Los economistas financieros han estudiado durante mucho tiempo los factores relacionados con las primas de riesgo, los sesgos de precios y los impedimentos a la diversificación. Este estudio examina la relación entre el compromiso de una empresa con los principios ambientales, sociales y de gobernanza (ESG) y los rendimientos del mercado de activos. Incorporamos un protocolo algorítmico para identificar tres factores de series temporales E, S y G no observables pero omnipresentes para cumplir con los objetivos del estudio. Los nuevos factores fueron probados por su contenido informativo al construir un modelo de seis factores de Fama y French tras la imposición del algoritmo de aislamiento y desenredado. Al darnos cuenta de que las relaciones no lineales caracterizan los modelos que incorporan tanto factores observables como no observables, la declaración del modelo de Fama y French fue estimada utilizando una red neuronal de aprendizaje superficial mejorada. Finalmente, como medida post hoc, integramos inteligencia artificial explicable (XAI) para simplificar los resultados del aprendizaje automático. Nuestro estudio amplía la literatura sobre el desenredado de factores de inversión en dos dimensiones. Primero, identificamos nuevos factores E, S y G basados en series temporales. En segundo lugar, demostramos cómo se puede utilizar el aprendizaje automático para modelar los rendimientos de los activos, considerando la compleja interconexión de los factores de sostenibilidad. Nuestro enfoque se apoya aún más al comparar los pesos E, S y G estimados por redes neuronales con las calificaciones ESG de la Bolsa de Valores de Londres.