Original Title: Corporate ESG Disclosure in Agribusiness: Effects on Market Value and Investor Behavior
Source: doi.org/10.36956/rwae.v7i1.2631
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការបង្ហាញព័ត៌មាន ESG របស់ក្រុមហ៊ុនក្នុងវិស័យកសិពាណិជ្ជកម្ម៖ ឥទ្ធិពលលើតម្លៃទីផ្សារ និងឥរិយាបថរបស់អ្នកវិនិយោគ

ចំណងជើងដើម៖ Corporate ESG Disclosure in Agribusiness: Effects on Market Value and Investor Behavior

អ្នកនិពន្ធ៖ Shaoyu Han (Universiti Putra Malaysia), Yeng Wai Lau (Universiti Putra Malaysia), Saidatunur Fauzi Saidin (Universiti Putra Malaysia)

ឆ្នាំបោះពុម្ព៖ 2026 Research on World Agricultural Economy

វិស័យសិក្សា៖ Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ទោះបីជាវិស័យកសិពាណិជ្ជកម្មរងសម្ពាធកាន់តែខ្លាំងក្នុងការអនុវត្តនិរន្តរភាពក៏ដោយ ក៏ឥទ្ធិពលជាក់ស្តែងនៃការបង្ហាញព័ត៌មានបរិស្ថាន សង្គម និងអភិបាលកិច្ច (ESG) ទៅលើតម្លៃទីផ្សារ និងទំនុកចិត្តរបស់អ្នកវិនិយោគនៅតែមានភាពមិនច្បាស់លាស់នៅឡើយ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ការវិភាគទិន្នន័យបន្ទះស៊េរីពេល (Panel data regression) និងការវិភាគទស្សនៈលើទិន្នន័យរបស់ក្រុមហ៊ុនកសិពាណិជ្ជកម្មចំនួន ១៥០ ក្នុងរយៈពេល ៥ ឆ្នាំ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Panel Data Regression with Fixed Effects
ការវិភាគតម្រែតម្រង់ទិន្នន័យបន្ទះជាមួយនឹងឥទ្ធិពលថេរ
អាចគ្រប់គ្រងអថេរដែលមិនប្រែប្រួលតាមពេលវេលា និងភាពខុសគ្នារវាងក្រុមហ៊ុននីមួយៗបានយ៉ាងល្អ។ ផ្តល់លទ្ធផលច្បាស់លាស់អំពីទំនាក់ទំនងរវាង ESG និងតម្លៃទីផ្សារ។ ទាមទារទិន្នន័យប្រវត្តិសាស្ត្រច្រើនឆ្នាំ (យ៉ាងតិច៥ឆ្នាំ) និងមានភាពស្មុគស្មាញក្នុងការប្រមូលទិន្នន័យហិរញ្ញវត្ថុឱ្យបានពេញលេញ។ រកឃើញថាការកើនឡើង ១ ពិន្ទុនៃ ESG ធ្វើឱ្យមូលធនូបនីយកម្មទីផ្សារកើនឡើង ០,៤៥ ប៊ីលានដុល្លារ។
Natural Language Processing (NLP) for Sentiment Analysis
ដំណើរការភាសាធម្មជាតិ (NLP) សម្រាប់ការវិភាគទស្សនៈ
អាចចាប់យកប្រតិកម្មនិងទស្សនៈពិតប្រាកដរបស់អ្នកវិនិយោគទុនតាមរយៈបណ្តាញសង្គម និងព័ត៌មានហិរញ្ញវត្ថុបានយ៉ាងរហ័ស។ កម្មវិធីអាចប្រឈមនឹងការយល់ច្រឡំលើបរិបទនៃពាក្យពេចន៍ ឬការប្រើប្រាស់ពាក្យបញ្ឆិតបញ្ឆៀង (Sarcasm) នៅក្នុងព័ត៌មាន។ បង្ហាញពីទំនាក់ទំនងវិជ្ជមានកម្រិត ០,៣៥ រវាងការបង្ហាញព័ត៌មាន ESG និងទស្សនៈគាំទ្ររបស់អ្នកវិនិយោគ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារប្រភពទិន្នន័យហិរញ្ញវត្ថុនិងពិន្ទុ ESG ពីទីភ្នាក់ងារអន្តរជាតិធំៗ ព្រមទាំងកម្មវិធីវិភាគស្ថិតិកម្រិតខ្ពស់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្តោតតែទៅលើក្រុមហ៊ុនកសិពាណិជ្ជកម្មចំនួន ១៥០ ដែលបានចុះបញ្ជីជាសាធារណៈនៅលើទីផ្សារភាគហ៊ុនធំៗ (NYSE, LSE) និងទីផ្សារប្រទេសកំពុងអភិវឌ្ឍន៍មួយចំនួន។ វាមិនបានរាប់បញ្ចូលក្រុមហ៊ុនឯកជនតូចៗ ឬកសិករខ្នាតតូច (Smallholder farmers) នោះទេ ដែលចំណុចនេះគឺជាដែនកំណត់ដ៏ធំមួយសម្រាប់ប្រទេសកម្ពុជា ដែលវិស័យកសិកម្មត្រូវបានគ្របដណ្តប់ដោយសហគ្រាសធុនតូចនិងមធ្យម (SMEs)។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាការសិក្សានេះផ្តោតលើក្រុមហ៊ុនធំៗក៏ដោយ គោលគំនិតនៃការអនុវត្ត ESG គឺមានសារៈសំខាន់ខ្លាំងណាស់ក្នុងការទាក់ទាញទុនវិនិយោគបរទេសមកកម្ពុជា។

ការអនុវត្តនិងការរាយការណ៍អំពី ESG ប្រកបដោយតម្លាភាព នឹងក្លាយជាគន្លឹះយុទ្ធសាស្ត្រជួយឱ្យក្រុមហ៊ុនកសិកម្មកម្ពុជាទទួលបានអត្ថប្រយោជន៍ហិរញ្ញវត្ថុ និងភាពប្រកួតប្រជែងរយៈពេលវែង។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីក្របខ័ណ្ឌ ESG អន្តរជាតិ: ស្វែងយល់ពីស្តង់ដាររាយការណ៍សកលដូចជា GRI (Global Reporting Initiative) និង SASB ជាពិសេសស្តង់ដារដែលផ្តោតលើផលប៉ះពាល់បរិស្ថាននិងសង្គមក្នុងវិស័យកសិកម្ម។
  2. អភិវឌ្ឍជំនាញវិភាគទិន្នន័យ Panel Data: សិក្សាពីការប្រើប្រាស់កម្មវិធី STATA, R, ឬ Python (Pandas, Statsmodels) ដើម្បីយល់ដឹងពីរបៀបធ្វើការវិភាគ Panel Data Regression និងការគ្រប់គ្រងអថេរឥទ្ធិពលថេរ (Fixed Effects)។
  3. រៀនសរសេរកូដសម្រាប់វិភាគទស្សនៈ (Sentiment Analysis): អនុវត្តការសរសេរកូដជាមួយ Python NLTKHugging Face Transformers ដើម្បីសាកល្បងទាញយកនិងវិភាគមតិយោបល់ពាក់ព័ន្ធនឹងកសិកម្មពីគេហទំព័រព័ត៌មាន ឬបណ្តាញសង្គម។
  4. ប្រមូលទិន្នន័យក្រុមហ៊ុនកសិកម្មក្នុងស្រុក: សាកល្បងប្រមូលទិន្នន័យពីរបាយការណ៍ប្រចាំឆ្នាំរបស់ក្រុមហ៊ុនកសិកម្មដែលបានចុះបញ្ជីក្នុង CSX រួចវាយតម្លៃពីកម្រិតនៃការបង្ហាញព័ត៌មានអភិបាលកិច្ច និងបរិស្ថានរបស់ពួកគេ។
  5. បង្កើតសូចនាករ ESG សម្រាប់ SMEs កម្ពុជា: ធ្វើការស្រាវជ្រាវដើម្បីស្នើឡើងនូវទម្រង់រាយការណ៍ ESG សាមញ្ញមួយ ដែលស្របតាមបរិបទកសិករ និងសហគ្រាសធុនតូចនៅកម្ពុជា ដើម្បីជួយពួកគេក្នុងការស្នើសុំកម្ចីបៃតង (Green Loans) ពីធនាគារក្នុងស្រុក។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
ESG Disclosure (ការបង្ហាញព័ត៌មាន ESG) ការរាយការណ៍ជាសាធារណៈរបស់ក្រុមហ៊ុនអំពីសកម្មភាព និងផលប៉ះពាល់របស់ខ្លួនទៅលើបរិស្ថាន (Environmental) សង្គម (Social) និងអភិបាលកិច្ច (Governance) ដើម្បីបង្ហាញពីការទទួលខុសត្រូវ ភាពជឿជាក់ និងការប្តេជ្ញាចិត្តចំពោះនិរន្តរភាពរបស់ខ្លួនទៅកាន់អ្នកវិនិយោគ។ ដូចជាសៀវភៅលទ្ធផលសិក្សារបស់សិស្ស ដែលមិនត្រឹមតែបង្ហាញពិន្ទុគណិតវិទ្យា (ប្រាក់ចំណេញ) ប៉ុណ្ណោះទេ តែថែមទាំងបង្ហាញពីអាកប្បកិរិយា និងការចូលរួមសកម្មភាពសង្គមផងដែរ។
Market Capitalization (មូលធនូបនីយកម្មទីផ្សារ) ការវាស់វែងតម្លៃសរុបនៃភាគហ៊ុនទាំងអស់របស់ក្រុមហ៊ុនដែលកំពុងចរាចរនៅលើទីផ្សារ ដោយគណនាបានតាមរយៈការគុណចំនួនភាគហ៊ុនសរុបជាមួយនឹងតម្លៃភាគហ៊ុនក្នុងមួយឯកតា ដើម្បីបង្ហាញពីទំហំនិងតម្លៃជាក់ស្តែងរបស់ក្រុមហ៊ុននោះនៅលើទីផ្សារហិរញ្ញវត្ថុ។ ប្រៀបដូចជាការគណនាតម្លៃសរុបនៃផ្ទះល្វែងមួយបុរី ដោយយកចំនួនផ្ទះទាំងអស់ គុណនឹងតម្លៃផ្ទះមួយល្វែង។
Investor Sentiment (ទស្សនៈរបស់អ្នកវិនិយោគ) អាកប្បកិរិយា អារម្មណ៍ ឬកម្រិតនៃទំនុកចិត្តជាទូទៅរបស់អ្នកវិនិយោគទៅលើក្រុមហ៊ុនមួយ ដែលឆ្លុះបញ្ចាំងតាមរយៈការវិភាគអត្ថបទព័ត៌មាននិងបណ្តាញសង្គម (NLP) វានឹងជំរុញឱ្យពួកគេសម្រេចចិត្តធ្វើសកម្មភាពទិញ ឬលក់ភាគហ៊ុនយ៉ាងសកម្ម។ ដូចជាអារម្មណ៍រំភើប ឬភ័យខ្លាចរបស់អ្នកទិញទំនិញនៅពេលលឺពាក្យចចាមអារ៉ាមថាសាច់ជ្រូកឡើងថ្លៃ ឬចុះថ្លៃ ដែលធ្វើឱ្យពួកគេសម្រេចចិត្តសម្រុកទៅទិញ ឬឈប់ទិញ។
Panel Data Regression (ការវិភាគតម្រែតម្រង់ទិន្នន័យបន្ទះ) វិធីសាស្ត្រស្ថិតិដែលត្រូវបានប្រើដើម្បីវិភាគទិន្នន័យដែលមានវិមាត្រពីរ គឺមានការប្រមូលទិន្នន័យពីអង្គភាពជាច្រើន (ដូចជាក្រុមហ៊ុន១៥០) ឆ្លងកាត់រយៈពេលជាច្រើនឆ្នាំ (រយៈពេល៥ឆ្នាំ) ដើម្បីស្វែងរកទំនាក់ទំនងរវាងអថេរ និងគ្រប់គ្រងកត្តាដែលមិនប្រែប្រួលតាមពេលវេលា។ ដូចជាការតាមដានការលូតលាស់នៃកម្ពស់សិស្សមួយក្រុមធំ ជារៀងរាល់ឆ្នាំក្នុងរយៈពេល៥ឆ្នាំជាប់ៗគ្នា ដើម្បីមើលថាតើការញ៉ាំទឹកដោះគោជួយឱ្យពួកគេលូតកម្ពស់បានកម្រិតណា។
Signaling Theory (ទ្រឹស្តីនៃការផ្តល់សញ្ញា) យន្តការសេដ្ឋកិច្ចដែលពន្យល់ពីរបៀបដែលភាគីម្ខាង (ក្រុមហ៊ុន) ព្យាយាមបញ្ជូនព័ត៌មាន ឬសញ្ញាអំពីគុណភាពនិងការប្តេជ្ញាចិត្តរបស់ខ្លួនតាមរយៈការបង្ហាញ ESG ទៅកាន់ភាគីម្ខាងទៀត (អ្នកវិនិយោគ) ដើម្បីដោះស្រាយបញ្ហាភាពមិនស៊ីគ្នានៃព័ត៌មាននិងកសាងទំនុកចិត្ត។ ដូចជាការស្លៀកពាក់ខោអាវធំស្អាតបាតទៅសម្ភាសន៍ការងារ ដើម្បីផ្តល់សញ្ញាទៅថៅកែថាខ្លួនជាមនុស្សមានសណ្តាប់ធ្នាប់និងយកចិត្តទុកដាក់ចំពោះការងារ។
Corporate Governance (អភិបាលកិច្ចសាជីវកម្ម) ប្រព័ន្ធ រចនាសម្ព័ន្ធ និងនីតិវិធីដែលក្រុមហ៊ុនមួយត្រូវបានដឹកនាំ និងគ្រប់គ្រងដោយផ្តោតលើភាពចម្រុះនៃក្រុមប្រឹក្សាភិបាល សិទ្ធិអ្នកម្ចាស់ភាគហ៊ុន និងតម្លាភាព ដើម្បីធានាថាការសម្រេចចិត្តប្រព្រឹត្តទៅដោយសុចរិតនិងកាត់បន្ថយហានិភ័យនៃអំពើពុករលួយ។ ដូចជាច្បាប់ទម្លាប់ និងរបៀបរបបនៃការចាត់ចែងក្នុងគ្រួសារមួយ ដែលកំណត់ថានរណាមានសិទ្ធិសម្រេចចិត្តចាយវាយលុយកាក់ និងនរណាជាអ្នកត្រួតពិនិត្យ ដើម្បីកុំឱ្យមានអ្នកណាម្នាក់កេងចំណេញ។
Return on Assets (ចំណេញលើទ្រព្យសកម្ម) សូចនាករហិរញ្ញវត្ថុដែលវាស់វែងពីកម្រិតប្រាក់ចំណេញសុទ្ធដែលក្រុមហ៊ុនអាចរកបាន ដោយប្រៀបធៀបទៅនឹងទំហំទ្រព្យសកម្មសរុបដែលក្រុមហ៊ុននោះមាន ដើម្បីបង្ហាញពីប្រសិទ្ធភាពក្នុងការប្រើប្រាស់ធនធានផ្ទាល់ខ្លួនសម្រាប់បង្កើតប្រាក់ចំណេញ។ ប្រៀបដូចជាការវាស់ស្ទង់មើលថាតើអ្នកបើកតាក់ស៊ីដែលមានឡានទំនើបម្នាក់ អាចរកលុយចំណេញបានប៉ុន្មានក្នុងមួយថ្ងៃ បើធៀបនឹងតម្លៃនៃឡានដែលគាត់កំពុងបើកនោះ។
Granger Causality Test (ការធ្វើតេស្តទំនាក់ទំនងភាពជាហេតុ Granger) ការធ្វើតេស្តផ្នែកស្ថិតិសេដ្ឋកិច្ចដែលជួយកំណត់ និងបញ្ជាក់ថាតើទិន្នន័យអថេរមួយពីអតីតកាល (ឧ. ពិន្ទុ ESG កាលពីឆ្នាំមុន) អាចប្រើដើម្បីព្យាករណ៍តម្លៃនាពេលអនាគតនៃអថេរមួយទៀត (ឧ. តម្លៃទីផ្សារនៅឆ្នាំនេះ) បានកម្រិតណា។ ដូចជាការសង្កេតមើលថាតើការដែលមេឃងងឹតស្រទុំ (ហេតុពីមុន) អាចជួយយើងទស្សន៍ទាយយ៉ាងត្រឹមត្រូវថានឹងមានភ្លៀងធ្លាក់ (ផលនៅថ្ងៃអនាគត) ដែរឬទេ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖