📈 economia

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

Questo articolo sostiene che la scelta della mappatura di probabilità nel rating ESG sia una decisione di rischio strutturale critica piuttosto che un'aggiunta tecnica secondaria, dimostrando come diverse mappature possano alterare drasticamente i risultati delle valutazioni e proponendo un criterio basato sulla dinamicità, falsificabile, per garantire valutazioni ESG difendibili e confrontabili per la due diligence di venture capital e private equity.

Autori originali: Francesco Eusepi

Pubblicato 2026-10-21

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Francesco Eusepi

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Nel mondo della finanza ad alto rischio, gli investitori si trovano spesso di fronte a un difficile enigma: come misurare il carattere di un'azienda che non ha una storia. Quando i venture capitalist e le società di private equity guardano con l'intento di investire in nuove startup, non possono fare affidamento su punteggi di credito passati o su decenni di rapporti finanziari. Devono invece affidarsi a un questionario strutturato, una serie di domande a risposta chiusa (sì o no) su come l'azienda tratta l'ambiente, i suoi lavoratori e la propria governance. Le risposte vengono conteggiate in un unico numero, un punteggio destinato a rappresentare l'allineamento dell'azienda con gli standard etici. Ma un numero grezzo è difficile da interpretare da solo. Per renderlo utile, gli analisti devono tradurre quel punteggio in una probabilità: una percentuale di possibilità che l'azienda sia un buon investimento o, viceversa, un rischio di fallimento. Questo passaggio di traduzione è il motore invisibile dietro ogni valutazione, eppure, fino ad ora, le regole che governano come avvenga tale traduzione sono state trattate come un dettaglio tecnico minore, scelto più per comodità che per un ragionamento profondo.

Un nuovo studio del ricercatore Francesco Eusepi sfida questo approccio superficiale, sostenendo che il metodo utilizzato per convertire un punteggio di un questionario in una probabilità non è solo una preferenza matematica, ma una decisione che altera fondamentalmente l'esito di un investimento. Il documento dimostra che due metodi matematici diversi, sebbene ugualmente validi, possono prendere lo stesso identico insieme di risposte e produrre valutazioni completamente diverse per la stessa azienda. In uno scenario, un'azienda potrebbe essere segnalata come un investimento ad alto rischio che richiede interventi immediati; nell'altro, utilizzando un metodo diverso ma difendibile, quella stessa azienda potrebbe essere valutata come un'opportunità di alto livello e a basso rischio. La ricerca suggerisce che, senza una regola rigorosa e concordata per questa traduzione, l'intero sistema di investimento etico diventa incoerente, rendendo impossibile confrontare equamente le aziende o fidarsi delle valutazioni fornite dalle diverse società.

Il cuore del problema risiede nella forma della curva utilizzata per eseguire la traduzione. Immaginate una linea che parte da zero e sale fino a uno, rappresentando il passaggio dal rischio totale alla sicurezza totale. Lo studio confronta due forme specifiche per questa linea: una che sale in modo costante e regolare, e un'altra che schizza verso l'alto molto rapidamente all'inizio per poi appiattirsi. Quando i ricercatori hanno applicato queste due forme allo stesso insieme di aziende ipotetiche, i risultati sono stati sorprendenti. Utilizzando la curva regolare e costante, un'azienda con un punteggio moderato di cinquanta su un massimo possibile era stata valutata come un investimento compromesso, che necessitava di un lavoro significativo prima di poter essere considerata sicura. Tuttavia, quando lo stesso punteggio è stato elaborato attraverso la curva che sale bruscamente all'inizio, quella stessa azienda è stata valutata come un investimento sicuro e di alto livello. La differenza non era un piccolo aggiustamento; era uno scostamento di sette passi su una scala di valutazione di dieci. Ciò significa che due analisti, guardando gli stessi dati e utilizzando due metodi che superano entrambi i test di logica di base, potrebbero giungere a conclusioni opposte su come investire.

Il documento traccia un parallelo con il modo in cui le banche valutano il rischio di fallimento di un'azienda. In quel campo, gli esperti utilizzano un concetto di "distanza dal default" (distance to default), che misura quanto un'azienda sia lontana dal fallimento finanziario. Successivamente, utilizzano uno strumento matematico specifico per trasformare quella distanza in una probabilità di fallimento. Lo studio sostiene che il questionario ESG funzioni nello stesso modo: il punteggio è la distanza, e la mappa di probabilità è lo strumento. Proprio come una banca non cambierebbe arbitrariamente lo strumento che utilizza per misurare il rischio di insolvenza senza ricalibrare l'intero sistema, così i valutatori ESG non dovrebbero cambiare le loro mappe di probabilità senza comprenderne le conseguenze. La ricerca mostra che la scelta dello strumento cambia la posizione delle "zone di pericolo" e delle "zone sicure" sull'asse del punteggio. Un metodo distribuisce le valutazioni uniformemente su tutto l'intervallo di punteggi possibili, permettendo distinzioni sottili tra le aziende. L'altro metodo, pur essendo matematicamente valido, comprime quasi tutte le valutazioni in una minuscola frazione dell'intervallo di punteggio, rendendo quasi impossibile distinguere un'azienda buona da una eccellente finché il punteggio non è quasi perfetto.

Oltre alla confusione immediata che causa agli investitori, lo studio evidenzia un problema più profondo di fiducia e governance. Se il metodo utilizzato per calcolare queste valutazioni non è esplicitamente dichiarato e giustificato, i numeri risultanti non sono veramente confrontabili. Una valutazione di una società potrebbe significare qualcosa di completamente diverso rispetto a quella di un'altra, semplicemente perché hanno utilizzato curve diverse per fare i calcoli. Il documento propone un insieme di regole rigide, o assiomi, che qualsiasi metodo accettabile deve seguire per garantire equità e coerenza. Suggerisce che il metodo più affidabile sia quello che si comporta come una forza costante e prevedibile, dove ogni piccolo miglioramento nel punteggio di un'azienda porta a un miglioramento proporzionale nella sua valutazione. Questo approccio, noto come sigmoide logistica, assicura che il sistema di valutazione rimanga sensibile ai cambiamenti attraverso l'intero spettro delle prestazioni, invece di ignorare la maggior parte dei dati.

Le conclusioni servono da avvertimento per il settore finanziario: gli strumenti utilizzati per misurare la responsabilità etica devono essere scelti con lo stesso rigore dei modelli finanziari utilizzati per misurare il profitto. Lo studio non pretende di aver scoperto una nuova legge della natura, quanto piuttosto di aver esposto una variabile nascosta in un sistema che molti davano per scontato. Dimostrando che la scelta della mappa di probabilità può spostare un'azienda da un voto insufficiente a uno sufficiente, la ricerca impone una rivalutazione di come venga condotta la due diligence. Essa sostiene che, affinché il sistema sia difendibile, verificabile e realmente utile, il metodo di traduzione debba essere reso noto e standardizzato. Senza questa chiarezza, le valutazioni che guidano miliardi di dollari di decisioni di investimento rimangono vulnerabili alle scelte arbitrarie del modellatore, rischiando di dirottare il capitale lontano dalle aziende che lo meritano davvero.

Sintesi Tecnica: La Scelta della Mappatura di Probabilità nella Valutazione dei Questionari ESG

Problematica
Nelle attività di due diligence di Venture Capital (VC) e Private Equity (PE), le valutazioni ESG per target con scarsità di dati (ad esempio, le startup) si basano spesso su modelli di punteggio additivi derivati da questionari di tipo Yes/No. Questi modelli generano un punteggio grezzo, non limitato ( $m$ ), che deve essere normalizzato in una probabilità di dimensione nulla ( $p$ ) di allineamento ESG, con il complemento ( $\psi = 1-p$ ) che rappresenta il rischio ESG.

Il documento identifica una lacuna metodologica critica e precedentemente sottovalutata: la scelta della funzione di mappatura della probabilità (la trasformazione dal punteggio $m$ alla probabilità $p$ ) è spesso trattata come un dettaglio tecnico secondario. Tuttavia, questa scelta non è neutra. Diversi modelli di mappatura ammissibili, anche quando calibrati su identiche condizioni al contorno (ad esempio, la probabilità a un punteggio di zero e la probabilità al punteggio massimo possibile), possono produrre confini di valutazione radicalmente differenti. Ciò porta a un "problema di comparabilità" in cui due analisti che applicano mappe diverse, ma ugualmente difendibili, agli stessi dati del questionario, possono assegnare i target a classi di rating che differiscono di diversi scaglioni, alterando fondamentalmente le decisioni di investimento, le strutture dei covenant e l'allocazione del capitale.

Metodologia
Il documento impiega un approccio metodologico a tre pilastri:

Formulazione Assiomatica: L'autore definisce un insieme di assiomi naturali per le mappe di probabilità ammissibili:
- Monotonicità: Punteggi più elevati devono produrre probabilità di allineamento più elevate.
- Limitatezza (Boundedness): L'output deve trovarsi strettamente nell'intervallo $(0, 1)$ .
- Normalizzabilità: La mappa deve essere esprimibile come l'integrale di una funzione di densità non negativa e integrabile.
  Questo conduce al Teorema 1, il quale afferma che una mappa ammissibile $\pi(s)$ deve soddisfare l'equazione differenziale del primo ordine autonoma $\pi' = f(\pi)$ , dove $f$ è una funzione integrabile.
Analogia con il Rischio Strutturale: La core innovation riformula il problema della normalizzazione attraverso la lente dei modelli di rischio di credito strutturale (specificamente i modelli Distance-to-Default come Merton/KMV).
- Il punteggio ESG additivo ( $m$ ) è analogizzato alla "distanza dal default" (distance to default).
- La mappa di probabilità ( $\pi$ ) è analogizzata alla funzione di ripartizione cumulativa (ad esempio, la CDF normale) utilizzata per convertire la distanza in una probabilità di default.
- Questa analogia permette un'interpretazione economica dei parametri di calibrazione: il parametro di intercetta ( $\beta$ ) rappresenta il tasso di base (analogamente a un'impresa al confine del default), e il parametro di pendenza ( $\alpha$ o $a$ ) rappresenta la "volatilità" o la sensibilità della scala di valutazione.
Fondamento nei Sistemi Dinamici: Per fornire una base matematica rigorosa al criterio di ammissibilità, il documento traccia un'analogia con i sistemi dinamici conservativi monodimensionali.
- Il punteggio $s$ è trattato come "tempo", la probabilità $\pi$ come "posizione" e la funzione di densità come "momento".
- La condizione di ammissibilità ( $\pi' = f(\pi)$ ) è mostrata essere equivalente alla condizione di un campo di forze conservative (dove il momento dipende solo dalla posizione, non esplicitamente dal tempo), garantendo l'esistenza di un potenziale di energia conservata. Questa derivazione è dettagliata nelle appendici per mantenere l'accessibilità a un pubblico business.

Contributi Chiave

Formalizzazione del Problema della Normalizzazione: Il documento sposta la scelta della mappa di probabilità da una decisione euristica a una scelta assiomatica, fornendo un criterio generale di esistenza (Teorema 1) per le mappe ammissibili.
Quantificazione del Rischio di Modello: Attraverso un esempio numerico calibrato, il documento dimostra che due mappe economicamente ragionevoli, la sigmoide logistica e l'arcotangente, possono assegnare lo stesso esito del questionario a classi di rating separate da diversi scaglioni.
- Esempio: Un'azienda con un punteggio di $m=50$ è classificata come C (richiede rimedio) sotto la mappa sigmoide, ma come A (nessun rimedio necessario) sotto la mappa arcotangente, nonostante entrambe le mappe siano calibrate sugli stessi punti di confine ( $p(0)=0.5$ e $p(580)=0.998$ ).
Interpretazione Economica dei Parametri: Il documento fornisce una lettura strutturale dei parametri di calibrazione, interpretando la pendenza della mappa come una misura dell'avversione al rischio o della "volatilità" nel design della valutazione. Una scala "nervosa" (alta sensibilità) rispetto a una scala "indulgente" (bassa sensibilità) è mostrata essere una conseguenza diretta della forma funzionale della mappa scelta.
Implicazioni di Governance: L'analisi evidenzia che, senza un criterio esplicito, dichiarato e motivato economicamente per la selezione della mappa, i rating ESG mancano di comparabilità tra diversi questionari e metodologie, minando la loro utilità per i quadri normativi (ad esempio, Basilea III/IV) e i comitati di investimento.

Risultati

Statica Comparata: Sotto identiche condizioni al contorno, la mappa arcotangente comprime la stragrande maggioranza della scala di rating (da AA a D) nel 15% inferiore dell'asse dei punteggi. Al contrario, la mappa sigmoide distribuisce i rating in modo più uniforme su tutto l'intervallo di punteggi.
Sensibilità Marginale: La mappa arcotangente presenta un picco di sensibilità acuto vicino ai punteggi zero (dove poche risposte positive cambiano drasticamente il rating), ma diventa quasi insensibile a ulteriori miglioramenti. La mappa sigmoide mantiene una sensibilità marginale più graduale e informativa su un intervallo più ampio di punteggi.
Illustrazione Numerica: Il documento fornisce un esempio riproducibile mostrando che, per punteggi bassi o medi, la scelta della mappa è il fattore dominante nel determinare il rating finale, spesso superando l'influenza delle specifiche risposte del questionario.

Significatività e Assertività
Il documento sostiene che la scelta della mappatura di probabilità non è un mero dettaglio tecnico, ma una scelta di design strutturale con conseguenze economiche materiali.

Difendibilità: Una mappa mal giustificata può spostare un target attraverso un intero scaglione di rating, influenzando decisioni di investimento e covenant.
Comparabilità: Metriche ESG eterogenee possono essere confrontate solo se espresse su una scala di probabilità comune derivata da un criterio di mappatura dichiarato e difendibile.
Rischio di Modello: La divergenza nei rating causata dalla selezione della mappa è una forma di rischio di modello che attualmente non viene affrontata nelle pratiche standard di due diligence ESG.

L'autore sostiene che la sigmoide logistica sia una scelta robusta per la due diligence di VC/PE perché mantiene una sensibilità marginale non trascurabile su un ampio intervallo di punteggi, mentre alternative come l'arcotangente possono sovra-premiare i miglioramenti iniziali e fallire nel discriminare efficacemente attraverso l'intero spettro dei profili ESG. Il documento conclude chiedendo l'esplicita divulgazione della mappa di probabilità e dei suoi parametri di calibrazione per garantire l'auditabilità e la comparabilità dei rating ESG.

Sintesi Tecnica: La Scelta della Mappatura di Probabilità nella Valutazione dei Questionari ESG

Articoli simili