本文献属于类型b：一篇关于可持续投资组合选择的系统性文献综述论文。以下是基于文档内容撰写的学术报告。

本文的作者是Sofia Baiocco，隶属于意大利马尔凯理工大学（Università Politecnica delle Marche）管理系。该研究以“Advancing sustainable portfolio selection: insights from a structured literature review”为题，发表于学术期刊《Corporate Social Responsibility and Environmental Management》2026年第33卷。该论文采用结构化文献综述（Structured Literature Review, SLR）与文献计量分析（使用Bibliometrix和VOSviewer工具）相结合的方法，对当前可持续投资组合选择领域的实证研究进行了全面回顾，特别聚焦于将环境、社会和治理（ESG）标准整合到投资决策中的实践意义。研究旨在梳理该领域的方法论路径、关键进展与持续存在的挑战，并识别未来研究方向。

主要观点一：可持续投资组合选择方法主要分为两大主导范式，即现代投资组合理论的扩展和多准则决策方法。 论文指出，学术界在整合可持续性到投资组合模型时，主要沿着两个方法论路径发展。第一个路径是扩展经典的马克维茨现代投资组合理论（MPT）。传统的MPT模型仅优化预期收益与风险（方差）。为了纳入可持续性，研究者们将其作为第三个线性目标或约束条件引入，从而将二维的有效前沿（Efficient Frontier）扩展为三维的有效曲面（Efficient Surface）。例如，Hirschberger等人（2013）提出了使用ESG评分的三标准模型，并通过CIOS算法求解；Utz等人（2014）进行了逆投资组合优化以推断基金隐含的风险容忍度；Steuer和Utz（2023）则计算了有效曲面和非等高线有效前沿，以探索风险、收益和ESG三者之间的权衡关系。这些扩展保持了MPT的数学框架，但增加了模型的维度以容纳可持续性偏好。第二个路径是采用多准则决策（MCDM）技术。由于可持续性本质上是多维且包含定性因素的，MCDM方法提供了更大的灵活性来平衡相互冲突的目标（如高收益、低风险、高ESG）。常用的MCDM技术包括目标规划（GP）、妥协规划（CP）、ε-约束法、交互式多目标规划（IMGP）等。例如，Bilbao-Terol等人（2012, 2016）使用加权GP和模糊层次GP来评估SRI基金的吸引力并设计投资组合；Calvo等人（2015, 2016）引入了模糊集理论来处理可持续性评估中的不确定性；Yadav等人（2023）应用了直觉模糊多目标模型。文献计量分析中的词云和共现网络也凸显了“多准则决策”、“多目标优化”等关键词的核心地位。论文指出，MCDM方法因其能更好地处理投资者异质性偏好和ESG数据的复杂性，正受到越来越多的关注（样本中MCDM相关文献数量多于MPT扩展类文献），这反映了从单一最优解向满足多元、个性化投资目标的解决方案集的转变趋势。

主要观点二：ESG评分存在显著的异质性问题，不同评级机构的结果相关性低，这构成了可持续投资实践的主要挑战。 论文详细阐述了ESG数据不一致性这一核心障碍。研究表明，不同ESG评级机构（如MSCI、Sustainalytics、Refinitiv）对同一家公司给出的评分往往相关性很弱（相关系数通常在0.2-0.3之间），远低于信用评级机构间的高度一致性（相关系数>0.9）。这种异质性源于几个根本原因：首先是“理论化问题”，即各机构对哪些ESG因素具有财务重要性（即“重要性图谱”）持有不同观点；其次是“可比性问题”，即使对ESG维度定义相似，各机构在方法论、指标权重和数据来源上也存在差异；最后是“透明度问题”，许多评级方法被视为商业机密而未充分披露。这种不一致性带来了严重的实践影响。其一，它导致投资组合构成高度依赖于所选择的评级提供商，使得“可持续”投资组合的构建缺乏稳定性和可比性。Billio等人（2021）的研究表明，即使使用相同的优化设置，基于不同ESG提供商数据构建的投资组合，其资产重叠度也很有限。其二，它引发了“抵消效应”，即公司在某个ESG维度（如环境）的高分可能掩盖其在另一个维度（如治理）的弱点，因为总分通常是各维度得分的加权加总。Erhart（2022）的研究揭示了E、S、G各子评分之间的弱相关性，表明综合ESG评分可能模糊而非澄清公司的真实可持续表现。论文指出，尽管欧盟近期出台了旨在提高ESG评级透明度和质量的法规（如指令2024/3005），要求评级机构向ESMA注册并遵守披露标准，但上述根本性挑战在可预见的未来仍将持续存在。这要求投资者不能盲目依赖单一评级，而需要明确自身关注的ESG具体维度，并可能需构建或选择更贴合自身投资理念的评估体系。

主要观点三：为克服传统ESG评分的局限，学术界提出了多种替代性可持续绩效衡量指标和聚合方法。 鉴于商业ESG评分的缺陷，研究者开发了多种替代框架来量化和聚合可持续性信息。这些方法通常借助MCDM工具，以更透明、定制化的方式处理多维度的可持续性数据。根据评估对象的不同，论文分类介绍了这些指标：对于主权债券，Bilbao-Terol等人（2014）提出综合使用调整净储蓄（ANS）、生态足迹（ECF）、环境绩效指数（EPI）和人类发展指数（HDI）等公共指标，并采用TOPSIS方法进行国家排序。对于共同基金，研究引入了如“SRI吸引力指数”等指标，通过模糊集理论整合客观数据和主观评估，衡量基金的社会责任表现（Bilbao-Terol等，2012；Calvo等，2016）。对于单个公司资产，Gupta等人（2013）利用层次分析法（AHP）构建了考虑环境可持续性、企业社会责任和公司治理的“伦理绩效”评分；Yadav等人（2023）则使用直觉模糊多准则群决策方法，基于专家语言评估来聚合社会、环境、经济（SEE）标准。此外，还有研究将联合国可持续发展目标（SDGs）纳入考量，Yoshino等人（2021）构建了综合多个咨询公司评估的SDG指标，并将其整合到投资组合效用函数中。论文强调，这些学术方法相较于金融行业普遍依赖的专有ESG评分，提供了更透明、方法更多元的替代方案。通过允许投资者自定义准则权重和优先级，MCDM框架有助于缓解ESG异质性问题，减少“洗绿”风险，并开发出更符合投资者特定价值观的可持续性指标。

主要观点四：仅依赖筛选策略（如负面筛选、正面筛选）往往导致投资组合解决方案的效率低下，无法实现风险、收益和可持续性三者之间的最优权衡。 论文指出，业界的普遍做法是一个两阶段过程：首先根据ESG标准筛选证券，然后在筛选后的子集中进行传统的风险-收益优化。然而，文献综述表明，这种单纯的筛选方法存在局限。负面筛选（排除“罪恶”行业）或正面/最佳同类筛选（选择各行业ESG评分最高的公司）所产生的投资组合，在风险-收益特征上可能与传统组合差异不大，从而无法充分满足那些寻求在风险、收益和可持续性三者间取得最优平衡的“ESG动机型”投资者的需求。Utz等人（2014）和Steuer和Utz（2023）的研究揭示了这一点。更有效的整合方式需要将可持续性深度嵌入到投资组合优化模型的核心，即作为第三维目标进行同步优化。Pedersen等人（2021）提出将三标准问题简化为最大化夏普比率和ESG评分的双标准问题，虽简化了计算，但假设了特定的投资者风险偏好。相比之下，Steuer和Utz（2023）坚持完整的三标准框架，通过计算有效曲面和非等高线有效前沿，为投资者提供了可视化全部权衡可能性的工具。论文进一步指出，筛选方法本身存在“选择偏差”风险，即那些更擅长宣传自身可持续实践（而非实际表现更优）的公司可能被选中，这实质上是“洗绿”的一种表现。因此，要降低此类风险并充分挖掘可持续投资的潜力，需要超越初步筛选，采用更精细的第二阶段建模工具，将可持续性作为核心优化目标之一。

主要观点五：可持续投资组合的财务表现并未系统性优于传统投资组合，但显示出相当的韧性，尤其在市场压力时期。 关于可持续投资组合的财务绩效，文献并未得出一致结论，但整体趋势表明其表现与传统组合相当，且在某些情况下展现出优势。一些研究发现，在风险调整后收益方面，可持续基金与传统基金没有显著差异。例如，Drut（2010）对主权债券的研究表明，在不大幅偏离有效前沿的前提下，可以显著改善投资组合的社会责任评级。Cortez等人（2009）发现欧洲SRI基金的表现与常规或SRI基准相当。Cummings（2000）和Jin与Han（2018）的研究则提示，伦理投资可能需要更长的投资期限才能显现其优势，因为高社会责任公司可能因规避了环境清理、劳工纠纷等风险事件而在长期更具韧性。另一方面，部分研究指出可持续投资存在超额回报潜力。Kempf和Osthoff（2007）发现，基于高SRI评级构建的买入-卖出策略（尤其是采用最佳同类筛选时）能产生显著的正阿尔法收益。Gil-Bazo等人（2010）发现美国SRI基金在1997-2005年间风险调整后表现优于同类传统基金。Lins等人（2017）提出，高CSR评级公司在信任危机时期表现出更强的韧性，如同拥有“信任保险”。更近期的研究，如Cesarone等人（2022）指出，在特定市场（如美国）和时段，加入ESG目标可能选出财务表现更优的投资组合。Lashkaripour（2023）和Morelli（2024）的研究则强调了ESG投资在危机时期的抗跌性：ESG动机型投资者在市场暴跌时更可能持有绿色股票，从而稳定价格；环境得分高的投资组合在尾部风险（CVaR）管理上可能更有效。论文总结认为，虽然可持续投资组合并未一贯跑赢市场，但也绝未系统性地跑输。其表现差异可能源于所使用的绩效衡量模型（如夏普比率、Fama-French多因子模型等）、筛选策略、研究时段和市场区域的不同。重要的是，Kempf和Osthoff（2008）证实了SRI基金在伦理评分上确实高于传统基金，并非“伪装”的传统基金。

主要观点六：未来研究应聚焦于ESG度量与评估、可持续投资组合优化模型、以及行业实践与实证应用三大相互关联的领域。 基于上述发现，论文提出了三个关键的未来研究方向。研究方向A：ESG度量与评估。 重点包括：推动ESG指标的标准化与透明度；验证ESG评分对长期风险（如尾部风险）的预测能力；对评级进行敏感性分析，理解输入数据不确定性对结果的影响；探索基于激励的机制（如全球统一的污染税），以绕过直接ESG测量的复杂性，引导资本实现社会最优配置。研究方向B：可持续投资组合优化模型。 重点包括：精炼多目标模型，开发更高效的算法计算和可视化三维有效曲面，并使其对从业者更具操作性；整合更复杂的投资者偏好（如非线性效用函数、基于BWM或AHP的权重设定）；应用跨学科的定量工具，如博弈论中的夏普利值、人工智能中的聚类和机器学习，以改进约束下的投资组合选择与评估；在更广泛的数据集和市场环境下，实证检验多目标优化模型相对于传统筛选策略的优越性。研究方向C：行业实践与实证应用。 重点包括：调查SRI/ESG基金在不同经济周期中的韧性，探讨其是否具备“避风港”资产属性；系统比较不同ESG筛选策略对投资组合风险、多样化和绩效的影响；研究基金管理公司的特征（如SRI专业程度、内外部筛选依赖度、治理质量）对基金表现的影响；分析那些标榜为SRI的基金是否“名实相符”，即长期保持更优的可持续性特征；探索主题基金（如绿色、水资源、气候）的行业集中度影响及其是否能带来主题阿尔法或分散化收益。

论文的意义与价值 本论文通过严谨的结构化文献综述和文献计量分析，首次系统性地梳理和整合了可持续投资组合选择领域的高质量研究成果。其价值主要体现在以下几个方面：首先，学术贡献方面，论文清晰地勾勒了该领域的两大方法论脉络（MPT扩展与MCDM），并指出MCDM方法因其在处理多维、主观可持续性目标上的灵活性而日益受到重视。它系统性地总结了五大研究主题，揭示了从方法演进、数据挑战、度量创新到实践效果和未来方向的完整知识图谱，为后续研究者提供了清晰的路线图。其次，实践指导意义，论文明确指出当前业界广泛依赖的、以筛选为主的ESG整合方式存在效率不足和“洗绿”风险，倡导向更深层次的多目标优化模型转变。它为资产管理人、机构投资者和数据提供商提供了方法论上的启示，强调了需要开发更稳健、透明且可操作的工具，以真正实现可持续性与财务目标的协同优化。最后，对政策与行业的启示，论文揭示了ESG数据异质性这一根本性障碍，呼应了当前欧盟等监管机构推动ESG评级透明化的努力，并指出即使有法规出台，投资者仍需发展自身评估能力。同时，论文关于可持续投资组合在危机时期具有韧性的发现，有助于增强市场对ESG投资长期价值的信心。这项研究弥合了学术模型与行业实践之间的鸿沟，为推动可持续金融从理念走向成熟、可操作的实践提供了重要的知识基础和分析框架。