ESG投资专题研究：揭开ESG投资黑盒，超额收益的背后是什么？

一、秩鼎ESG评分体系简介

本报告将采用来自秩鼎公司的 ESG 评分数据为样本进行分析与研究。秩鼎公司是 国内领先的 ESG 数据及分析服务商，其核心团队来自全球领先的金融信息服务商 Thomson Reuters，是中国保险 资产管理业协会成员、联合国责任投资原则 UN PRI 成员、Bloomberg 中国境内的首家另类数据提供商、ICE 洲际 交易所合作伙伴。

秩鼎公司提供 ESG、供应链、知识产权、全球市场行情等深度信息，同时提供了 ESG 评估、组合分析、因子 开发等投研工具，对 7,000 多家上市公司、20,000 多家发债企业和 1,300,000 多家非公众企业进行实时跟踪和绩效 分析。截至目前，秩鼎公司已通过 ISO9001 质量管理体系、ISO27001 信息安全管理体系、ISO20000 信息技术服 务管理体系认证。

1.1 数据来源

秩鼎 ESG 评分数据采用人工智能、机器学习以及自然语言处理等技术，从公司公告（定期报告、社会责任报告、 临时公告等）、政府监管公告（生态环境部、银保监会、市场监管局等）以及第三方披露信息中抓取 ESG 信息及数 据。同时，为保证数据质量及可溯性，所有数据均经过人工复核，并提供原始披露出处备查。截至目前，秩鼎 ESG 样本已覆盖 4,000+A 股，2,000+港股，100+美股，20,000+发债主体以及 1,300,000+非公众企业，丰富多样的数据 来源有助于更全面挖掘企业的 ESG 信息，并为实现 ESG 投资策略的打下坚实基础。

1.2 评价指标体系

秩鼎 ESG 框架由自上而下的三级指标体系构成，包括一级指标 3 个、二级指标 14 个，包含底层指标共 168 个。 在指标的构建上，秩鼎充分考虑了中国市场特征及国情政策，如在社会资本中增加精准扶贫相关指标。打分的流程 分为三步：（1）全量均值。即与全市场企业比较，进行打分；（2）行业均值。即与同行业企业比较，进行打分；（3） 分档评分。即无需与市场或行业企业比较，根据企业自身表现分成不同得分档次，得出分数。

1.3 风险事件体系

除评价体系外，秩鼎根据历史风险事件构建了一套完备的 ESG 风险事件体系，帮助投资者更有效地计量风险与 资产定价。自 2005 年至今，风险事件体系已累计收集环境处罚、环境影响评价、银保监管、交易所处罚、安全生产、 产品召回、食品药品抽检、产品质量、反腐、诉讼等风险事件共计 100,000 余次。风险事件体系具体内容及样本示 例如下所示：

数据维度：当事企业、监管机构、披露时间、处罚时间、处罚事由、处罚级别、罚金、影响等级、股权穿 透等级、原文链接等；

公司覆盖：4,000+A 股，2,000+港股，100+美股，20,000+发债主体，1,300,000+非公众企业；

数据来源：监管机构，公司披露；

数据更新：日度更新（T+1）；

数据溯源：所有记录均经过人工复核，并提供原始披露出处备查，以保证数据质量与可追溯性。

二、因子测试

2.1 数据统计特征

ESG 评分主要分布在 30 到 80 之间，呈现两 头低中间高的分布特征。其中，评分在[40,60]范围内的样本居多，低于 40 分以及高于 70 分的样本占比较小。 同时，我们分别对 ESG 评分在全 A 样本、沪深 300 指数、中证 500 指数、中证 1000 指数中的覆盖度进行了统 计。对于沪深 300、中证 500 和中证 1000 指数而言，ESG 评分的覆盖度几乎能够达到 100%，对全 A 样本而言，ESG 评分的覆盖度大致能够稳定在 90%以上，高样本覆盖度为公司 ESG 研究提供了坚实的数据基础。

通过计算各指标与流通市值之间的秩相关系数，我们发现：（1）二级指标与流通市值之间的相关性 较低，普遍在 0.3 以下。其中，接近一半的二级指标与流通市值之间的相关性低于 0.1；（2）一级指标与流通市值之 间的相关性维持在 0.2 至 0.3 的范围内，最终合成的综合指标与流通市值之间的相关性为 0.394；（3）从二级指标至 综合指标，评价指标与流通市值之间的相关性呈现逐级递增的特征。

2.2 因子测试

根据上文的结果我们得知，二级指标与流通市值之间的相关性较低，可见，底层指标的构建过程没有考虑过多 的规模因素，最终的 ESG 综合评级得分主要基于 GICS 行业标准，在各行业内部逐级加权合成得到。评价指标与流 通市值之间呈现出相关性逐级递增的特征，是由于规模因素使得企业在 ESG 的综合控制上拥有天然的优势。因此， 在后续的因子测试中，我们保留各级指标在市值因子上的暴露，仅对各个评分指标进行行业中性化处理，以剔除行 业因素的影响。

1. IC 测试

为检验 ESG 评价指标与股票未来一个月收益率之间的相关性，我们在沪深 300 指数以及中证 500 指数成分股 中对综合评价得分、3 个一级指标以及 14 个二级指标进行了 IC 测试。

从 IC 测试的结果我们可以看到：（1）无论在沪深 300 还是中证 500 成分股中，ESG 综合评价得分以及 3 个一 级指标与股票下月收益率之间的相关性均显著为正，表明综合评价指标以及一级指标对股票下期收益率的预测能力 较强，且胜率较高；（2）相比之下，ESG 评价指标在中证 500 股票池中表现更优。综合评价指标及一级指标在中证 500 股票池中胜率显著高于沪深 300，且超过半数的二级指标在中证 500 股票池中均表现出与下期收益率较高的相 关性。

2. 分位数测试

从 IC 测试的结果我们得知，ESG 评价指标与股票收益率之间具有显著的相关性。为了测试指标的实际选股能 力，我们根据综合评价指标将沪深 300 以及中证 500 股票池从小到大进行排序，均匀分为 5 组，并对每一组以等权 和市值加权的方式进行回测。调仓日期为评价指标公告下月的首个交易日，回测区间为 2017 年 2 月至 2021 年 11 月。限于篇幅，本文对一级指标和二级指标的分位数测试结果不作展示，感兴趣的读者可联系招证金工团队查看详 细结果。

可以得知在沪深 300 股票池中：（1）在等权方式下， 各组合的整体区分度较好，Top 组合的净值曲线始终位于最上方，Bottom 组合的净值曲线始终位于最下方，多空组 合净值曲线上涨趋势显著，从 Top 组合到 Bottom 组合，回测净值曲线呈现严格的递减趋势；（2）相比之下，市值 加权方式的组合净值整体区分度较差，多空净值曲线在 2018 年至 2020 年间呈明显的下降趋势，多空收益率略微大 于 0。

可以得知在中证 500 股票池中：（1）无论以等权的方 式还是市值加权的方式进行回测，五个股票组合的区分度均比较高，Top 组合的净值表现最优，Bottom 组合的净值 表现最差，多空组合在 5 年的回测区间中呈平稳上涨趋势；（2）从 Top 组合到 Bottom 组合，回测净值曲线呈几乎 严格线性的递减趋势。可见，综合评价指标对中证 500 股票池的区分效果显著。

3. 相关性测试

为检验 ESG 得分与常见风格因子之间的相关性，我们计算了各指标之间的截面 Spearman 秩相关系数均值。该表显示：(1)环境得分、社会得分和治理得分之间的相关性大约在 0.2 至 0.4 之间，表明这个 三个指标之间具有一定的信息重合度；(2)ESG 得分与环境得分、社会得分和治理得分存在较高的相关性，相关系数 分别达到 0.798、0.754 和 0.479；(3) ESG 得分与环境得分、社会得分和治理得分与常见大类因子之间相关性较低， 相关系数均在 0.2 以下，且大部分数值位于 0.05 以下。结果表明，ESG 指标的选股能力并不能被常见大类因子所解 释，因子的独特性较高。（报告来源：未来智库）

三、ESG传导机制及改善机制

大量的业内研究结果表明，利用 ESG 数据构建的投资组合能够获得显著的超额收益。在本系列前三篇报告 《ESG 投资研究系列之四：基于 ESG 评分的量化选股策略》、《ESG 投资研究系列之五：基于 ESG 评分的行业轮 动策略》以及《金融工程 2021 年中期投资策略报告：基金 ESG 特征分析与组合策略》中，我们探讨了 ESG 评分在 量化选股策略、行业轮动策略以及 FOF 策略方面的应用问题。

结果发现，ESG 评分在选择股票、行业以及基金上均 具有显著的能力，以此构建的投资组合能够产生显著的超额收益。 虽然众多研究均发现 ESG 和股票未来收益之间存在显著的正相关关系，但往往无法解释其中的经济机制，ESG 评价指标在一定程度上成为了实际投入应用的“黑盒”。因此，本报告在中证 500 指数股票池中，以秩鼎 ESG 评分 数据为样本，进一步检验从 ESG 评分到股票价格变化的传导机制，并探讨 ESG 变化对企业估值的改善机制，尝试揭 开 ESG 策略组合超额收益的黑盒。

3.1 估值模型选择

绝对估值模型中，股利贴现模型 DDM（Dividend Discount Model）是最为基础的估值模型，但由于中国上市公 司分红比例普遍较低，分红数量具有不稳定性，且该局面在短期来看难以改善，因此 DDM 模型在中国市场中基本 不适用。本篇报告参考 G Giese et al. (2019)及其它与 ESG 影响机制相关的研究，以现金流贴现模型 DCF （Discounted Cashflow Model）作为突破点。该模型假设公司自由现金流均用以支付股利，即用自由现金流代替股 利，这在 A 股市场中具有更高的稳定性。

3.2 盈利现金流传导路径

盈利现金流传导路径分为以下几步： 1) ESG 评分较高的公司能够更有效利用内外部资源、具有更高的人力资本开发能力以及更高的创新管理能力，在 同行业中更具备竞争优势； 2) 在该竞争优势下，高 ESG 公司能够在同行业中拥有更高的盈利水平，并获得更高的盈利现金流； 3) 最终，盈利水平的提高能够帮助公司产生更高的公司红利，通过影响 DCF 模型的分子提升股票的估值水平。

可以看到，高 ESG 股票组合具有更高的 ROE 均值，同时支付了更高的股息。从低 ESG 组合到高 ESG 组合， 公司盈利水平呈显著的递增趋势，结果表明，高 ESG 评分能够改善公司的盈利水平，并提升公司未来的现金流和红 利。最后，通过提高 DCF 模型的分子，提升股票未来的估值水平。

3.3 特质性风险传导路径

特质性风险传导路径分为以下几步： 1) ESG 评分较高的公司通常具有高于行业标准的风险控制措施以及合规要求； 2) 由于拥有更高的风险控制标准，高 ESG 公司较少发生如环境处罚、监管处罚以及诉讼案件等严重的负面事件； 3) 更低的风险事件发生频率降低了公司价值与盈利现金流发生剧烈波动的概率，极大降低了股票价格发生大幅下 跌的尾部风险，提升了股票估值的稳定性。

可以看到，高 ESG 组合的特质性风险均值显著低于低 ESG 组合，并且从低 ESG 组合到高 ESG 组合，公司特质性风险呈严格递减趋势。

可以看到，无论在综合 评价得分还是一级指标中，高 ESG 组合在评分公告日未来一年里发生诉讼事件以及违规事件的平均数量均显著少于 低 ESG 组合，并且从低 ESG 组合到高 ESG 组合，两类事件发生的数量均呈现出递减的特征。

为了考察 ESG 评分与尾部风险的联系，我们将尾部风险事件定义为“未来一年股价下跌大于 80%”的一类事 件，在全 A 股票池中以一年为区间长度滚动计算不同 ESG 组合发生尾部风险事件的次数，高 ESG 组合在评分公告后一年内发生尾部风险事件的次数较低，对比之下，低 ESG 组合尾部风险事件发生的频次显著高于高 ESG 组合。结果表明：高 ESG 评分与未来一年尾部风险事件发生的概率呈显著负相关关系， 较高 ESG 水平的公司能够通过降低未来尾部风险发生的概率，提高公司价值的稳定性，为现金流的提升打下坚实 基础。

3.4 资本成本传导路径

资本成本传导路径分为以下几步： 1) ESG 评分较高的公司，其历史收益率序列表现出更低的系统性风险敞口β，在面对系统性风险冲击时，往往具 有较强的抵御能力； 2) 因此，高 ESG 公司拥有更低的长期资本成本即贴现率。通过降低 DCF 模型的分母，提升股票未来的估值水平。

可以看到，高 ESG 股票组合未 来一年的β均值显著低于低 ESG 股票组合，表明高 ESG 组合具备更低的系统性风险暴露，能够更有效地抵御系统 性风险的冲击。此外，高 ESG 组合相比低 ESG 组合具有更低的加权平均资本成本 WACC。结果表明，高 ESG 公 司由于表现出更低的系统性风险暴露，因此具有更低的资本成本，能够通过降低 DCF 模型的贴现率，提升股票未来 的估值水平。

3.5 盈利与风险改善机制

在上文中，我们验证了 ESG 综合评价得分与盈利现金流、特质性风险以及资本成本之间的相关性，但仍不能很 好地表现其因果关系，即是更高的 ESG 得分导致更高的估值水平，还是高估值水平提升了 ESG 得分。因此，我们 接下来进一步探究 ESG 的变化对公司未来盈利与风险的改善机制，更清晰地描绘从 ESG 提升到股票估值提高的传 导方向。

具体方法上，我们计算过去半年的 ESG 变化量，并根据 ESG 评分的变化从小到大进行排序，将样本股票池分 为 5 组，统计每一组股票未来半年盈利与风险的涨跌幅均值。其中，第五组为过去半年 ESG 提升幅度最大的组合， 第一组为过去半年 ESG 降低幅度最大的组合。为了便于观察比较，我们对所有评价指标均进行了 Z-Score 标准化处 理。

第五组未来半年的平均盈利增幅显著高于第一组，表明 ESG 的提升能够 帮助企业改善未来的盈利状况；第五组未来半年年化波动率的平均降低幅度显著大于第一组，表明 ESG 的提升能够 帮助企业降低未来的特质性风险；第五组β的平均下降幅度显著大于第一组，表明 ESG 的提升能够降低企业未来的 系统性风险，有助于企业降低未来的资本成本；最后，第五组未来半年 PE_TTM 的提升幅 度显著大于第一组，表明 ESG 的提高通过改善未来现金流、降低特质性风险以及降低企业资本成本，最终推动了 企业整体估值的提升

四、基于ESG评分的选股策略

基于前文对 ESG 因子进行的选股测试以及对传导机制的深入探究，我们对 ESG 评价指标的选股能力有了初步的 了解，为高 ESG 组合超额收益的来源找到了坚实的底层逻辑支撑。在本节中，我们参照当前市场主流的 ESG 策略 类型，以 ESG 综合评价得分与一级指标得分为核心构建量化选股策略。策略的构建步骤如下：

股票池：以中证 500 指数成分股作为初始股票池；

剔除停牌、ST 股票后，按各评价指标从高到低进行排序，构建三类策略组合：

1. 选择前 100 只股票作为正面筛选组合，按流通市值进行加权； 2. 剔除后 100 只股票后，其余股票作为负面剔除组合，按流通市值进行加权； 3. 选择前 100 只股票，以中证 500 指数（000905.SH）作为对冲标的，构建多空组合，按流通市值进行加权；

调仓频率为月度，调仓日为评分公告下一月首个交易日，按后复权收盘价进行交易，单边交易费率为 3‰；

回测区间：2017/02/03 至 2021/11/22。

4.2 选股策略的回测结果

（1）根据 3 个一级指标构建的 6 个选股组合，年化收益均高 于基准指数，其中表现最优的是治理得分正面筛选组合，年化收益率和 Sharpe 比率分别为 11.97%和 0.43，同期 治理得分负面剔除组合和中证 500 指数的年化收益率仅为 6.10%和 3.39%；（2）根据环境得分构建的正面筛选组合 与负面剔除组合年化收益率比较接近。其中，环境得分正面筛选组合年化收益率为 6.36%，略高于负面剔除组合的 5.60%；（3）根据社会责任得分构建的正面筛选组合与负面剔除组合，年化收益率同样比较接近。其中，社会责任 得分负面剔除策略年化收益率为 5.60%，略高于正面筛选策略的 5.39%。

（1）以环境得分、社会 责任得分构建的正面筛选组合、负面剔除组合的净值曲线均始终位于基准上方，多空组合净值呈震荡向上的趋势， 且正面筛选组合与负面剔除组合相差较小；（2）以治理得分构建的正面筛选组合、负面剔除组合的净值曲线均始终 位于基准上方。其中，治理得分正面筛选组合表现最优，净值曲线显著高于负面剔除策略与基准，具有较明显区分 度。多空组合呈现平稳快速上涨的趋势，表明治理得分正面筛选策略在中证 500 股票池中具有较高的超额收益。； （3）从策略组合平均换手率看，环境、社会责任策略组合的换手率较低，正面筛选策略组合的平均双边换手率均在 20%以下，负面剔除策略组合的平均双边换手率均在 10%以下。治理策略组合换手率较高，正面筛选和负面剔除策 略平均双边换手率分别为 33.37%和 11.90%。

(1)正面筛选策略和负面剔除策略表现均优于基准指数，其中，正面筛选策略的表现最突出，年化收益率 和 Sharpe 比率比率分别为 10.78%和 0.36，负面剔除策略的表现稍逊，年化收益率与 Sharpe 比率分别为 6.49%与 0.17；(2) 从净值走势来看，正面筛选策略一直位于最上方，两个多头组合与基准指数具有较明显的区分度，多空组 合净值曲线呈稳定上升的趋势。（3）从策略组合平均换手率看，ESG 综合评价得分策略组合的换手率较低，正面 筛选和负面剔除策略平均双边换手率分别为 18.80%和 10.33%。（报告来源：未来智库）

五、拓展：如何使用ESG二级指标？

目前基于 ESG 评分的量化选股策略，大多仍是基于 ESG 综合评价得分与 3 个一级指标进行构建。从上文对 14 个二级指标的 IC 测试结果我们发现，在 14 个二级指标中，有 8 个二级指标的 IC 均值在统计上显著为正，说明二级 指标同样具有预测股票未来收益的能力，具有较大的潜在投资价值。对于 ESG 二级指标，我们提出了以下几个使用 方法：

Smart Beta 主题策略：利用特定二级指标构建对应主题风格的指数增强组合，如气候变化策略组合等；

二级指标轮动策略：根据政策因素、中观因素的转变，在不同时期选择更有效的二级指标构建策略组合；

加权方式再优化：根据特定逻辑，对二级指标设定最优权重，合成综合评价得分进行选股。

接下来，本文从加权方式最优化的角度出发，通过探究二级指标的内部特征，尝试以一个简单的优化加权方式， 合成出更具有选股能力的二级指标总分，并以该二级指标总分为核心构建量化选股策略。

5.1 指标合成方法

我们可以发现，部分二级指标具有明显的主观倾向。如二级指标“环境排放”中 所包含的三级指标大多为有害气体排放量，指标含义上具有明显的负面剔除倾向；二级指标“社会资本”中所包含 的三级指标大多与“捐赠”、“脱贫”、“扶贫”相关，指标含义中透露了较多积极承担社会责任的正面筛选倾向；而 在二级指标“环境管理”中，具有正负倾向的三级指标数量相当，因此可以认为该二级指标整体偏中性。

根据上述规律，我们可以为所有二级指标打上倾向表现，通过增强正向指标的正面筛选能力、增强负向指标的 负面剔除能力，加权合成新的 ESG 综合评价得分。具体的合成步骤如下：

1) 标记指标倾向：对 14 个二级指标逐一打上倾向标签

2) 数据预处理：对所有二级指标得分进行标准化，并根据 MAD 法进行缩尾处理。

3) 指标合成：对于正向指标，使位于中位数以下的股票评分维持不变，将位于中位数以上的评分扩大至原来的两 倍；对于负向指标，使位于中位数以上的股票评分维持不变，将位于中位数以下的评分扩大至原来的两倍；对于中性指标，维持原始评分大小。最后，以等权方式对所有二级指标进行合成，得到最终的二级指标总分。

5.2 “二级指标+”选股策略的构建

选股策略的构建步骤如下：

股票池：分别以沪深 300 成分股、中证 500 成分股和全 A 股样本作为初始股票池；

剔除停牌、ST 股票后，按二级指标总分从高到低进行排序，选择前 100 只股票，按市值加权的方式形成“二级 指标+”策略组合：

调仓频率为月度，调仓日为评分公告下一月首个交易日，按后复权收盘价进行交易，单边交易费率 3‰；

比较基准：以上文构建的 ESG 综合评价得分“正面筛选”组合以及各宽基指数作为业绩比较基准；

回测区间：2017/02/03 至 2021/11/22。

5.3 “二级指标+”选股策略回测结果

从中可知：(1)在沪深 300 股票池中，“二级指标+”策略组合的年化收益率和 Sharpe 比率分别为 13.47%和 0.526，显著优于沪深 300 指数。同时，相比沪深 300 指数正面筛选策略组合的年化收益进一步增强，策略 净值曲线始终位于最上方；（2）在中证 500 股票池中，“二级指标+”策略组合的年化收益率和 Sharpe 比率分别为 11.71%和 0.404，显著优于中证 500 指数。策略组合与中证 500 正面筛选组合的表现比较接近，但略微高于正面筛选 组合；（3）与沪深 300 和中证 500 相比，二级指标总分在全 A 样本中的表现最为亮眼，“二级指标+”在全 A 样本 中构建的策略组合，年化收益率和 Sharpe 比率分别高达 14.44%和 0.558，相比之下，正面筛选策略组合年化超额收 益为 9.71%，可见，“二级指标+”策略组合在全 A 股票池中的收益十分可观。

六、主要结论

本报告基于 ESG 评价得分的经济机制难以被解释这一问题，以秩鼎 ESG 评分数据为样本，检验从 ESG 评分到 股票价格变化的传导机制和 ESG 变化对企业估值的改善机制，尝试揭开 ESG 策略组合超额收益的黑盒，并从多个 不同维度构建了量化选股策略，得到的主要结论如下：

以秩鼎 ESG 为核心构建的选股因子，能够对股票未来收益有较好的预测能力。IC 测试结果表明，除 ESG 综合 评价指标和 3 个一级指标以外，超过半数的二级指标同样与股票未来收益率具有较高的相关性；分位数测试结 果表明，根据 ESG 综合评分和一级指标构建的分位数组合之间具有较显著的区分度，组合间变化趋势明显。相 关性测试表明，ESG 综合评价指标和 3 个一级指标之间的相关性较低，其选股能力不能被常见大类因子所解释。

研究结果表明，ESG 评价得分能够通过改善上市公司盈利现金流、特质性风险以及资本成本三条路径，对股票 未来估值产生了显著的正向影响。本报告以现金流贴现模型(DCF)作为理论模型，总结了 ESG 评分通过改善上市 公司盈利现金流和特质性风险提高模型的分子，并通过减少资本成本降低模型的分母，最终对股票未来估值产生 正向影响的传导机制。

以综合评价指标和一级指标为核心，分别采用正面筛选和负面剔除的方式构建了选股策略组合。在中证 500 指 数成分股中，综合评价得分和治理得分正面筛选策略组合表现突出。综合评价得分正面筛选策略年化收益和夏 普比率分别为 10.78%和 0.358；治理得分正面筛选策略年化收益和夏普比率分别为 11.97%和 0.425，业绩表 现显著优于基准指数。

以二级指标为核心，本报告提出了几个具有可行性的投资方向，并在沪深 300、中证 500 和全 A 样本中构建了 基于二级指标的选股策略组合。“二级指标+”选股策略组合表现突出。在沪深 300 股票池中，策略组合的年 化收益率和 Sharpe 比率分别为 13.47%和 0.526；在中证 500 股票池中，策略组合的年化收益率和 Sharpe 比 率分别为 11.71%和 0.404；在全 A 样本中，策略组合的年化收益率和 Sharpe 比率分别为 14.44%和 0.558。

编辑：999感冒灵