Preference-Based Portfolio Optimization: A Multiple-Criteria Decision Analysis Integrating Return, Risk and ESG

La ricerca delinea un modello di ottimizzazione di portafoglio fondato su un’architettura Multi-Criteria Decision Analysis (MCDA), la quale integra il rendimento finanziario, il rischio di volatilità e le dimensioni Environmental, Social and Governance (ESG) quali criteri valutativi espliciti e strutturalmente equivalenti. Il modello si pone come risposta all’inadeguatezza strutturale degli approcci dipendenti dalle previsioni, configurando la distribuzione del capitale come un prodotto endogeno del sistema di preferenze. L’eterogeneità degli investitori viene formalizzata in vettori di preferenza composizionali, definiti sul simplesso Rendimento–Rischio–ESG e generati mediante distribuzioni Dirichlet. Questa imposizione assicura coerenza interna, positività e il pieno rispetto dei vincoli di somma unitaria in un ecosistema di modellazione interamente basato sull’evidenza dei dati. Tali strutture di preferenza sono sottoposte ad una segmentazione tramite clustering non supervisionato K-Means, da cui derivano tre gruppi stabili di investitori i cui centroidi forniscono i pesi prioritari specifici per ciascun criterio. I pesi ottenuti sono sintetizzati in Aggregated Utility Scores (AUS), i quali costituiscono una metrica trasparente e tracciabile dell’attrattività di ogni Exchange-Traded Fund (ETF), che compongono l’universo d’investimento, in base alle preferenze degli investitori. Il processo di costruzione dei portafogli e formalizzato tramite una procedura di ottimizzazione di Programmazione Quadratica (QP) vincolata, la quale identifica vettori di allocazione non negativi, interamente investiti e conformi ai requisiti di ammissibilità, minimizzando la distanza Euclidea quadratica tra le allocazioni di portafoglio e la struttura di utilita basata sulle preferenze di ciascun segmento. Gli esiti della distribuzione del capitale derivano pertanto intrinsecamente dall’interazione tra le performance normalizzate degli asset, i pesi espliciti delle preferenze e i vincoli di ottimizzazione, senza l’imposizione di predefiniti orientamenti d’investimento o assunzioni di mercato arbitrarie. L’implementazione empirica evidenzia come, in presenza di preferenze bilanciate, il modello generi composizioni di portafoglio diversificate, basate su asset che esibiscono performance robuste in tutte le dimensioni analizzate. Al contrario, in scenari polarizzati, l’ottimizzazione produce portafogli più concentrati che mantengono comunque la coerenza strutturale e il rispetto dei vincoli, confermando la robustezza del framework anche con preferenze divergenti e concentrate. In sintesi, questa analisi definisce un modello di supporto alle decisioni replicabile, scalabile ed intrinsecamente trasparente per l’ottimizzazione di portafogli in funzione dell’eterogeneità delle preferenze. Attraverso la formalizzazione dell’eterogeneità come perno strutturale della distribuzione del capitale, la ricerca propone un approccio rigoroso e operativamente rilevante per la gestione dei processi decisionali multicriterio in contesti d’investimento multidimensionali, orientati alla sostenibilità ed in costante evoluzione.

The research develops a preference-based portfolio optimization framework grounded in a Multi-Criteria Decision Analysis (MCDA) architecture that integrates financial return, volatility risk and Environmental, Social and Governance (ESG) dimensions as explicit and structurally equivalent evaluative criteria. The framework is designed to respond to the structural inadequacy of forecast-dependent optimization approaches by configuring portfolio construction as an endogenous outcome of explicit preference alignment. Investor heterogeneity is formally represented through compositional preference vectors defined over the Return–Risk–ESG simplex and generated via Dirichlet distributions, ensuring internal coherence, strict positivity and adherence to unit-sum constraints within a fully data-driven modeling environment. These preference structures are sequentially segmented using unsupervised K-Means clustering, yielding three stable investor groups whose centroids provide the criterion-specific priority weights. The resulting weights are synthesized into Aggregated Utility Scores (AUS), producing a transparent and traceable metric of the attractiveness of each Exchange-Traded Fund (ETF), constituting the investment universe, according to investor preferences. The portfolio construction process is formalized through a constrained Quadratic Programming (QP) optimization procedure, which delineates non-negative, fully invested and feasibility-compliant allocation vectors by minimizing the squared Euclidean distance between portfolio allocations and the preference-based utility structure of each investor segment. Capital allocation outcomes are accordingly derived endogenously from the interaction between normalized asset performance, explicit preference weights and optimization constraints, without imposing predetermined investment orientations or market assumptions. The empirical implementation demonstrates that, under balanced preference configurations, the framework generates diversified portfolio compositions sustained by assets exhibiting robust cross-dimensional performance. Conversely, under polarized preference environments explored through sensitivity analysis, the optimization process yields more specialized portfolios that maintain internal consistency and constraint compliance, confirming the robustness and interpretability of the framework across divergent preference structures. In synthesis, the analysis establishes a replicable, scalable and inherently transparent decision-support model for preference-driven portfolio optimization. Through the formalization of preference heterogeneity as the core structuring mechanism of capital allocation, the framework offers a methodologically grounded model with clear operational relevance for portfolio construction within multi-dimensional, sustainability-oriented and structurally evolving investment landscapes.