Designing Stable ESG Grade Bands: Cut-Point Optimisation and a Quantisation Perspective
Dit artikel toont via computationele optimalisatie en stabiliteitsanalyse aan dat de huidige ESG-gradatieschaal met gelijke breedte een superieure stabiliteit biedt tegen scoreperturbaties in vergelijking met niet-uniforme alternatieven, terwijl het een kader vaststelt waaruit blijkt dat het ontwerp van optimale grenzen gezamenlijk afhankelijk is van de scoreverdeling en de omvang van verwachte revisies.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Investeerders vertrouwen steeds vaker op scores voor milieu, sociale aspecten en bestuur (ESG) om te beslissen waar zij hun geld in onderbrengen. Deze scores proberen te meten hoe verantwoordelijk een bedrijf opereert, door complexe gegevens over koolstofemissies, de behandeling van werknemers en toezicht op de raad van bestuur om te zetten in één enkel getal. Om deze cijfers makkelijker leesbaar te maken, vertalen ratingbureaus ze vaak naar lettergrades, vergelijkbaar met schoolrapporten. Een bedrijf kan een "A" krijgen voor uitstekende prestaties of een "C" voor gemiddelde prestaties. De grens tussen een "A" en een "B" is echter geen natuurwet; het is een door mensen getrokken grens op een continue schaal. Als de score van een bedrijf slechts een fractie verbetert, kan het die grens passeren en een hele lettergraad omhoog springen, of het kan op zijn plek blijven. Dit roept een kritische vraag op voor de mensen die miljarden dollars beheren: waar moeten deze lijnen worden getrokken om ervoor te zorgen dat kleine, ruisachtige veranderingen in een score niet leiden tot wilde schommelingen in de beoordeling van een bedrijf?
Een team van onderzoekers ging op zoek naar een antwoord door het historische scoringssysteem te onderzoeken dat werd gebruikt door een grote aanbieder, Refinitiv/LSEG. In dit systeem ontvingen bedrijven een score van nul tot honderd, die vervolgens werd opgedeeld in twaalf lettergrades, variërend van D-minus tot A-plus. De onderzoekers concentreerden zich op de vier hoofdcategorieën — D, C, B en A — die al op specifieke punten op de schaal waren vastgelegd. Hun doel was om te testen of de kleinere segmenten binnen die categorieën, die de plusjes en minnetjes van elkaar scheidden, op de best mogelijke manier waren getrokken. Ze vroegen zich af of het verschuiven van deze interne lijnen de beoordelingen stabieler kon maken, wat betekent dat ze minder waarschijnlijk zouden veranderen door kleine fluctuaties in de gegevens.
De studie begon met een verrassende ontdekking over de gegevens zelf. De onderzoekers bekeken meer dan duizend records van grote bedrijven van 으로 2018 tot 2023 en ontdekten dat de gepubliceerde scores sterk waren afgerond. Bijna alle scores landden precies in het midden van de bestaande gradenbanden. Vanwege deze afronding stelden de onderzoekers vast dat voor vijf van de zes alternatieve manieren waarop zij probeerden de lijnen te trekken, het resultaat identiek was aan het huidige systeem. Als zij de grenzen licht verschoven, veranderde de status van de bedrijven niet omdat de scores al veilig in het midden van de oude banden zaten. Dit betekende dat het simpelweg bekijken van de gepubliceerde cijfers hen niet kon vertellen welk ontwerp beter was; de gegevens waren te grofmazig om de opties van elkaar te onderscheiden.
Om dit te omzeilen, gebruikten de onderzoekers een methode genaamd simulatie. Ze namen de bestaande scores en voegden willekeurige, kleine hoeveelheden ruis toe aan deze, waarbij ze de soort kleine fouten of updates nabootsten die in het echte leven voorkomen. Vervolgens observeerden ze hoe vaak de graad van een bedrijf zou veranderen onder verschillende ontwerp van de grenzen. Ze testten een standaardontwerp waarbij elke gradenband even breed was, en vergeleken dit met zes andere ontwerpen waarbij de middelste banden breder waren en de randbanden smaller. De logica was dat bredere middelste banden als een buffer zouden kunnen fungeren, waardoor bedrijven in hun huidige graad blijven, zelfs als hun score een beetje schommelt.
De resultaten toonden aan dat het standaardontwerp met gelijke breedte het meest betrouwbaar was voor de soorten kleine veranderingen die doorgaans plaatsvinden. Wanneer de onderzoekers kleine tot matige verstoringen introduceerden, produceerde het systeem met gelijke breedte de minste graadwijzigingen. Het hield de geobserveerde scores ook het verst verwijderd van de grenzen, waardoor de beoordelingen de meeste ruimte kregen om te "ademen" voordat een herclassificatie werd getriggerd. De onderzoekers testten dit met vier verschillende wiskundige optimalisatietools, en ze wijzen er allemaal op dezelfde conclusie: de huidige aanpak met gelijke breedte is de beste keuze voor stabiliteit.
De studie vond echter ook dat deze voorkeur niet absoluut is. Wanneer de onderzoekers zeer grote, chaotische veranderingen in de scores simuleerden, keerde de situatie om. Onder deze extreme omstandigheden presteerde een ontwerp met een zeer brede centrale band eigenlijk beter, omdat het meer bedrijven in hun oorspronkelijke graad hield. Dit suggereert dat de beste manier om de lijnen te trekken volledig afhangt van het soort veranderingen dat het systeem wordt verwacht te weerstaan. Als het doel is om bescherming te bieden tegen kleine, dagelijkse ruis, zijn gelijke banden superieur. Als het doel is om enorme schokken te weerstaan, is een ander ontwerp nodig.
Uiteindelijk concludeert het artikel dat het huidige systeem met gelijke breedte een robuuste keuze is voor de gegevens die zij hebben onderzocht, maar dat het geen universele regel is voor alle tijden. De onderzoekers benadrukten ook een bredere les voor de sector: omdat gepubliceerde scores vaak zijn afgerond, kan het onmogelijk zijn om te zien of een nieuw beoordelingssysteem echt beter is door alleen naar de definitieve cijfers te kijken. De stabiliteit van een beoordeling hangt af van de verborgen mechanismen van hoe de grenzen worden ingesteld, een detail dat vaak onzichtbaar is voor het publiek maar cruciaal is voor de betrouwbaarheid van de financiële markten.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.