PYXIDA Institutional Repository
and Digital Library
 Home
Collections :

Title :Integrating ESG factors into credit risk assessment: a comparative analysis of predictive models
Alternative Title :Ενσωμάτωση παραγόντων ESG στην αξιολόγηση πιστωτικού κινδύνου: συγκριτική ανάλυση προγνωστικών μοντέλων
Creator :Χορβαλάκος, Γεώργιος
Chorvalakos, Georgios
Contributor :Topaloglou, Nikolaos (Επιβλέπων καθηγητής)
Tzavalis, Elias (Εξεταστής)
Economides, George (Εξεταστής)
Athens University of Economics and Business, Department of International and European Economic Studies (Degree granting institution)
Type :Text
Extent :75p.
Language :en
Identifier :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11024
Abstract :Ο κύριος σκοπός αυτής της μελέτης είναι να εξερευνήσει τη σύνδεση μεταξύ των παραγόντων Environmental, Social, and Governance (ESG) και του πιστωτικού κινδύνου. Με τους παράγοντες ESG να γίνονται όλο και πιο σημαντικοί, προτείνεται ότι αυτοί οι παράγοντες θα πρέπει να λαμβάνονται υπόψη κατά την αξιολόγηση του πιστωτικού κινδύνου. Αρχικά, πραγματοποιείται μια επισκόπηση της υπάρχουσας βιβλιογραφίας σχετικά με τις πιστωτικές αξιολογήσεις και το ESG. Στην συνέχεια, η σχέση μεταξύ των δύο ερευνάται μέσα από μια ανασκόπηση της βιβλιογραφίας και την εφαρμογή μιας εμπειρικής μελέτης για να κατανοηθεί περαιτέρω η σχέση τους. Για την εξέταση αυτής της υπόθεσης, συλλέχθηκαν δεδομένα από 1,225 εισηγμένες εταιρείες στις ΗΠΑ, περιλαμβάνοντας χρεοκοπημένες και μή, χρησιμοποιώντας συνολικά 12,505 firm-year παρατηρήσεις. Εντοπίστηκε μια ανισορροπία στο σύνολο δεδομένων η οποία διορθώθηκε στη συνέχεια χρησιμοποιώντας τη μέθοδο του k-Nearest Neighbor. Το επόμενο βήμα περιλάμβανε την ανάπτυξη δύο μοντέλων με στόχο την ακριβή πρόβλεψη για το ποιες εταιρείες θα χρεοκοπούσαν. Το πρώτο μοντέλο βασίστηκε αποκλειστικά σε οικονομικούς παράγοντες, ενώ το δεύτερο μοντέλο ενσωμάτωσε επίσης παράγοντες ESG και μια μεταβλητή για τον μέσο όρο της βαθμολογίας ESG του κλάδου της χώρας. Στη συνέχεια, αξιολογήθηκε η επίδραση διαφόρων μεταβλητών στην αξιολόγηση του πιστωτικού κινδύνου με τον υπολογισμό των marginal effects. Τέλος, η προβλεπτική απόδοση των μοντέλων αξιολογήθηκε με τη χρήση ενός confusion matrix και τη διεξαγωγή ανάλυσης ROC. Διαπιστώθηκε ότι το δεύτερο μοντέλο, το οποίο περιλάμβανε παράγοντες ESG, είχε ελαφρώς καλύτερη προβλεπτική απόδοση από το πρώτο μοντέλο, βελτιώνοντας την ακρίβεια πρόβλεψης κατά περίπου 0,5-1%.
The primary purpose of this study is to explore the connection between Environmental, Social, and Governance (ESG) factors and credit risk. With ESG becoming increasingly important, it is suggested that these factors should be considered in assessing credit risk. Initially, a review of existing literature on credit ratings and ESG is undertaken. Following this, the relationship between the two is investigated through a review of literature and the application of an empirical study to further understand their link. To examine this hypothesis, data were collected from 1,225 US-listed companies, encompassing both those that had defaulted and those that had not, totaling 12,505 observations of company-years. An imbalance in the dataset was noted and subsequently corrected using the k-Nearest Neighbor method. The next step involved developing two models aimed at accurately predicting which companies would default. The first model was based solely on financial metrics, whereas the second model also incorporated ESG factors and a variable for the country’s sector average ESG score. The impact of various variables on credit risk assessment was then evaluated by calculating their marginal effects. Lastly, the predictive performance of the models was assessed by employing a confusion matrix and conducting ROC analysis. It was found that the second model, which included ESG factors, had a marginally better predictive performance than the first model, improving prediction accuracy by approximately 0.5-1%.
Subject :Βιωσιμότητα
Πιστωτικός κίνδυνος
Λογιστική παλινδρόμηση
Πίνακας σύγχυσης
Ανάλυση ROC
Environmental, social, and governance (ESG)
Credit risk
Logistic regression
Confusion matrix
Receiver Operating Characteristic (ROC)
Date Available :2024-02-27 10:02:56
Date Issued :23-02-2024
Date Submitted :2024-02-27 10:02:56
Access Rights :Free access
Licence :

File: Chorvalakos_2024.pdf

Type: application/pdf