ESG scores and stocks' left-tail risk: conditional drivers and similarities in the Euro Stoxx 600 through a multi-layer approach

ESG and Gas Emissions information are increasing their impact on the financial markets due to the rising environmental awareness in the global community. We aim, through this research, to find the presence of correlation or conditional causation between the ESG scores, ESG controversies, CO2 emissions and the left-tail risk of the firms listed on the Euro Stoxx 600 index; we exploit a combination of multiple procedures such as Carhart regression, Triangulated Maximally Filtered Graph and hierarchical clustering in a multi-layer network framework to achieve our results. The evidences, coming from both the layers' indicators and the hierarchical clustering, show the presence of similarities between the environmental data and the left-tail risks of companies within the multiplex. Instead the ESG Controversies layer, as shown by the clustering procedure, does not show similarity with the firms' stock return. We find increasing evidences of similarity in the alternative procedure - where we reintroduce sixteen firms with high average market capitalization value previously removed due to breaching out the CO2 outliers test, moreover we discover that firms with higher average capitalization strengthen the information correlation. This thesis uncovers the presence of a correlation between the left-tail risk of a stock and environmental and gas emissions data.

Le informazioni relative ai parametri ESG e alle emissioni di gas stanno aumentando il loro impatto sui mercati finanziari a causa della crescente consapevolezza ambientale nella comunità globale. Lo scopo di questa ricerca mira ad individuare la presenza di correlazioni o causalità condizionali tra i parametri ESG, le controversie ESG, le emissioni di CO2 e il rischio di "left-tail" delle società quotate nell'indice Euro Stoxx 600; per ottenere i nostri risultati utilizziamo una combinazione di più procedure quali la regressione di Carhart, il metodo "Triangulated Maximally Filtered Graph" e il clustering gerarchico in un sistema di reti multistrato. Le evidenze, provenienti sia dagli indicatori che studiano le relazioni tra i livelli delle reti multistrato che dal clustering gerarchico, mostrano la presenza di verosimiglianze tra i dati ambientali ed i rischi di "left-tail" delle aziende all'interno del multiplex. Al contrario il livello ESG Controversies, come dimostrato dalla procedura di clustering, non mostra alcuna somiglianza con il rendimento azionario delle società. La procedura alternativa - in cui reintroduciamo sedici aziende con un elevato valore medio di capitalizzazione di mercato precedentemente rimosse per non aver superato il test del outlier CO2 - mostra crescenti prove di verosimiglianza; inoltre scopriamo che le aziende con capitalizzazione media più elevata rafforzano la correlazione tra le diverse informazioni studiate. Questa tesi rivela la presenza di una correlazione tra il rischio di "left-tail" di un titolo azionario e i dati ambientali e sulle emissioni di gas.