关于ESG评级分歧与股票回报关系的学术研究报告
一、 研究作者、机构与发表信息
本研究的主要作者为 Rajna Gibson Brandon， Philipp Krueger 与 Peter Steffen Schmidt。Rajna Gibson Brandon 与 Philipp Krueger 均来自瑞士日内瓦大学日内瓦经济与管理学院及日内瓦金融研究所，同时 Rajna Gibson Brandon 也是欧洲公司治理研究所的研究员，Philipp Krueger 是瑞士金融研究所的高级主席。Peter Steffen Schmidt 则来自瑞士苏黎世大学商业管理系。
该研究成果以题为《ESG Rating Disagreement and Stock Returns》的论文形式，于2021年发表在 Financial Analysts Journal 期刊的第77卷第4期上（第104-127页），并于2021年9月23日在线发表。该期刊是CFA协会的出版物。
二、 学术背景与研究目标
主要科学领域： 本研究属于金融学领域，具体聚焦于可持续金融（Sustainable Finance）与环境、社会和治理（Environmental, Social, and Governance， 简称ESG）投资研究，同时涉及资产定价和公司金融。
研究背景： 近年来，ESG评级在投资实践、金融媒体、政策辩论和学术研究中扮演着越来越重要的角色，被管理着数万亿美元资产的机构投资者广泛用于投资决策。然而，一个日益凸显的问题是，不同的ESG评级机构对同一家公司给出的评级可能存在显著分歧。例如，媒体曾报道，特斯拉（Tesla）在2018年同时获得了MSCI的高环境评级和FTSE的低环境评级。这种评级分歧对投资者、分析师、公司管理层以及依赖ESG数据进行研究的学者都构成了挑战。尽管已有一些同期研究开始探讨ESG评级分歧产生的原因（例如，评级范围、衡量方法和权重的差异），但尚未有研究系统性地检验这种分歧是否具有“真实后果”，即它是否会影响公司的股票回报和权益资本成本。
研究目标： 本研究旨在达成两个核心目标：1）系统地分析美国标普500指数成分股公司ESG评级分歧的程度，并探究这种分歧与公司财务及会计特征之间的相关性；2）检验ESG评级分歧是否对股票回报产生影响，从而评估其对公司及投资者的实际经济意义。
三、 详细研究流程与方法
本研究是一个基于面板数据的实证分析，主要流程可分为数据收集与处理、描述性统计与相关性分析、评级分歧的决定因素探究、以及评级分歧与股票回报关系的检验四个主要部分。
1. 数据收集与样本构建： * 研究样本： 为确保样本的代表性和数据覆盖的充分性，研究将样本限定为2010年至2017年间标普500指数的成分股公司。 * ESG数据来源： 研究收集了来自七家主流ESG评级机构的数据，包括Asset4（现为Refinitiv ESG）、Sustainalytics（现为Morningstar）、Inrate、Bloomberg、FTSE、KLD（现为MSCI）和MSCI IVA。这是当时相关研究中覆盖评级机构最全面的数据集之一。 * 数据处理： 由于各家评级机构的评分尺度不同（如0-100分、1-12级、-1到+1等），作者采用了“百分位排名归一化”的方法使评级具有可比性。具体而言，在每个时间点上，将所有公司根据每家评级机构的原始评分进行排序，计算其百分位排名，并将该排名归一化到0到1之间。这种方法也符合投资实践中常将信号进行排序比较的做法。 * 金融与市场数据： 公司的财务数据来自Compustat，股票市场数据来自CRSP，分析师预测数据来自IBES。
2. 描述性统计与相关性分析： * 评级分歧度量： 本研究核心的解释变量是“ESG评级分歧”，其定义为在给定时间点，一家公司所有可获得的不同ESG评级（七家机构）的标准差。该指标分别针对总体ESG评级以及E（环境）、S（社会）、G（治理）三个支柱（pillar）进行计算。 * 基础事实分析： 作者首先计算了七家评级机构之间ESG评级的平均两两相关性。结果显示，总体ESG评级的平均相关性约为0.45，远低于穆迪和标普等信用评级机构之间超过0.99的相关性。这表明ESG评级存在显著分歧。进一步分析发现，分歧程度在三个支柱间存在差异：环境（E）支柱的平均相关性最高（0.46），社会（S）支柱次之（0.33），而治理（G）支柱的平均相关性最低（0.16）。作者认为这可能是因为环境指标（如温室气体排放、用水量）相对更易于量化和标准化，而社会和治理指标涉及更多价值判断，主观性更强。 * 行业异质性分析： 研究还发现，评级分歧在不同行业间存在差异。例如，在消费耐用品和电信行业，总体ESG评级的平均相关性最低（即分歧最大）。金融行业的治理评级分歧尤为突出。
3. ESG评级分歧的决定因素分析： * 研究设计： 为了探究哪些公司特征与ESG评级分歧相关，作者进行了面板数据回归分析。因变量是前述的ESG评级分歧（总体及分支柱），自变量涵盖了五类公司特征变量：资产负债表相关数据（如有形资产比例、流动比率、杠杆率、总盈利能力）、行业相关数据（行业集中度、是否多部门经营）、投资者透明度（是否有信用评级、机构持股比例、分析师覆盖数量、分析师每股收益预测分歧）、估值（账面市值比）以及价格相关变量（市值、动量、总波动率）。回归中控制了行业-月份固定效应，标准误在公司与月份层面进行双重聚类。 * 分析过程： 通过回归模型，检验各公司特征变量对评级分歧水平的解释力。
4. ESG评级分歧与股票回报的关系检验： * 主回归分析： 这是本研究最核心的实证部分。作者构建了以月度股票回报为因变量、以ESG评级分歧为核心解释变量的面板回归模型。除了核心解释变量，模型还控制了一系列已知能预测股票横截面回报的特征变量，包括公司规模、账面市值比、总盈利能力、动量、分析师预测分歧、股票贝塔值和总波动率。同样，模型也包含了行业-月份固定效应以控制行业层面的时变因素，标准误进行双重聚类。 * 投资组合排序分析： 为进一步验证经济意义上的可投资性，作者构建了基于ESG评级分歧的投资策略。首先，计算每个公司在每个月的“行业调整后评级分歧”（用公司层面的分歧减去其所属Fama-French 12行业的平均分歧）。然后，根据该调整后的分歧值，每月将股票分为五组（Quintile）。研究关注“高分歧”组合与“低分歧”组合的多空策略（买入高分歧股票，卖空低分歧股票）的回报表现。除了计算原始回报，还计算了该策略经过CAPM、Fama-French三因子、Carhart四因子和Fama-French五因子模型调整后的阿尔法（Alpha）。此外，研究还使用Novy-Marx和Velikov（2016）的方法，考虑了基于有效买卖价差的交易成本，以评估策略在实际中的可行性。 * 稳健性检验： 鉴于Inrate和FTSE的数据未覆盖整个样本期，作者使用仅包含Asset4、Sustainalytics、Bloomberg、MSCI KLD和MSCI IVA这五家机构的数据重新计算了评级分歧，并重复了主回归分析，结果保持稳健。
四、 主要研究结果
1. ESG评级分歧的决定因素结果： * 盈利能力更强（总利润率高）的公司，其ESG评级分歧更低。作者推测这可能是因为盈利公司有更多资源来制定和披露其ESG政策。 * 没有信用评级的公司，其ESG评级分歧更高。这可能是因为这些公司的信息环境透明度较低，导致ESG评估更困难。 * 规模更大的公司，其ESG评级分歧更高。这可能源于大公司业务更复杂、更多元化，导致评级机构评估时产生更多分歧。 * 重要发现： ESG评级分歧与分析师对公司每股收益（EPS）预测的分歧（std. eps）无关（正交）。这表明ESG信息分歧是一个独立于传统财务信息分歧的独特维度。 * 对于环境评级分歧，有形资产比例高的公司分歧较低（可能因其环境影响更易测量），机构持股比例高的公司分歧较高。
2. ESG评级分歧与股票回报关系的结果： * 主回归结果： 在控制了其他变量后，ESG总体评级分歧与股票月度回报呈现显著的正相关关系。经济意义显著：一个公司的ESG评级分歧从第一四分位数（0.14）上升到第三四分位数（0.25），预计会导致其年化股票回报（即权益资本成本）上升约92个基点。 * 支柱分解结果： 这种正相关关系主要由环境（E）支柱的评级分歧驱动。环境评级分歧的系数（约1.0）在经济和统计意义上都最为显著。其对应的年化经济影响约为132个基点。社会（S）支柱分歧的系数为正但不显著，治理（G）支柱分歧的系数则很小且不显著。 * 投资组合结果： * 原始回报： 基于总体ESG评级分歧构建的多空策略，能产生月均0.212%（年化约2.54%）的显著原始回报。基于环境评级分歧的多空策略月均回报为0.211%（年化约2.53%）。而基于社会和治理分歧的策略回报不显著。 * 风险调整后回报： 在经过CAPM、三因子、四因子、五因子模型调整后，总体和环境分歧多空策略的阿尔法仍然显著为正，月均阿尔法在21-27个基点之间。 * 考虑交易成本后： 在扣除估计的交易成本后，总体和环境分歧多空策略的阿尔法虽然有所下降，但仍然保持在经济和统计上显著的水平（月均阿尔法约17-23个基点）。这证明了该策略具备实际可操作性。
3. 对股票风险指标的影响： * 作者进一步检验了ESG评级分歧是否影响传统的股票风险指标（如总波动率、 idiosyncratic volatility、贝塔、下行风险）。结果发现，ESG评级分歧（尤其是社会分歧）与部分风险指标（如总波动率、 idiosyncratic volatility）存在微弱的正相关，但关系不强。这表明ESG信息分歧带来的“溢价”可能并非完全由传统风险因子解释。
五、 结论与意义
核心结论： ESG评级分歧，特别是环境维度的评级分歧，与股票回报存在正相关关系，即更高的分歧预示着更高的预期回报。这可以被解释为投资者因承担与ESG信息不确定性相关的风险而要求的一种“风险（或不确定性）溢价”。
研究价值： * 学术价值： 这是首项系统研究ESG评级分歧（即ESG评级的“二阶矩”）对股票回报影响的实证工作。它将关于异质信念（Heterogeneous Beliefs）和信息不确定性的资产定价理论拓展到了非财务信息（ESG）领域，为理解ESG因素如何融入资产价格提供了新视角。 * 实践意义： 1. 对金融分析师与公司财务官（CFO）： 在评估公司权益价值或进行资本预算决策时，必须考虑ESG评级分歧对权益资本成本的影响。忽略此因素可能导致对公司价值的严重高估（文中举例，对于一个永续年自由现金流为1亿美元、增长率为0%、原权益成本为5%的公司，若忽略一个四分位数间距的分歧，可能将其股权价值高估约18%，即3.11亿美元）。 2. 对投资经理与资产所有者： 对于实施ESG投资策略（如正面/负面筛选、ESG整合）的投资者，本研究提供了重要的优化思路。在选择ESG评级高的公司时，应同时关注其ESG评级分歧水平（尤其是环境分歧），优先选择行业内分歧较低的公司，以规避因高分歧带来的预期回报折损（或资本成本升高）。反之，在剔除ESG评级低的公司时，可优先剔除分歧高的公司。 3. 对行业分析： 研究揭示了ESG评级分歧在不同行业间的差异性（如消费耐用品、电信、金融业治理分歧大），这为专注于特定行业的分析师提供了重要的背景信息。
六、 研究亮点
七、 其他有价值内容