Η παρούσα διπλωματική εργασία εξετάζει τη σύγκλιση της ESG χρηματοδότησης (Environmental, Social, Governance) με τις τεχνολογίες robo-advisory και διερευνά τον ρόλο των τελευταίων ως καταλύτη για τη διάδοση των βιώσιμων επενδύσεων. Το βασικό ερευνητικό ζήτημα αφορά στο κατά πόσο οι αυτοματοποιημένες επενδυτικές πλατφόρμες μπορούν να ενσωματώσουν αποτελεσματικά ESG κριτήρια και να ενισχύσουν την υιοθέτησή τους από τους επενδυτές.

Για την προσέγγιση του θέματος ακολουθείται συνδυασμός θεωρητικής ανάλυσης και εμπειρικής διερεύνησης. Αρχικά, παρουσιάζεται το θεωρητικό πλαίσιο της ESG χρηματοδότησης και των robo-advisors και στη συνέχεια αναλύεται η διαδικασία ενσωμάτωσης ESG δεδομένων σε αυτοματοποιημένα επενδυτικά μοντέλα μέσω αλγοριθμικών τεχνικών. Στο εμπειρικό μέρος της εργασίας πραγματοποιείται έρευνα σε δείγμα επενδυτών, με στόχο τη διερεύνηση του βαθμού εξοικείωσης, της στάσης και της πρόθεσης χρήσης ESG robo-advisors.

Τα αποτελέσματα της έρευνας δείχνουν ότι παρά το αυξανόμενο ενδιαφέρον για βιώσιμες επενδύσεις, το επίπεδο γνώσης και εμπιστοσύνης των επενδυτών προς τους robo-advisors παραμένει περιορισμένο. Τα βασικά εμπόδια αποτελούν η πολυπλοκότητα των πλατφορμών, η έλλειψη διαφάνειας των αλγορίθμων και η αβεβαιότητα σχετικά με την αξιοπιστία των ESG δεδομένων.

Η συνεισφορά της εργασίας έγκειται στην ανάδειξη των παραγόντων, οι οποίοι επηρεάζουν την υιοθέτηση των ESG robo-advisors, καθώς και στην ανάλυση των προοπτικών ανάπτυξής τους, ιδιαίτερα στην ελληνική αγορά. Συμπερασματικά, η ενίσχυση της χρηματοοικονομικής παιδείας, η βελτίωση της ποιότητας των δεδομένων και η αύξηση της διαφάνειας κρίνονται απαραίτητες για την περαιτέρω ανάπτυξη του εγχειρήματος.

This thesis examines the convergence of Environmental, Social and Governance (ESG) financing with robo-advisory technologies, focusing on their role as a catalyst for the diffusion of sustainable investment practices. The main objective of research is to investigate the extent to which robo-advisors can effectively integrate ESG criteria into automated portfolio management and promote their adoption among investors.

The study adopts a combined methodological approach, incorporating both theoretical analysis and empirical investigation. Initially, the theoretical framework of ESG investing and robo-advisory systems is presented, followed by an analysis of the integration of ESG data into algorithmic investment models, with particular emphasis on portfolio optimization techniques. The empirical part of the study is based on primary data collected through a structured survey, aiming to evaluate investors’ level of awareness, trust, and behavioral intention towards ESG robo-advisors.

The findings indicate that, despite the growing interest in sustainable investments, investors demonstrate relatively low familiarity with robo-advisory platforms and moderate levels of trust in automated investment systems. Key barriers identified include the complexity of digital platforms, the lack of transparency in algorithmic decision-making, and concerns regarding the reliability and comparability of ESG data.

The contribution of this research lies in highlighting the critical factors that influence the adoption of ESG-oriented robo-advisors and in providing insights into their potential development, particularly within the Greek market. The study concludes that enhancing financial literacy, improving ESG data quality, and increasing transparency are essential conditions for the further development of the initiative.