Fattori ESG e redditività aziendale: un esperimento computazionale sulle divergenze nella misurazione dei criteri ESG

The empirically relevant question regarding ESG does not concern whether or not it improves corporate profitability in absolute terms, but rather the conditions of measurement, modelling and sectoral context in which it proves to be economically significant. This thesis therefore aims to analyze this issue through a controlled computational experiment on a simulated dataset comprising 1,000 firms observed over a ten-year period, breaking down the aggregate ESG scores into twelve specific drivers in line with the taxonomy developed by Berg, Kölbel and Rigobon (2022). The analysis is set within the framework of European legislation on sustainable finance (EU Taxonomy, SFDR, CSRD), which, despite its ambition, defines what to measure but not how to measure it, thus leaving the issue of measurement divergence unresolved. The results show that measurement divergence is the main source of empirical instability; indeed, even small changes in how a single ESG dimension is measured can radically alter the statistical significance of ESG factors, whereas divergence in weighting produces virtually negligible effects. Furthermore, a firm’s sector, if left uncontrolled, emerges as a strong confounding factor, capable of generating spurious relationships in the absence of adequate controls. Overall, this thesis suggests that the debate on ESG should shift from the question “Is ESG important?” to the question “Using which metrics, for which dimensions, in which sectors and with what controls does ESG emerge as relevant?”.

La questione empiricamente rilevante relativa all’ESG non riguarda il fatto che esso migliori o meno la redditività aziendale in termini assoluti, bensì le condizioni di misurazione, modellizzazione e contesto settoriale in cui si rivela economicamente significativo. La presente tesi mira quindi ad analizzare tale questione attraverso un esperimento computazionale controllato su un set di dati simulato comprendente 1.000 imprese osservate nell’arco di un decennio, scomponendo i punteggi ESG aggregati in dodici fattori specifici in linea con la tassonomia sviluppata da Berg, Kölbel e Rigobon (2022). L’analisi si inserisce nel quadro della legislazione europea sulla finanza sostenibile (Tassonomia UE, SFDR, CSRD), che, nonostante la sua ambizione, definisce cosa misurare ma non come misurarlo, lasciando così irrisolta la questione della divergenza di misurazione. I risultati mostrano che la divergenza di misurazione è la principale fonte di instabilità empirica; infatti, anche piccole variazioni nel modo in cui viene misurata una singola dimensione ESG possono alterare radicalmente la significatività statistica dei fattori ESG, mentre la divergenza nella ponderazione produce effetti praticamente trascurabili. Inoltre, il settore di appartenenza di un’impresa, se non controllato, emerge come un forte fattore di confondimento, in grado di generare relazioni spurie in assenza di controlli adeguati. Nel complesso, questa tesi suggerisce che il dibattito sull’ESG dovrebbe spostarsi dalla domanda "L’ESG è importante?" alla domanda "Con quali indicatori, per quali dimensioni, in quali settori e con quali controlli l’ESG si rivela rilevante?".