Studio Lega&Partners ha analizzato approfonditamente l’analisi pubblicata da Consob sull'”effetto ESG” nel settore industriale, arricchendo il nostro continuo aggiornamento nelle materie in cui ci riteniamo competenti come la consulenza strategica, ESG e diritto della crisi.

Analisi di 850 società su 15 anni.

Basata su dati di oltre 850 società in un arco temporale di 15 anni, questa ricerca evidenzia come i tre pilastri ESG (ambientale, sociale, governance) contribuiscano diversamente alla performance reddituale delle imprese che adottano strategie sostenibili. Attualmente, le metriche ESG sono instabili e eterogenee, basate su metodologie proprietarie diverse e in parte differenti sulle due sponde dell’Oceano Atlantico.

È prevedibile che la definizione di standard e metriche di sostenibilità migliorerà la raccolta e l’analisi dei dati strutturati, aumentando la trasparenza nel mercato degli investimenti sostenibili.

Punteggio ambientale e performance reddituali

Il punteggio ambientale è particolarmente associato positivamente alle performance reddituali, riflettendo una crescente sensibilità dei consumatori verso le tematiche ambientali, ma questo vale anche per le aziende operanti in ambito B2B.

Valore aggiunto della sostenibilità

I risultati suggeriscono che l’attenzione alla sostenibilità può incrementare sia l’efficienza operativa che la redditività. Tuttavia, esistono differenze significative tra le imprese europee e statunitensi, dovute ai diversi contesti normativi.

Tecniche di machine learning

La ricerca approfondisce le tecniche di machine learning utilizzate per l’analisi. Queste tecniche, non vincolate ai modelli teorici tradizionali, offrono maggiore flessibilità e permettono di individuare relazioni che i metodi classici non riescono a cogliere. Lo studio utilizza modelli agnostici per superare la limitata interpretabilità dei risultati, facilitando così l’analisi del contributo delle variabili di input.

Sfide delle metriche ESG

Attualmente, le metriche ESG presentano instabilità ed eterogeneità, influenzate dalle diverse metodologie proprietarie. La definizione progressiva di standard e metriche di sostenibilità migliorerà la raccolta e l’analisi dei dati, aumentando la trasparenza nel mercato degli investimenti sostenibili.

Conclusioni

Lo studio dimostra l’importanza delle tecniche di machine learning per comprendere la relazione tra performance ESG e performance reddituale. Una migliore comprensione di queste dinamiche può aiutare i regolatori a orientare meglio le loro decisioni, in linea con l’impegno dell’Unione Europea a promuovere investimenti sostenibili attraverso un adeguato quadro normativo di supporto.

Per scaricare la ricerca completa, cliccare qui.