ESG and Machine Learning in Asset Pricing

Abstract

I denne masteroppgaven brukes diverse maskinlæringsmetoder til å identifisere, samt teste, passende variabler for å forklare aksjeavkastningen i et tverrsnitt. Videre vurderes verdien av å inkludere ikke-finansielle variabler fra rapporterte miljø-, sosiale- og forretningsetiske forhold. I analysen vektlegges bade forklaringskraft, samt antallet forklaringsvariabler og mulig overtilpasning.

Først ble et bredt spekter av forklaringsvariabler, hentet fra relevant litteratur, automatisk filtrert ved hjelp av XGBoost (Extreme Gradient Boosting) og Lasso (Least Absolute Shrinkage and Selection Operator). Det resulterende variabelsettet viste seg å utkonkurrere det opprinnelige, både basert på ren forklaringskraft og når antallet forklaringsvariabler ble hensyntatt. De samme kriteriene ble også brukt til å sammenligne to datasett, hvor et inneholdt ESG-variabler og det andre ikke. ESG variablene viste seg å utilstrekkelig øke forklaringskraften, og til og med senke den når antallet ekstra variabler ble hensyntatt. Dette antyder at ESG-variablene tilfører lite nyttig informasjon til investorer. Når modellene ble testet på usett data, resulterte dette i svært lav forklaringskraft, noe som antyder at de er overtilpasset og egner seg dårlig for prediksjon.

Det er flere grunner til å tro at resultatene i denne masteroppgaven har svekket troverdighet. Først og fremst grunnet datarelaterte problemer som resulterer i «utelatt variabel problem». Dette er i tråd med tidligere studier som også peker på lav datakvalitet som noe av det som hindrer investorer i å bruke ESG-data i investeringsbeslutninger. Det virker derimot til at disse hindringene vil bli mindre i fremtiden, i tillegg til at det finnes en rekke konkrete tiltak for å utvikle forskningsmetoden for å bedre håndtere dagens utfordringer. Eksempelvis å heve kvaliteten på datasettet ved å benytte flere databaser.

This thesis utilizes machine learning methods to identify and test suitable variables for explaining the cross section of stock returns. Further, it assesses the value of including non-financial variables derived from firms’ Environmental, Social and Governance (ESG) reporting. In the analyses, both explanatory power, model parsimony, and overfitting are considered.

First, a broad set of variables suggested in the existing literature is identified. These are selected based on the XGBoost (Extreme Gradient Boosting) and Lasso (Least Absolute Shrinkage and Selection Operator) frameworks. The resulting set of variables is shown to outperform the original set with respect to goodness-of-fit criteria, also when accounting for model parsimony. Second, this thesis conducts a comparison of two variable sets where variables based on ESG reporting are included and excluded, respectively. The inclusion of the ESG variables is found to insufficiently increase the goodness-of-fit criteria, as well as decreasing it when accounting for model parsimony. This suggests that the ESG variables offer little valuable information to investors. Finally, an out-of-sample analysis reveals overall low explanatory power for both ESG and non-ESG variables. This implies overfitting and that the variables are not suitable for making predictions.

The accuracy of findings in this thesis might be seriously compromised by a variety of reasons, most prominently data related issues causing omitted variable bias. This confirms suggestions in previous literature that the lack of sufficient ESG reporting impedes investors from incorporating it in investment decisions. However, missing values are likely to be less prominent in the future. In addition, certain adaptions can be made to the research methodology to better cope with the current ones. Including but not limited to improving data quality by sourcing it from more databases.