Asset management techniques under ESG constraints: efficient frontier analysis and portfolio weights forecasting with a Kalman filter

This thesis examines the integration of Environmental, Social and Governance (ESG) factors into portfolio optimization, combining traditional asset management frameworks with sustainability constraints. The aim is to provide a quantitative assessment of how different ESG integration methods influence portfolio efficiency and robustness over time. The empirical study is based on the S&P 500 constituents from 2015 to 2024, with ESG data from Refinitiv applied across several frameworks: Constrained optimization, where ESG scores act as portfolio restrictions; Negative screening, excluding low-rated sectors; Best-in-Class selection, favoring top ESG performers within each sector and shorting the lowest; and Linear limits on low rated assets, a softer constraint imposing upper caps on low-score assets. Each configuration is analyzed under long-only and limited shortselling regimes to evaluate diversification trade-offs. A forecasting extension introduces a Kalman Filter (KF) to model the dynamic evolution of minimum-variance portfolio weights, assessing predictive accuracy and out-of-sample performance over 2023–2024. Results from the first chapter show that short-selling enhances frontier efficiency and diversification, especially in higher-return regions, but increases computational instability. Across all models, stronger ESG constraints generate a negative efficiency premium, with tighter rules reducing Sharpe and Calmar ratios and raising volatility. The Best-in-Class with short-selling and Constrained optimization with mild ESG limits achieve the best balance between return and stability. The second chapter shows that the Kalman Filter captures real portfolio dynamics, producing smoother and more coherent weight trajectories with lower volatility but slightly weaker returns. Its adaptive smoothing mitigates short-term shocks but lags in fastchanging markets. Overall, the research finds that rigid ESG mandates entail measurable efficiency losses, while adaptive, data-driven and moderately flexible approaches, especially those combining dynamic filtering and selective short exposure, can align sustainability with robust portfolio behavior.

La tesi analizza l’integrazione dei fattori Ambientali, Sociali e di Governance (ESG) nei processi di ottimizzazione di portafoglio, combinando modelli tradizionali di asset management con vincoli di sostenibilità. L’obiettivo è fornire una valutazione quantitativa e sistematica dell’impatto delle diverse tecniche di integrazione ESG sull’efficienza, la diversificazione e la robustezza del portafoglio nel tempo. L’analisi empirica si basa sui titoli dell’indice S&P 500 nel periodo 2015–2024, utilizzando dati ESG di Refinitiv applicati a diversi approcci: ottimizzazione vincolata, in cui i punteggi ESG fungono da restrizioni di portafoglio; esclusione negativa, che elimina interi settori a basso rating; selezione Best-in-Class, che privilegia le imprese con punteggi più elevati e consente la vendita allo scoperto delle peggiori; e limiti lineari, versione più flessibile con un tetto massimo sui titoli a basso punteggio ESG. Ogni configurazione è analizzata sia in regime long-only sia con short-selling limitato. Una sezione successiva introduce un’estensione previsionale basata sul Filtro di Kalman (KF), applicato all’evoluzione dinamica dei pesi dei portafogli a varianza minima, per valutare l’accuratezza predittiva e la performance fuori campione (2023–2024). I risultati del primo capitolo mostrano che la vendita allo scoperto migliora l’efficienza e la diversificazione della frontiera, ma aumenta l’instabilità computazionale. Vincoli ESG più stringenti generano un “premio negativo di efficienza”, riducendo gli indici di Sharpe e Calmar e incrementando la volatilità. Tra i modelli statici, l’approccio Best-in-Class con short-selling e le ottimizzazioni con vincoli moderati ottengono il miglior equilibrio. Il secondo capitolo evidenzia che il Filtro di Kalman riproduce le principali dinamiche di portafoglio, producendo traiettorie più stabili e coerenti, con volatilità ridotta ma rendimenti leggermente inferiori. Nel complesso, la ricerca dimostra che vincoli ESG rigidi generano costi misurabili in termini di performance, mentre strategie adattive, data driven e flessibili, soprattutto quelle che combinano filtraggio dinamico e posizioni di short-selling, possono conciliare sostenibilità e stabilità del portafoglio.