ESG módszertan

Hivatalos Módszertani Fehér Könyv és Tájékoztató Anyag

Módszertan kódja: CI-ESG-RATING-METH-2026-V3_FINAL
Verzió: 1.5
Készítette: Céginformáció.hu Kft. — ESG Módszertani és Minősítési Bizottság
1. CÉGBEMUTATÁS ÉS MINŐSÍTŐI FÜGGETLENSÉG
1.1. A Céginformáció.hu Kft. piaci szerepe és hitvallása

A Céginformáció.hu Kft. a magyarországi cégadat-szolgáltatói piac egyik legrégebbi szereplője [9]. Társaságunk évtizedes tapasztalattal rendelkezik a hazai cégvilág pénzügyi, jogi, strukturális és kockázati adatainak strukturált gyűjtésében, tisztításában és elemzésében [9].

A hazai és európai fenntarthatósági szabályozás, kiemelten az egységes vállalati felelősségvállalás ösztönzését szolgáló környezettudatos, társadalmi és szociális szempontokat is figyelembe vevő, vállalati társadalmi felelősségvállalás szabályairól szóló 2023. évi CVIII. törvény (ESG törvény) életbe lépésével a Céginformáció.hu Kft. stratégiai céljává vált, hogy önálló, az SZTFH nyilvántartásába vett független ESG minősítő szervezetként (ESG Rating Agency) lépjen fel a piacon [3, 9].

2. TÉTELES ESG-SPECIFIKUS FOGALOMTÁR ÉS AKRONÜMÁK

A Céginformáció.hu Kft. módszertanában alkalmazott legfontosabb szakmai kifejezések, matematikai változók és mutatók definíciói:

AGCR (Asset Greening and CapEx Ratio — Eszközmegújulási és zöld beruházási ráta): A környezeti (E) pillér egyik legfontosabb közvetett mutatója [10]. Azt méri, hogy a vállalat milyen ütemben hajt végre tárgyi eszközös modernizációs és energiahatékonysági fejlesztéseket a meglévő eszközpark elhasználódásához (értékcsökkenéséhez) képest az 5 éves idősoron [10].
AWP (Average Wage Premium — Iparági bér prémium mutató): A társadalmi (S) pillér humántőke-értékelési mutatója [10]. Azt számszerűsíti, hogy a vállalat a versenytársaihoz (peer group) képest milyen mértékű bérprémiumot biztosít a munkavállalói részére, közvetve bizonyítva a méltányos bérezés (Living Wage) elvének érvényesülését [10].
BHE (Bayesian Hierarchical Estimator — Bayes-féle hierarchikus becslő): Nem-lineáris statisztikai algoritmus, amely az adathiányos kis- és középvállalkozások (KKV-k) esetében megbízható bázis kockázatértékelést (BRP) végez azáltal, hogy az iparági kibocsátási mutatókat és az egyedi cég strukturális adatait (mérlegfőösszeg, hozzáadott érték) egy hierarchikus valószínűségi modellbe integrálja [11].
Bottleneck Capping (Szűk keresztmetszeti gát): Ha a három pillér (E, S, G) bármelyikének egyedi részpontszáma a kritikus szint (3.0 pont) alá esik, az összesített ESG minősítés (sávbesorolás) nem haladhatja meg a leggyengébb pillér pontszámát, kizárva a zöldremosás lehetőségét [11].
BRP (Basal Sustainability Profile — Alap fenntarthatósági profil): A vállalat kiinduló környezeti, társadalmi és irányítási fenntarthatósági pontszáma a 0 és 100 közötti skálán [11]. A rendszer automatikusan számítja ki az 5 éves idősoros mérleg- és létszámadatokból képzett mutatók, valamint az SF-ELI modell alapján, kérdőíves adatszolgáltatás nélkül [11].
CSDDD (Corporate Sustainability Due Diligence Directive): Az Európai Unió 2024/1760 irányelve a közvetlen és közvetett értéklánc-átvilágításról [11].
CSRD (Corporate Sustainability Reporting Directive): Az Európai Unió 2022/2464 irányelve a vállalati fenntarthatósági jelentéstételről [11].
DDF (Data Depth and Compliance Factor — Adatmélységi és megfelelési tényező): A kérdőívet ki nem töltő (passzív útvonalon mozgó) cégek esetében alkalmazott korrekciós szorzó (0.8 és 1.2 között) [11]. Számszerűsíti a Cégjegyzékben és a NAV nyilvántartásokban szereplő ellenőrizhető pozitív vagy negatív események arányát [11].
DPO (Days Payable Outstanding — Beszállítói hitelidő és értéklánc-etikai mutató): A társadalmi (S) és irányítási (G) pillérek közös pénzügyi mutatója [11]. Azt méri, hogy a vállalat átlagosan hány nap alatt egyenlíti ki az áruszállításból és szolgáltatásból eredő kötelezettségeit az anyagjellegű ráfordításaihoz képest [11].
eIDAS: Az Európai Unió 910/2014/EU rendelete a belső piacon történő elektronikus tranzakciókhoz kapcsolódó elektronikus azonosításról és bizalmi szolgáltatásokról [12].
ESRS (European Sustainability Reporting Standards): A CSRD irányelv végrehajtási szabályrendszere, amely 12 standard mentén írja elő az ESG beszámolók tartalmi és módszertani követelményeit [12].
ETR (Effective Tax Rate — Adózási tisztesség és költségvetési hozzájárulás): A vállalatirányítási (G) pillér mutatója, amely azt méri, hogy a vállalat a megtermelt nyeresége után mekkora tényleges társasági adót fizet meg a költségvetésbe [12].
EVI (Economic Viability Index — Gazdasági fenntarthatóság és fizetőképességi index): Az irányítási (G) pillér likviditási és pénzügyi stabilitási mutatója [12].
ICM (Incident & Compliance Malus — Incidens és megfelelési levonás): Az elmúlt 3-5 évben elkövetett, jogerős hatósági határozatokon alapuló jogsértések (NAV, OMMF, NAIH, GVH) bázisbüntetéseiből adódó, exponenciális időbeli lecsengési függvény alapján számított büntetőpont [12].
MEI (Material Efficiency Index — Anyag- és erőforrás hatékonysági index): A környezeti (E) pillér erőforrás-hatékonysági mutatója. Azt vizsgálja, hogy a vállalat egységnyi árbevétel előállításához mekkora anyagjellegű ráfordítást igényel [12].
NWWI (Non-Wage Welfare Index — Nem-bér jellegű jóléti index): A társadalmi (S) pillér mutatója, amely azt számszerűsíti, hogy a kötelező bérköltségeken felül a vállalat mekkora arányban biztosít egyéb szociális, jóléti és képzési juttatásokat [13].
OMF (Operational Maturity Factor — Működési érettségi faktor): A vállalat belső fenntarthatósági felkészültségét és kockázatkezelési szabályozottságát mérő szorzó (0.8 és 2.0 között) [13].
SF-ELI (Structural-Financial Environmental Load Index): Strukturális-pénzügyi környezeti terhelési index. A KSH szektorális környezeti bázisértékeit skálázza le az egyedi cég szintjére a vállalat árbevétele, tárgyi eszközei és anyagköltsége alapján [13].
Two-Tier Verification Gate (Kétszintű ellenőrzési kapu): A szoftveres kérdőív-kiértékelés hitelesítési eljárása [13]. Minden “Igen” válasz pontértékét 50%-ban a hatályos belső szabályzat (Szint 1), és további 50%-ban a harmadik fél által kiállított tanúsítvány vagy hatósági bizonylat (Szint 2) feltöltéséhez köti [13].
WSI (Workforce Stability Index — Munkás megtartási és létszám stabilitási index): A társadalmi (S) pillér humántőke-stabilitási mutatója [13]. A havi statisztikai állományi létszámadatok éves szórása alapján méri a foglalkoztatás folyamatosságát és a szezonalitást az 5 éves idősoron [13].

Az alábbiakban bemutatjuk a fogalomtárban szereplő legfontosabb mutatószámok matematikai képleteit:
1. AGCR (Asset Greening and CapEx Ratio)

Ahol Inv_t a tárgyévi beruházások és felújítások összege, Depr_t a tárgyévi értékcsökkenési leírás [10].
2. AWP (Average Wage Premium)

Ahol Wage_t a bérköltség, Emp_avg_t az éves átlagos statisztikai létszám, Iparagi_Atlagber_t a KSH által az adott ágazatra közzétett átlagbér [10].
3. DDF (Data Depth and Compliance Factor)

A tényező minimális értéke 0.8, maximális értéke 1.2 [11].
4. DPO (Days Payable Outstanding)

Ahol Payable_supp_t a szállítói tartozások állománya, Cost_mat_t a teljes anyagjellegű ráfordítás [11, 12].
5. ETR (Effective Tax Rate)

Ahol Tax_t az adófizetési kötelezettség, EBIT_t az üzemi (üzleti) eredmény [12].
6. EVI (Economic Viability Index)

Ahol Asset_curr_t a forgóeszközök értéke, Liab_short_t a rövid lejáratú kötelezettségek összege [12].
7. MEI (Material Efficiency Index)

Ahol Cost_mat_t az anyagjellegű ráfordítás, Rev_total_t az értékesítés nettó árbevétele [12].
8. NWWI (Non-Wage Welfare Index)

Ahol Other_pers_t a személyi jellegű egyéb kifizetések összege, Cost_pers_t a teljes személyi jellegű ráfordítás [13].
9. WSI (Workforce Stability Index)

Ahol std_dev(Emp_m_i) a havi statisztikai állományi létszámok szórása, Emp_avg_t a tárgyévi átlagos létszám [13].
3. JOGSZABÁLYI HIVATKOZÁSOK ÉS JOGI REGISZTER

A minősítési eljárások és az értékelési logika jogi hátterét az alábbi hatályos magyar és európai uniós jogszabályok alkotják, amelyekre a Céginformáció.hu Kft. módszertana épül [13]:
3.1. Hazai Törvények és Kormányrendeletek

2023. évi CVIII. törvény (ESG törvény): A fenntartható finanszírozás és az egységes vállalati felelősségvállalás ösztönzését szolgáló kerettörvény [13].
12/2024. (VIII. 15.) SZTFH rendelet: A Szabályozott Tevékenységek Felügyeleti Hatósága elnökének rendelete az ESG beszámolók, az ESG minősítők és az ESG szoftverek nyilvántartásáról és kiberbiztonsági minimumkövetelményeiről [14].
13/2024. (VIII. 15.) SZTFH rendelet: A Szabályozott Tevékenységek Felügyeleti Hatósága elnökének rendelete a vállalkozások fenntarthatósági célú átvilágítási kötelezettségei teljesítésének részletes szabályairól, valamint az egységes beszállítói kérdőívről [14].
2023. évi XXIII. törvény (Kibertantv.): A kiberbiztonsági tanúsításról és kiberbiztonsági felügyeletről szóló törvény, amely az ESG szoftverek kötelező auditjának hátterét adja [14].
2023. évi XXV. törvény (Panasztörvény): A panaszokról, a közérdekű bejelentésekről, valamint a visszaélések bejelentésével összefüggő szabályokról szóló törvény, amely a kötelező belső visszaélés-bejelentési rendszerek működését szabályozza (G1.2 indikátor alapja) [14].
2015. évi CCXXII. törvény (E-ügyintézési tv.): Az elektronikus ügyintézés és a bizalmi szolgáltatások általános szabályairól szóló törvény, amely a hitelesített és igazolt elektronikus kézbesítés jogi kereteit adja [14].
2017. évi CL. törvény (Art.): Az adózás rendjéről szóló törvény, amely a köztartozás-mentesség, a megbízható és kiemelt adózói státuszok nyilvánosságát szabályozza (alapvető hatósági adatbázisaink forrása) [14].

3.2. Európai Uniós Rendeletek és Irányelvek

Az Európai Parlament és a Tanács (EU) 2022/2464 irányelve (CSRD): A fenntarthatósággal kapcsolatos vállalati beszámolásról szóló irányelv [14].
Az Európai Parlament és a Tanács (EU) 2024/1760 irányelve (CSDDD): A fenntarthatósággal kapcsolatos vállalati átvilágításról szóló irányelv, amely kötelezővé teszi az értéklánc (beszállítók) környezetvédelmi és emberi jogi átvilágítását [14].
Az Európai Parlament és a Tanács (EU) 2016/679 rendelete (GDPR): Az Általános Adatvédelmi Rendelet a személyes adatok kezelésének szabályozására [14].

4. TUDOMÁNYOS ÉS SZAKIRODALMI ÁTTEKINTÉS

A Céginformáció.hu Kft. módszertanának hitelességét és a pénzügyi-gazdasági mutatók közötti összefüggéseket rangos hazai és nemzetközi szakirodalmi források támasztják alá:
4.1. Az ESG teljesítmény és a vállalati kockázatkezelés (PD, Credit Risk és CFP)

Az ESG tényezők vállalati értékre és kockázati profilra gyakorolt hatása az elmúlt két évtizedben a pénzügyi és közgazdasági kutatások fókuszába került [15]. A korai, neoklasszikus közgazdaságtani elméletek – különösen a Friedman-féle (1970) doktrína – még azt feltételezték, hogy a fenntarthatósági vagy társadalmi célokra fordított vállalati kiadások felesleges költséget jelentenek, amelyek közvetlenül csökkentik a profitot és ezáltal a részvényesi értéket [15].

Ezzel szemben a modern érdekeltfél-elmélet (Stakeholder Theory – Freeman, 1984) azt posztulálja, hogy a vállalatok hosszú távú sikere és túlélése az összes érdekelt fél (alkalmazottak, beszállítók, környezet, társadalom, szabályozók) érdekeinek megóvásától függ [15].

Ezt a modern megközelítést támasztotta alá az eddigi legátfogóbb empirikus meta-analízis, amelyet Friede, Busch és Bassen (2015) végeztek el [15]. A szerzők több mint 2000 korábbi, egyedi tanulmány adatait rendszerezték, és kimutatták, hogy a kutatások mintegy 90%-ában az ESG teljesítmény és a vállalati pénzügyi teljesítmény (Corporate Financial Performance – CFP) közötti kapcsolat nem-negatív, sőt, a döntő többségében szignifikánsan pozitív [15]. A pozitív hatás nem csupán az extra profitban, hanem sokkal inkább a kockázatcsökkentésben (risk mitigation) realizálódik [15].

A hitelkockázat (credit risk) és az ESG teljesítmény összefüggéseit vizsgáló empirikus kutatások (Aslan et al., 2021; Kim és Li, 2021) bizonyították, hogy a magasabb ESG minősítésű vállalatok esetében szignifikánsan alacsonyabb a csődkockázat és a fizetésképtelenségi valószínűség (Probability of Default – PD) [15].

Az E és S pillérek közvetlenül mérséklik az operatív és szabályozási kockázatokat: a szigorú környezetvédelmi menedzsmenttel rendelkező cégek elkerülik a bírságokat és az eszközök idő előtti leírását (stranded assets), míg a stabil munkaügyi és munkavédelmi rendszerek csökkentik a fluktuációt és a sztrájkok kockázatát [15].
A G (Irányítási) pillér közvetlen védőpajzsot jelent a morális kockázatokkal és a menedzsment visszaéléseivel szemben [15]. Lins, Servaes és Tamayo (2017) kutatása rávilágított, hogy a 2008–2009-es globális pénzügyi válság idején a magas társadalmi tőkével és erős vállalatirányítással rendelkező cégek jövedelmezősége szignifikánsan magasabb maradt, mint alacsonyabb társaiké, mivel a piac és a hitelezők magasabb bizalmi prémiumot szavaztak meg nekik a krízishelyzetben [15].

A legfrissebb európai bankrendszeri elemzések (e.g., Porenta, Matko és Ichev, 2026) igazolják, hogy a banki hitelbírálati modellekbe beépített ESG kockázati faktorok közvetlenül befolyásolják a tőkeköltséget (Cost of Capital) [16]. A gyenge ESG mutatókkal rendelkező vállalatok magasabb hitelkamatokkal és szigorúbb kovenánsokkal szembesülnek, ami közvetlenül rontja a pénzügyi stabilitásukat [16].
4.2. Az értéklánc-átvilágítás KKV-specifikus kihívásai a beszállítói hálózatban

Bár a nemzetközi és a hazai ESG szabályozás első körben a nagyvállalatokat terheli közvetlen jelentéstételi kötelezettséggel, a törvényekben előírt kötelező beszállítói átvilágítás (supply chain due diligence) miatt ez a nyomás azonnal átterjed a kis- és középvállalkozásokra (KKV) is [16]. A tudományos szakirodalom ezt a jelenséget “adminisztratív átszűrődési hatásnak” (trickle-down effect) nevezi [16].

A KKV-k ESG átvilágításának módszertani nehézségeit vizsgáló tanulmányok (e.g., Demirel et al., 2023) rámutatnak, hogy a KKV-k strukturális sajátosságaik miatt jelentős versenyhátrányba kerülhetnek [16]:

Erőforrás- és szakértelemhiány: Egy átlagos KKV nem rendelkezik fenntarthatósági vezetővel vagy dedikált csapattal, így a komplex ESG kérdőívek kitöltése és a bizonyítékok összegyűjtése komoly operatív nehézséget okoz [16].
Adatok mérhetetlensége: A kisebb cégek ritkán mérik a Scope 1, Scope 2, vagy különösen a Scope 3 kibocsátásaikat, nem készítenek nemek közötti bérszakadék-elemzést, és nem rendelkeznek hitelesített irányítási rendszerekkel (ISO 14001, ISO 45001) [16].
Kizárási kockázat: Ha a nagyvállalatok szoftveres kockázatértékelési rendszerei merev és büntető jellegű algoritmusokat alkalmaznak, a transzparens adatokkal nem rendelkező KKV-k automatikusan a “magas kockázatú” kategóriába kerülnek, ami a beszállítói láncból való kizárásukhoz vezethet [16].

Emiatt az akadémiai diskurzusban egyre nagyobb hangsúlyt kapnak az olyan támogató és fejlesztő fókuszú (developmental due diligence) megközelítések, amelyek a büntetés helyett a fokozatosságra, az előrehaladás (momentum) mérésére és a KKV-kra szabott, egyszerűsített adatbekérési struktúrákra helyezik a hangsúlyt [16].
4.3. A minősítői divergencia és a mérési eltérések elméleti kérdései

Az ESG minősítések egyik legnagyobb tudományos és gyakorlati problémája az ún. minősítői divergencia (rating divergence) [16]. Berg, Kölbel és Rigobon (2022) mérföldkőnek számító, „Aggregate Confusion: The Divergence of ESG Ratings” című kutatásukban rámutattak, hogy a vezető globális minősítők (mint az MSCI, Refinitiv/LSEG, S&P, Sustainalytics) értékelései között rendkívül alacsony (átlagosan 0.36-os) a korreláció, miközben a hagyományos hitelminősítéseknél ez meghaladja a 0.9-et [16, 17].

A szerzők a divergenciát három fő tényezőre bontották le [17]:

Hatókör-divergencia (Scope divergence): Az eltérő minősítők más-más attribútumokat vesznek figyelembe az ESG sémákban [17].
Mérési divergencia (Measurement divergence): Ugyanazt az elméleti kategóriát (pl. munkahelyi biztonság vagy diverzitás) eltérő indikátorokkal és mérési skálákkal számszerűsítik [17].
Súlyozási divergencia (Weight divergence): Az egyes pillérekhez vagy kulcskérdésekhez (Key Issues) rendelt relatív fontosság és matematikai súlyok eltérnek [17].

A Céginformáció.hu Kft. jelen bemutatott módszertana ezt a tudományos kihívást úgy kezeli, hogy a hazai piacra szabva transzparens módon rögzíti és publikálja az indikátorok definícióit, a mérések forrását, valamint a TEÁOR-alapú súlyozásokat, elkerülve a globális minősítőknél tapasztalható “fekete doboz” jelenséget [17].
4.4. A hiányzó adatok statisztikai pótlásának (Imputation) matematikai dilemmái és a torzításmentesség biztosítása

Az ESG adatok elemzése során felmerülő egyik legjelentősebb módszertani és matematikai kihívás a hiányzó adatok (missing data) kezelése [17]. Mivel a vállalati ESG közzétételek önkéntesek vagy részlegesek, az adatbázisokban hatalmas mértékű az adathiány [17].

Ha a minősítők az adathiányot automatikusan nullának (vagy a legrosszabb teljesítménynek) tekintik, az súlyos közzétételi torzításhoz (disclosure bias / size bias) vezet: a megengedőbb, nagyobb vállalatok magasabb pontszámot kapnak egyszerűen azért, mert van erőforrásuk fenntarthatósági jelentések készítésére, míg a ténylegesen fenntarthatóan működő, de nem publikáló KKV-k alacsony minősítést kapnak [17].

A statisztikai és gépi tanulási szakirodalom (Wang és Liu, 2024; Christensen et al., 2022) három fő megközelítést azonosít a hiányzó ESG adatok pótlására (imputation) [17]:

Iparági átlaggal történő helyettesítés (Mean/Median Imputation): A legegyszerűbb, de legpontatlanabb módszer [17]. Elsimítja az egyedi vállalati különbségeket, és megszünteti a varianciát, így a modell képtelen lesz differenciálni a szektoron belüli jó és rossz teljesítők között [17].
Regressziós és prediktív modellek (Proxy-based regressions): A vállalat ismert pénzügyi és strukturális paraméterei (pl. tárgyévi árbevétel, foglalkoztatottak száma, eszközérték, földrajzi lokáció) és a TEÁOR/NACE főtevékenységi ágazat alapján megbecsülik a környezeti kibocsátásokat [17].
Faktoralapú mátrix-kiegészítési eljárások (Factor-based Matrix Completion): A meglévő, megfigyelt adatpontok közötti korrelációs struktúrák és látens faktorok segítségével az algoritmus feltölti a hiányzó cellákat, minimalizálva a becslési hiba varianciáját [17, 18].

A Céginformáció.hu Kft. ezt a matematikai dilemmát úgy oldja fel, hogy a becsült proxy adatokból számított környezeti pontszámot egy konzervatív korrekciós szorzóval (penalty/modifier) módosítja, biztosítva, hogy a valós, mért és hitelesített adatot szolgáltató vállalatok mindig magasabb maximális pontszámot érhessenek el, mint a kizárólag statisztikai becslésekre támaszkodó társaik [18].
5. NEMZETKÖZI AJÁNLÁSOK ÉS SZABÁLYOZÁSI MEGFELELÉSI KERETEK

A minősítési módszertant úgy alakítottuk ki, hogy az maradéktalanul megfeleljen a hatályos magyar jogszabályoknak, és harmonizáljon a legfontosabb nemzetközi keretrendszerekkel [18]:

CSRD & ESRS kompatibilitás: A minősítés során vizsgált témakörök egy az egyben lefedik az ESRS 12 fő közzétételi területét (pl. ESRS E1 Klímaváltozás, ESRS E2 Szennyezés, ESRS S1 Saját munkaerő, ESRS G1 Üzleti magatartás) [18]. A kettős lényegességi (Double Materiality) vizsgálatunk követi az ESRS 1 iránymutatásait a hatások és a pénzügyi kockázatok azonosítására [18].
CSDDD harmonizáció: Módszertanunk beszállító-specifikus súlyokat és indikátorokat tartalmaz, amelyek célzottan mérik az értékláncban felmerülő kényszermunka, gyermekmunka, környezetszennyezés és biodiverzitás-csökkenés kockázatait [18]. Lehetővé tesszük, hogy a vállalatok az értékláncukon belüli szintről önálló részjelentést és pontszámot (Value Chain Score) kapjanak [18].
GRI Standards integráció: A minősítéshez használt kérdőívek és az adatbekérési struktúrák a GRI Topic Standards (pl. GRI 302: Energia, GRI 305: Kibocsátások, GRI 403: Munkahelyi egészség és biztonság) logikájára és definícióira épülnek [18].
SASB / ISSB (SICS): Az iparági lényegességi mátrix (Materiality Map) kialakításakor közvetlenül a SASB iparági osztályozási rendszerét (SICS – Sustainable Industry Classification System) vesszük alapul [19]. A 77 iparági kategóriához rendelt kockázati súlyok és a kulcstémák azonosítása a SASB relevanciára vonatkozó empirikus bizonyítékain alapul [19].

6. JOGSZABÁLYI ALAPOKON NYUGVÓ KÖZHITELES ADATKÖRÖK MEGFELELÉSI MÁTRIXA

A Céginformáció.hu Kft. az alábbi hivatalos hatósági nyilvántartások adatait integrálja közvetlenül a minősítési modelljébe [19]:
6.1. Hivatalos Hatósági és Nyilvántartási Adatkörök Mátrixa

6.2. Cégjegyzéki és Cégbírósági adatstruktúra beépítése az ESG-be

A Cégbíróság adatbázisából kinyert strukturált változók közvetlen bemeneti tényezőkké transzformálódnak a modellben [24]:

Székhely, telephelyek és fióktelepek címei: A működési címek földrajzi elhelyezkedése alapján a rendszer automatikus térinformatikai geokódolást végez, és meghatározza a vállalat fizikai környezeti és klímakockázati (Physical Climate Risks – pl. árvíz-, aszályveszély) kitettségét [24].
Vezetők (cégjegyzésre jogosultak) adatai: A képviselők nevei alapján az algoritmus azonosítja a vezetők nemét (nemek közötti egyenlőség és diverzitás), születési dátumuk alapján kiszámítja a menedzsment átlagéletkorát és a 40 év alatti fiatal vezetők arányát (generációs megújulás), míg a képviselet módja (együttes vagy önálló cégjegyzés) a belső kontrollok szintjét jelzi [24].
Jegyzett tőke és saját tőke aránya: A tőkeszerkezet stabilitása a vállalat hosszú távú gazdasági életképességének (Financial Viability) legfőbb mutatója, ami elengedhetetlen a fenntartható gazdasági működés igazolásához [24].
Könyvvizsgáló adatai: A könyvvizsgáló megbízásának időtartama alapján a rendszer ellenőrzi a függetlenséget garantáló könyvvizsgálói rotáció megvalósulását [24].
Felügyelőbizottság (FB) adatai: Az FB megléte a belső ellenőrzési és felügyeleti funkciók magas szintjét igazolja [24].

6.3. Civil szervezetek és költségvetési szervek adatintegrációja

A piaci szereplőkön túlmenően a minősítési rendszer kiterjed a civil szervezetekre (alapítványok, egyesületek) és a költségvetési szervekre is [24]:

Civil szervezetek nyilvántartása: birosag.hu (Országos Bírósági Hivatal nyilvántartása) [24]. Ebből kinyerjük a szervezetek alapító okiratait, képviselőik adatait, közhasznúsági státuszukat és az éves beszámolóik meglétét, ami a G és S pillérek alapját adja [24].
Költségvetési szervek törzskönyvi adatai: Magyar Államkincstár (MÁK) hivatalos törzskönyvi nyilvántartása [24]. Ez biztosítja a költségvetési szervek irányítási struktúrájának és költségvetési kapcsolatainak pontos azonosítását [24].

7. AZ 5 ÉVES IDŐSOROS ESG MUTATÓSZÁMOK SZÁMÍTÁSI KÉPLETEI (VII. KÖTET)

A Céginformáció.hu Kft. Alapkockázati Profiljának (BRP) gerincét az 5 éves idősoros, ellenőrzött pénzügyi és létszámadatokból képzett mutatószámok alkotják [25]. Ezek a mutatók közvetett módon, pénzügyi és strukturális proxykon keresztül világítják át a vállalat fenntarthatósági és etikai teljesítményét [10, 25].

8. SICS–TEÁOR SZEKTORÁLIS SÚLYOZÁS ÉS AZ SF-ELI SKÁLÁZÁSI MODELL (V. KÖTET)

A környezeti (E) pillér objektív, nem-lineáris becsléséhez a szoftver integrálja a Központi Statisztikai Hivatal (KSH) hivatalos szektorális környezeti adatbázisait (STADAT táblázatok) [28].

A KSH makroszintű adatait az egyedi cégek szintjére a saját fejlesztésű Strukturális-Pénzügyi Környezeti Terhelési Index (SF-ELI) alapján skálázzuk le [28]. Ez a modell figyelembe veszi a vállalat eszközintenzitását és anyagfelhasználási struktúráját is, kiszűrve az egyszerű lineáris árbevétel-arányos leosztások torzításait [28].

9. INCIDENS- ÉS KONTROVERZIA-KEZELÉS (VI. KÖTET)

Az Incident & Compliance Malus (ICM) modul egy kizárólag jogerős hatósági határozatokon, bírósági végzéseken és közhiteles állami nyilvántartásokon alapuló, objektív, dinamikus és matematikai lecsengési modellel ellátott incidensértékelő rendszer [12, 63].
9.1. Az incidensek időbeli lecsengésének (Decay Function) matematikai modellje

A modell biztosítja, hogy a korábban elkövetett jogsértések hatása az idő múlásával fokozatosan csökkenjen a minősítésben, ösztönözve a vállalatokat a gyors korrekcióra [66]:

10. JOGI INCIDENSEK ÉS BÍRSÁGOK TÉTELES LEKÉPEZÉSI MÁTRIXA (VI. KÖTET)

A szoftver az alábbi táblázat alapján végzi el a beérkező negatív események és hatósági elmarasztalások besorolását, meghatározva a bázis malus pontot és a lecsengés sebességét [64, 70]:

11. VALÓS MÓDSZERTANI ESETTANULMÁNY (X. KÖTET)

A Céginformáció.hu Kft. valós számszaki adatain keresztül az alábbiakban részletesen bemutatjuk az egyedi ESG részmutatók, a bázispontszám, valamint a kétutas szimuláció konkrét levezetését [94, 95].
11.1. Mutatószámok és pontszámok kiszámítása az esettanulmányban

11.2. A Súlyozott Alapkockázati Profil (BRP_Score) meghatározása

A SICS Technology & Communications szektor súlyozási mátrixa alapján (E súlya = 10%, S súlya = 50%, G súlya = 40%) [97]:

11.3. Kétutas szimulációs forgatókönyvek
Forgatókönyv A) “A” Út (Aktív minősítés – A cég kitölti a kérdőívet és dokumentumokkal igazolja)

A vállalat kitölti az SZTFH-konform kérdőívet, és feltölti a belső szabályzatait (kiberbiztonsági eljárásrend, antikorrupciós politika, külső bejelentő platform szerződés) [98].

Számított OMF_A szorzó: 1.15 (magas belső felkészültség) [98].
Incidens malus (ICM): 0.00 pont (múltja makulátlan) [98].

Forgatókönyv B) “B” Út (Passzív minősítés – A cég NEM tölti ki a kérdőívet)

A vállalat elutasítja a kérdőíves adatszolgáltatást [98]. A cégbírósági és NAV adatok alapján a múltja tiszta [98].

Számított OMF_B (Adatmélységi tényező – DDF): 1.2 (maximális elérhető passzív szorzó) [99].
Incidens malus (ICM): 0.00 pont [99].

12. A MINŐSÍTÉSI ÉLETCIKLUS ELJÁRÁSI RENDJE (SOP) (VIII. KÖTET)

A Céginformáció.hu Kft. által kibocsátott ESG minősítések előállítása, ellenőrzése és fellebbezése egy szigorúan szabályozott, zárt folyamaton (Standard Operating Procedure – SOP) keresztül valósul meg [79].
12.1. Fellebbezési protokoll és az „Appeal Delta” biztonsági korlát

A fellebbezések elbírálása során sem az elemzők, sem a Minősítési Bizottság nem végezhet manuális felülírást [83]. Minden változtatást át kell vezetni a matematikai motoron, és a módosítás mértékére az alábbi biztonsági és integritási korlát (Integrity Constraint) vonatkozik [83]:

13. A DOKUMENTUMOK HATÓSÁGI VALIDÁLÁSÁNAK ELJÁRÁSI RENDJE (XII. KÖTET)

Amennyiben a vállalat a kérdőíven megjelölt válaszához (pl. környezetirányítás, munkavédelem, kiberbiztonság) egyedi ISO tanúsítványt csatol bizonyítékként, az elemzőnek az alábbi szigorú hatósági és nemzetközi ellenőrzéseket kell lefolytatnia a zöldremosás teljes kizárása érdekében [102]: