Analyse algorithmique de méthodes d’attribution de scores ESG

Details

Supervisors

Vrins, Frédéric

Faculty

Louvain School of Management

Degree label

Master [60] en sciences de gestion (horaire décalé)

Abstract

Les facteurs Environnementaux, Sociaux et de Gouvernance (ESG) constituent d’importantes mesures afin d’estimer la valeur des entreprises, le risque qu’elles présentent, ainsi que leur respect des régulations. Ces facteurs sont également pris en compte par un nombre croissant de particuliers cherchant à investir dans des fonds socialement responsables. A l’heure actuelle, il n’existe pas de consensus quant à la méthode optimale pour attribuer des scores ESG aux entreprises et fonds d’investissements, ni même quant aux différents critères significatifs qui devraient être pris en compte. Ce travail présente une étude des méthodologies employées par les grands organismes financiers pour attribuer des scores ESG aux sociétés. Il procède ensuite à une analyse algorithmique effectuée sur une base de données ESG. L’étude des scores ESG attribués par les grands organismes d’informations économique et financière nous a montré qu’il existe de larges disparités, dues à des méthodologies propres à chaque organisme. Grâce à l’utilisation d’un algorithme de régression linéaire, nous avons pu établir un modèle montrant une excellente corrélation avec les scores extraits de la base de données. Nous avons également mis en avant une corrélation significative des différents critères ESG entre eux, signe d’une redondance importante des critères. Nous avons également tenté de définir quels critères étaient utilisés pour sélectionner les actifs dans les fonds typés ESG, au moyen d’algorithmes tels que l’analyse en composantes principales (PCA) et le clustering non supervisé. Nous avons identifié plusieurs obstacles rendant délicate la justification du choix des actifs dans ces fonds. Plusieurs pistes d’amélioration ont également été proposées.