PREDICTING ESG SCORES: A MACHINE LEARNING APPROACH.

The thesis analyzes the relationship between sustainability and economic performance of small and medium-sized enterprises by predicting ESG scores using machine learning techniques. After an introduction to the ESG theoretical framework, the empirical analysis applies Random Forest, Support Vector Machine, Logistic Regression, and Neural Networks to a dataset of SMEs. The objective is twofold: to test the models' predictive capacity for ESG scores and to investigate whether companies with better ESG performance also exhibit better financial results. The results show a significant correlation.

La tesi analizza la relazione tra sostenibilità e performance economica delle piccole e medie imprese, attraverso la previsione degli ESG scores con utilizzo di tecniche di machine learning. Dopo un’introduzione al quadro teorico degli ESG, l’analisi empirica applica Random Forest, Support Vector Machine, Regressione Logistica e Reti Neurali a un dataset di PMI. L’obiettivo è quello di verificare la capacità predittiva dei modelli sugli ESG scores e indagare se le imprese con migliori performance ESG presentino anche migliori risultati finanziari. I risultati mostrano una significativa correlazione.