Decoding ESG risk ratings

: insights into financial sector sustainability by using machine learning

Resumo

Esta dissertação investiga os determinantes das classificações de risco Ambiental, Social e de Governança (ESG) no setor financeiro, com enfoque em bancos e instituições de crédito. Perante exigências regulatórias e sociais crescentes, as classificações ESG tornaram-se referenciais centrais para avaliar como as instituições financeiras gerem riscos de sustentabilidade. Com base em dados de várias instituições financeiras, as variáveis foram organizadas segundo os três pilares ESG e complementadas por características bancárias, como a capitalização de mercado. A preparação dos dados incluiu tratamento de valores ausentes e transformação de variáveis para adequação aos modelos. Foram aplicadas múltiplas abordagens de aprendizagem automática - mínimos quadrados ordinários (OLS), LASSO, árvores de decisão, florestas aleatórias e Gradient Boosting - a fim de avaliar desempenho preditivo e interpretabilidade. Os resultados mostram que Gradient Boosting e OLS oferecem o melhor equilíbrio entre treino e teste, enquanto árvores e florestas revelam maior tendência ao sobreajuste. A análise de importância das variáveis destaca fatores de governança, como a existência de comitê de sustentabilidade e a diversidade de género no conselho de administração, como os mais influentes. Variáveis ambientais, como o uso de energia renovável e iniciativas de redução de resíduos, também emergem como relevantes. OLS evidenciou ainda o papel da dimensão financeira através da capitalização de mercado. Os resultados alinham-se com regulamentos como a Taxonomia Europeia e os Objetivos de Desenvolvimento Sustentável, reforçando a utilidade das classificações ESG para gestão de riscos financeiros e promoção do desenvolvimento sustentável.

Data de atribuição	14 out. 2025
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Pedro Afonso Fernandes (Supervisor)