评价理念：框架对标国际信评机构，流程结合债项特征

评价框架对标国际信评机构，指标设置考虑中国阶段

评价体系对标国际信评机构成熟框架，设置一般发债主体与城投主体两套框架。目前， 覆盖债券发行主体的 ESG 评价机构可以主要分为传统的市场数据提供商、信用评级机构 两大类。传统的市场数据提供商包括明晟、彭博、万得等，多数机构的 ESG 评价框架未 对发债主体和上市公司进行区分，且或因为从数据的视角自下而上构建 ESG 评价框架， 其评价框架下的二/三级议题分类较为繁杂，整体参考性较低。国外的主流信用评级机构包 括标普、穆迪、惠誉，国内包括中债、中诚信等，以上信用评级机构均构建了自己 ESG 的评价框架和体系。我们梳理了国内外信用评级机构的 ESG 框架，海外机构对于发行主 体的区分相对更加全面。因此，我们对标海外，整合国外信用评级机构的 ESG 框架，并 结合可用数据调整，设置了对于一般发债主体与城投主体的债券 ESG 评价框架。在具体 指标的选取上，我们考虑中国 ESG 信息披露发展阶段，综合相关具体指标是否反映发债 主体的信用风险，以及底层数据的披露质量进行考虑，在碳转型风险、水资源风险、员工 等议题下进行了补充创新。

数据来源：整合 ESG 数据供应商、统计年鉴、国际组织网站、Wind 等多个类型数据 源，应对发债主体 ESG 数据缺失相对更为严重的现状。（1）在一般发债主体的评价中， 我们主要选择了秩鼎的债券 ESG 数据库作为我们的数据来源，同时使用了聚源的债券 ESG 数据库中部分舆情指标，WRI 网站的水资源数据，以及 Wind 的一些发债主体通用数 据作为补充。（2）在城投企业的评价中，我们主要选择了城市统计年鉴等统计局网站数据， 以企业预警通的数据作为补充。

评价主体：分为一般发债主体和城投主体，对共计 6000+债券发行主体进行 ESG 评 分。参考国际信用评级机构的信评及 ESG 分析框架，其通常针对非金融企业、金融机构、 主权国家、地方政府和结构性金融产品，设置不同的评价标准。综合中国 ESG 信息披露 发展阶段，国内的城投债受市场关注较高，且我们也积累了一些城市层面的评价数据，因 此，债券 ESG 评价体系的 1.0 版本选择对于一般发债主体以及城投主体设置两个 ESG 框 架进行评估，其中城投主体的 ESG 框架结合了一般发债主体的框架以及城市和省份区域 的 ESG 评分。

指标筛选：在对应框架下，筛选能反映议题内涵、侧重风险，同时数据质量较好的指 标。在和国际对标的二级议题框架下，考虑可用指标能否反映议题下的风险内涵，我们结 合 ESG 议题对于信用风险的影响进行判断。在数据质量的筛选上，我们筛选了对于发债 主体覆盖率在 20%以上的指标。

评分计算：根据指标的内涵和数据特征，设置不同的量化方式，并进行数据标准化， 缺失填充和加权计算。 将指标数据量化并进行标准化的方式大致可分为两种，一种是文 本型数据，例如企业性质、是否获得某认证等，直接创建一个映射字典将文本与分数匹配， 另一种是数值型数据，根据指标内涵我们对其进行直接分位数分档打分，或者行业中位数 分数最高，两侧线性下降等方式进行量化处理。缺失值我们按照行业内均值、最低分、最 高分等方式填充。对于指标权重的设置，我们基本按照各级议题下等权重进行加权，部分 指标由研究员根据具体指标的数据质量进行调整。

行业评分调整：部分议题下，根据行业对指标或者议题的暴露程度不同，设置不同的 打分方式。在碳转型风险指标下，我们对高耗能高排放行业和一般行业进行区分，根据政 策文件中提到的两高行业，确定发债主体的名单。在水资源风险下，我们根据 WRI 提供的 不同行业对不同类型的水资源风险暴露，对特定行业的该议题指标进行调整。

债项评分调整：根据到期时间和是否为可持续类债券调整债项评分。（1）上调可持续 类债券评分。（2）根据具体债券的到期时间，对环境维度下的部分指标进行权重调整。例 如，对于指标 A，我们使用四分位数分档，到期时间较长的债项将指标数据映射到[2.5，5， 7.5，10]，而较短期限的债项将指标数据映射到[4，6，8，10]。分数越高代表 ESG 风险 越低，在较短期限内，因为指标 A 更难带来实质性影响，因此将债项的评分区分度设置更 低。

具体指标：关注风险内涵，设置城投特色指标

环境议题：结合行业与地区维度识别风险

新增碳转型风险与水资源风险议题，结合行业与地区维度识别风险。参考国际信评机 构的 ESG 框架，我们划分了碳转型风险、水资源风险、污染排放管理和企业综合环境管 理四个二级议题。其中，主要在碳转型风险和水资源风险议题下，我们补充了相对于我们 权益 ESG 评价体系的指标和数据。

碳转型风险议题主要考虑政策与技术风险。结合《气候转型风险评估研究综述》（胡 晓玲，2022）对转型风险的分析，碳转型风险考虑政策、技术和市场三维度带来的风险。 基于现有数据，我们对于其中的政策风险和技术风险进行了评估。对于碳转型政策风险， 我们指标上使用了绿债发行规模占比以及是否取得能源管理体系认证，此外对于“两高” 行业的打分进行调整。我们在 GICS 四级行业中选择了 13 个四级行业作为“两高”行业。 考虑其面临的碳转型政策风险高出同类其它企业，相关政策可能影响消费者、投资人的倾 向以及企业主营产品的所在市场，使其面临更高的碳排放成本，在财务方面也承担着更高 的压力，在评分时给予更大的区分度。

绿色债券的发行有助于其降低融资成本，债券存续 期内的环境信息披露要求也对企业 ESG 治理改善有着促进作用，因此，更高的 ESG 相关 债券发行规模可能使企业相对可比企业有更低的融资成本和更快的 ESG 治理改善，这两 者也有助于企业的信用水平提高。对于碳转型技术风险，我们统计了各企业新能源相关专 利的数量和质量。新能源专利的数量上，根据专利研究的文献，对企业持有的每一个专利 是否属于新能源相关的专利进行判断。新能源专利质量的数据来源于国家知识产权局，根 据企业这类型专利的持有数据、平均权利要求项数、被引用次数等多个因子，通过机器学 习的方式计算得出综合分数。对于两高企业，新能源相关专利能反映其在转型活动中的进 程。

水资源风险涵盖洪水、干旱、水资源的供应与消耗、水质量管理等方面。而从受影响 的信用相关问题来看，实体风险等自然灾害带来的直接损失可能带来现金流方面的压力， 而水资源的消耗和水质量管理等议题对企业声誉可能造成影响。在具体指标设置上，参考 世界资源研究所（WRI）的分析结果，对于发债主体所处行业及地区进行评价。世界资源 研究所是一家全球性的智库，参与制定了温室气体核算体系（GHG Protocol）和科学碳目标（SBTi）等广泛使用的标准，在水资源议题上有内涵和覆盖度较全的各地理位置评估结 果。结合发债主体或其分支机构注册地址的经纬度，我们将其与世界资源研究所的水资源 风险的区域评分进行匹配，WRI 提供的地区水资源风险评分精度为每个评分单元格 100 平 方千米。

此外，环境处罚事件、排污许可证数量等是我们在权益 ESG 评价中积累的回测表现 相对良好指标。结合指标在发债主体中的披露率相对高，且能反映环境层面发债主体面临 直接监管处罚的风险，以及应对监管需要付出污染排放的治理成本，我们选择沿用其构建 方式。具体的指标构建方法可以参考我们在 2023 年 1 月 18 日外发的报告《ESG 评价系 列指标专题（一）—污染排放议题专精：强监管下的企业合规性评价》。

社会和治理议题：重点关注 ESG 事件与舆情

社会和治理议题下，聚焦 ESG 事件与舆情数据。社会议题下，主要基于利益相关方 的角色分类，考虑员工、客户、供应链、社区等因素，同时衍生出产品质量与服务，健康 与安全等议题。治理议题下，股东、董事会、高管等公司内部利益相关者的信息披露情况 较上市公司整体较低，因而我们在具体指标筛选上，对标国际框架，选择相关数据披露率 较高的指标，设置了合规、财务战略、信息披露、组织架构四个二级议题。

在社会议题的客户投诉风险指标，治理议题的违约和舆情指标下，使用 ESG 舆情评 分。舆情指标来自聚源债券 ESG 数据库中的舆情数据，通过快速采集网络媒体、传统媒 体、行业网站、监管官网、自媒体等国内主流媒体平台的信息，加工处理后形成的结构化 数据。在社会议题的健康与安全、市场处罚指标，治理议题的贪污腐败、违约等指标下， 采用 ESG 事件评分。

在社会议题的人力资本指标下，使用员工平均薪酬的下降作为新的风险衡量指标。对于权益 ESG 评价体系中员工薪酬的考虑，我们在《社会责任议题：与利益相关方的交互 创造可持续价值》（2023-8-1）中进行了详细的阐释和论证，从承担社会责任和提高企业 效率的视角出发，以公平性作为衡量标准，构建指标来评价薪酬的合理水平。而在更加关 注风险的背景和视角下，我们选择员工平均薪酬的下降幅度作为一个考量。我们简单地使 用应付职工薪酬除以员工总数作为员工平均薪酬的衡量标准，考虑平均薪酬相对去年降低 的发债主体，并进行分档打分。在新的指标下，我们牺牲了可用数据的数量，让指标尽可 能地反映主体的风险水平。

城投特色议题：结合统计年鉴，评价区域的可持续发展水平

城投企业与地方政府的信用关联紧密，因此对于城投企业的评价我们不仅从一般发债 主体的评价框架出发对企业层面进行评分，还会对其所在省市的可持续发展水平进行评估， 以衡量对应地方政府的 ESG 表现与风险，整合形成城投企业的 ESG 评价。 政府融资平台存在的目的是为了融资进行城市建设、提供公共服务，所以城市发展、 公共服务质量等因素一定程度上反映了融资建设的结果。我们同时参考国外信评机构对于 地方政府的 ESG 评价框架，最后选择了人口、基础建设、自然资源、健康、教育等议题 进行评估。城投特色指标设置上，我们主要考虑了环境和社会下 11 个二级议题，26 个三 级议题，31 个指标数据。为了平衡各地区经济规模与人口数量规模带来的影响，我们在污 染排放、基建、教育的具体指标构建过程中，选择用人口数量与 GDP 当作分母，对于原 数据进行调整。

评价结果：分布良好，财务暴露显著，或有效补充信 用评级

在前文评价理念的部分，我们强调了该评价体系对于信用风险的关注。此外，和权益 ESG 评价体系相同，财务实质性也是发债主体 ESG 评价应该关注的部分。基于此，我们 下面对 ESG 评分结果进行统计，关注与信用评级和财务指标的相关性。考虑到发债主体 的特点，在财务指标中重点关注发债主体的偿债能力、盈利能力和成长性。

行业特征：行业间评分均值差异较小，地产和金融行业评分相对低

整体评分为类正态的右偏分布，行业间评分差距不大，地产和金融行业评分略低。将 评分结果标准化到[0，10]的得分区间进行统计，整体分布为中间高两边低。一般发债主体 标准化后的 ESG 得分峰值在 2-3 分之间，有超过 10%的发债主体在其左侧分布，能够筛 选出超过 10%的 ESG 风险最高的发债主体。2022 年 ESG 评分的峰值存在一定的下沉， 和 2021 年相比有一些变化，这是因为我们的部分舆情指标数据从 2022 年开始纳入，对评 分的分布有一定的影响，预计后续评分及其分布在年度间的变化会更加平滑。分行业统计 我们的 ESG 评分，评分均值集中在 6，7 的分段，各行业间的评分均值差异不大，在将 ESG 因素纳入原有投资流程中时，能够尽量在行业配置上对于原来组合产生较小影响。其 中评分相对较低的是房地产和金融行业，与行业的 ESG 事件和舆情的相关指标评分相对 较低。

对于城投主体，我们的区域评分结果与经济发展水平呈现一定的正向联系。城投主体 的评分包括企业层面的评分结果和区域层面的评分结果两部分，两者整合后的最终得分同 样为类正态分布，分布右偏程度较一般发债主体更小。而对于区域评分，在环境和社会维 度，我们对于省份以及城投主体对应城市的资源丰富度、基建、教育、医疗等情况进行评 估。整体来看，沿海等经济相对发达地区的 ESG 评分整体更高，在社会维度的评价尤为 显著。

信用特征：E、S 与信用评级相关性较低，或有效补充信用评级结果

ESG 整体得分与信用评级结果有一定相关性，其中 G 得分与信用评级结果相关性良 好，E、S 得分与信用评级相关性相对不明显，或能补充识别信用风险。我们将发债主体 的信用评级结果从低到高映射为数字 1 到 18，横轴上最小的数 1 代表信用评级结果 CC， 最大的数 18 代表信用评级结果 AAA。气泡的大小代表不同信用评级的发债主体数量，纵 轴则代表着该信用评级的发债主体 ESG 得分均值。在样本相对充足的 BBB+以上的评级中， 较高信用评级的发债主体，其 ESG 得分均值也越高。具体拆分为 E、S 和 G 三个维度， 我们发现 G 得分和信用评级的关联更加明显，E 和 S 评分与发债主体的信用评级相关程度 相对较低。

ESG 得分与其它因子值的相关性较低。参考固定收益因子投资的文献1，除了信用因 素外，市场、规模、期限等也是需要考虑的因子。受限于数据质量，我们的 ESG 评分只 向前回溯了一期，在缺少时序数据的情况下，我们无法计算各个证券较为合理的对于 ESG 因子的暴露。因此，我们在此主要分析 ESG 因子值与其它因子值之间的相关性。我们选 择发债主体的存续债平均期限，以及债券余额来衡量期限和规模因素。在 2022 年截面上， ESG 得分与发债期限和债券余额无明显相关性。从 2022 年得分截面的相关系数来看，ESG 得分与发债主体的存续债券平均期限相关系数为-0.046，与发债主体的债券余额相关系数 为 0.008。从分组统计的情况上来看，ESG 分数与规模和期限也无明显联系。因此，在固 收多因子投资中，将 ESG 评分与信用因子进行整合，再与其它因子一起测试，或能取得 较好效果。

财务特征：长期偿债能力和盈利能力暴露大，部分行业短期偿债能力与 ESG 评分负相关

ESG 评分良好的企业，其长期偿债能力和盈利能力表现更好。对于发债主体的财务 特征，我们更加关注其偿债能力，因此选择长短期的偿债能力相关财务指标以及盈利能力、 成长性的财务指标进行相关性分析。在我们最新 ESG 评分的截面上，长期偿债能力以及 盈利能力的财务指标在大部分行业中与 ESG 评分正相关，而部分行业短期偿债能力与 ESG 评分呈负相关。考虑 4 个 Z-Score 标准化后的盈利能力和长期偿债能力指标对 ESG 评分的暴露，11 个行业，共 44 个财务指标暴露分数，仅有 4 个为负。净资产收益率对于 所有 GICS 一级行业 ESG 评分的暴露均超过 0.3。

评分回测：分层结果良好，行业内及特定评级内仍有效

在前文的统计分析中，我们发现 ESG 评分结果与信用评级和财务指标间相关性相对 高，与期限和规模等因子无明显相关性，同时在对 ESG 指标拆分后发现，E 和 S 因素与 信用评级的相关性相对较低。为了进一步评价 ESG 评分结果在实际投资应用中的效果， 以及其能否形成对信用评级的有效补充，下面我们分别进行了单因子和多因子的回测。

ESG 评分分层测试：低 ESG 评分组持有期收益落后，行业内分层仍显著

在不考虑其它因素的情况下，我们先对单独的 ESG 评分进行分层测试。样本选取上， 我们选择 Wind 数据库中信用债分类下，除可转债、资产支持证券外的其它债券，再剔除 没有 ESG 评分的公司后作为回测样本。回测时间上，考虑到我们评分所用的底层数据更 新时间在每年的 6 月左右，本文上述的 2021 年度的债券 ESG 评分理论更新时间为 2022 年 6 月。因此回测期选择从 2022 年 6 月至 2023 年 9 月。在调仓时间上，我们选择每月 的第一个交易日进行，但考虑到 ESG 评分是年度更新，在下面的测试过程中，每月的实 际需要调仓的债券数量较少。

在根据信用债每期的存续情况确定样本集后，我们按 ESG 评分高低将主体均分为 5 组（以下系列 1 为 ESG 评分最低组，系列 5 为 ESG 评分最高组），对其信用利差、持有 期收益率、以及组合的年化波动、夏普率等指标进行统计。我们使用中债的全价估值作为 债券价格，不考虑流动性成本。

ESG 评分分层效果良好。在剔除违约债券的一些信用利差极端值后，ESG 评分呈现 较好的分层效果。从信用利差来看，一般主体和城投主体的分层结果都较为清晰，ESG 评 分越低，信用利差越高，对于一般发债主体，回测期内第 1 组的信用利差月度均值为 3.11%， 第 5 组的信用利差月度均值为 0.84%，相差 227 个 bp。从持有期收益率来看，一般主体 的 ESG 评分最低的 1，2 组的持有期收益率显著低于其它组别，第 1 组和第 5 组在回测期内收益率相差 2.33%，而城投主体的分层差距更加明显，第 1 组和第 5 组在回测期内收益 率相差 6.41%。

滚动剔除违约后，分层结果无明显变化。考虑到发生违约的主体在实际交易中很可能 不被纳入持仓，我们选择对分层测试过程中发生违约的样本主体进行剔除。对于回测样本， 我们选择剔除回测期开始前十年发生过违约的主体，同时在回测期内滚动剔除上个月发生 违约的主体。在剔除违约后，组间差距略微缩小，整体分层结果无明显变化。

违约率相对较高的房地产行业内，ESG 评分仍有不错的分层效果。我们观察到当前 ESG 评分最低组中，对于持有期收益率影响最大的发债主体大部分为房地产行业公司。为 了剔除房地产行业的 ESG 评分均值较低的影响，我们在 GICS 一级行业分类为房地产的 行业内进行 ESG 分层测试。较高 ESG 评分的第 4 组和第 5 组持有期收益率稳健，而较低 ESG 评分的第 1 组和第 2 组持有期收益率波动较大。在整个回测期内，各组的持有期收 益率仍然与 ESG 评分高低保持一致。

信用中性的 ESG 表现：城投主体分层结果更稳健

ESG 评分在同信用评级的一般主体内分层仍然明显，对于高评级分层效果更好。为 了进一步探究我们的第三方 ESG 评分对于现在市场上的第三方信用评级能否形成有效补 充，我们在样本量相对充足的 AAA，AA，AA+，AA-的评级内进行分层测试。整体来看， ESG 评分最低的第 1 组的持有期收益率仍然低于其它分组，且在 AAA 级内部分层效果较 为明显，在 AA 和 AA-评级分组内，低 ESG 评分的持有期收益率波动更大。

对相同中债隐含评级的一般主体，分层结果不明显。为了检验分层的稳健性，我们使 用了中债隐含评级来替代第三方信用评级的结果。我们控制在样本量相对充足的 AA(2)， AA，AA+，AA-的评级内进行分层测试，仅在部分评级下，低 ESG 评分组的持有期收益 率较低，整体分层结果不明显。可能在一般主体评价中，中债隐含评级已经包含我们 ESG 评分所考虑的部分要素。

相较一般主体，城投主体 ESG 评分分层在中低评级内效果更好，且结果更加稳健。 使用同样的方式，考虑相同评级结果内，城投主体的 ESG 评分分层。在使用第三方信用 评级结果时，在 AA 和 AA-评级内 ESG 评分分层较为显著，而在使用中债隐含评级时，在 除 AA+外的三个评级内分层结果保持明显。

 

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）