Scelte di investimento e rating Esg: un approccio di Machine Learning

Sul n.4/2024 di Bancaria è stato pubblicato un interessante contributo di Rosella Castellano e Annalisa Ferrari di UnitelmaSapienza e di Federico Cini della Sapienza Università di Roma. Il concetto di sostenibilità identifica, da oltre dieci anni, un fattore chiave delle strategie di investimento. Le evidenze empiriche attribuiscono migliori profili di rischio-rendimento agli investimenti sostenibili, e quindi i rating Esg sono un’informazione essenziale per scelte consapevoli e profittevoli. Le metriche classiche di selezione del portafoglio si sono, pertanto, arricchite di nuove misure Environmental, Social e Governance, sia individualmente che come insieme (Esg). L’investitore sostenibile è caratterizzato da un orizzonte temporale di medio-lungo termine che favorisce la contaminazione delle metriche classiche a opera di quelle Esg. Obiettivo del lavoro è verificare se un insieme selezionato di variabili di bilancio e una misura dinamica del rischio sistemico consentono di identificare la classe di rating Esg di un’impresa. Utilizziamo le imprese dell’indice EuroStoxx 600 nel periodo 2016-2021 e, applicando un modello di Machine Learning (Random Forest), stimiamo la classe di rating Esg con un’accuratezza che non ha precedenti

nella letteratura. Questo modello agile e parsimonioso offre informazioni all’investitore sostenibile per le decisioni strategiche e apre la strada alla possibilità di stimare il rating Esg anche per le imprese non quotate e per le Pmi.