[論文レビュー] Bayesian Optimization of ESG Financial Investments

Eduardo C. Garrido‐Merchán, Gabriel González Piris+1 more|arXiv (Cornell University)|Feb 10, 2023

Risk and Portfolio OptimizationDecision Sciences被引用数 3

ひとこと要約

本稿では、ブラックボックス最適化設定においてESG基準をソフト制約として扱うことにより、ポートフォリオのシャープレシオとESG適合性を同時に最大化するベイジアン最適化（BO）フレームワークを提案する。この手法は、平均性能（1.662 対 1.538）およびロバストネスにおいてランダムサーチを上回り、ESGスコアが変動する25回の実行において、最適なポートフォリオ割り当てに収束した。

ABSTRACT

Financial experts and analysts seek to predict the variability of financial markets. In particular, the correct prediction of this variability ensures investors successful investments. However, there has been a big trend in finance in the last years, which are the ESG criteria. Concretely, ESG (Economic, Social and Governance) criteria have become more significant in finance due to the growing importance of investments being socially responsible, and because of the financial impact companies suffer when not complying with them. Consequently, creating a stock portfolio should not only take into account its performance but compliance with ESG criteria. Hence, this paper combines mathematical modelling, with ESG and finance. In more detail, we use Bayesian optimization (BO), a sequential state-of-the-art design strategy to optimize black-boxes with unknown analytical and costly-to compute expressions, to maximize the performance of a stock portfolio under the presence of ESG criteria soft constraints incorporated to the objective function. In an illustrative experiment, we use the Sharpe ratio, that takes into consideration the portfolio returns and its variance, in other words, it balances the trade-off between maximizing returns and minimizing risks. In the present work, ESG criteria have been divided into fourteen independent categories used in a linear combination to estimate a firm total ESG score. Most importantly, our presented approach would scale to alternative black-box methods of estimating the performance and ESG compliance of the stock portfolio. In particular, this research has opened the door to many new research lines, as it has proved that a portfolio can be optimized using a BO that takes into consideration financial performance and the accomplishment of ESG criteria.

研究の動機と目的

• 社会的責任投資の需要増に応えるために、ESG基準をポートフォリオ最適化に統合すること。
• 金融パフォーマンスを最適化しつつESG制約を尊重する、スケーラブルでデータ駆動型の手法を開発すること。
• シャープレシオとESGスコアを組み合わせた、コストが高く評価が難しい目的関数を扱うベイジアン最適化の有効性を評価すること。
• ESGスコアのばらつきが異なる条件下で、BOのパフォーマンスをランダムサーチと比較すること。
• このフレームワークを、他のESG関連または非金融的制約へ拡張可能かどうかを検討すること。

提案手法

• 目的関数は、シャープレシオ（リスク調整リターンの指標）と、14の独立カテゴリからの正規化済みESGスコアを統合し、1つのESG変換シャープレシオに変換する。
• ベイジアン最適化は、上側信頼区間（UCB）の獲得関数を用いて、逐次的にポートフォリオウェイトを選択する。
• ESGスコアは[0,10]スケールに正規化され、高い値がより優れたESGパフォーマンスを示す。
• 最適化プロセスでは、ポートフォリオリターンとリスク評価をブラックボックス関数として扱い、解析的勾配や閉形式式を必要としない。
• 実験は2つの設定で実施：低ばらつきESGスコア（8.7, 8.97, 7.32）と高ばらつきスコア（9, 5, 2）。
• パフォーマンスは25イテレーションにわたり、各手法で25回の独立した実行を実施し、平均パフォーマンスと標準偏差を比較した。

実験結果

リサーチクエスチョン

• RQ1 ベイジアン最適化は、金融パフォーマンスとESG適合性の両方を最適化するポートフォリオにおいて、効果的に機能するか？
• RQ2 ESG統合型ポートフォリオ最適化において、ベイジアン最適化はランダムサーチと比較して、平均パフォーマンスとロバストネスの点で優れているか？
• RQ3 ESGスコアの入力が変動しても、複数回の実行において一貫した最適なポートフォリオ割り当てに収束するか？
• RQ4 このフレームワークは、追加のESG関連または非金融的制約をブラックボックス制約として組み込むことができるか？
• RQ5 ESGスコアのばらつきが最適化結果および収束行動に与える影響は何か？

主な発見

• 低ばらつきESGスコアの状況では、ベイジアン最適化の平均パフォーマンスは1.662であり、ランダムサーチの1.538を有意に上回った。
• 25回すべての実行において、ベイジアン最適化のパフォーマンスの標準偏差はランダムサーチよりも低く、より高いロバストネスを示した。
• ベイジアン最適化の25回の繰り返しすべてが、同一の最適ポートフォリオに収束した：エンドサ（57.6％）、イベルドロラ（21.2％）、レプソル（21.2％）。
• 高ばらつきESGスコア（9, 5, 2）の状況でも、ベイジアン最適化は平均パフォーマンスと標準偏差の両面でランダムサーチを上回った。
• 高ばらつきケースにおける最適ポートフォリオのESG変換シャープレシオは、ESGスコアの合計が低下したため低くなったが、これは本手法のESG入力品質への感受性を裏付けた。
• 結果として、ESG制約付きのポートフォリオ最適化において、ベイジアン最適化が実用的でロバストな手法であることが示された、特にESGスコアのばらつきが著しい場合でも有効である。