关于将可持续性整合到投资组合选择中的学术研究报告
一、 研究作者、机构与发表信息
本研究由来自爱尔兰都柏林大学圣三一学院商学院（University of Dublin, Trinity College, Trinity Business School）的Ranadeva Jayasekera，以及来自立陶宛维尔纽斯大学经济与商业管理学院（Vilnius University, faculty of economics and business administration）的Jelena Stankevičienė、Ramūnas Pranauskas、Rasa Subačienė，和来自丹麦银行（Danske Bank）的David Charles George Liney共同完成。
该研究成果以题为“Integrating Sustainability into Portfolio Selection with Risk-Utility Profiling”的论文形式，发表于2026年的《International Journal of Finance & Economics》期刊。该论文被收录于该期刊的特刊中，已于2026年2月16日被接受发表。
二、 学术背景与研究目的
本研究属于金融学，特别是投资组合理论与可持续金融的交叉领域。传统的现代投资组合理论（Modern Portfolio Theory, MPT）主要关注风险与收益之间的权衡，通常忽略了投资者日益增长的可持续性偏好，例如对环境、社会和治理（Environmental, Social and Governance, ESG）因素的考量。随着欧盟《金融工具市场指令II》（MiFID II）、《可持续金融披露条例》（Sustainable Finance Disclosure Regulation, SFDR）和《欧盟分类法》（EU Taxonomy）等法规的出台，金融机构被要求评估投资者的负责任投资（Responsible Investment, RI）偏好，并确保投资产品与之匹配。因此，学术界和业界亟需一个能够系统性地将ESG因素与传统金融目标（风险、收益）统一纳入决策框架的理论与实用工具。
在此背景下，本研究旨在弥补现有理论的不足。其核心目标是提出一个名为“绿色投资组合理论”（Green Portfolio Theory, GPT）的统一框架。该框架旨在超越传统的均值-方差分析，通过扩展的投资者偏好评估工具，将投资者对风险、收益和可持续性的偏好共同校准并嵌入一个单一的目标函数中，从而构建一个同时评估预期回报、风险和ESG影响的综合优化模型。研究还引入了名为SHaIRP（Specific Hamilton Adjusted Impact Return Preference，特定汉密尔顿调整影响回报偏好）的新参数，用于量化投资者为换取具体的可持续性改善而愿意“牺牲”的回报程度。最终，该研究旨在为资产管理者提供一种实用的方法论，以构建符合投资者财务目标与伦理诉求的投资组合，并满足新兴的负责任投资监管要求。
三、 详细研究流程与方法
本研究主要包含理论构建、方法论设计、实证应用与分析三大流程，并未涉及传统意义上的实验对象或样本处理，而是基于金融建模与模拟分析。
流程一：理论框架构建与扩展 本研究首先对传统MPT进行了理论扩展。核心在于构建了一个扩展的期望效用函数。该函数在经典的Arrow-Pratt绝对风险厌恶系数（λ）基础上，增加了一项来表征投资组合的外部性效用影响（即ESG影响）。具体效用函数形式为： [ E[U] = 1 - e^{-\lambda \mu_\pi} + h \cdot \deltag ] 其中，( \mu\pi ) 为投资组合的预期回报，( \delta_g ) 为投资组合的ESG影响评分（取值范围0%到100%），( h ) 是一个关键的新参数，即SHaIRP。SHaIRP捕捉了投资者个人效用与外部影响（ESG）之间的“耦合”程度，可以理解为投资者为获得从完全不可持续投资转向完全可持续投资所带来的单位ESG提升，所愿意放弃的回报百分比。论文指出，这一参数的灵感源于演化生物学家W. D. Hamilton关于亲缘选择的“关联度系数”，将其引入金融决策以编码外部行为者效用的考量，是一种新颖的尝试。
流程二：投资者偏好校准与问卷设计 为了将理论应用于实践，研究设计了一套扩展的风险-效用剖析问卷。该问卷旨在将投资者的定性回答映射为定量的效用函数参数（λ和SHaIRP）。问卷问题分为四类： 1. 情感性一般风险问题：评估投资者对财务风险的整体态度。 2. 情感性可持续性问题：评估投资者对可持续投资的主观重视程度。 3. 定量投资风险问题：采用标准的“50/50赌博”收入任务，用于计算Arrow-Pratt风险厌恶系数（λ）。 4. 定量“支付意愿”问题：通过设计在风险、回报和ESG影响之间进行权衡的选择情景，用于校准SHaIRP值。
通过分析投资者对这些问题的回答，可以求解出一组稳定的参数（λ， SHaIRP），从而完整描述该投资者在风险、回报和可持续性之间的权衡偏好。这些参数随后被输入到GPT优化模型中。
流程三：投资组合优化与三维有效前沿生成 基于校准后的投资者偏好参数（λ， SHaIRP）和资产数据（预期回报、风险/波动率、ESG评分），研究构建了一个多属性优化模型。与MPT仅最大化预期回报（在给定风险水平下）或最小化风险（在给定回报水平下）不同，GPT模型最大化的是一个综合了预期回报、风险（通过指数效用函数中的风险厌恶系数λ体现）和ESG影响（通过SHaIRP加权）的单一目标函数（即上述扩展的期望效用）。
通过求解这个优化问题，研究能够生成一个三维（3D）有效前沿。这个前沿面在传统的风险-收益二维平面上，增加了第三个维度——ESG影响。它描绘了在给定投资者特定偏好下，所有可能的最优投资组合集合，清晰展示了风险、回报和可持续性三者之间的权衡关系。投资者可以根据自己的风险厌恶程度（λ）和可持续性偏好强度（SHaIRP），在这个三维前沿面上找到最大化自身效用的最优资产配置。
流程四：实证分析与对比研究 为了验证GPT框架的有效性并展示其应用，研究进行了系统的实证模拟分析。研究构建了一个基线投资组合，包含绿色债券和三个股票板块（欧洲股票、欧洲以外股票、新兴市场股票）。随后，通过“控制变量”的方式，创建了四个不同的“交换投资组合”进行对比： 1. 交换组合#1：将基线组合中的绿色债券替换为棕色债券（Brown Bonds，即高污染行业债券）。 2. 交换组合#2：将基线组合中欧洲股票的ESG影响评分从20%提升至40%。 3. 交换组合#3：将基线组合中欧洲以外股票的ESG影响评分从15%提升至30%。 4. 交换组合#4：将基线组合中新兴市场股票的ESG影响评分从10%提升至20%。
此外，研究还使用真实市场数据进行了两项具体实证应用： 1. 欧洲股票（MSCI Europe指数）：比较了由该指数成分股构成的基线组合与一个ESG评分前25%公司权重加权的“交换组合”。 2. 绿色债券 vs. 棕色债券：选取了14家绿色债券发行人和14家棕色债券发行人，基于公开ESG评级数据计算平均ESG得分，构建并比较了包含这两类债券的投资组合。
对于每一个对比情景，研究都生成了相应的3D有效前沿及其在ESG-回报、ESG-风险平面上的2D投影图，并进行了详细分析。研究所用的资产预期回报、波动率和协方差数据主要来源于贝莱德（BlackRock）的资本市场假设。
四、 主要研究结果
研究通过上述实证分析，得出了丰富且具有洞察力的结果：
绿色债券与棕色债券的对比（交换组合#1）：结果非常显著。将绿色债券替换为棕色债券，导致投资组合的ESG表现大幅下降。在3D前沿上，包含绿色债券的组合ESG得分最低也能达到约90%，而包含棕色债券的组合最高仅约20%。同时，棕色债券的波动率（约4.9%）几乎是绿色债券（约2.6%）的两倍。这意味着，使用绿色债券不仅能极大提升投资组合的可持续性，还能降低风险。在ESG-回报投影图中，绿色债券组合的ESG得分范围（10%-90%）远宽于棕色债券组合（10%-20%），为投资者提供了更大的可持续性选择空间。
提升股票ESG评分的影响（交换组合#2, #3, #4）：当提升某一股票板块（如欧洲股票）的ESG评分时，投资组合的整体ESG表现得到了系统性提升，而预期回报和风险特征保持不变。例如，将欧洲股票的ESG评分从20%提升至40%后，整个有效前沿在ESG维度上向上移动。这意味着，在不牺牲财务表现（回报和风险）的前提下，通过选择ESG表现更优的资产，可以直接提升投资组合的可持续性效用。这对于ESG整合是一个强有力的支持证据。
三维有效前沿的启示：生成的3D有效前沿清晰地展示了风险、回报和ESG三者之间的复杂权衡关系。研究发现，更高的ESG影响得分往往与更高的投资者效用（在模型中由颜色梯度表示）相关联，这表明当效用函数被正确设定时，可持续性偏好可以带来更高的风险调整后满意度。前沿的几何形状表明，投资者可以在不脱离有效边界的情况下，选择更符合其可持续发展价值观的投资组合。
SHaIRP参数的实用性：实证结果显示，包含绿色债券的基线投资组合的SHaIRP耦合效用值（0.01-0.07）普遍高于包含棕色债券的交换组合（0.00-0.06）。更高的SHaIRP值反映了投资者为获得可持续性溢价而愿意接受适度回报牺牲的意愿更强。这为资产管理者量化和沟通可持续投资的价值提供了具体工具。
真实数据应用结果：
五、 研究结论与价值
本研究得出结论：提出的绿色投资组合理论（GPT）框架成功地将可持续性偏好直接、系统地整合到了投资组合选择过程中。通过引入SHaIRP参数和扩展的效用函数，该框架为投资者和资产管理者提供了一个统一的、可操作的量化工具，用于平衡财务目标（风险与回报）与非财务目标（ESG影响）。
科学价值：本研究推动了投资组合理论的发展，将传统的二维MPT扩展为包含可持续性维度的三维GPT，回应了可持续金融领域的理论需求。它提供了一种基于期望效用理论、严谨的数理方法来建模投资者的异质性可持续偏好。
应用价值： 1. 对资产管理者：提供了一种根据客户具体的风险厌恶和可持续性偏好（通过问卷校准）来定制化构建投资组合的实用方法论。生成的3D有效前沿和资产配置表（如文中的表3）可直接用于投资建议和产品设计。 2. 对投资者：帮助其清晰理解在追求可持续投资时可能面临的回报“牺牲”程度（通过SHaIRP量化），并做出更符合自身价值观的知情决策。 3. 对监管机构与政策制定者：提供了如ESG评分和SHaIRP等可测量的工具，用于评估和支持绿色投资策略，有助于推动符合SFDR等法规的、透明的可持续金融实践。
六、 研究亮点
七、 其他有价值的内容
论文还深入探讨了GPT框架与现有文献（如Pedersen等人的ESG-efficient frontier, Pástor等人的可持续投资均衡模型）的联系与区别，指出GPT更侧重于实际部署和用户中心的定价与流动性促进。此外，文章对未来研究方向提出了建议，包括开发动态模型以处理时变的ESG评分、研究ESG评级标准化问题、以及运用多目标优化和随机占优方法评估不同可持续性维度等，为后续研究指明了路径。