📈 economía

The choice of probability mapping in ESG questionnaire scoring: a structural risk-metric perspective for venture-capital and private-equity due diligence, with a dynamical-systems foundation

Este artículo sostiene que la elección del mapeo de probabilidad en la calificación ESG es una decisión de riesgo estructural crítica en lugar de una mera consideración técnica posterior, demostrando cómo diferentes mapeos pueden alterar drásticamente los resultados de las calificaciones y proponiendo un criterio basado en la dinámica y que sea falsable para asegurar evaluaciones ESG defendibles y comparables para la debida diligencia de capital de riesgo y capital privado.

Autores originales: Francesco Eusepi

Publicado 2026-10-21

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Francesco Eusepi

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de las finanzas de alto riesgo, los inversores a menudo se enfrentan a un rompecabezas difícil: cómo medir el carácter de una empresa que no tiene historia. Cuando los capitalistas de riesgo y las firmas de capital privado buscan invertir en nuevas empresas emergentes, no pueden confiar en puntuaciones crediticias pasadas o en décadas de informes financieros. En su lugar, deben confiar en un cuestionario estructurado, una serie de preguntas de sí o no sobre cómo la empresa trata al medio ambiente, a sus trabajadores y a su propia gobernanza. Las respuestas se contabilizan en un único número, una puntuación destinada a representar la alineación de la empresa con los estándares éticos. Pero un número bruto es difícil de interpretar por sí solo. Para que sea útil, los analistas deben traducir esa puntuación en una probabilidad: un porcentaje de posibilidades de que la empresa sea una buena inversión o, por el contrario, un riesgo de fracaso. Este paso de traducción es el motor invisible detrás de cada calificación, pero hasta ahora, las reglas que rigen cómo ocurre esa traducción han sido tratadas como un detalle técnico menor, elegido más por conveniencia que por un razonamiento profundo.

Un nuevo estudio del investigador Francesco Eusepi desafía este enfoque casual, argumentando que el método utilizado para convertir la puntuación de un cuestionario en una probabilidad no es solo una preferencia matemática, sino una decisión que altera fundamentalmente el resultado de una inversión. El artículo demuestra que dos métodos matemáticos diferentes, aunque igualmente válidos, pueden tomar el mismo conjunto de respuestas y producir calificaciones completamente diferentes para la misma empresa. En un escenario, una empresa podría ser señalada como una inversión de alto riesgo que requiere reparaciones inmediatas; en el otro, utilizando un método diferente pero defendible, esa misma empresa podría ser calificada como una oportunidad de primer nivel y bajo riesgo. La investigación sugiere que, sin una regla estricta y acordada para esta traducción, todo el sistema de inversión ética se vuelve inconsistente, haciendo imposible comparar empresas de manera justa o confiar en las calificaciones proporcionadas por diferentes firmas.

El núcleo del problema reside en la forma de la curva utilizada para realizar la traducción. Imagine una línea que comienza en cero y asciende a uno, representando el cambio del riesgo total a la seguridad total. El estudio compara dos formas específicas para esta línea: una que asciende de manera constante y suave, y otra que se dispara muy rápidamente al principio y luego se aplana. Cuando los investigadores aplicaron estas dos formas al mismo conjunto de empresas hipotéticas, los resultados fueron sorprendentes. Utilizando la curva suave y constante, una empresa con una puntuación moderada de cincuenta sobre un máximo posible fue calificada como una inversión comprometida, que necesitaba un trabajo significativo antes de poder considerarse segura. Sin embargo, cuando la misma puntuación se pasó por la curva que asciende bruscamente al principio, esa misma empresa fue calificada como una inversión segura de primer nivel. La diferencia no fue un pequeño ajuste; fue un cambio de siete pasos en una escala de calificación de diez pasos. Esto significa que dos analistas, observando los mismos datos y utilizando dos métodos que pasan ambas pruebas de lógica, podrían llegar a conclusiones opuestas sobre si invertir.

El artículo establece un paralelismo con la forma en que los bancos evalúan el riesgo de que una empresa quiebre. En ese campo, los expertos utilizan un concepto de "distancia al incumplimiento" (distance to default), que mide qué tan lejos está una empresa del fracaso financiero. Luego, utilizan una herramienta matemática específica para convertir esa distancia en una probabilidad de fracaso. El estudio argumenta que el cuestionario ESG funciona de la misma manera: la puntuación es la distancia, y el mapa de probabilidad es la herramienta. Así como un banco no cambiaría arbitrariamente la herramienta que utiliza para medir el riesgo de quiebra sin recalibrar todo su sistema, los calificadores de ESG no deberían cambiar sus mapas de probabilidad sin comprender las consecuencias. La investigación muestra que la elección de la herramienta cambia dónde caen las "zonas de peligro" y las "zonas seguras" en el eje de la puntuación. Un método distribuye las calificaciones de manera uniforme a lo largo de todo el rango de puntuaciones posibles, permitiendo distinciones finas entre empresas. El otro método, aunque matemáticamente válido, comprime casi todas las calificaciones en una pequeña franja del rango de puntuación, haciendo que sea casi imposible distinguir entre una buena empresa y una excelente hasta que la puntuación es casi perfecta.

Más allá de la confusión inmediata que causa a los inversores, el estudio destaca un problema más profundo de confianza y gobernanza. Si el método utilizado para calcular estas calificaciones no se declara y justifica explícitamente, los números resultantes no son verdaderamente comparables. Una calificación de una firma podría significar algo completamente distinto que la de otra, simplemente porque utilizaron curvas diferentes para hacer las matemáticas. El documento propone un conjunto de reglas estrictas, o axiomas, que cualquier método aceptable debe seguir para garantizar que sea justo y consistente. Sugiere que el método más fiable es aquel que se comporta como una fuerza constante y predecible, donde cada pequeña mejora en la puntuación de una empresa conduce a una mejora proporcional en su calificación. Este enfoque, conocido como la sigmoide logística, asegura que el sistema de calificación permanezca sensible a los cambios en todo el espectro de desempeño, en lugar de ignorar la mayor parte de los datos.

Los hallazgos sirven como una advertencia para la industria financiera de que las herramientas utilizadas para medir la responsabilidad ética deben elegirse con la misma rigurosidad que los modelos financieros utilizados para medir las ganancias. El estudio no pretende haber descubierto una nueva ley de la naturaleza, sino más bien haber expuesto una variable oculta en un sistema que muchos daban por sentado. Al demostrar que la elección del mapa de probabilidad puede mover a una empresa de una calificación de reprobatoria a una de aprobatoria, la investigación obliga a una reevaluación de cómo se lleva a cabo la debida diligencia. Argumenta que, para que el sistema sea defendible, auditable y verdaderamente útil, el método de traducción debe ser divulgado y estandarizado. Sin esta claridad, las calificaciones que guían miles de millones de dólares en decisiones de inversión siguen siendo vulnerables a las elecciones arbitrarias del modelador, desviando potencialmente el capital de las empresas que realmente lo merecen.

Resumen Técnico: La elección del mapeo de probabilidad en la calificación de cuestionarios ESG

Planteamiento del problema
En la debida diligencia de Capital de Riesgo (VC) y Capital Privado (PE), las evaluaciones de ESG para objetivos con escasez de datos (por ejemplo, start-ups) suelen basarse en modelos de puntuación aditivos derivados de cuestionarios de Sí/No. Estos modelos generan una puntuación bruta, no acotada ( $m$ ), que debe normalizarse en una probabilidad adimensional ( $p$ ) de alineación con los criterios ESG, donde el complemento ( $\psi = 1-p$ ) representa el riesgo ESG.

El documento identifica una brecha metodológica crítica y previamente subexaminada: la elección de la función de mapeo de probabilidad (la transformación de la puntuación $m$ a la probabilidad $p$ ) suele tratarse como un detalle técnico secundario. Sin embargo, esta elección no es neutral. Diferentes funciones de mapeo admisibles, incluso cuando están calibradas con condiciones de contorno idénticas (por ejemplo, la probabilidad en una puntuación de cero y la probabilidad en la puntuación máxima posible), pueden producir límites de calificación radicalmente distintos. Esto conduce a un "problema de comparabilidad" donde dos analistas que aplican diferentes pero igualmente defendibles mapas al mismo dato del cuestionario pueden asignar a los objetivos a clases de calificación que difieren por varios niveles, alterando fundamentalmente las decisiones de inversión, las estructuras de los convenios (covenants) y la asignación de capital.

Metodología
El documento emplea un enfoque metodológico de tres vertientes:

Formulación Axiomática: El autor define un conjunto de axiomas naturales para los mapas de probabilidad admisibles:
- Monotonicidad: Puntuaciones más altas deben producir mayores probabilidades de alineación.
- Acotamiento: El resultado debe situarse estrictamente dentro de $(0, 1)$ .
- Normalizabilidad: El mapa debe ser expresable como la integral de una función de densidad no negativa e integrable.
  Esto conduce al Teorema 1, que establece que un mapa admisible $\pi(s)$ debe satisfacer la ecuación diferencial de primer orden autónoma $\pi' = f(\pi)$ , donde $f$ es una función integrable.
Analogía de Métrica de Riesgo Estructural: La innovación central reencuadra el problema de la normalización a través de la lente de los modelos de riesgo crediticio estructural (específicamente, modelos de Distancia al Incumplimiento como Merton/KMV).
- La puntuación ESG aditiva ( $m$ ) se analogiza con la "distancia al incumplimiento".
- El mapa de probabilidad ( $\pi$ ) se analogiza con la función de distribución acumulativa (por ejemplo, la CDF normal) utilizada para convertir la distancia en una probabilidad de incumplimiento.
- Esta analogía permite una interpretación económica de los parámetros de calibración: el parámetro de intercepto ( $\beta$ ) representa la tasa base (análogo a una empresa en el límite de incumplimiento), y el parámetro de pendiente ( $\alpha$ o $a$ ) representa la "volatilidad" o sensibilidad de la escala de calificación.
Fundamentación de Sistemas Dinámicos: Para proporcionar un fundamento matemático riguroso al criterio de admisibilidad, el documento establece una analogía con los sistemas dinámicos conservativos unidimensionales.
- La puntuación $s$ se trata como "tiempo", la probabilidad $\pi$ como "posición" y la función de densidad como "momento".
- La condición de admisibilidad ( $\pi' = f(\pi)$ ) se demuestra equivalente a la condición de un campo de fuerza conservativo (donde el momento depende solo de la posición, no explícitamente del tiempo), asegurando la existencia de un potencial de energía conservada. Esta derivación se detalla en los apéndices para mantener la accesibilidad para una audiencia de negocios.

Contribuciones Clave

Formalización del Problema de Normalización: El documento traslada la elección del mapa de probabilidad de una decisión heurística a una elección axiomática, proporcionando un criterio general de existencia (Teorema 1) para los mapas admisibles.
Cuantificación del Riesgo de Modelo: A través de un ejemplo numérico calibrado, el documento demuestra que dos mapas económicamente razonables, la sigmoide logística y la arcotangente, pueden asignar el mismo resultado de cuestionario a clases de calificación separadas por múltiples niveles.
- Ejemplo: Una empresa con una puntuación de $m=50$ es calificada como C (requiere remediación) bajo el mapa sigmoide, pero como A (no requiere remediación) bajo el mapa arcotangente, a pesar de que ambos mapas están calibrados con los mismos puntos de contorno ( $p(0)=0.5$ y $p(580)=0.998$ ).
Interpretación Económica de los Parámetros: El documento proporciona una lectura estructural de los parámetros de calibración, interpretando la pendiente del mapa como una medida de "aversión al riesgo" o "volatilidad" en el diseño de la calificación. Se muestra que una escala "nerviosa" (alta sensibilidad) frente a una escala "indulgente" (baja sensibilidad) es una consecuencia directa de la forma funcional del mapa elegido.
Implicaciones de Gobernanza: El análisis destaca que, sin un criterio explícito, divulgado y motivado económicamente para la selección del mapa, las calificaciones ESG carecen de comparabilidad entre diferentes cuestionarios y metodologías, lo que socava su utilidad para los marcos regulatorios (por ejemplo, Basilea III/IV) y los comités de inversión.

Resultados

Estática Comparativa: Bajo idénticas condiciones de contorno, el mapa arcotangente comprime la gran mayoría de la escala de calificación (desde AA hasta D) en el 15% inferior del eje de puntuación. En contraste, el mapa sigmoide distribuye las calificaciones de manera más uniforme a lo largo de todo el rango de puntuación.
Sensibilidad Marginal: El mapa arcotangente exhibe un pico de sensibilidad aguda cerca de las puntuaciones cero (donde unas pocas respuestas positivas cambian drásticamente la calificación), pero se vuelve casi insensible a mejoras adicionales. El mapa sigmoide mantiene una sensibilidad marginal más gradual e informativa a través de un rango más amplio de puntuaciones.
Ilustración Numérica: El documento proporciona un ejemplo reproducible que muestra que, para puntuaciones bajas a medias, la elección del mapa es el factor dominante en la determinación de la calificación final, superando a menudo las respuestas específicas del cuestionario.

Significancia y Reivindicaciones
El documento sostiene que la elección del mapeo de probabilidad no es un mero detalle técnico, sino una decisión de diseño estructural con consecuencias económicas materiales.

Defendibilidad: Un mapa mal justificado puede desplazar un objetivo a través de un nivel completo de calificación, afectando las decisiones de inversión y los convenios.
Comparabilidad: Las métricas ESG heterogéneas solo pueden compararse si se expresan en una escala de probabilidad común derivada de un criterio de mapeo divulgado y defendible.
Riesgo de Modelo: La divergencia en las calificaciones causada por la selección del mapa es una forma de riesgo de modelo que actualmente no se aborda en las prácticas estándar de debida diligencia ESG.

El autor argumenta que la sigmoide logística es una opción robusta para la debida diligencia de VC/PE porque mantiene una sensibilidad marginal no despreciable sobre un amplio rango de puntuaciones, mientras que otras alternativas como la arcotangente pueden sobre-recompensar las mejoras iniciales y no lograr discriminar eficazmente a través de todo el espectro de perfiles ESG. El documento concluye haciendo un llamado a la divulgación explícita del mapa de probabilidad y sus parámetros de calibración para asegurar la auditabilidad y comparabilidad de las calificaciones ESG.

Resumen Técnico: La elección del mapeo de probabilidad en la calificación de cuestionarios ESG

Más como este