Stock return prediction: do ESG variables have predictive ability?

This paper investigates whether ESG variables predict annual stock returns. Two samples are utilized in the study: one comprises accounting data as independent variables, while the second sample incorporates both accounting data and ESG variables. Both datasets are constructed with yearly time series covering 2002 to 2019 for companies in the constituent list of S&P 100. Three multiple linear regression models (ordinary least squares, Bayesian linear regression, autoregressive model with exogenous variables) are employed in conjunction with the Stochastic Search Variable Selection (SSVS) technique to assess the predictive ability of ESG variables when integrated into the feature set alongside financial variables. The study reveals that incorporating ESG variables into the models enhances the overall predictive performance. In particular, the forecast root meansquared- error evaluated on companies including ESG variables in its feature set is decreased. This underscores the significance of ESG factors in stock return prediction. However, the predictive power of ESG variables appears to fluctuate depending on the observation period. Specifically, the significance of ESG variables varies between the 18-year period dataset (2002-2019) and the 16-year sub-period dataset (2002-2017). The variation in predictive power across different time periods can be attributed to the integration of value-relevant ESG information into stock prices, especially when the market promptly reacts to ESG news. This suggests that relevant news and information about ESG have already influenced stock prices, thereby reducing the efficacy of ESG variables in predicting future price movements. The most relevant ESG variables appear to be the environmental pillar measures, which is aligned with the environmental sustainability challenges faced by companies. A company’s environmental impact can generate intangible values and give rise to ESG-related news that can influence its stock price.

Questo paper esamina se le variabili ESG possano predire i rendimenti annuali delle azioni. Due campioni vengono utilizzati nello studio: uno comprende dati finanziari come variabili indipendenti, mentre il secondo campione incorpora sia dati finanziari che variabili ESG. Entrambi i set di dati sono costituiti da serie storiche annuali che coprono il periodo 2002-2019 per le aziende presenti nell’S&P 100. Tre modelli di regressione lineare multipla (minimi quadrati ordinario, regressione lineare bayesiana, modello autoregressivo con variabili esogene) sono utilizzati insieme alla tecnica di Stochastic Search Variable Selection (SSVS) per valutare la performance predittiva delle variabili ESG quando integrate alle variabili finanziarie. Lo studio rivela che l’inclusione delle variabili ESG nei modelli migliora complessivamente le prestazioni predittive. In particolare, l’RMSE della previsione valutato sulle aziende che includono variabili ESG si riduce. Ciò sottolinea l’importanza dei fattori ESG nella previsione dei rendimenti delle azioni. Tuttavia, il potere predittivo delle variabili ESG sembra oscillare a seconda del periodo di osservazione. In particolare, la significatività delle variabili ESG varia tra il dataset del periodo di 18 anni (2002-2019) e il sotto-periodo di 16 anni (2002-2017). Questa variabilità può essere attribuita all’integrazione di rilevanti informazioni ESG nei prezzi delle azioni, specialmente quando il mercato reagisce prontamente alle notizie ESG, riducendo così la capacità predittiva delle variabili ESG. Le variabili ESG più rilevanti sembrano essere legate alle misure ambientali, riflettendo le sfide ambientali affrontate dalle aziende. L’impatto ambientale di un’azienda può creare valore intangibile e influenzare le notizie correlate agli ESG, influenzando di conseguenza il prezzo delle sue azioni.