本文介绍的是由 Francesco Cesarone、Manuel Luis Martino 和 Alessandra Carleo 三位学者共同完成的研究成果，他们均来自意大利罗马第三大学（Roma Tre University）商学院。该论文《Does ESG Impact Really Enhance Portfolio Profitability?》发表于学术期刊 Sustainability 2022 年第 14 卷第 2050 期上。该期刊是可持续发展领域的国际性开放获取（open access）期刊。
本研究属于金融工程与可持续投资交叉领域。近几十年来，社会责任投资（Socially Responsible Investment, SRI）在全球范围内快速发展，其核心理念是将环境（Environmental）、社会（Social）和公司治理（Governance）三大维度，即 ESG 因素，纳入投资决策过程。然而，学界和业界关于 ESG 评级究竟如何影响投资组合的盈利能力和风险，仍未形成统一结论。本研究正是为了回答“ESG 目标是否真的能提升投资组合的盈利能力”这一核心问题而展开。
研究的主要目的包括：第一，在传统均值-方差（mean-variance）投资组合选择模型基础上，加入 ESG 评分作为第三个目标，构建一个三目标优化模型；第二，通过覆盖全球主要股票市场的五个真实数据集，系统考察 ESG 约束对投资组合样本内（in-sample）和样本外（out-of-sample）表现的影响；第三，结合社会责任投资监管制度的发展演进，特别是《京都议定书》的两个承诺期（2005–2012 和 2013–2020）以及 2015 年《巴黎协定》的签署，分析 ESG 影响是否存在时间上的“状态转换”（regime change）。
研究者首先引入了一个包含 n 个资产的投资全域（investment universe），每个资产的线性收益率（linear returns）用随机变量 r₁, r₂, …, rₙ 表示，其 ESG 评分用 esg₁, esg₂, …, esgₙ 表示。所有随机变量定义在离散概率空间上，通过历史数据获得实现值。投资组合的预期收益率、方差和预期 ESG 评分分别定义为 μp(x)、σ²p(x) 和 esgp(x)，其中 x 为投资组合权重向量。
在此基础上，研究者提出了一个三目标优化问题：最小化投资组合方差、最大化投资组合预期收益率以及最大化投资组合 ESG 评分。为求解这一多目标问题，采用了标准的 ε-约束法（ε-constraint method），将三目标问题转化为如下单目标凸二次规划（convex quadratic programming, QP）问题：
通过适当调整 η 和 λ 的取值，可以获得基于均值-方差-ESG（mean-variance-ESG）模型的帕累托最优（Pareto-optimal）投资组合。研究中，η 的取值范围为 [ηmin, ηmax]，其中 ηmin 是最小方差组合的预期收益率，ηmax 是最大预期收益率组合的收益率。对于每个固定的 η，λ 的取值范围为 [λmin(η), λmax(η)]，分别对应于该收益率水平下 ESG 评分最低和最高的可行组合。
研究选择了五个真实市场的数据集进行实证分析，数据时间跨度均为 2006 年 10 月至 2020 年 12 月，包括：
数据包括经股息和股票分割调整后的每日价格以及 Refinitiv 提供的每日 ESG 评分。为考察 ESG 影响的时间变化，研究者设计了两种实验场景：
对于每个数据集和场景，研究者从问题（3）的帕累托前沿上选取了 16 个均值-方差-ESG 组合。具体选取方式为：设定四个目标收益率水平 ηα = ηmin + α(ηmax − ηmin)，其中 α = 0, 1⁄4, 1⁄2, 3/4；在每个 ηα 上细分为四个目标 ESG 评分水平 λβ(ηα) = λmin(ηα) + β(λmax(ηα) − λmin(ηα))，其中 β = 0, 1⁄3, 2⁄3, 1。当 β = 0 时得到纯均值-方差优化组合，当 β = 1 时得到 ESG-均值优化组合。
研究者采用滚动时间窗口（rolling time window, RTW）方案进行样本外绩效评估。具体地：样本内窗口长度设为 2 年（500 个交易日），再平衡间隔和持有期均为 1 个月（20 个交易日）。评估指标包括：
此外，研究者还计算了基于 3 年时间窗口的 ROI（Return on Investment）统计量，包括均值、波动率、5%、25%、75% 和 95% 分位数，用以观察组合在不同时间尺度下的收益表现。
在整体场景（2006–2020）中，高 ESG 目标组合（λ = λ₁）在几乎所有目标收益率水平 η 下均表现出更优的样本外绩效。尤其是当 η = ηmin 时，λ₁ 组合的累计收益几乎是低 ESG 组合的四倍。在分割场景中，两个子时期呈现明显不同的行为模式：在 2006–2013 年期间，ESG 目标对组合绩效没有一致的正向或负向影响；而在 2014–2020 年期间，高 ESG 组合（λ = λ₂/₃ 和 λ₁）在平均收益率、夏普比率、最大回撤和溃疡指数等指标上均显著优于其他组合。从 ROI 的三年期滚动统计看，高 ESG 组合在第二个子时期的均值、四分位数和 95% 分位数均大幅改善，相对涨幅达数倍。
与道琼斯指数形成鲜明对比，欧洲斯托克 50 数据集的整体场景和两个子时期均显示：高 ESG 目标并未改善投资组合的盈利能力，反而通常导致更差的绩效。在整体场景中，最低 ESG 目标组合（λ = λ₀）具有最高的平均收益率、夏普比率和最低的溃疡指数。即使高 ESG 组合在某些子时期的最大回撤略有改善，其平均收益率和风险调整后收益仍然低于低 ESG 组合。该结果与 La Torre 等人（2021）的发现一致，即欧洲市场上 ESG 约束对组合绩效的积极影响有限。
研究者在表 10 中对五个数据集的整体表现进行了汇总，结果显示：在整体时期（2006–2020）内，只有 S&P 500 和道琼斯工业指数数据集中，高 ESG 组合的绩效优于或接近低 ESG 组合；而在英国富时 100 和纳斯达克 100 上，高 ESG 组合的绩效表现参差不齐。当分两个子时期看时，从 2006–2013 到 2014–2020，美国市场（道琼斯、纳斯达克 100、S&P 500）出现了明显的“状态转换”——第一个子时期中低 ESG 组合占优，第二个子时期中高 ESG 组合占优；而欧洲市场（Euro Stoxx 50）无论是哪个子时期，ESG 约束都没有显著改善投资组合绩效。富时 100 在两个子时期中高 ESG 组合的优势也未形成稳定趋势。
研究者指出，2014 年前后 ESG 效应出现转折，与两个关键政策节点高度相关：第一，《京都议定书》第二个承诺期从 2013 年开始；第二，《巴黎协定》于 2015 年签署并成为具有法律约束力的全球气候协议。这种监管环境的变化可能促使市场重新定价 ESG 因素，从而在美国等其他主要市场体现出 ESG 溢价。同时，研究观察显示，高 ESG 策略在 2020 年新冠疫情期间仍保持了较好的抗跌性，这与 Nofsinger 和 Varma（2014）关于企业积极社会责任行为在危机中具有保护作用的主张一致。
本研究的结论可概括为：ESG 评级对投资组合盈利能力的影响具有显著的市场异质性和时间异质性。在 2006–2020 的整体样本中，ESG 的正向作用仅在美国大型股票市场（道琼斯、S&P 500）表现明显；当分割为两个子时期后，可以看到 2014 年之后美国市场的 ESG 溢价显著增强，而欧洲市场（Euro Stoxx 50）则未观察到类似效应。因此，ESG 约束是否能提升绩效，不能一概而论，需要结合具体市场和时期进行判断。
研究的科学价值在于：构建了一个简洁且可计算的均值-方差-ESG 三目标优化框架，并通过覆盖面广的真实市场数据进行了系统的样本外验证，为后续 ESG 投资组合研究提供了方法基础和实证参考。应用价值方面，研究结果对机构投资者、基金管理者以及政策制定者具有重要启示：在制定或选择 ESG 投资策略时，应充分考虑不同市场的制度环境和政策周期；投资者不应盲目追求高 ESG 评级，而应结合自身的风险收益偏好以及所处的市场环境做出选择。
研究还附带提供了完整的数据集获取地址（https://host.uniroma3.it/docenti/cesarone/datasets.htm），并在附录中呈现了 FTSE 100、Nasdaq 100 和 S&P 500 数据集的详细绩效表和图，为后续研究者复现或扩展该工作提供了便利。
总体而言，该论文以严谨的量化方法和丰富的实证证据，回应了可持续投资领域一个具有现实争议的问题，为理解 ESG 因素在投资组合实践中的实际作用提供了有价值的学术贡献。