Home Imprese&Lavoro ESG e costo del capitale: evidenze dal Regno Unito (a cura di...

ESG e costo del capitale: evidenze dal Regno Unito (a cura di Alessio Mengoni)

932
0

1. Introduzione

Le tematiche di Environmental, Social e Governance (ESG) rappresentano un concetto significativamente diffuso oggigiorno. Questo fenomeno affonda le proprie radici già negli anni ‘80-’90 attraverso la teoria degli stakeholder di Freeman e la teoria del valore condiviso di Porter e Kramer. L’idea di fondo, che poi si è evoluta nelle teorie più moderne sui fattori ESG, non è quella di inquadrare l’attenzione agli stakeholder e alla sostenibilità come un fine, bensì come un mezzo. Ciò che oggi rende un’impresa veramente in linea con i fattori ESG è la capacità di ripensare il proprio business model alla luce delle future dinamiche ESG. Non si parla di creare valore economico cercando di essere al contempo sostenibili, ma di creare valore proprio grazie agli investimenti, alle decisioni e alle attività che incorporano i criteri ESG.

Con il tempo, le tematiche ESG hanno preso sempre più campo sia a livello istituzionale, sia nella vita delle imprese. Di conseguenza, si sono creati due principali filoni di ricerca che hanno individuato, rispettivamente, le due variabili che risultano essere maggiormente influenzate dai fattori ESG: le performance prospettiche e il tasso di attualizzazione (a titolo esemplificativo: Hainmueller et al., 2015; Kevin Prall, 2020; Shin, 2020; Himmel, 2021).

Lasciando al primo filone l’obiettivo di spiegare come e in che misura la sostenibilità incida sulle performance aziendali (ad esempio: Hainmueller et al., 2015; Henisz W. Et al., 2019; Deng et al., 2019; Himmel, 2021; Kevin Prall, 2021;), il presente lavoro si pone l’obiettivo di arricchire la ricerca sul rapporto ESG-rischiosità aziendale, portando nuove evidenze su come i fattori ESG influenzino il tasso di attualizzazione.

2. Review della letteratura e sviluppo delle ipotesi

Il concetto che sta alla base dell’elaborato è che i fattori ESG possono influenzare il profilo di rischio dell’impresa (si veda letteratura richiamata successivamente). In particolare, l’assunzione è che gli investimenti ESG siano capaci di ridurre il futuro rischio operativo aziendale, rendendo meno aleatori i flussi di cassa programmati (Goss e Roberts, 2011; Chava, 2014; Giese et al., 2017). La variabile che esprime l’aleatorietà (dunque la relativa rischiosità) dei flussi prospettici è il tasso di attualizzazione di tali flussi, il quale, nella prospettiva del Discounted Cash Flow Unlevered, si declina nelle due componenti: costo dell’equity e costo del debito.

Di seguito, vengono riportati i principali studi che hanno analizzato la relazione esistente tra performance ESG e tasso di attualizzazione. Come vedremo, sebbene siano presenti numerosi studi riguardanti l’influenza dei fattori ESG sul costo dell’equity e del debito, altrettanto non è stato fatto per il WACC-Weighted Average Cost of Capital che vede congiungere il Ke (costo capitale proprio) con il Kd (costo del debito). In questo senso un solo recente studio condotto da Mariani et al. (2021) ha analizzato l’impatto della componente ambientale sul WACC, individuando una relazione negativa, ma non ha incorporato anche variabili Sociali e di Governance.

Il contributo della presente analisi empirica è dunque quello di colmare il suddetto gap fornendo evidenze empiriche circa l’influenza della componente ESG sul costo medio ponderato del capitale. Tenuto conto della struttura del WACC, ci si aspetta che sussista, in linea con la letteratura, che sia negativamente correlato a variabili ESG. Sulla base di queste premesse, si formula la nostra ipotesi di ricerca:

Hp: il costo del capitale di un’impresa (WACC) è inversamente correlato alla sua performance ESG.

2.1 Performance ESG e costo dell’equity

In uno studio condotto da Chava (2014) viene dimostrato che le aziende che prestano maggiore attenzione alle tematiche ambientali vengono scelte da un numero maggiore di investitori in quanto percepite come meno rischiose, portando ad una riduzione del costo dell’equity. Un altro studio è quello condotto da Matthiesen and Salzmann, 2017, che riporta una relazione negativa tra costo dell’equity e performance ESG, dove in particolare viene stimato che ogni incremento di una unità di performance ESG genera una riduzione di 0,0029 punti del costo del capitale proprio. Lo studio dimostra inoltre che nelle culture dove la responsabilità sociale dell’impresa è più presente, le imprese sostenibili sono in grado di attrarre più investitori, riducendo maggiormente il costo dell’equity. In una ricerca posta in essere da MSCI (Giese et al., 2017) viene mostrato che maggiore è la performance ESG, minore è il β delle imprese. In relazione al beta, uno studio che ottiene risultati del tutto simili a quelli di MSCI è quello effettuato in occasione della Conferenza sulla valutazione d’azienda di EACVA (Himmel, 2021), dove viene riportato un vantaggio del 15% sul beta delle imprese sostenibili rispetto a quelle che presentano livelli di performance ESG bassi.  

2.2 Performance ESG e costo del debito

ESG e costo del capitale: evidenze dal Regno Unito (a cura di Alessio Mengoni) dal momento che un numero crescente di banche ha iniziato ad integrare i criteri ESG nelle pratiche di concessione del credito (Shin, 2020), tali fattori sono in grado di incidere anche sul costo del debito. Nel primo studio analizzato per il costo del capitale proprio (Chava, 2014), l’autore stima l’impatto della componente ambientale anche sul costo del debito, individuando una relazione negativa. In uno studio condotto da La Rosa et al., 2018 viene analizzata la relazione tra il costo del debito e la performance ESG di un campione di imprese quotate europee. In particolare, il perno dello studio condotto si basa sul miglior accesso al credito di cui un’impresa con una elevata performance ESG gode. Nel lavoro emerge una relazione positiva fra questi due fattori, dalla quale discende il fatto che un’impresa più sostenibile ha più facilità di accesso al credito, e a condizioni migliori.

Infine, la ricerca effettuata da Shin (2020) individua, tra gli altri, un driver basato sull’ipotesi che la crescente domanda per l’integrazione dei fattori ESG nei processi decisionali e di investimento abbia portato le banche con un basso profilo ESG a concedere più facilmente finanziamenti alle imprese con un elevato rating ESG. Al contrario delle banche che hanno molte imprese con elevato rating ESG nel proprio portafoglio, le banche con basso profilo ESG hanno una minore probabilità di attrarre le imprese altamente sostenibili. Ciò è dovuto ad esempio al fatto che le imprese con elevato rating ESG non vogliono “sporcare” la loro reputazione associandosi con banche poco sostenibili. Di conseguenza, se queste banche vogliono migliorare il loro profilo ESG dovranno necessariamente concedere delle condizioni migliori sul finanziamento.

Le sopracitate analisi empiriche suggeriscono che investire in sostenibilità permette di ridurre i rischi dell’impresa, con effetto a cascata sul tasso di attualizzazione.

3. Campione

L’analisi è stata condotta su un campione di società quotate operanti nel Regno Unito tra il 2015 e il 2020. È stato scelto il Regno Unito come oggetto di studio perché rappresenta da sempre un Paese pioniere per quanto attiene la tematica degli investimenti sostenibili (Juravle e Lewis, 2009). Questo aspetto permette dunque di raccogliere delle solide evidenze empiriche sulla relazione tra ESG e WACC, dal momento che le tematiche inerenti alla sostenibilità sono sufficientemente sviluppate all’interno dei processi decisionali di imprese, investitori e consumatori. Inoltre, come noto, il Paese ha attraversato un lungo percorso che ha ufficialmente portato, nel gennaio 2021, all’uscita dall’Unione Europea. L’intento è, dunque, di riuscire a cogliere l’effetto dei fattori ESG prima della Brexit, lasciando alla ricerca futura la possibilità di esaminare come tale influenza cambierà a seguito della Brexit, dal momento che le principali iniziative di carattere legislativo in tema ESG derivano dall’Unione Europea.

I dati sul WACC e sugli ESG sono stati raccolti da Eikon, un database fornito da Thomson Reuters. Invece, i dati relativi alle variabili di controllo sono stati raccolti da Datastream, un database anch’esso fornito da Thomson Reuters. L’analisi svolta inizia dall’anno 2015 per assenza di dati sul WACC forniti da Eikon prima di tale data.

Tabella 1 – Campione

Panel A: Processo di selezione del campione

5.194

Osservazioni “impresa-anno” nel Regno Unito fornite da Eikon

(4.233)

Osservazioni “impresa-anno” escluse in totale

(1.343)

Imprese del settore finanziario

(1.129)

Dati economico-finanziari mancanti

(1.622)

Dati sul WACC mancanti

(79)

Dati sugli ESG mancanti

961

Campione finale [t = 2015, 2020] [201 imprese]

La tabella 1 (Panel A) riporta la selezione del campione. Inizialmente il campione includeva 5.194 osservazioni “impresa-anno” di società quotate del Regno Unito disponibili sul database Eikon. Successivamente, sono state escluse le imprese operanti nel settore finanziario (1.343 osservazioni “impresa-anno”). La scelta è giustificata dal diverso ruolo ricoperto dagli istituti finanziari e affini rispetto alle altre imprese del campione, nonché dal fatto che le ricerche esaminate (La Rosa et al., 2018; Shin, 2020; Mariani et al., 2021) escludevano il settore finanziario, così da avere risultati comparabili. Ulteriori 1.129 osservazioni sono state eliminate in quanto per le stesse mancavano i dati economico-finanziari e, infine, sono state escluse le imprese per le quali non erano reperibili i dati sul WACC e sugli ESG. Come risultato finale si ottengono dunque 961 osservazioni “impresa-anno”.

4. Modello

L’obiettivo è lo sviluppo di un modello di regressione che permetta di comprendere se esiste una relazione significativa tra la performance ESG delle imprese e il loro costo medio ponderato del capitale. In particolare, si è scelto di utilizzare un modello di regressione OLS, il quale si basa sull’ipotesi che tra le due variabili sussista una relazione lineare.

Lo sviluppo di un modello simile consta di molteplici step:

Individuare la variabile dipendente, ovvero la variabile di cui si vuole studiare il comportamento.
Scegliere la variabile indipendente della quale si studia l’impatto sulla variabile dipendente.
Selezionare le variabili di controllo, anch’esse indipendenti e in grado di influenzare la variabile dipendente. Infatti, la variazione del costo del capitale non può essere spiegata esclusivamente attraverso la performance ESG e, dunque, l’inserimento delle variabili di controllo permette di ottenere un modello di regressione più solido.
Inserire la componente erratica (ε), in quanto la relazione ottenuta dal modello non è quasi mai completamente esatta. Questo può essere dovuto ad esempio dal fatto che esistano ulteriori variabili, non previste nel modello, che influenzano la variabile indipendente.
Stimare i coefficienti affiancati ad ogni variabile esplicativa, così da avere una stima della relazione esistente tra variabili indipendenti e variabile dipendente.

4.1 Variabile dipendente e principale variabile indipendente

Il WACC è la variabile dipendente del modello di regressione. Inizialmente, i dati sul WACC sono stati raccolti da Eikon e Bloomberg. Tuttavia, a causa della limitata disponibilità di osservazioni dal database Bloomberg, sono stati selezionati quelli di Eikon.

La variabile indipendente della quale vogliamo studiare l’impatto sul WACC è la performance ESG dell’impresa. Anche in questo caso i dati sulla performance ESG sono stati raccolti sia da Eikon sia da Bloomberg. A seguito di una maggiore numerosità dei dati raccolti da Eikon abbiamo selezionato questi ultimi ed escluso quelli di Bloomberg. Eikon calcola l’ESG score, una variabile che approssima la performance dell’impresa in merito alle tre dimensioni: Environment (E), Social (S) e Governance (G). Nello specifico, Eikon utilizza un modello proprietario che aggrega le valutazioni di carattere qualitativo dell’impresa in merito ai fattori ESG, al fine di ottenere un giudizio sintetico e di carattere quantitativo che esprime la performance ESG dell’impresa stessa.

4.2 Variabili di controllo

In linea con i principali studi empirici analizzati (Goss e Roberts, 2011; Chava, 2014; Matthiesen e Salzmann, 2017; El Ghoul et al., 2018; La Rosa et al., 2018; Shin, 2020; Mariani et al., 2021), sono state inserite ulteriori variabili indipendenti che, in quanto correlate al WACC, controllano il modello di regressione. Le variabili di controllo sono di seguito riportate:

innanzitutto, la dimensione (Size), la quale influisce sul rischio dell’impresa (Fama and French, 1993). In particolare, è dimostrata una relazione negativa tra la dimensione e il WACC. La dimensione dell’impresa viene misurata attraverso il logaritmo naturale degli asset al termine di ogni anno (Chava, 2014; El Ghoul et al., 2018; La Rosa et al., 2018; Mariani et al., 2021).
Secondo Modigliani e Miller (1958) maggiore è il leverage (Lev) dell’impresa, maggiore è il suo rischio finanziario. Un’impresa molto indebitata avrà un rischio maggiore rispetto ad una che si finanzia maggiormente con capitale proprio. Il leverage viene calcolato attraverso il rapporto tra i debiti totali e gli asset totali di un’impresa al termine di ogni anno (El Ghoul et al., 2018; La Rosa et al., 2018; Mariani et al., 2021).
Un’ulteriore variabile di controllo utilizzata è il Market to Book Value (MTB). Anche in questo caso, Fama e French (1993) hanno dimostrato che tale variabile influisce sui rendimenti attesi di una società. Di conseguenza, in linea con i precedenti studi empirici (Goss e Roberts, 2011; Chava, 2014; El Ghoul et al., 2018; Mariani et al., 2021), viene inserita come variabile di controllo in quanto misura di performance. Il Market To Book Value viene misurato attraverso il rapporto tra valore di mercato e valore contabile dell’equity.
La variabile CashFlow (CashFlow), misurata dai flussi di cassa della gestione operativa normalizzati grazie al rapporto con gli asset totali (La Rosa et al., 2018; Shin, 2020). La variabile quantifica in che misura la gestione operativa è in grado di produrre flussi di cassa sulla base degli investimenti effettuati. Dunque, tale variabile rappresenta un ottimo indicatore di rischio dal momento che un’impresa che produce flussi di cassa operativi non sufficienti a ripagare i debiti avrà una maggiore probabilità di default.
Il tasso di interesse (IntRate), calcolato come il rapporto tra gli interessi passivi e i debiti totali dell’impresa (La Rosa et al., 2018). La variabile in questione approssima il costo del debito, il quale rientra nel calcolo del WACC e stima il rischio percepito da coloro che finanziano l’impresa a titolo di debito. Di conseguenza, è ragionevole aspettarsi che influenzi il WACC sulla base di una relazione positiva.
Un ragionamento del tutto simile viene fatto per l’altra variabile di controllo, il beta (Beta),inserita nello studio di Matthiesen e Salzmann (2017) e di Mariani et al., 2021. Il beta è infatti la principale componente del CAPM, il quale stima il costo dell’equity, che rientra nel calcolo del WACC, influenzandolo.
Le due ultime variabili di controllo sono la TobinQ e l’età (Age) dell’impresa. Per quanto attiene la prima, essa viene inserita come variabile di controllo nello studio di La Rosa et al. (2018) in quanto approssima efficacemente la performance dell’impresa. La TobinQ viene calcolata come il rapporto tra il valore di mercato dell’equity più i debiti totali e gli asset totali dell’impresa.
Infine, l’età di un’impresa è in grado di influenzare il rischio (El Ghoul et al., 2018) e viene calcolata come il logaritmo naturale dell’età dell’impresa più uno. Tale influenza è spiegabile mediante la teoria del ciclo di vita dell’impresa, per cui l’impresa attraversa le prime fasi di introduzione al mercato che sono caratterizzate da un maggior rischio, successivamente il rischio si riduce nella fase di maturità, per poi aumentare nuovamente nelle ultime fasi che, nella maggior parte dei settori, sono caratterizzate da un declino delle performance.

Alla luce di quanto esposto nei paragrafi precedenti, di seguito viene riportato il modello di regressione OLS utilizzato:

(1) WACCt = β0 + β1 ESGt + β2 SIZEt + β3 LEVt + β4 MTBt + β5 CASHFLOWt + β6 INTRATEt + β7 BETAt + β8 TOBINQt + β9 AGE + Σ βi Industry FE + Σ βj Year FE + εt

Nel modello di regressione, oltre alle variabili di controllo già analizzate, abbiamo controllato anche per gli effetti fissi legati al settore e all’anno. Questi si riferiscono ad eventi che potrebbero essersi manifestati con riferimento al settore e/o all’anno e che influenzerebbero tutte le imprese, ma che non possiamo controllare singolarmente.

5 Risultati

La tabella 2 riporta i risultati dell’analisi multivariata. I risultati confermano la nostra ipotesi, individuando una relazione negativa statisticamente significativa (-0.0209) tra l’ESG score e il WACC con un p-value inferiore all’1%. Tale valore attesta che maggiore è l’ESG score, più basso è il WACC. Il risultato ottenuto è inoltre in linea con la ricerca empirica posta in essere da Mariani et al. (2021), la quale individuava una relazione negativa tra score ambientale e WACC.

Tabella 2 – Analisi multivariata

WACCt = β0 + β1 ESGt + β2 SIZEt + β3 LEVt + β4 MTBt + β5 CASHFLOWt + β6 INTRATEt + β7 BETAt + β8TOBINQt + β9 AGE + Σ βi Industry FE + Σ βj Year FE + εt

Variabile dipendente WACC

VARIABILI

Costante

4.454***

(3.288)

ESG

-0.0209***

(-2.827)

SIZE

0.0899

(0.970)

LEV

0.806

(1.249)

MTB

-0.0355

(-1.595)

CASHFLOW

3.335*

(1.745)

INTRATE

0.430

(0.393)

BETA

-0.0880

(-0.638)

TOBINQ

0.309***

(2.792)

AGE

0.710***

(5.275)

Settore effetti fissi

Inclusi

Anno effetti fissi

Inclusi

N

961

R-quadro aggiustato

0.0807

F

4.66***

                                    *, ** e *** denotano rispettivamete una significatività del 10%, 5% e 1%.

Il modello di regressione risulta soddisfacente alla luce del test F, che presenta una significatività statistica del 99%, mentre l’R2 è pari all’8%.

6. Conclusioni

Lo studio effettuato analizza la relazione tra performance ESG e il costo medio ponderato del capitale su un campione di società quotate del Regno Unito tra il 2015 e il 2020. I risultati ottenuti dal modello di regressione OLS forniscono valide argomentazioni a sostegno dell’ipotesi formulata. In particolare, le imprese che sono riuscite ad integrare nel proprio business le tematiche ESG riescono a ridurre la percezione da parte del mercato della propria rischiosità futura.  

L’analisi empirica effettuata non è esente da limitazioni. Innanzitutto, le osservazioni a disposizione terminano nel 2020 e non è stato possibile analizzare la relazione tra ESG e WACC post-Brexit. Tuttavia, questa linea di condotta può rappresentare un’opportunità per ricerche future, tenendo anche conto che le principali regolamentazioni in materia ESG provengono proprio dall’Unione Europea.

Previous articleI link e la salute dell’Infosfera: istruzioni per l’uso
Next articleDoppelgänger – Le due Naomi

LEAVE A REPLY

Please enter your comment!
Please enter your name here