Mensile dell'
Associazione
Bancaria
Italiana
anno 100
Associazione
Bancaria
Italiana
anno 100
Archivio sommari » Bancaria - Aprile 2024 » Scelte di investimento e rating Esg: un approccio di Machine Learning con indicatori di bilancio e di rischio sistemico
Scelte di investimento e rating Esg: un approccio di Machine Learning con indicatori di bilancio e di rischio sistemico
di Rosella Castellano, Annalisa Ferrari, Federico CiniAprile 2024 - n. 4
Keywords: Machine Learning, rischi Esg, rischio di performance, strategie di investimento
Jel codes: G3, G11, G32, C6, C8
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.