來源：新浪財經
文/新浪財經意見領袖專欄作家 餘華莘
本文是2020年11月20號《Journal of Financial Economics》期刊發表的紐約大學Sterns商學院系列研究論文之一的《Responsible Investing： The ESG-Efficient Frontier》的翻譯文稿的第二部分，主要討論和總結ESG投資的資產定價模型和歸因分析。
三、ESG的均衡資產定價 （Equilibrium asset pricing with ESG）
3.1 ESG調整後的CAPM
（註：這個部分內容主要是純學術的理論建模，涉及很多數學公式，故下文以圖像顯示。這個章節討論了三類ESG投資者的信息偏好對CAPM均衡價格的影響。）
該均衡方程如下圖所示（詳見附錄）
3.2可驗證的理論預測結論
總而言之，上述的ESG-SR有效前沿理論模型做出了以下幾個預測：
1）風險、預期收益率和ESG之間的選擇集合是可以通過ESG-SR前沿來總結歸納的。
2）利用ESG信息並通過可以改善 ESG-SR前沿來增加投資者的Sharpe Ratio。
3）基於投資者的信息集，具有較強ESG偏好（或者較高風險厭惡）的投資者應該選擇具有價高ESG得分和（邊際）略低的Sharpe Ratio的投資組合。
4）即便是偏好平均ESG得分的投資者，其也應該最優地選擇在幾乎所有證券中都具有頭寸（多頭或者空頭）的投資組合（相對於偏好的歧視性的標準模型所隱含的更嚴格分離要求而言）。
5） ESG投資者應該選擇以下四個資產的組合：無風險資產、標準切線組合、最小方差組合和ESG切線組合。
6）ESG得分較高的證券應該具有以下幾點特徵：
a.ESG投資者的需求增加，將會降低該證券的預期收益；
b．不同的預期未來利潤，如果市場對基本面的這種可預測性反應不足，則可以提高預期收益；
c．潛在的來自投資者的更多的資金流，可能會在短期捏提高證券價格。
四、實證研究結果（Empirical results）
4.1 ESG度量與數據
ESG是一個廣義且籠統的術語，因此，本篇論文考慮了四個替代變量指標變量，它們涵蓋了ESG的不同方面。本文的目的不是在它們之間做對比，而是討論市場會如何定價ESG的不同因子，並以此舉例說明本文的理論模型如何為ESG投資者提供指導和幫助。
本篇論文使用的四個ESG替代變量指標變量是：
1）環境（E）的度量：低碳強度（low carbon intensity）。為了衡量一家公司的「綠色」程度（即ESG中的E），本文計算其碳強度（CO2），並定義為碳排放量與銷售額的比率。碳排放量可以通過不同的方式來衡量，本篇論文使用的是「範圍1的碳排放量」（公司的直接排放量，例如：來自公司自身使用化石燃料造成的直接排放量）和「範圍2的碳排放量」（購入能源的間接排放量，例如電）。本篇論文不包括「範圍3」（其他間接排放量），因為這些排放量很少被公司報告，並且在不同的數據提供商的估計是不一致的（例如Busch，Johnson和Pioch，2018年）。本篇論文在CO2變量前加個負號，以便更高的因子值表示更好的ESG（碳強度越低，越是「綠色」的公司）。這些數據來自Trucost，可獲得數據的時間跨度2009年1月到2019年3月。
2）社會（S）的度量：非罪惡股票（Non-sin stock）指標。一些對ESG敏感的投資者迴避某些「罪惡」行業的股票，例如菸草、賭博或酒精（與ESG中的S有關）。本篇論文考慮一個「非罪惡股票」指標，對於有罪股票，取0值，否則取1，因此較高的值表示更高的ESG得分。在Hong和Kacperczyk（2009）的文章中定義了罪惡行業，這一指標適用於本篇論文最長的樣本期，即1963年1月至2019年3月。
3）治理（G）的度量：較低的應計項目|利潤（Low Accruals）。本篇論文使用一種可根據會計信息在較長樣本期內計算出的治理指標。具體來說，本篇論文查看每個公司在1963年1月至2019年3月期間的應計資產項目|數值。應計項目|利潤實質上是尚未收到相關現金的會計收入。本篇論文在應計項目前加負號，以使較高的因子值表示更高的ESG得分。從會計文獻中得出的想法是，應計項目|利潤低表明企業對利潤的會計處理較為保守（例如Sloan，1996年），而治理較好的公司則傾向於採用更為保守的會計流程（例如Kim等人，2012）。實際上，經驗研究表明，受到SEC採取強制執行措施的公司往往在被採取此類措施之前具有異常高的應計項目|利潤（例如Richardson，Sloan，Soliman和Tuna，2006年），而應計項目|利潤較高的公司也有較高的利潤重述可能性（例如Richardson，Tuna和Wu，2002年）。
4）整體ESG的度量：MSCI 的ESG評分。機構投資者最廣泛使用的ESG得分之一是由MSCI計算得出的，此變量的樣本期是從2007年1月到2019年3月。MSCI給出的評分是對每家公司ESG概況的綜合評估。本篇論文在行業調整的基礎上，整理每家公司E、S和G特徵的總得分，評分範圍為從0（最差ESG）到10（最優ESG）。
本篇論文將上面這些數據集與以下其他相關數據或模型結合使用：包括XpressFeed資料庫（用於股票收益和市場價值），Compustat資料庫（用於計算公司基本面），13f持倉報告（由Thomson Reuters匯總）中的機構持倉頭寸，由日內數據計算出的下單量，以及用於計算ESG有效前沿的Barra US Equity（USE3L）風險模型。
4.2 ESG-SR前沿的實證研究
使用前文的方法，本篇論文計算了兩個ESG替代變量（E和G）的ESG-SR前沿。本文沒有為S因子構建ESG-SR前沿，因為此變量是0-1二元變量（罪惡股票/非罪惡股票）。為簡便起見，本篇論文也忽略了整體ESG的前沿，因為它與E的前沿類似。
從基於CO2排放的環境替代變量的ESG-SR前沿開始，圖4分別從不了解ESG和了解ESG的投資者（分別為實線和虛線）的角度顯示了S變量的有效前沿。此外，本篇論文區分了所謂的事前感知前沿（圖4.A， Ex-ante）和已實現前沿（圖4.B， Realized）。對於前者，投資者每月都要按照先前的定義計算風險和預期收益，然後得出ESG-SR前沿和相應的有效前沿投資組合。圖4.A 僅顯示了這些感知前沿的時間序列平均值。圖4.B的事後前則沿顯示了這些投資組合的已實現夏普比率。
圖4：用碳排放作為E的替代變量的ESG有效前沿
資料來源： Journal of Financial Economics；NYU Stern School of Business
圖4.A中的兩個ESG-SR前沿非常接近，這表明本文使用的環境替代變量對解釋平均收益不是很有幫助。而且分布模型在事實上也證實了這兩個前沿在碳得分為0附近達到峰值，這表明投資者在A和B切線投資組合中的樣本股票的碳排放約為平均水平（本篇論文在4.6節的回歸框架中進一步確認了這一點）。當查看圖4B時，這一發現更加驚人：兩個前沿彼此重疊，這意味著在任何給定的碳強度水平下，兩個前沿上的投資組合的夏普比率基本相同。
但更重要的是，即使ESG替代變量對預測組合收益不是特別有用（如圖4所示），ESG-SR前沿仍然有意義。例如，本文可以使用有效前沿來量化M型投資者面臨的選擇取捨，他們願意犧牲一些夏普（Sharpe）比率來改善其投資組合的ESG狀況。在圖4B的背景下，此類受ESG激勵的投資者尋求碳排放量更少的投資組合（綠色投資組合）。從切線組合向右移動兩個單位（即向更綠色的投資組合移動，以使投資組合中的樣本股票向「更綠色」的方向移動兩個標準差）會使最優夏普（Sharpe）比率降低約3%。夏普比率的這種適度降低可能是一些ESG積極的投資者為如此大幅度減少CO2而付出的代價。當然，如果投資者進一步推動綠色投資組合，那麼其所付出的成本會越來越高，例如，從峰值移動4個標準差會使夏普比率降低約10%。
圖5展示了使用了G（治理）替代變量下的ESG有效前沿。不了解ESG的投資者的前沿與了解ESG的投資者的前沿非常不同。之所以會出現這種差異，是因為本篇論文的G替代變量預測了樣本中的收益回報（如4.6節中進一步討論）。為了理解圖5.A，我們首先注意到，不了解ESG的U型投資者在ESG得分為0.25時使夏普（Sharpe）比率最大化，這意味著其投資組合中的樣本股票接近該ESG度量的平均值。這裡的ESG幾乎是中性的，並不奇怪，因為U型投資者僅使用價值因子（Price-to-book ratio）的信息，而對G的任何敞口只是偶然地通過PB ratio與G之間的弱相關而產生的。
圖5：用Low Accruals作為G的替代變量的ESG有效前沿
資料來源： Journal of Financial Economics；NYU Stern School of Business
此外，這個Ex-ante前沿是在0附近對稱的，這意味著該投資者認為以正的G得分值為目標的成本與以同樣幅度的負得分值為目標的組合成本相似。例如，將G得分定位為比最優情況高兩個標準差（即從0.25變為2.25），則會使U型投資者的夏普比率降低約9%；而以G得分為目標，將G得分定位為比最優情況低兩個標準差（即從0.25變為–1.75）會使夏普比率降低7%。
相比之下，A型投資者的前沿卻截然不同。如圖5.A所示，前沿在G得分為2.25時達到峰值，這意味著，對於意識到ESG的投資者而言，最大化夏普（Sharpe）比率意味著要尋找G得分值遠高於市場的投資組合。而且，A型投資者的ESG-SR前沿顯然是不對稱的，這表明降低投資組合的G得分對夏普比率的影響要比增加G得分的影響大得多。例如，從最優點的兩倍標準差的增加（2.25到4.25）會使夏普（Sharpe）比率降低約3%；在相反方向（2.25至0.25）進行類似移動的D代價是9%，是3%的三倍。
圖5.A中的前沿相交是由於以下原因：讓A型投資者接受負ESG得分要比U型投資者付出更大的代價，因為A會考慮到G對於收益的正向預測作用。兩條曲線在G得分大約為0的位置相交，這個解釋也是很直觀的，因為此時的最優投資組合對於兩個類型投資者（A型和U型）而言基本相同，因為他們都無法獲得他們不同意的G得分。
圖5 B展示了構成圖5 A有效前沿的ESG投資組合的已實現夏普（Sharpe）比率。從圖形和數據來看，A型投資者的已實現的前沿（Realized frontier）與他們的事前感知前沿（Ex-ante frontier）非常相似，這是因為驅動有效前沿的ESG得分被明確納入A型投資者的收益預測中，並且本篇論文的事前風險和期望收益模型可以很好地捕捉事後實現的收益。
相反，U型投資者在圖5B中的已實現前沿與其在圖5A中的Ex-ante前沿具有不同的形狀，這是因為U型投資者忽略了G變量可以預測收益。U型投資者的已實現ESG-SR前沿看上去與接近0值ESG得分的A型投資者的前沿類似，這是因為他們的投資組合在該範圍內更相似。但是在其他ESG目標中，U型投資者選擇投資組合時是在市場風險敞口、價值和G變量得分之間進行次優選擇。
圖5.B還展示了使用基於G （治理） 的ESG投資組合的成本和收益。使用G變量信息的好處可以通過查看A型投資者的已實現的夏普比率來衡量，這個SR值要比U型投資者的已實現SR高出11%（在圖5.A中則高出12%）。與之相比，M型投資者使用G變量信息的偏好成本可以用SR值的降低幅度來衡量，即當目標ESG得分高於A型投資者時，夏普比率會有所降低。
ESG投資實證研究：組合有效前沿與資產定價歸因之三
【接前文】 本文是2020年11月20號《Journal of Financial Economics》期刊發表的紐約大學Sterns商學院系列研究論文之一的《Responsible Investing： The ESG-Efficient Frontier》的翻譯文稿的第三部分，主要討論和總結了篩選法，以及不同ESG因子對公司基本面、投資者需求、交易活躍度、證券估值和預期收益的統計回歸分析與實證結論。
四、實證研究結果（Empirical results）
4.3限制條件的影響：篩選ESG最差的股票
到本章節為止，前文的實證研究和模型應用已經可以指導投資者將資金配置在不受限制的ESG投資組合中，而且可以做多或者做空任何股票。
但下文的內容將考慮對ESG敏感的投資者（ ESG-sensitive investors）所面臨的現實限制和限制條件。在這些組合投資限制中，最常見的是篩選出ESG特徵最弱的股票（即通常所說的篩選法，從可投資範圍裡刪除此類股票）。圖6顯示了如果應用前文在圖5中使用的與G（治理）相關的替代變量時，股票篩選法對ESG-SR前沿產生的影響。圖6顯示了三個不同的ESG-SR有效前沿：1）用於不受限制的投資者A（與圖5A完全相同）；2） 是投資者除去具有最低ESG特徵的10%的股票；3）是去掉20%具有最低ESG特徵的股票。
直觀的觀測就看得到明顯的結論：ESG的排除限制條件會降低投資組合的預期績收益。篩選比例為10%的ESG組合有效前沿明顯低於不受限制的投資組合的ESG-SR前沿，而篩選條件為20%的組合有效前沿則更低。這意味著，對於任何期望的ESG得分水平，在篩選後的股票集合中國最大可獲得的夏普比率將低於不受限制股票集合的最大可獲得的夏普比率。
圖6：股票篩選法對ES-SR有效前沿的影響
資料來源： Journal of Financial Economics；NYU Stern School of Business
更有意義的發現是，夏普（Sharpe）比率降低的幅度。為了確定夏普比率降低幅度的比較基準，一個有用的經驗法則是，在某些假設下，夏普比率與股票數目的平方根（the square root of investment breadth）呈現近似線性的關係（Grinold和Kahn，1995年）。這意味著股票數量減少10%（20%）會使夏普比率大約降低5%（10%），即這也致相當於ESG得分下降約–0.5的幅度（The Magnitude of Penalty，懲罰幅度）。當ESG得分接近零值的時候，這個夏普比率的懲罰幅度只有基準度量的一半左右，這是零ESG得分意味著最優化的組合裡不會包括ESG得分非常低（或者非常高）的股票。而ESG得分顯著大於零的時候，這個夏普比率下調幅度則明顯高於根據經驗法則的平方根得出的懲罰幅度。例如，假設投資者尋求獲得較高的ESG得分，則剔除ESG最低的20%的股票會使組合夏普比率降低25%以上，而部分原因是賣空低ESG的股票帶來的好處。
從圖6得出的另一個相關發現是，在剔除最差的ESG評級股票之後，夏普比率最高的投資組合（切線投資組合）的ESG得分較低。如前文所述，不受限制的投資者A在投資組合的ESG得分值為2.25時，夏普（Sharpe）比率得到優化。當剔除10%的ESG最低的股票後，夏普比率則在ESG得分為1.5時，達到最大化。而當去除20%的ESG最低的股票後，夏普比率則在ESG得分1時，達到最大值。
這是一個令人驚訝的實證結果， 這意味著，與那些允許在組合裡納入這些有著較低ESG得分的資產的投資者相比，將低ESG評級資產排除在其投資範圍之外的投資者，卻更可能會以更低的ESG得分建立其最優投資組合。這一發現實證背後的邏輯直覺是，低ESG資產是有效的組合資金來源，因為市場允許不受限制的投資者做空這些資產，從而得以建立更大的高ESG評級的證券多頭頭寸。
此外，低ESG得分的資產可能是高ESG得分資產的有效對衝工具，並有可能通過增加對高ESG證券的投資來幫助投資者提高整體投資組合的夏普比率。通過篩選法，投資者可以最優地選擇不讓高ESG得分的資產在組合中佔據過大的頭寸。
4.4實證研究：ESG可以預測未來的基本面嗎？
同經濟學的其他信息價值一樣，ESG信息能夠產生正的超額收益的必要條件是它與未來的基本面相關。為了測試這種可能性，本篇論文將ESG替代變量與未來的基本面相關聯，並在圖表7中考慮了兩個基本指標變量。在圖7A中，本文考慮了「會計收益率」（accounting rate of returns），這是Richardson等人（2006）定義的淨經營資產收益率。在圖7B中，「資產毛利率」定義為收入與銷售成本之差佔總資產的比例，如Novy-Marx（2013）所述。在圖7A和7B中，這些公司的基本面信息均在ESG變量之後的12個月進行了測算，並用這些未來12個月的盈利數據與現有的ESG因子評分進行統計回歸分析。另外，對於第4.1節中定義的四種ESG替代變量中的每一種，本文提出兩種計量規範：1）基於具有確定的月度影響值，且標準誤差聚集在公司層面的匯總樣本；2）基於Fama–MacBeth程序和Newey–West標準方差。最後，本篇論文還控制了公司的beta，規模和市淨率等變量和，儘管這些控制變量對本篇論文的結果並不是至關重要的。
圖表7中的（1）和（2）列的回歸分析使用本文的E替代變量。本文發現，碳排放指標可以預測圖7A組的會計收益率（碳排放越低，會計收益率越高），但是對於圖7B組的毛利率而言是不顯著的預測變量。因此，結論是本文所用的E指標可能與基本面沒有密切關係。對於本文的S替代變量，我們發現的結果也有些不同。7A和7B的（3）和（4）列回歸分析得到的負值係數都表明，「罪惡」股票具有相對較強的未來基本面，這結果與Blitz和Fabozzi（2017）一致，但這些統計僅具有邊際意義。（7）和（8）列的回歸分析表明MSCI的總體ESG得分與未來的基本面呈正相關，但僅在7B中具有統計意義。
圖7：E、S、G因子評分可否預測公司利潤？
資料來源： Journal of Financial Economics；NYU Stern School of Business
在（5）和（6）列的回歸分析中，對於本文的G替代變量（Low Accruals， 應計項目|利潤）的統計結果是最顯著的。圖7A中的這些具有高度統計意義的數據也具有很大的經濟價值：即，相對於每一個標準方差的增加應計利潤（負數），會計收益率將相應地增加0.02，或者在0.1的平均水平上提高20%。這一發現為稍後在本篇論文將確認的，應計利潤可能包含未來基本面的有關信息提供了可能性，而且這些基本面可能無法被市場完全定價（類似於Richardson等人在2006年的發現）。圖7B中的對應回歸值也展示了資產毛利率的結果。我們看到較高的G得分預示著未來的公司盈利能力會有所提高，但這個變量的影響相對較小：應計利潤每移動一個標準方差，毛利潤率變動0.006，約為該變量平均水平0.3的2%左右。
另外一個發現是，G替代變量的結果對於各種控制變量都具有統計穩定性。例如，雖然各個行業的應計利潤可能會有差異，但是將行業虛擬變量添加到回歸分析（5）中，則不會改變係數（係數從0.208略微增加到0.209，t統計量為22.6 vs． 23.3）。同樣，在沒有控制公司規模，市淨率或Beta的情況下進行回歸統計，或在沒有日期固定影響的情況下進行回歸分析，對統計結果的影響很小。最後，即使在測量應計利潤後的24或36個月的時間段裡，本文的統計結果也對會計收益和盈利能力產生了積極的影響。因此可以得出結論：存在著強有力的統計證據表明，應計利潤與未來的盈利能力相關。
4.5 ESG可否預測投資者需求？
正如前文在理論與模型部分所解釋的那樣，與公司的未來基本面的相關性本身不足以確定ESG變量是會提高收益還是降低收益。因此，從整體上看，還需要分析投資者對ESG的需求。在本節中，我們將考慮機構所有權、交易活動和籤署的訂單量，以捕捉投資者對擁有或購買特定一類股票的興趣。
圖8A：E、S、G因子評分可否預測投資者需求？
資料來源： Journal of Financial Economics；NYU Stern School of Business
圖8 A使用了與圖7類似的設置，即基於3個月前的ESG指標來預測機構投資者持有量（以13f數據為基礎，以百分比為單位），當然這裡採用「3個月」的時間段是為了確保觀察到ESG變量的時間點早於機構持倉數據的財務披露時點。機構投資者（基於13f數據衡量其需求）似乎在構建其投資組合時已經納入了ESG信息，尤其是本篇論文所選用的四個ESG替代變量都與機構持股正相關。而且這些ESG變量的經濟學影響是顯而易見的。例如，E（添加負號的CO2強度）變量每增加一個標準差會導致機構持有比例增加1.3%，即機構傾向於持有綠色企業，G變量對應的持有比例增加值為0.3%-1.3%，而ESG總體對應的數字為0.6%-0.8%。至於本文的二元S替代變量，從有罪股票向非有罪股票的轉變意味著機構持有量增加了6%–7%。
圖8B：E、S、G因子可否預測交易活躍度？
資料來源： Journal of Financial Economics；NYU Stern School of Business
圖8 B和C考慮了交易活動的度量（交易筆數的對數值）和已籤定的訂單數（買單的總金額佔比）。為簡潔起見，本文僅報告了具有日期固定效應的合併回歸分析（Fama–MacBeth證據與此類似）。對於G變量（應計利潤）來說，其統計結果也許是最直觀的，因為數據顯示應計利潤得分（已乘以負號）改善時，交易數量和買單比例均明顯增加。但是，對於其他三個指標來講，統計證據並不那麼直接。對於碳強度低或非罪惡股票，交易次數似乎有所減少。對於碳強度低的股票，本文還可看到買單比例的下降。
圖8C：E、S、G因子可否預測買方訂單數佔比？
資料來源： Journal of Financial Economics；NYU Stern School of Business
4.6 ESG可以預測估值和未來收益嗎？
對於機構投資者來說，買賣股票除了基於對未來收益的預期，另外一個重要參數就是證券估值水平，二者高度相關。迄今為止的研究表明，至少有一些ESG替代變量（例如G）與未來的基本面密切相關。同時，本篇論文也發現一些證據表明，投資者傾向於將其ESG組合投資於G評分更具吸引力的股票。正如在前文的理論部分所顯示的那樣，這兩種效應之間的相互作用可能會導致收益溢價或折價，具體取決於哪種效應更強。
相對於E、S和整體ESG的替代變量，該收益和需求預測可能更容易做出，因為本篇論文發現這三個變量（E、S和整體ESG）與未來基本面以及投資者需求的相關性較小。因此，我們的理論表明，具有良好E，S或ESG整體評分的股票應該比具有良好G的股票更昂貴，並且具有較低的未來收益。為評估這些預測，本篇論文在表3和表4中考慮了估值（Tobin’s Q）和風險調整後的收益。
圖表9顯示了ESG替代變量與市淨率（PB）對數的關聯性。因為本篇論文的興趣在於找出市場願意為ESG特徵付出多少價格，所以本篇論文分析了同期估值（contemporaneous valuation）與ESG替代變量之間的關係。本篇論文控制了市場beta變量，但本篇論文已忽略先前使用的那些按市場結構估算（如公司規模、資產的市值淨價等）相關的控制變量。
圖9：E、S、G因子與估值（市淨率）
資料來源： Journal of Financial Economics；NYU Stern School of Business
圖9中的第（1）列回歸分析表明，E評分較高的股票（即低碳強度的股票，綠色股票）的價格相對高於棕色股票（高碳股票）的價格，而這與前文記錄的投資者對E相對較高的需求是一致的。當在第（4）列的回歸分析中使用總體ESG指標（來自MSCI）時，我們發現類似的統計模式。相反，在第（2）列的回歸分析中使用S替代變量時，本文發現有罪和無罪股票之間的估值沒有顯著差異。
最有趣的是第（4）列的回歸分析，這表明G變量（應計利潤）可能未被市場定價。實證結果還表明，儘管G變量預測獲利的能力較強，但G分數較高的股票的估值卻較低，因此這意味這此類股票產生誘人回報的可能性將被打開，而且本篇論文在下面的實證研究將確認這一點。
圖表10顯示了ESG替代變量對證券收益率的預測能力。基於本文是四個ESG替代變量，我們每月將股票組合分為五個排列分位（對於有罪/無罪指標，則分為兩個投資組合），並構建多空組合（買入ESG 得分最高的股票，賣出ESG得分最差的股票）。圖表10列出了在控制各種資產定價因子的情況下，基於平均權重和市值加權所構建的ESG投資組合的最終表現。
基於G變量的投資組合具有較高的超額回報（alpha）。即使在控制了五個Fama-French因子之後，G變量的超額收益率依然顯著，其在平均權重權組合的年收益率為7%，而在市值加權組合的年收益率為3%。這一發現也進一步證實了前文（4.2節）的實證結論，即G（治理）指標對於那些即使已經在其投資組合決策中使用多個其他投資因子來構建組合的投資者也有較大的意義。
與之相比，對於E和整體ESG評分的替代變量來說，本篇論文發現幾乎沒有證據可以表現這兩者可以產生超額收益。在本篇論文的樣本期間內，基於統計學的點估計（point estimate），似乎碳排放強度得分較低的公司的相對表現較好，但超額收益也僅在10%的水平上才統計顯著。本文注意到這與Bolton和Kacperczyk（2019）的研究發現一致，兩位作者發現了碳排放的溢價，但這個溢價在更細緻的統計分析設定中則消失了，例如在控制行業構成時。
圖10：E、S、G因子可否預測收益率？
資料來源： Journal of Financial Economics；NYU Stern School of Business
最後，本篇論文找到了Hong和Kacperczyk（2009）論文所記錄的「有罪溢價（The sin premium）」的一些證據。因為本文考慮的是多空組合，即做多非罪惡股票（ESG較高的股票），同時做空罪惡股票（ESG較低的股票）。因此，有罪收益的溢價將被反映為負的超額收益（alpha）。本篇論文發現對於市值加權組合來說，每年的有罪溢價可達4%，但是對於平均權重組合以及五因子或六因子模型來講，該溢價很小，甚至微不足道。本文這一發現與Blitz和Fabozzi（2017）的發現一致。另外，本篇論文的結果比Hong和Kacperczyk（2009）的結果顯著性弱，這可能是由於統計方法和樣本期間的差異所致。
五、 本文結論總結
越來越多的投資者將ESG理念和投資觀點納入他們的投資組合中。簡而言之，這些投資者只是想以道德的方式持有道德的公司，以促進良好的公司行為，同時希望以一種不會犧牲回報的方式做到這一點。
因此，投資者必須切實評估ESG負責任投資的成本和收益。本篇論文的理論和模型框架可以用於有效地概念化和量化這些ESG因子帶來的好處和代價。本文的研究表明，可以通過ES-SR有效前沿（投資機會集的圖形化展示）來概念化ESG投資者的選擇和決策後果。
總體來看，ESG偏好的好處是，可以量化為最大夏普（Sharpe）比率的增加（相對於那些僅僅基於非ESG信息的有效前沿）。ESG偏好的代價可以量化為：選擇具有更好ESG特徵的投資組合時，其可獲得的夏普（Sharpe）比率相比於全市場股票下的最大夏普（Sharpe）比率有所下降。
除了在實證方面具有吸引力，ESG有效前沿還具有紮實的理論依據。本篇論文明確得出ESG-SR前沿和最優投資組合的對應集合。最優投資組合由四支「基金」組成，其中一隻可捕捉股票的ESG得分。該框架可被視為所謂的「ESG集成」的理論基礎，這意味著ESG特徵可直接用於投資組合構建，而不是如目前很多投資者那樣，僅僅被用作股票篩選的一個標準。
另外，經驗研究結果表明，本篇論文發現當利用應計利潤（G變量）的來度量ESG時，較高水平的ESG可以實現最大的夏普比率。而且，ESG水平的進一步提高所導致夏普比率的降低很小，這意味著可以以較小的成本實現道德目標。再者，當對投資組合施加限制條件時，本文看到ESG-SR前沿的下降。這是符合預期的結果，因為強加限制條件會降低給定ESG得分下的最大可獲得夏普（Sharpe）比率。更令人驚訝的是，從投資範圍中剔除最低ESG資產的篩選，會使得最大化夏普（Sharpe）比率的投資者所選擇構建的投資組合的ESG得分反而低於不受限制投資者選擇的投資組合（不受限制投資者允許投資低ESG資產）。該結果反映了根據ESG構建最優投資組合時的相關性影響。
關於均衡資產價格，本篇論文得出了ESG調整後的CAPM，它有助於反映ESG對預期收益的影響。據本文作者所知，本篇論文的模型是第一個針對投資者如何使用ESG信息，以及明確地對異質性（model heterogeneity）建模的模型。換句話說，本篇論文的框架允許投資者優先考慮ESG，並允許投資者從ESG信息中找到投資信息。這是一個具有現實意義和實踐操作的功能，因為有關ESG的產品規模越來越大（例如，《 2018年全球可持續投資評論》），而且在學術界也越來越多地將ESG視為潛在的「 alpha」信號（至少要追溯到Sloan，1996；Gompers等，2003）。這種異質性導致均衡狀態取決於不同的投資者類型，從而導致ESG與預期收益之間的關係為正相關、負相關或中性。
本篇論文使用一系列ESG替代變量來對該ESG-SR有效前沿和資產定價理論的進行實證檢驗，這些替代變量反映了本篇論文模型的不同方面，並且可能代表了不同的投資者客戶。本篇論文的G替代變量可以預測未來的基本面，同時吸引投資者需求，從而導致相對便宜的估值和正回報。相反，本篇論文對E、S和整體ESG的替代變量對未來利潤的預測較弱，而對這些替代變量的投資者需求似乎更強，這可能有助於解釋在這些指標上得分較高的股票的較高估值，以及較低的收益。
總而言之，本篇論文的理論和模型為全社會開展ESG負責任投資提供了有用的框架，本篇論文希望這對研究ESG投資的成本和收益，以及ESG在投資實踐中的應用有所幫助。
== THE END ===
1． Albuquerque， R．， Koskinen， Y．， Zhang， C．， 2018． Corporate social responsibility and firm risk． Management Science （November 16）： https：//pubsonline.informs.org/doi/10.1287/mnsc.2018.3043．
2． Baker， M．， Bergstresser， D．， Serafeim， G．， Wurgler， J．， 2018． Financing the response to climate change： The pricing and ownership of U.S． green bonds． Unpublished working paper， Harvard Business School．
3． Baron， D． P． 2009． A positive theory of moral management， social pressure， and corporate social performance． Journal of Economics & Management Strategy 18 （1）， 7–43．
4． Benabou， R．， Tirole， J．， 2010． Individual and corporate social responsibility． Economica 77 （January）， 1–19．
5． Bebchuk， L． A．， Cohen， A．， Wang， C． C.Y．， 2013． Learning and the disappearing association between governance and returns． Journal of Financial Economics 108 （2）， 323–348．
6． Becker， G．， 1957． The economics of discrimination． Chicago： University of Chicago Press．
7． Blitz， D．， Fabozzi， F． J．， 2017． Sin stocks revisited： resolving the sin stock anomaly． Journal of Portfolio Management 44 （1）， 105-111．
8． Bolton， P．， Kacperczyk， M．， 2019． Do investors care about carbon risk． Unpublished working paper， Columbia University． Busch， T．， Johnson， M．， Pioch， T．， 2018． Consistency of corporate carbon emission data． Unpublished working paper， University of Hamburg Report WWF Deutschland．
9． Chordia， T．， Roll， R．， Subrahmanyam， A．， 2002． Order imbalance， liquidity and market returns． Journal of Financial Economics 65， 111–130．
10． Chordia， T．， Subrahmanyam， A．， 2004． Order imbalance and individual stock returns： theory and evidence． Journal of Financial Economics 72， 485–518．
11． Dunn， J．， Fitzgibbons， S．， Pomorski， L．， 2018． Assessing risk through environmental， social and governance exposures． Journal of Investment Management 16 （1）， 4–17．
12． Edmans， A．， 2011． Does the stock market fully value intangibles？ Employee satisfaction and equity prices． Journal of Financial Economics 101 （3）， 621–640．
13． Fama， E． F．， French， K． R．， 1993． Common risk factors in the returns on stocks and bonds． Journal of Financial Economics 33 （1）： 3-56．
14． Fama， E． F．， French， K． R．， 2007． Disagreement， tastes， and asset prices． Journal of Financial Economics， 83（3）： 667-689． Fitzgibbons， S．， Palazzolo， C．， Pomorski， L．， 2018． ESG 2.0： Hit』em where it hurts． IPE．
15． Flammer， C．， 2015． Does corporate social responsibility lead to superior financial performance？ A regression discontinuity approach． Management Science 61 （11）， 2549–2568．
16． Friedman， H． L．， Heinle， M． S．， 2016． Taste， information， and asset prices： implications for the valuation of CSR． Review of Accounting Studies 21 （3）， 740–767．
17． Gollier， C．， Puget， S．， 2014． The `washing machine』： investment strategies and corporate behavior with socially responsible investors． Unpublished working paper， Toulouse School of Economics．
18． Gompers， P．， Ishii， J．， Metrick， A．， 2003． Corporate governance and equity prices． Quarterly Journal of Economics 118 （1）， 107–156．
19． Grinold， R． C．， Kahn， R． N．， 1995． Active Portfolio Management． McGraw-Hill Education．
20． Hart， O．， Zingales， L．， 2017， Companies should maximize shareholder welfare not market value． Journal of Law， Finance， and Accounting 2， 247-274．
21． Heinkel， R．， Kraus， A．， Zechner， J．， 2001． The eect of green investment on corporate behavior． Journal of Financial and Quantitative Analysis 36 （4）， 431–449．
22． Hoepner， A． G． F．， Oikonomou， I．， Sautner， Z．， Starks， L． T．， Zhou， X．， 2019． ESG shareholder engagement and downside risk． Unpublished working paper．
23． Hong， H．， Kacperczyk， M．， 2009． The price of sin： the effects of social norms on markets． Journal of Financial Economics 93 （1）， 15–36．
24． Ilhan， E．， Sautner， Z．， Vilkov， G．， 2018． 「Carbon Tail Risk．」 Review of Financial Studies， forthcoming．
25． Kim， Y．， Park， M.S．， Wier， B．， 2012． Is earnings quality associated with corporate social responsibility？ Accounting Review， 87 （3）， 761-796．
26． Kruger， P， 2015． Corporate goodness and shareholder wealth． Journal of Financial Economics 115， 304–329． Landier， A， Lovo， S．， 2020． ESG investing： how to optimize impact？ Unpublished working paper， HEC Paris．
27． Luo， A． R．， Balvers， R． J．， 2017． Social screens and systematic investor boycott risk． Journal of Financial and Quantitative Analysis 52 （1）， 365–399．
28． Merton， R．， 1987． A simple model of capital market equilibrium with incomplete information． Journal of Finance 42 （3）， 483–510．
29． Morningstar． 2019． ESG investing performance analyzed． Morningstar website， https：//www.morningstar.com/blog/2019/03/12/esg-investing-perfor_0.html， accessed on October 8， 2019
30． Novy-Marx， R．， 2013． The other side of value： the gross profitability premium． Journal of Financial Economics， 108 （1）， 1– 28．
31． Nagy， Z， Kassam， A．， Lee， L．， 2015． Can ESG add alpha？ MSCI white paper．
32． Oehmke， M．， Opp， M．， 2020． A theory of socially responsible investment． Unpublished working paper， LSE．
33． Pastor， L．， Stambaugh， R． F．， Taylor， L．， 2019． Sustainable investing in equilibrium． Unpublished working paper， University of Chicago．
34． Phelps， E．， 1972． The statistical theory of racism and sexism． American Economic Review 62 （4）， 533–539．
35． Richardson， S． A．， Sloan， R． G．， Soliman， M． T．， Tuna， I．， 2006． The implications of accounting distortions and growth for accruals and profitability． Accounting Review， 81 （3）， 713-743．
36． Richardson， S． A．， Tuna， I．， Wu， M．， 2002． Predicting earnings management： the case of earnings restatements． Unpublished working paper， University of Pennsylvania．
37． Sloan， R． G， 1996． Do stock prices fully reflect information in accruals and cash flows about future earnings？ Accounting Review， 71 （3）， 289-315．
38． Zerbib， O． D．， 2020． A Sustainable Capital Asset Pricing Model （S-CAPM）： Evidence from Green Investing and Sin Stock Exclusion． Unpublished working paper， Tilburg University．
風險提示：文獻中的結果均由相應作者通過歷史數據統計、建模和測算完成， 在政策、市場環境發生變化時模型存在失效的風險。