ESG投资策略解析与优化构建：厚积薄发，志存高远.pdf

ESG投资策略解析与优化构建：厚积薄发，志存高远。全球 ESG 投资持续升温，中国 ESG 投资进入高速发展期 全球 ESG 投资规范 性进一步提升，UNPRI 签署方数量高速增长。投资端全球可持续投资、可持续基 金、ESG 指数投资产品规模整体向上，欧洲表现领头示范作用。融资端绿色债 券、社会责任债券、可持续发展债券、可持续发展挂钩债券产品规模产生波动， 近年有所回落，其中中国成为绿色债券发行领导者。整体来看，中国 ESG 投资起 步较晚，但投资建设意识快速提升，已进入 ESG 投资高速发展期。

产品策略解析：ESG 产品蓬勃发展，投资策略由主题策略向筛选策略转变， 整合策略还处于起步发展阶段

自 2019 年以来，ESG 产品迅速发展，包括公募 基金、银行理财、私募基金及指数等。在所有 ESG 产品中，长期来看，公募基金 产品的收益表现最为亮眼，ESG 指数具有超额收益，其他产品无明显超额收益。 进一步，我们选取 7 只与基金挂钩的 ESG 指数，并与其对应基准指数构建了对冲 组合，发现剔除基准指数的影响后，ESG 因子的确起到提高指数收益率的作用。 鉴于公募基金和指数产品策略披露相对透明，对其分策略考察发现，大部分公募 基金采用 E、S 或 G 主题投资策略，采用以 ESG 为辅的整合策略的基金增幅最 快，但将 ESG 综合信息作为主要策略的基金还很少，我们对这类真正考量 ESG 的 基金的选股策略进行分类统计，发现约 80%基金选用筛选策略，且回测结果显示 该类基金收益表现相对较好。此外，对于指数产品，大部分也是采用筛选策略， 但采用整合策略的指数历史超额收益最明显。

ESG 投资存在挑战：当前不同机构间 ESG 评级数据相关性不高，ESG 评级结 果差异明显，严重影响投资者决策

评级结果的差异主要来源于：第一，底层指 标范围不同。ESG 数据来源复杂，缺乏统一标准，且以定性信息居多，数据获取 难度大，造成初始底层数据包含的范围可能不同；第二，自然语言处理的算法存 在差异。不同的 ESG 评级机构对于文本信息的定量化算法可能存在差异；第三， 实质性议题的选取与权重设置不同。不同的 ESG 评级机构对行业的理解不同，在 分析过程中对各指标的侧重点存在差异。

策略优化建议：ESG 评级在小盘股上更具筛选价值，ESG 底层数据与财务信 息整合可显著改善策略整体表现

我们构建了两种优化策略来减少 ESG 信息差 异对投资收益的影响。筛选策略从 ESG 一级指标出发，采用多家评级机构低评级 样本的并集集合对股票进行剔除从而来解决评级结果不一致对其的影响。回测结 果显示，中证 1000ESG 筛选回测年化收益率 20.78%远大于沪深 300ESG 筛选回 测年化收益率 7.44%；整合策略则从 ESG 三级底层数据出发，跳过实质性议题的 选取直接对底层数据结合财务数据进行机器学习整合策略构建。回测结果显示， 中证 1000ESG 整合回测年化收益率 20.58%大于沪深 300ESG 整合回测年化收益 率 17.11%。综上可以看出，以上两种策略相对于基准指数均有显著的超额收 益，且在小盘股上超额收益更为明显。相较筛选策略，ESG 整合策略对基准指数 的夏普比率提升更明显，在提高大小盘收益、减少最大回撤以及波动率方面均有 更显著作用。可见，整合策略中 ESG 底层数据提供的增量信息具备投资应用价 值，ESG 信息与财务信息的综合考量，可有效提高控制风险后的投资收益。