ESG投资组合多元化：来自中国的证据——学术研究报告
一、 研究作者、机构与发表信息
本研究由 Danyang Li（华东政法大学商学院）、Yating Li（伦敦大学学院斯拉夫与东欧研究学院）、Charalampos Stasinakis（格拉斯哥大学亚当·斯密商学院）和Yang Zhao（中央财经大学中国金融发展研究院）共同完成。该研究成果以题为“Diversifying environmental, social and governance portfolios: evidence from China”的论文形式，发表于学术期刊 International Journal of Finance & Economics。论文于2026年1月2日被接受发表，网络版发布于2026年。
二、 学术背景与研究目标
本研究属于金融学、投资组合管理与可持续金融（Sustainable Finance）交叉领域，核心关注环境、社会与治理（Environmental, Social, and Governance, ESG）因素在投资组合构建与优化中的作用。随着全球对可持续发展的重视，ESG投资理念迅速普及。然而，关于如何将ESG因素有效整合进投资组合优化模型，尤其是在新兴市场如中国，学术界和实务界尚未达成共识。传统研究多采用简单的ESG筛选或结合均值-方差（Mean-Variance）模型，对下行风险（Downside Risk）管理和ESG各子维度（E、S、G）的差异化影响探讨不足。
在此背景下，本研究旨在填补以下空白：1）在投资组合优化中直接集成细化的ESG评分数据，超越传统的筛选方式；2）评估多种投资组合策略（特别是关注下行风险的策略）在整合ESG约束后的表现；3）在中国A股市场（以沪深300指数成分股为样本池） 这一重要但研究相对不足的背景下进行实证检验；4）探究不同多元化技术（如等权重和最分散投资组合）在ESG约束下的作用；5）分解ESG总分，分别检验环境（E）、社会（S）和治理（G）子因素对投资组合绩效的独立贡献；6）通过新冠疫情和俄乌战争两次重大市场冲击，压力测试ESG投资组合的韧性与稳健性。
三、 详细研究流程与方法
本研究是一项基于历史数据的回测（Back-test）实证研究，流程严谨且系统，主要包含以下几个关键步骤：
第一步：数据收集与处理。 研究对象为2018年4月28日至2023年4月28日期间（共5年）的沪深300指数成分股。研究动态跟踪指数成分股调整，并同步更新相关数据。核心数据包括：1) 日度个股收益率数据；2) ESG评分数据，采用华证ESG评级体系。该评分体系分为三个支柱（E、S、G）、14个二级指标、26个三级指标及超过130个底层指标，评分范围在0-100之间。这使得研究不仅能使用综合ESG评分，还能分离出单独的E、S、G评分进行分析。所有数据均来自Wind数据库。
第二步：投资组合优化模型构建。 研究构建并测试了18种不同的投资组合策略（详见表1）。这些策略基于四个核心优化模型，并结合了两种多元化技术及其“倾斜”（Tilting）变体。 * 核心优化模型： 1. 均值-方差（Mean-Variance, MV）模型：传统模型，以组合方差衡量风险。 2. 均值-条件风险价值（Mean-Conditional Value at Risk, Mean-CVaR）模型：更关注投资组合的尾部极端损失风险，具有一致性（Coherent）和尾部敏感性。 3. 均值-下方偏矩（Mean-Lower Partial Moment, Mean-LPM, 文中简称‘down’）模型：专门度量下行风险（收益率低于目标收益率的部分），参数a设为1.1以反映对下行风险的敏感度。 4. 均值-上方偏矩（Mean-Upper Partial Moment, Mean-UPM, 文中简称‘up’）模型：度量上行风险（收益率高于目标收益率的部分），参数c设为1.1。 * 多元化技术： 1. 赫芬达尔-赫希曼指数（Herfindahl-Hirschman Index, HH）：惩罚投资组合的集中度，引导权重向等权重（Equally Weighted, EW）分散。 2. 最分散投资组合（Most Diversified Portfolio, MDP）：最大化投资组合的分散化比率，旨在构建资产与组合整体相关性均较低的组合。 3. ESG倾斜（Tilting）技术：将HH和MDP方法进行改进。首先将股票按ESG评分分为“高”（>50分）和“低”（≤50分）两类。在目标函数中为低ESG股票设置更高的惩罚参数（对于HH），或为高ESG股票设置更高的奖励参数（对于MDP），从而在不设定明确ESG约束的情况下，“倾斜”投资组合至高ESG资产。 * 策略组合：将每个核心模型（除CVaR因数学性质未与HH/MDP结合外）分别与HH、MDP、Tilting-HH（Thh）、Tilting-MDP（Tmdp）结合，形成一系列混合策略。同时设置了两个基准策略：无ESG约束的等权重组合（EWBM）和有ESG约束的等权重组合（EW）。
第三步：回测执行与约束设置。 所有策略均采用滚动窗口（Rolling Window） 方法进行回测。具体参数为：回看期（训练期）为6个月（125个交易日），每2个月进行一次投资组合再平衡，并假设每次再平衡产生0.1%的交易成本。研究设定了明确的ESG约束条件：投资组合的平均ESG评分（或E、S、G单独评分）必须不低于样本池中所有股票该评分在当期的第三四分位数（75%分位数）。这意味着组合必须主要投资于ESG表现排名前25%的股票。研究分别对综合ESG评分及单独的E、S、G评分执行了此约束，从而进行对比分析。
第四步：绩效评估与压力测试。 研究计算了多种绩效指标来评估各策略，包括总回报、年化波动率、夏普比率（Sharpe Ratio）、索提诺比率（Sortino Ratio，专注下行风险调整后收益）和最大回撤（Maximum Drawdown）。特别地，研究划分了三个时间段进行分析：1) 全样本期（2018-2023）；2) 新冠疫情时期（2020年2月12日至2023年4月28日）；3) 俄乌战争时期（2022年2月24日至2023年4月28日）。后两个时期作为压力测试，专门检验ESG投资组合在市场极端动荡时期的韧性。
第五步：辅助分析与稳健性检验。 研究进行了多维度辅助分析以支撑结论：1) 绘制各策略的有效前沿（Efficient Frontier），直观展示不同ESG约束水平下风险与回报的权衡关系；2) 分析各策略的行业资产配置，观察ESG约束是否导致特定行业偏好；3) 进行盈亏平衡点分析，检验策略绩效对交易成本变化的敏感性；4) 跟踪各策略平均ESG/E/S/G评分的时间序列。此外，研究还进行了广泛的稳健性检验，包括将约束阈值从75%分位放宽至60%分位，以及完全取消ESG约束，结果均证实主要结论保持稳健（相关结果在在线附录中展示）。
四、 主要研究结果
本研究得出了丰富且具有启发性的实证结果：
1. 全样本期表现：下行风险管理策略主导。 在整个五年研究期内，均值-下方偏矩策略（‘down’）表现最为突出。在综合ESG约束下，该策略获得了最高的总回报，同时其夏普比率和索提诺比率在所有策略中名列前茅，表明其实现了优秀的风险调整后收益，且特别擅长管理下行风险。均值-CVaR策略也表现出色，总回报和索提诺比率均很高。相比之下，专注于上行风险管理的均值-上方偏矩策略（‘up’） 表现普遍较差，这凸显了在ESG投资组合构建中，管理下行风险比追求上行潜力更为重要。
2. 多元化技术的混合效果复杂。 单纯的HH或MDP多元化技术（如downhh, downmdp）与基础的下行风险策略（down）结合后，其绩效特征（如回报和夏普比率）发生了显著变化，并非总是提升绩效。ESG倾斜技术（Tilting） 在某些情况下能提高绝对回报（如tdownmdp相比down），但有时也会增加组合波动性，从而导致风险调整后收益（夏普比率）降低。这可能是因为ESG倾斜可能导致组合过度集中于少数高ESG评分但彼此相关性较高的板块，反而削弱了传统风险分散的效果。
3. 压力测试揭示ESG韧性。 在新冠疫情和俄乌战争两次市场危机期间，结果进一步巩固了核心发现。在新冠疫情期，均值-下方偏矩策略（‘down’） 依旧保持了最佳绩效（最高的索提诺比率）。在俄乌战争期间，虽然多数策略录得负收益，但均值-下方偏矩策略（‘down’） 是为数不多实现正回报的策略之一。更重要的是，有ESG约束的等权重策略（EW）的损失远小于无ESG约束的基准策略（EWBM）。这强有力地证明，高ESG约束的投资组合，尤其是结合了下行风险管理策略的组合，在市场剧烈动荡时期展现出更强的韧性和抗跌性。
4. ESG子维度分解：S因子表现相对落后。 当研究分别对E、S、G因子施加约束时，发现了显著的差异。在环境（E）约束和治理（G）约束下，均值-下方偏矩策略（‘down’）和均值-CVaR策略继续表现优异。然而，在社会（S）约束下构建的投资组合，其平均回报和风险调整后收益普遍低于E和G约束下的组合。这表明，在中国市场的研究时期内，聚焦于社会因素的ESG投资，其带来的财务回报效益可能弱于聚焦环境或治理因素的投资。这一发现呼吁投资者和研究者需要更细致地理解ESG不同维度的差异化财务影响。
5. 有效前沿与行业配置分析。 研究绘制的有效前沿显示，更高的ESG约束通常会限制投资组合的有效前沿，使其在相同风险水平下提供更低的预期回报上限。这是因为严格的ESG标准缩小了可投资范围。在行业配置上，无论采用何种策略，电信与互联网（行业代码i63）以及货币金融服务（行业代码j66） 通常获得较高配置。这些行业通常具有较好的ESG表现、风险收益特性以及流动性，符合ESG约束和风险优化目标。
6. 综合排名与稳健性。 研究根据索提诺比率和总回报对所有18种策略进行了排名。在两种排名中，均值-下方偏矩策略（‘down’）均稳居第一或前列，而均值-CVaR策略紧随其后。这充分证明了下行风险框架与ESG整合相结合的策略具有卓越且稳健的绩效。所有主要结论在经过不同ESG约束阈值（75%、60%、无约束）的稳健性检验后均保持一致。
五、 研究结论与价值
本研究系统性地论证了在中国股市背景下，将ESG因素整合进投资组合优化，特别是结合下行风险管理框架，能够有效提升投资组合的长期绩效与危机时期的韧性。研究得出的核心结论是：由高ESG评分股票构成的投资组合，尤其是通过均值-下方偏矩等策略进行优化后，在市场动荡期表现出更强的防御能力，并能实现优越的风险调整后收益。 同时，ESG的不同维度（E、S、G）对投资组合绩效的影响存在异质性，其中社会（S）维度的财务贡献在本研究样本期内相对较弱。
本研究的科学价值在于：1) 方法创新：首次在中国市场将细粒度的ESG评分直接嵌入均值-CVaR、均值-LPM和均值-UPM等多种优化模型，并系统比较了其与HH、MDP等多元化技术结合的混合策略。2) 实证贡献：提供了基于中国大样本（沪深300，5年日度数据）的详尽ESG回测证据，弥补了该领域在新兴市场数据不足的缺口。3) 理论深化：通过分解ESG总分，揭示了E、S、G子因素不同的绩效驱动作用，推动研究超越对ESG的笼统讨论。4) 危机洞察：利用两次真实的重大全球性冲击进行事件研究，为ESG投资提供下行保护（Downside Protection）的假说提供了强有力的中国证据。
其实践应用价值显著：为中国的ESG投资者、资产管理公司和金融机构提供了具体的、可操作的量化投资组合构建框架。研究明确指出，投资者若想兼顾可持续目标与财务回报，应优先考虑采用整合了下行风险度量（如LPM或CVaR）的优化策略，并需要审慎评估不同多元化技术（如MDP）与ESG目标结合可能产生的复杂交互效应。同时，投资者应对ESG评分的内部结构保持清醒认识，环境与治理因素可能是更具财务回报潜力的方向。
六、 研究亮点