Analysis on the relation between ESG rating and the historical prices time series through a phase space reconstruction algorithm

In the last few years, the financial world has started to pay attention to the ESG rating, which stands for Environmental, Social and Governance. This thesis aims to investigate if ESG stocks can be considered a different asset class with different characteristics than general stocks. We chose to analyze the World, the American, the European, the Emerg- ing, the Italian and the Japanese markets, so for each of them we selected two indexes, one ESG and one more general, and we studied the corresponding time series. Unlike what was done in the existing literature, in this work to carry out the analysis we used the phase space reconstruction algorithm proposed by Li et al. [26] to generate a network from the time series and then we compare the Complexity index developed by Cao et al. [8] of the ESG time series and of the non-ESG ones. This is discussed in detail in Section 2.2 where it will be explain that when we consider the time series with their full length the ESG ones have a smaller critical embedding dimension than non-ESG ones, from which follows that ESG indexes have a greater complexity. However, analyzing time series with the same length (i.e. truncating the non-ESG time series in order to have the same number of observation for every couple of indexes), the outcome is different and ESG time series are the ones with lower complexity. In Section 2.3, the topic is the behavior of ESG and non-ESG time series in a stressed market. We analyze the Covid-19 financial crisis, discovering that the highest value of complexity is found in general in the period after the crisis, while the lowest complexity is seen in the crisis period. Moreover, during the financial crisis analyzed, the complexity of the ESG time series turns out to be higher than the complexity of the non-ESG ones. Finally, in Section 2.4, we use sliding time windows to study how the critical embedding dimension and complexity of the time series change over time. For small sliding time windows, ESG time series tend to have a greater complexity and random component, while non-ESG ones have a smaller average critical embedding dimension for large sliding time windows.

Negli ultimi anni il mondo finanziario ha iniziato a prestare attenzione al rating ESG, acronimo di Environmental, Social and Governance. Questa tesi si propone di indagare se i titoli ESG possono essere considerati un asset class a se stante. Abbiamo scelto di analizzare il mercato mondiale, americano, europeo, emergente, italiano e giapponese, quindi per ognuno di essi abbiamo selezionato due indici, uno ESG e uno più generale, e abbiamo studiato le serie storiche corrispondenti. A differenza di quanto fatto nella letteratura esistente, in questo lavoro per effettuare l’analisi abbiamo utilizzato l’algoritmo di phase space reconstruction proposto da Li et al. [26] per generare una rete dalle serie storiche e poi abbiamo confrontato l’indice di complessità sviluppato da Cao et al. [8] delle serie storiche ESG e di quelle non ESG. Questo aspetto è discusso in dettaglio nel secondo capitolo, dove si spiegherà che quando si considerano le serie storiche nella loro interezza, quelle ESG hanno una critical embedding dimension più piccola rispetto a quelle non ESG, da cui consegue che gli indici ESG hanno una maggiore complessità. Tuttavia, analizzando le serie storiche con la stessa lunghezza (cioè troncando le serie storiche non ESG in modo da avere lo stesso numero di osservazioni per ogni coppia di indici), il risultato è diverso e le serie storiche ESG sono quelle con minore complessità. Nel terzo capitolo, l’argomento è il comportamento delle serie storiche ESG e non-ESG durante un periodo di stress nei mercati. Analizziamo la crisi finanziaria di Covid-19, scoprendo che il valore più alto di complessità si riscontra in generale nel periodo successivo alla crisi, mentre la complessità più bassa si osserva durante la crisi stessa. Inoltre, in questo periodo, la complessità delle serie storiche ESG risulta essere superiore a quella delle serie storiche non ESG. Infine, nell’ultimo capitolo, utilizziamo finestre temporali mobili per studiare come la critical embedding dimension e la complessità delle serie storiche cambiano nel tempo. Per piccole finestre temporali mobili, le serie storiche ESG tendono ad avere una maggiore complessità e una componente casuale più marcata, mentre quelle non ESG hanno una critical embedding dimension media più piccola per grandi finestre temporali mobili.