本研究由德国卡塞尔大学（University of Kassel）的Juris Dobrick、Christian Klein和Bernhard Zwergel共同完成，论文标题为“ESG as Risk Factor”，于2024年10月30日被接受，并于2025年1月15日在线发表于《Journal of Asset Management》第26卷。
学术背景与目标
研究的核心领域是资产定价与ESG（环境、社会和治理）投资的交叉领域。近年来，ESG因素在投资决策中的重要性日益凸显。大量文献探讨了ESG绩效与财务绩效之间的关系，主流研究发现两者至少呈现非负相关。为解释可能存在的差异，学术界提出了几种假设：错误预期假说（error-in-expectations hypothesis） 认为积极的ESG信息未被充分定价，可能带来超额收益；回避股票假说（shunned-stock hypothesis） 认为非财务偏好的投资者回避ESG表现差的公司，导致其被系统性低估从而获得更高的风险调整后收益；环境风险假说（environmental-risk hypothesis） 则将公司ESG表现视为一种系统性风险，ESG表现越差，公司面临的声誉或监管风险越高，投资者要求的补偿（预期回报）也越高。
尽管有理论支持，但将ESG因素系统地作为风险因子（risk factor）纳入主流多因子资产定价模型（如Fama-French或Carhart模型）的研究尚不充分。同时，一个显著的问题是不同ESG评级机构（rating providers）给出的分数存在显著差异。针对这些研究缺口，本研究旨在回答一个核心问题：基于ESG评分构建的因子，能否满足多因子模型中风险因子的基本要求，即解释股票收益随时间变化的共同变动（common-variation）？本研究特别关注了不同评级机构分数分歧的问题，并检验了扩展后的四因子和五因子模型的回归结果是否具有一致性。最终目标是验证ESG相关风险因子在资产定价模型中的解释力，为投资组合管理提供风险管理的依据。
详细工作流程
本研究主要分为五个关键步骤：数据准备、ESG风险因子构建、资产定价模型设定、时间序列回归分析以及稳健性检验。
第一步：数据收集与准备 研究对象为全球上市公司的股票。为确保分析的一致性，研究首先整合了来自三家主要ESG评级机构的数据：Asset4（后隶属于Refinitiv/LSEG）、Refinitiv 和 Moody’s Vigeo Eiris。为了消除不同评级机构覆盖公司范围不同带来的偏差，研究将样本限定在三家机构同时评级的公司，最终形成了一个包含约4500家公司的统一股票池。 为了与公司财务数据匹配，研究从Refinitiv获取了股票收益、市值等财务数据。对收益数据进行了多项清洗，以排除价格极低的“仙股”、异常高收益以及连续缺失值等可能扭曲结果的噪音数据。在ESG数据方面，处理包括：对于Refinitiv的行业相对评分，采用了Dyck等人（2019）的方法重新计算为全样本相对评分；对于Vigeo Eiris数据存在的序列间断，采用了将现有评分向前延续两年的保守插补方法，以保持样本量。最终，计算了每家公司在五个维度的评分：环境（E）、社会（S）、治理（G）、环境与社会结合（ES）以及三者综合（ESG）。
第二步：变量与因子构建 核心是构建一个代表ESG风险的风险因子，命名为UMS（Unsustainable minus Sustainable，不可持续减去可持续） 因子。构建方法遵循Fama-French（1993）的经典零投资组合构建逻辑： 1. 公司分组： 每年6月底（t年），根据公司的市场价值中位数，将股票池划分为“小市值”（S）和“大市值”（B）两组。 2. ESG评分排序： 使用前一年（t-1年）或更保守地使用前两年（t-2年）的ESG评分进行排序。为控制大公司通常ESG评分更高的现象，上述分组是独立进行的。 3. 构建极端组合： 在大小市值组内，分别以ESG评分的第30百分位数和第70百分位数为界，将股票划分为“不可持续”（L，低分）和“可持续”（H，高分）组合。 4. 形成组合： 由此得到四个组合：小市值不可持续（S/L）、大市值不可持续（B/L）、小市值可持续（S/H）、大市值可持续（B/H）。 5. 计算因子收益率： UMS因子每月的收益率计算公式为：[(S/L组合价值加权收益率 + B/L组合价值加权收益率) / 2] - [(S/H组合价值加权收益率 + B/H组合价值加权收益率) / 2]。该组合做多不可持续股票，做空可持续股票。 这一流程对三家评级机构的五个ESG维度分别进行，共产生15个不同的UMS因子。
此外，作为回归模型中的因变量，研究还构建了十个按ESG评分升序排列的价值加权十分位投资组合（decile portfolios），其中第一个十分位包含评分最低的10%股票，第十个十分位包含评分最高的10%股票。这些组合同样每年重构。
第三步：回归模型设定 研究采用时间序列回归分析。基础资产定价模型为： * Fama-French三因子模型（市场因子MKT，规模因子SMB，价值因子HML） * Carhart四因子模型（在FF三因子上增加动量因子WML） 在此基础扩展模型，分别加入前面构建的各个UMS因子，形成四因子（FF3+UMS）或五因子（Carhart4+UMS）模型。模型的目标是检验加入UMS因子后，模型对十个ESG十分位投资组合收益率的解释力（R²）是否显著提高，以及UMS因子的载荷（系数）是否显著且呈现规律性模式。
第四步：数据分析与结果解释 回归分析的主要观测点包括： 1. 因子载荷模式： 检验UMS因子在十个十分位投资组合回归中的系数。理论上，如果UMS因子是有效的风险因子，那么评分最低（最不可持续）的组合应呈现显著的正载荷（其收益与UMS因子同向变动），评分最高（最可持续）的组合应呈现显著的负载荷（其收益与UMS因子反向变动），而中间评分的组合载荷可能不显著。 2. 模型解释力提升： 通过F检验比较扩展模型与原模型的调整后R²，判断UMS因子的加入是否带来了统计上显著的模型改进。 3. 因子溢价： 观察UMS因子在样本期内的平均收益率（因子溢价）是否显著不为零。但作者指出，在相对较短的样本期内，因子溢价可能平均为零甚至方向逆转，因此其存在性并非检验风险因子的首要标准。
第五步：稳健性检验 为验证结论的普适性，研究将分析范围从全球市场拓展至两个主要区域市场：北美市场和欧洲市场，使用相应的区域市场Fama-French因子重复了上述回归分析，时间序列长度根据数据可用性有所调整。
主要研究结果
1. 描述性统计与因子相关性 UMS因子在样本期（全球市场2007年7月至2020年6月）内的平均溢价（均值）均未显著异于零（仅有HML因子例外）。这表明，在研究的这一时期，持有不可持续股票并未获得系统性风险溢价。不同ESG维度间，治理（G）因子的溢价普遍为负，其他维度多为正。各因子之间存在一定相关性，但均在0.7的多重共线性临界值以下，不影响回归结果的可靠性。
2. 时间序列回归的核心发现 这是研究的核心成果，结果高度一致且具有说服力： * 载荷呈现清晰的单调模式： 无论使用哪一家评级机构（Asset4, Refinitiv, Vigeo Eiris）的数据，无论针对哪一个ESG维度（E, S, G, ES, ESG），回归结果均显示出预期的模式。最低的十分位投资组合（最不可持续）对UMS因子始终表现出显著的正载荷；最高的十分位投资组合（最可持续）则表现出显著的负载荷。 符号反转通常发生在第6至第8个十分位之间。 * 模型解释力显著增强： 在所有案例中，加入UMS因子后，模型的调整后R²均得到显著提升（通过F检验）。大多数模型的R²超过0.9，部分甚至超过0.95，表明模型拟合度极高。 * 结果具有稳健性： 使用t-1年（而非t-2年）的ESG数据进行因子构建，得到了高度一致的结论，证明了结果的稳健性。
例如，使用Asset4环境维度数据时，最低十分位对UMS的载荷高达+0.565，而最高十分位的载荷为-0.307；使用Refinitiv治理维度数据时，最低和最高十分位的载荷分别为+0.653和-0.231。Vigeo Eiris数据得出的载荷绝对值相对较小，但正负变化的模式依然非常清晰。
3. 稳健性检验结果 对北美和欧洲市场的单独分析证实了全球市场的结论。在这些区域市场中，基于不同评级机构和ESG维度构建的UMS因子同样能够显著提高资产定价模型的解释力，并且十分位投资组合的载荷呈现出从正到负的规律性变化。这证明ESG风险因子的解释力并非全球市场特有，而是具有跨市场的稳健性。
结论与价值
本研究的核心结论是：ESG相关风险因子是资产定价模型中重要的解释变量。 尽管在样本期内这些因子的平均溢价不显著，但它们能够有效捕捉股票收益率随时间变化的共同变动，并且这种能力不受ESG评分方法（不同评级机构）和地理区域的影响。
科学价值： 1. 填补研究空白： 首次系统性地使用三家主流ESG评级机构的数据，全面检验了多个ESG维度（E, S, G, ES, ESG）作为风险因子的有效性，回应了Beck等人（2016）关于因子需在定义上具有稳健性的要求。 2. 深化理论认识： 研究结果为“环境风险假说”提供了实证支持，即ESG表现确实关联着系统性风险。同时，零溢价的发现也表明，在样本期内，投资者偏好的变化（如对可持续资产需求增加）可能抵消了持有不可持续资产所应得的理论风险溢价，这呼应了Pástor等人（2021）的均衡模型观点。 3. 方法学贡献： 提供了一套严谨的、可复现的ESG风险因子构建与检验框架。
应用价值： 1. 对资产定价模型的意义： 研究表明，在主流的Fama-French或Carhart模型中纳入ESG风险因子，可以更全面地解释投资组合的收益波动，提高模型的质量。 2. 对投资组合管理的意义： 基金经理可以利用ESG风险因子（如UMS）来主动管理和调整其投资组合对ESG相关风险的暴露。即使该因子溢价为零，识别和管理这种风险来源本身也具有重要价值。例如，通过控制组合对UMS因子的载荷，可以降低因ESG负面冲击（如监管变化、声誉危机）带来的收益波动。
研究亮点
其他有价值的观点
研究在讨论中指出，未来研究的一个重要方向是区分预期回报与已实现回报。样本期内观察到的零Alpha（无超额收益），可能是由于投资者对ESG资产需求的意外增长，抵消了本应为负的Alpha（例如，因“罪恶股”公司资本成本较高或分散化不足导致）。因此，未来的研究应致力于剥离由投资者偏好变动驱动的收益成分与由真实风险暴露驱动的收益成分。此外，将ESG风险因子纳入更复杂的商业资产定价模型进行检验，也是值得探索的实践方向。