Michael Branch, Lisa R. Goldberg, 和 Pete Hand Aperio Group The Journal of Portfolio Management, 2019年4月

本文是一篇关于环境、社会和治理（Environmental, Social, and Governance，ESG）投资组合构建方法的综合性指南。作者指出，随着ESG投资需求的增长，相关产品日益丰富，但产品的不透明性以及情感和道德因素的介入，使得对ESG策略的讨论变得复杂。文章的核心目的在于，展示如何根据投资者的具体目标，运用一系列最佳实践来定制ESG投资组合，并着重阐明了在构建过程中始终存在的一个关键权衡：风险控制与由相关性导致的不期望敞口之间的平衡。

文章首先确立了构建ESG投资组合的根本出发点——投资者目标。作者通过两个同样希望剔除“大汽水”行业（big soda），但动机截然不同的投资者案例，清晰地说明了目标如何决定策略。第一位是政治顾问，她预期政府将对软饮料生产商征税，并认为市场尚未对此定价。基于这种获取超额收益（Alpha）的财务动机，她构建了一个剔除目标行业后按市值加权的主动型投资组合，旨在市场对税收影响定价时跑赢基准。第二位是一名目睹肥胖儿童痛苦的护士，他出于道德考量，要求剔除软饮料生产商。他的财务顾问则构建了一个剔除目标股票后，以最小化跟踪误差（tracking error）为目标的优化型投资组合，以使其表现与基准指数趋同。这两个案例表明，即使采取相同的排除动作，其背后的投资组合结构和目标也因其财务或道德的出发点不同而大相径庭。

随后，文章深入到ESG投资组合构建的核心技术环节，系统性地介绍了六种方法，并将其归为三对，逐步展示了从简单到高级的策略及其内在的权衡关系。

第一对策略是基于二元数据的排除策略，即“是或否”的行业剔除。最简单的是市值加权排除（Cap-Weighted Exclusion），它以市值加权指数的成分股为基础，直接剔除不符合ESG标准的证券，剩余部分的权重按各自市值比例分配。此方法简单易懂，但作者强调，它引入了未受控制的残余风险，导致跟踪误差过高。例如，从标普500指数中剔除“石油、天然气和消耗性燃料”（Oil, Gas, and Consumable Fuels, OGCF）行业，市值加权排除策略的跟踪误差几乎是优化策略的两倍。与之相对的是优化排除（Optimized Exclusion），它在剔除相同证券后，通过均值-方差优化（Mean–Variance Optimization）技术，重新分配剩余证券的权重，以最小化相对于基准的跟踪误差。这种方法能有效降低风险，但其机制是超配与被剔除证券具有高度相关性的其他证券。在同一个OGCF剔除案例中，优化排除策略就显著超配了其他相关的能源或周期性行业。作者通过“软饮料行业剔除”案例，生动地展示了这种“瀑布效应”（cascade effect）。当只剔除软饮料行业时，优化策略为了降低风险，会显著超配烟草行业；若再将烟草剔除，优化策略又会超配酒精类行业（包括酿酒商和蒸馏酒商）；如果继续追加剔除酒精，组合又会超配包装食品和肉类行业。这揭示了优化排除的一个不期望后果：为了控制风险，投资组合可能引入另一批可能让投资者在道德或财务上感到不安的敞口。

第二对策略是基于连续评分数据的优化倾斜策略，它超越了简单的“排除”思维。作者使用了性别多元化（gender diversity）策略作为案例，数据基础是公司董事会中的女性人数。这类策略允许投资者在提升投资组合的ESG评分和控制跟踪误差之间找到一个平衡点。文章展示了两种倾斜方法：第一种是最大评分倾斜（Maximum Score Tilt），它在接受某个预设跟踪误差水平（例如，与不含零女性董事公司的优化排除组合相同）的前提下，寻求该组合ESG评分（即董事会女性人数的加权平均值）的最大化。第二种是最小风险倾斜（Minimum Risk Tilt），它在确保组合ESG评分不低于某个目标（例如，与优化排除组合的评分持平）的前提下，寻求跟踪误差的最小化。这两种倾斜策略的构建更为精细，但它们的一个显著缺陷是无法保证完全排除评分较低的公司。在案例中，尽管组合整体的性别多元化评分提高了，但仍可能包含没有女性董事的公司，这对于有严格道德洁癖的投资者而言是不可接受的。

第三对策略，即将排除与倾斜相结合的策略，正是为了解决上述问题，这也是最复杂的方法。作者构建了两个组合作为示范。第一个是定制化倾斜排除（Customized Tilt Exclusion），它将一个市值加权排除组合视为定制的“基准”，然后在对该基准的跟踪误差进行最小化的同时，要求组合达到某个ESG评分目标。第二个是倾斜排除（Tilt Exclusion），它直接对大盘基准进行跟踪误差最小化，但同时施加一个硬性约束——彻底排除无女性董事的公司，再在剩余股票中追求ESG评分目标。这种方法确保了组合中完全没有“不合规”的公司。然而，这两者之间再次出现了风险与收益的权衡：定制化倾斜排除策略能够更好地避免持有“无女性高管”的公司（因其基准本身已排除无女性董事公司，相关性效应在此发挥作用），但其跟踪误差比倾斜排除策略高出了37个基点。这再次印证了贯穿全文的核心观点：在ESG投资中，更彻底的价值观表达往往需要以更高的主动风险为代价。

文章的最终部分从动机到策略进行了总结。作者强调了投资者动机的多样性，包括道德（如社会运动、内心安宁）和财务（如跟踪指数、创造Alpha），这些动机直接决定了技术层面的策略选择。而具体的技术方案选择，又受到ESG数据质量、投资者的风险厌恶程度，以及他们对与被排除资产相关的替代敞口的容忍度等多重因素影响。文章认为，没有任何一种“万能”的ESG投资组合构建方案。通过展示的大量量化方法，文章证明，有效的ESG投资是一个复杂的过程，其核心在于在“获得更多你所想要的（无论是财务回报还是内心安宁）”与“控制风险”之间做出必然的权衡。量化方法在最小化风险方面卓有成效，但也可能导致不期望的行业或因子敞口，而这些敞口是可以通过多因子模型进行监控的。实施细节和数据可得性对投资组合的结构和业绩有着深远的影响。该研究的意义在于，它不仅为投资者和资产管理者提供了一个清晰的、阶梯式的ESG投资组合构建框架，而且深刻地揭示了简单剔除策略背后可能隐藏的、由相关性驱动的意外风险。这为金融业在应对日益增长的责任投资需求时，提供了更具科学性和透明度的实践指导，推动该领域从简单的“好人好事”标签向精细化风险管理转型。