您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[国证指数]:基于国证评价结果的ESG因子收益表现分析 - 发现报告
当前位置:首页/其他报告/报告详情/

基于国证评价结果的ESG因子收益表现分析

2022-08-19国证指数学***
基于国证评价结果的ESG因子收益表现分析

ESG 2022-8-19 近年来,全球投资者对ESG理念的认同和关注持续提升,可持续投资需求逐步扩大。为服务ESG投资实践、丰富ESG投资手段,深圳证券信息有限公司近期发布了国证ESG评价方法,旨在向市场提供更加适用于中国本土的ESG评价工具。 本文以深沪A股市场为研究对象,基于上市公司的国证ESG评价结果,采用结构化多因子模型,实证分析了ESG因子在近年间的收益表现,并尝试将国证ESG因子应用于指数编制,构建ESG优选和增强指数,分析其对指数风险收益的影响,从而进一步展现ESG因子与投资收益之间的关系。 一、ESG因子的收益表现分析 选取包括国证ESG因子在内的十类风格因子,通过结构化多因子模型,对深沪A股收益进行因子归因,分解因子贡献,进而分析国证ESG因子表现1。 从收益情况来看,截至2021年底,国证ESG因子近4年的累计收益超46%,仅次于成长、盈利与beta因子,整体表现良好。期间,2020年与2021年的累计收益较前期明显提升,分别达到16%和15%,优于绝大多数主流因子。该结果表明新冠疫情爆发显著影响了资本市场的投资方向,企业 1风格因子构建及结构化多因子模型方法详情,请见附件。 在ESG方面的风险暴露水平逐渐成为决定企业价值的关键要素。 图1累计收益走势 图2各年度收益情况 从稳定性来看,近4年国证ESG因子的5日收益情况基本全部实现正向收益,收益率的均值和标准差分别为0.35%和0.22%。总体而言,国证ESG因子的风险收益表现较为稳定。 图3国证ESG纯净因子5日收益率 二、ESG因子在指数层面的应用 为检验ESG因子在指数化投资中的应用效果,我们选择以能够凸显ESG因子表现的正面筛选方式,分别从创业板板块、深圳单市场、深沪跨市场中选取国证ESG评分较高的上市公司作为样本股,构建创业板ESG优选100指数、深市ESG优选100指数、深沪ESG优选300指数,并通过倾斜加权方法,提升ESG高分公司在指数中的权重,构建上述3条ESG优选指数的增强指数。 从点位的模拟结果来看,优选指数的波动情况与对应的 比较基准相近,但享有更高的收益水平。2018年7月初至 2022年7月末,创业板ESG优选100相对于创业板指的超额收益为18.6%;深市ESG优选100相对于深证100的超 额收益为8.2%;深沪ESG优选300相对于沪深300的超额收益为12.8%。 与优选指数相比,权重倾斜处理使ESG增强指数在收益 方面的提升总体而言更加明显。相对于各自的比较基准,创 业板ESG优选100增强、深市ESG优选100增强、深沪ESG优选300增强同期的超额收益分别为64.6%、18.6%、11.7%。 此外,得益于国证ESG评价对特异性风险的识别作用,以之为基础构建的ESG优选或增强指数,大多具有更低的资产减值风险,其最大回撤幅度往往更小。 图4ESG优选/增强指数累计收益(%)走势 表3指数风险收益表现 覆盖市场 指数名称 年化收益 (%) 年化波动 (%) 夏普比率 最大回撤 (%) 创业板 创业板指 13.2 28.7 0.4 -39.6 创业板ESG优选100 16.2 28.7 0.5 -38.6 创业板ESG优选100增强 22.7 29.8 0.7 -37.7 深圳A股 深证100 9.4 25.0 0.3 -39.8 深市ESG优选100 10.9 25.6 0.4 -38.7 深市ESG优选100增强 12.7 26.2 0.4 -39.2 深沪A股 沪深300 4.3 21.1 0.1 -34.8 深沪ESG优选300 7.0 21.1 0.3 -30.0 深沪ESG优选300增强 6.7 21.9 0.2 -33.1 注:统计窗口为2018年7月1日至2022年7月29日;无风险收益率取1.5%。 三、结论 本文基于国证ESG评价结果,采用结构化多因子模型,实证分析了ESG因子在深沪A股市场中的收益表现。结果表明,ESG因子近年来的收益表现较好且相对稳定。后疫情期间,随着可持续发展战略的逐步深入,企业在ESG方面的风险暴露水平已成为决定企业价值的关键要素。 在指数应用方面,相较于传统的市值筛选方式,根据国证评价结果构建的ESG优选和增强指数具有更优异的风险收益特征,其应用效果在跨市场、单市场、特色板块等多个层面得到了合理验证。 附件 结构化多因子模型本质为多元线性回归模型,通过将股票收益线性分解为共性因子收益,完成对收益的因子归因分 析,其一般形式2为:𝑟𝑡+1=𝛼�+𝛽𝑡′𝑓�+𝜀𝑖�。其中,𝑟𝑡+1代 ��� � 表个股�在�+1时期的收益率;𝑓�为�时期个股�十类因子所组成的列向量;𝛽�为�时期因子载荷组成的列向量,其元素代表各因子的风险收益;𝜀𝑖~𝑁(0,𝜎𝑖),为一般的随机干扰项。 通过对市场中主流因子及相关指标的梳理,我们最终构建了包括国证ESG因子在内的10类风格因子,并采用可行广义最小二乘法对因子载荷进行估计,以应对异方差问题3。 附表1风格因子构建 大类因子 组成指标 指标权重 国证ESG 国证ESG评分 1 盈利因子 ROE、ROA、净利率(TTM)、毛利率(TTM) 各占1/4 流动性因子 月平均换手率、年平均换手率 各占1/2 估值因子 PE(TTM)、PB(LF)、PS(TTM) 各占1/3 成长因子 三年复合的营业收入增长/净利润增长/经营现金流增长 各占1/3 动量因子 近一个月、近三个月标准差(三年复合) 各占1/2 波动因子 近三个月、近六个月涨跌幅 各占1/2 beta因子 近100周beta系数 1 杠杆因子 流动比率、速动比率、现金比率、资产负债率 各占1/4 规模因子 ln(总市值) 1 2为了使各因子在行业层面达到中性化,同时缓解模型的内生性问题,得到因子载荷的一致估计量,在实际测算中另外设置了10个国证一级行业的代理变量。 3实际处理过程还包括:为虚弱异常值影响,对各时期的截面数据采取的上下1%的winsorize缩尾处理;为使各因子的因子载荷具有可比性,对不同时期的指标数据采取标准化处理;为检验因子之间的多重共线性问题,计算不同截面的方差膨胀因子(VIF)。