学术研究报告：《ESG是否会成为下一个风险因子？》
一、 主要作者、机构、发表期刊与时间
本研究的主要作者是 Moinak Maiti，其所在机构为俄罗斯国立高等经济大学（National Research University-Higher School of Economics）圣彼得堡分校金融系。
该研究发表于期刊 Journal of Sustainable Finance & Investment。论文于2020年2月9日在线发表，DOI号为10.1080⁄20430795.2020.1723380。
二、 学术背景与研究目的
本研究的科学领域属于可持续金融、资产定价与ESG投资交叉领域。近年来，将环境、社会和治理因素纳入投资决策的可持续投资日益成为主流金融市场的焦点。大量研究关注ESG表现与公司财务绩效之间的关系，但结论不一。同时，学术界在资产定价模型中已识别出诸如规模、价值、动量等一系列传统风险因子。然而，一个核心问题日益凸显：ESG因素本身是否构成一个独立的、能够解释股票收益差异的系统性风险因子，并且能够像传统的规模、价值因子一样被整合进资产定价模型？
研究背景与动因： 1. 现实需求： 全球可持续投资规模快速增长，ESG整合成为重要的投资策略之一。投资者和管理者需要理解ESG因素的风险与回报特征，并寻求能将其纳入投资组合构建和资产估值的模型。 2. 学术争论： 现有文献关于ESG与财务表现的关系存在矛盾证据。部分原因在于ESG数据可得性、定义和量化标准的差异。同时，对于ESG是否构成一个独特的、超越传统因子的风险因子，学术界尚未达成共识。例如，有观点认为ESG不应被视为独立的股权因子，其结论可能因数据来源不同而异。 3. 模型演进： Maiti (2020) 等研究指出，传统的资产定价模型效力在减弱，风险因子正在随着时间变化，而ESG等因子有望主导未来的资产定价模型。因此，需要实证检验其在解释收益方面的能力。
研究目的： 本研究旨在解决三个核心问题： 1. 确认ESG是否为继规模、价值等之后的下一个重要风险因子？ 2. 研究ESG的各个组成部分（环境-E、社会-S、治理-G）在投资决策中的相关性。 3. 开发一个包含ESG因子的、更稳健的资产定价新模型。
三、 研究流程与方法论
本研究是一项基于投资组合排序和因子模型的实证分析，其详细工作流程如下：
第一流程：数据选择与变量定义 * 研究对象与样本： 研究选取了STOXX欧洲600指数中的426家公司作为样本。该指数覆盖了17个欧洲国家的大、中、小型市值公司，具有良好的代表性。 * 研究时期： 使用2010年9月至2018年6月的月度数据。 * 变量与代理指标： * 被解释变量： 投资组合超额收益（rpit–rft）。 * 解释变量（因子）： * 市场因子（Rm-Rf）：以STOXX 600指数回报率减去无风险利率（10年期欧元债券利率）代理。 * 规模因子（SMB， Small Minus Big）：模拟市值相关的风险。使用市值（Market Capitalisation）作为排序标准。 * 价值因子（LMH， Low Minus High）：模拟市净率相关的风险。使用市净率（P/B ratio）作为排序标准。 * ESG综合因子（LESGMHESG）及分项因子：环境因子（LENVMHENV）、社会因子（LSOOCMHSOC）、治理因子（LGOVMHGOV）。这些因子模拟了ESG及各项得分相关的风险。研究采用彭博社（Bloomberg）提供的ESG总分、环境（E）得分、社会（S）得分和治理（G）得分作为排序和构建因子的依据。这是研究的关键数据来源。
第二流程：投资组合构建 研究采用了类似于Fama and French (1993)的规则化投资组合构建方法，进行了单变量和双变量独立排序。 1. 单变量排序投资组合（用于描述性分析）： * 每年6月（t年），根据市值（MC）、市净率（PB）、ESG总分（ESG）、环境得分（E）、社会得分（SO）和治理得分（G）等六个变量，分别对股票进行排序。 * 对于每个变量，将股票分成5个等权重投资组合（P1至P5），其中P1为排名最低的20%股票（如小市值、低市净率、低ESG得分等），P5为排名最高的20%股票。 * 计算这些投资组合从t年7月到t+1年6月的平均超额收益。 * 每年6月更新排序并重复此过程，直至2018年。 2. 双变量排序与因子模拟组合构建： * 构建模拟因子收益的基础组合： * 首先，采用单变量排序，每年6月按市值构建两个组合：大盘股组合（B）和小盘股组合（S）。 * 同时，按PB、ESG、E、SO、G分别构建三个组合：低分组（L）、中分组（N）、高分组（H）。 * 构建双变量独立排序的六组合： 将市值组合（S， B）分别与各变量组合（L， N， H）交叉结合，形成六个价值加权的投资组合（例如：S/L， S/N， S/H， B/L， B/N， B/H）。 * 计算因子模拟收益（风险溢价）： 采用与Fama and French一致的方法，通过高低组合的收益差来模拟各因子的收益。 * SMB = （S/L， S/N， S/H三组合平均收益） - （B/L， B/N， B/H三组合平均收益）。 * LMH （价值因子）= （S/L和B/L组合平均收益） - （S/H和B/H组合平均收益）。 * LESGMHESG （ESG因子）= （S/L_ESG和B/L_ESG组合平均收益） - （S/H_ESG和B/H_ESG组合平均收益）。 * 同理计算环境（LENVMHENV）、社会（LSOOCMHSOC）、治理（LGOVMHGOV）因子。
第三流程：因子模型设定与回归分析 研究设定了六个多元线性回归模型，以检验不同因子模型的解释能力： 1. 基准模型（FF3）： Rp – Rf = a + b (Rm-Rf) + s SMB + l LMH + e （Fama-French三因子模型） 2. 新三因子模型（共4个）： * MKT+SMB+ESG: Rp – Rf = a + b (Rm-Rf) + s SMB + esg LESGMHESG + e * MKT+SMB+ENV: Rp – Rf = a + b (Rm-Rf) + s SMB + env LENVMHENV + e * MKT+SMB+SOC: Rp – Rf = a + b (Rm-Rf) + s SMB + soc LSOOCMHSOC + e * MKT+SMB+GOV: Rp – Rf = a + b (Rm-Rf) + s SMB + gov LGOVMHGOV + e 3. 四因子模型： Rp – Rf = a + b (Rm-Rf) + s SMB + l LMH + esg LESGMHESG + e （在FF3基础上加入ESG因子） 回归对象： 将上述六个模型分别应用于基于六个变量（MC， PB， ESG， E， SO， G）单变量排序构建的5个投资组合（P1-P5）的超额收益序列。分析核心是观察模型的截距项α是否显著为零，若α不显著，说明模型能够完全解释投资组合的收益，模型表现良好。
第四流程：模型性能检验 使用GRS检验（Gibbons, Ross, and Shanken test）来系统评估和比较不同因子模型的整体表现。GRS检验的原假设是所有投资组合的阿尔法（α）联合为零。较低的GRS F统计量和较高的p值意味着模型更优。同时，GRS检验结果中提供的夏普比率（Sharpe Ratio）也被用来比较基于不同因子构建的投资组合的绩效。
四、 主要研究结果
1. 描述性统计与相关性分析： * 描述性统计显示，市场风险溢价（月均2.9%）高于其他因子的风险溢价。各因子之间的相关系数在可接受范围内，其中ESG总分与E、S、G分项因子的相关性较高，但与G因子的相关性相对较低。 * 组合平均收益模式（图1结果）： 基于市值、ESG、环境、社会和治理排序的投资组合，其平均收益呈现出清晰的模式：从低分组（P1）到高分组（P5），收益单调递减。这被称为“规模效应”和“ESG效应”。具体而言，小市值、低ESG得分、低环境得分、低社会得分、低治理得分的股票组合平均收益更高。然而，基于市净率排序的组合未观察到明确的价值效应模式。此结果初步表明，ESG及其分项因子与股票收益存在系统性关联。
2. 资产定价回归结果： * Fama-French三因子模型（FF3）： 对于所有基于不同变量排序的投资组合，该模型的截距α均不显著，表明其能基本解释收益。规模因子（SMB）在除小市值组合（P1）外的大多数情况下不显著；价值因子（LMH）在多数情况下显著。 * 新三因子模型（MKT+SMB+ESG/ENV/SOC/GOV）： * MKT+SMB+ESG模型： 市场因子和ESG因子系数在所有情况下均统计显著（5%水平）。规模因子仅在少数情况下显著。 * MKT+SMB+ENV模型： 市场因子和环境因子系数在所有情况下均显著。 * MKT+SMB+SOC模型： 市场因子和社会因子系数在所有情况下均显著。 * MKT+SMB+GOV模型： 治理因子系数在所有情况下均不显著，规模因子也大多不显著，表明治理因子作为独立风险因子的证据较弱。 * 四因子模型（MKT+SMB+LMH+ESG）： 研究发现，该四因子模型的整体表现并未显著优于前述的各个新三因子模型。价值因子（LMH）和ESG因子在大多数情况下均显著。进一步的Wald检验确认，LMH因子和ESG因子的系数存在显著差异，说明两者无法相互替代，而是共存，共同对解释收益做出贡献。
3. 模型性能检验结果（GRS检验，表9）： 这是本研究的核心发现之一。GRS检验结果提供了对不同模型整体效力的权威比较。 * 对于基于ESG和治理（G） 因子排序的投资组合，所有测试的因子模型（包括FF3和新模型）均被GRS检验接受（p值>0.05）。 * 对于基于社会（SO） 因子排序的投资组合，除了FF3模型和四因子模型在10%显著性水平上被拒绝或边缘接受外，其余四个新三因子模型均被接受。 * 最重要的比较： 对比GRS F统计量的大小，研究发现四个新三因子模型（含ESG、E、SO、G）的F统计量普遍低于FF3模型和四因子模型。更低的F统计量意味着模型表现更优。 * 夏普比率比较： 从GRS检验导出的夏普比率来看，基于ESG、环境、社会和治理因子构建的投资组合，其夏普比率高于基于市值和市净率构建的传统因子投资组合。这表明，在研究的样本和时期内，考虑ESG因素的投资组合能提供更好的风险调整后收益。
五、 研究结论、意义与价值
结论： 1. ESG作为风险因子： 研究证实，ESG因子在统计上是显著的，并且是一个持久的因子，其重要性不亚于传统的规模和价值因子。 2. ESG分项因子的作用： 环境（E）和社会（S）因子在解释股票收益方面表现出强相关性，而治理（G）因子的独立作用相对较弱，但包含治理因子的模型仍然表现良好。 3. 新资产定价模型： 研究成功开发了包含ESG及其分项因子的新三因子资产定价模型（市场、规模、ESG/环境/社会/治理）。这些新模型的整体表现优于经典的Fama-French三因子模型，也优于在FF3基础上简单加入ESG因子的四因子模型。其中，市场因子加规模因子再加环境或社会因子的模型表现尤为突出。
意义与价值： * 学术价值： 本研究填补了文献空白，首次在欧洲市场背景下，系统性地将ESG总分及其三个分项因子同时纳入资产定价框架进行检验和比较，并构建了新的、更稳健的可持续资产定价模型。研究结果为“ESG是系统性风险因子”提供了有力的实证支持，推动了资产定价理论在可持续金融方向的发展。 * 应用价值： 研究结论对投资者、资产管理公司和政策制定者具有重要指导意义。 * 对投资者而言： 研究明确建议，在做出投资决策时不应忽视ESG因素。不仅因为其与可持续性相关，更因为其蕴含着可被定价的风险和收益信息。基于ESG、环境和社会因子构建的投资组合可能获得更优的风险调整后回报。 * 对资产管理行业： 研究为开发基于ESG因子的量化投资策略（如因子投资、Smart Beta）提供了理论依据和模型支持。 * 政策启示： 研究强调了标准化、高质量的ESG数据披露的重要性，以促进市场更有效地对这些风险进行定价。
六、 研究亮点
七、 其他有价值的内容
研究在引言和讨论部分，对ESG投资领域的学术争议和实践发展进行了较好的梳理，引用了大量相关文献（如Friede， Busch, and Bassen (2015) 的元分析， Breedt等人 (2019) 的不同意见等），使研究扎根于广阔的学术对话之中。此外，研究也提及了使用不同ESG数据提供商（如MSCI）可能导致结果差异的问题，体现了作者的审慎态度，也为未来研究指出了方向——需要考察ESG因子在不同市场、不同数据源、不同时期下的稳健性。