvironment, Social та Governance) міркувань у діяльність вітчизняних банків та їхніх клієнтів з огляду на останні напрацювання європейської фінансової спільноти, яка невпинно рухається за проголошеним зеленим курсом. Найближчим часом вітчизняні банки, особливо ті, що належать до категорії малих і середніх, можуть стикнутися з труднощами здійснювати оцінку кредитоспроможності позичальників з урахуванням їх ESG-факторів, а також сформувати інфраструктуру ризик-менеджменту з орієнтацією на стале фінансування, основною складовою якого є "зелене" кредитування. Метою статті є розкриття ESG-ризиків закордонних банків у контексті дотримання ключових опор європейського зеленого курсу, запропонованих у частині фінансової складової, а також впровадження їхніх напрацювань у діяльність вітчизняних банків з урахуванням національних особливостей. У ході дослідження використано сукупність загально відомих методів наукового пізнання: порівняння, аналізу та синтезу, групування, абстрагування, спостереження тощо. Зазначено зміст запропонованих ключових опор підтримки Європейського зеленого курсу з погляду компоненти "фінанси". Ідентифіковано ESG-фактори та визначено їх вплив на традиційні ризики банків. Розглянуто практику врахування ESG-факторів у процесі управління ризиками окремих європейських банків. Ідентифіковано труднощі, з якими можуть стикнутися вітчизняні банки за здійснення комплексної оцінки ESG-ризиків своїх позичальників. Для їхнього подолання обґрунтовано заходи на макрорівні (сформувати механізми страхового, державного та приватного захисту переходу країни до Європейського зеленого курсу); мікрорівні (визначити ризик-апетит та імплементувати ESG-ризики в операційну діяльність банків; розробити інструментарій оцінки ESG-ризиків, процедури формування резервів на покриття очікуваних втрат з урахуванням "екологічної" складової позичальників та емітентів цінних паперів; оцінити рівень ESG-ризиків позичальників і здійснити їх кластеризацію; розробити внутрішньо управлінську звітність щодо сталого фінансування).

show abstract

Section: вступunclassified

Esg-Ризики Банків

ШУЛЬГА,

ОМЕЛЕНЧУК

2024

View full text Add to dashboard Cite

show abstract

“…Liu (2023) automated variable selection using the LASSO method, identifying credit growth, domestic and global credit gaps, and real house price growth as a crucial EWI of systemic banking crises. Citterio and King (2023) advocated for Environmental, Social, and Governance (ESG) indicators to enhance predictive power and reduce the misclassification of distressed banks.…”

Section: Literature Reviewmentioning

confidence: 99%

Assessing Machine Learning Techniques for Predicting Banking Crises in India

Puli,

Thota,

Subrahmanyam

2024

JRFM

View full text Add to dashboard Cite

The historical prevalence of banking crises and their profound impact on global economies underscores the imperative for policy makers to refine their crisis forecasting frameworks. Against this backdrop, the present study endeavors to predict potential banking crises in India by leveraging a spectrum of artificial intelligence and machine learning techniques (AI-ML). These techniques encompass logistic regression, random forest, naïve Bayes, gradient boosting, support vector machine, neural networks, K-nearest neighbors, and decision trees. Initially, a banking fragility index was constructed utilizing monthly banking data spanning 2002 to 2023, demarcating the periods of crisis and stability. Subsequently, an extensive array of early warning indicators (EWIs) encompassing asset prices, macroeconomic factors, external influences, and credit-related variables were employed to forecast crisis periods. Our findings reveal that AI-ML models exhibit reasonable accuracy in predicting banking crises. Moreover, advanced model performance metrics highlight neural networks and random forest models as particularly effective in crisis prediction, surpassing other methodologies. Notably, among the EWIs, variables related to credit, interest rates, and liquidity emerge as possessing relatively higher information value in discerning fragilities within the Indian banking system. Importantly, the methodological framework presented herein can be extrapolated for banking crisis prediction in other economies.

show abstract

“…Schiemann and Tietmeyer (2022) further explored information about ESG disputes and ESG information disclosure, analyst forecast accuracy, displaying that ESG info disclosure can be impactful to step up the correlation between ESG disputes and predicting error. It has been demonstrated by Citterio and King (2023) that ESG disclosure greatly reduces the probability of misclassifying financially troubled banks as healthy banks.…”

Section: Theories and Literature Reviewmentioning

confidence: 99%

Role of environmental, social, and governance rating data in predicting financial risk and risk management

Liu,

Ge,

Wang

2023

Corp Soc Responsibility Env

View full text Add to dashboard Cite

Traditional industrial enterprises are primarily high pollution enterprises and high energy consumption. The achievement of the “dual carbon” motive in Chinese economic activities and environmental protection plays a chief role incorporating the environmental, social, and governance (ESG) into the risk management system of industrial enterprises. However, the industrial enterprises participating in ESG rating account for 46.97% of the listed enterprises, and the industrial enterprises that pay attention to ESG information disclosure account for 35.77% of the listed enterprises. Is ESG rating essential for the enhancement of industrial enterprises? Based on the transformation and upgrading of industrial enterprises, this research investigates how the ESG rating and ESG information disclosure affect the financial risk of industrial enterprises in China. The findings suggest that: (1) In China for industrial enterprise ESG plays an essential role which results in decrease in financial problems of industrial enterprise. (2) ESG is influential on monetary risk of industrial enterprise, the quality of enterprise ESG information disclosure plays an important intermediary role. (3) The lagging of ESG rating by one period is significantly positive related to the financial risk of industrial enterprises, and the financial risk prediction of industrial enterprises can be effectively indicated by the ESG rating data, which exhibits a stronger correlation coefficient than the existing rating system.

show abstract

The role of Environmental, Social, and Governance (ESG) in predicting bank financial distress

Cited by 69 publications

References 26 publications

Esg-Ризики Банків

Esg-Ризики Банків

Assessing Machine Learning Techniques for Predicting Banking Crises in India

Role of environmental, social, and governance rating data in predicting financial risk and risk management

Contact Info

Product

Resources

About