본 연구는 중국 상하이 및 선전 증시에 상장된 고탄소 업종 A주 기업을 대상으로, ESG(Environmental, Social, Governance) 요인이 재무성과에 미치는 영향을 머신러닝 기반의 인공지능(AI) 기법으로 분석하였다. 기존 ESG 종합 등급의 신뢰성과 설명력 한계를 보완하기 위해, ESG 세부 요인을 중심으로 랜덤포레스트(Random Forest) 회귀모형과 설명 가능한 AI(Explainable AI, XAI)를 활용하였다. 2015-2019년 데이터를 기반으로 총자산이익률(ROA) 및 주당순이익(EPS) 예측력을 비교한 결과, 사회(S) 영역의 수익성·납세·재무건전성 지표가 가장 높은 설명력을 보였으며, 국유기업 여부보다는 경영 성과와 정보공개의 실질성이 중요한 변수로 나타났다. 본 연구는 ESG 요인의 개별 분석이 투자자 의사결정과 평가체계 개선에 효과적임을 시사하며, XAI 기법을 활용한 실증연구의 가능성을 제시한다.

Abstract Labour exploitation in marine fishing industries has received considerable negative publicity. Yet, is there something specific about marine fishing that makes it highly exploitative? We compare work on purse-seiners catching tuna for canning with work on longliners catching tuna for sashimi. We explain difference through a comparative analysis along three axes: (1) tuna population dynamics, fishing technologies and resource access; (2) industrial organization and governance of global production networks; and their relationships with (3) workplace labour regimes on vessels. The article contributes to labour regime analysis by demonstrating the relative material significance of ecology in shaping labour regimes.