策略实操系列专题（二）：ESG数据如何在股票投资中获取超额收益？

证券研究报告|2024年03月13日 策略实操系列专题（二） ESG数据如何在股票投资中获取超额收益？ 核心观点策略研究·策略专题 企业环保行为对企业财务绩效、上市公司股票走势的影响是非线性的。从短期来看，企业减排支出会增加企业的成本负担，压缩利润空间，甚至对生产性支出具有一定的挤出效应，企业的减排与企业的财务绩效就会呈现此消彼长的关系；从中长期来看，企业减排与财务绩效的增长并非绝对对立，适度的环境规制可以激励企业技术创新，优化自身的资源配置，进而提高企业的长期竞争力，企业技术水平的提升及效率改进所带来的长期收益可以覆盖掉环境规制所带来的短期成本上升，从而实现污染减排和财务绩效增长的双赢。 企业环保类排污数据的检测和应用，是ESG领域较为高频且可覆盖到独立样本的数据口径。本报告的排污环保数据来源于有机数，该数据收集了全国各省市环保行政部门发布的排污许可证及环保处罚信息，覆盖排污企业超过44 万家。其中包含上市公司2800余家及其下属子公司超过十万家，覆盖污染 物超过600个种类。该数据具有覆盖全面、更新及时、数据准确、结构清晰的特点。每月定期数据采集流程后有数据质量校验模块进行自动检验，在监测到异常时会人工介入来校验数据，提高数据精度。本报告通过测算排污量和股票表现的关系来探讨检测环保类数据对具体公司投资的可实践性，验证污染量和股价表现是否存在线性或者非线性的关联。 有机数环保排污数据包含的内容有企业的基本信息和排污信息。其中企业的基本信息有企业名称、社会信用代码、省份、生产所在地、行业、主要产品等属性信息；企业的排污信息主要有排污许可证信息（编号、行政区划、行业、发证日期、生效/失效时间等）、排污信息（污染物类别、种类、排放规律、执行标准等）、污染物监测数据（监测的时间、地点、项目、结果、浓度、阈值以及是否超标等）和环保处罚信息（处罚机关、处罚的事由、时间、详情等）。 实证检验发现，企业排污情况与股票截面收益率呈U型关系。从各投资组合的年化收益和波动来看，排污环比增长最高的分组5的年化收益高达21%，排污环比增长居中的分组3的年化收益最低，仅为13%。虽然各投资组合的年化收益率存在明显差距，但年化波动却几乎没有区别，排污环比增长次高的分组4的年化波动最高，为23%，比其他组合高1%。因此各投资组合的夏普比例与年化收益相似，与排污环比增长成U型分布。综上，排污数据在可控范围内出现一定走高反馈的信息是订单获取与产量走高的正向效应，而排污量超过一定阈值时则通过环保限产、声誉风险等效应对股票价格形成抑制，因此对股价表现呈现出短多长空的逻辑。 风险提示：(1)企业污染排放数据的可得性、高频性与连续性；(2)企业排污数据覆盖率有限，部分企业可能存在选择性偏误问题。 证券分析师：陈锐证券分析师：王开 0755-81981573021-60933132 chenrui1@guosen.com.cnwangkai8@guosen.com.cnS0980516110001S0980521030001 联系人：李晨光010-88005492 lichenguang@guosen.com.cn 基础数据 中小板/月涨跌幅(%)5934.31/8.84 创业板/月涨跌幅(%)1906.04/10.38AH股价差指数147.43 A股总/流通市值(万亿元)71.77/64.79 市场走势 资料来源：Wind、国信证券经济研究所整理 相关研究报告 《策略周聚焦-拥抱成长，甄选新质资产》——2024-03-11 《ESG月度观察——强制披露倒计时，ESG成为上市公司“必修课”》——2024-03-07 《全国两会解读和市场展望-关注新质生产力、开创产业发展新篇章》——2024-03-05 《策略周聚焦-拥抱成长，迎接决断》——2024-03-04 《资金跟踪与市场结构周观察(第十四期)-市场成交持续走高，赚钱效应大幅回升》——2024-02-27 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 1企业污染排放及其经济效应—短期此消彼长、长期互促双赢4 2有机数企业排污数据及行业分布5 3企业排污与股票截面收益率呈U型关系8 4企业污染数据——潜在的高频选股指标14 风险提示16 图表目录 图1：理论依据：环境规制对企业价值的影响4 图2：高耗能行业产出走高时，相应板块股价呈现逆向走势5 图3：企业排污环比样本量7 图4：企业排污环比样本量占沪深A股比例7 图5：企业排污环比数据样本量与全部A股的行业分布比较7 图6：样本股的市值规模分布8 图7：样本股市值各分位数在沪深A股中的位置8 图8：基于企业排污环比增长分组的投资组合的净值曲线9 图9：各投资组合的年化收益与波动9 图10：各投资组合的夏普比率9 图11：各投资组合的平均规模11 图12：基于最近2个月排污增长分组的投资组合的净值曲线13 图13：基于最近3个月排污增长分组的投资组合的净值曲线13 图14：各投资组合的年化收益14 图15：各投资组合的夏普比率14 表1：环保排污数据的指标集6 表2：各投资组合的行业配置与全体样本股行业配置的差异10 表3：各投资组合的风格暴露与超额收益率11 表4：各投资组合的收益比较12 表5：各投资组合的超额收益比较12 表6：各投资组合的收益比较的t统计量14 1企业污染排放及其经济效应—短期此消彼长、长期互促双赢 近年来，伴随着中国经济的高速增长，环境问题日益凸显，“生态文明建设”“两山理念”“绿色转型”以及“双碳”目标等理念深入人心，经济发展过程中需同步协调好环境保护问题。 相应地，为了应对环境问题，环境保护政策不断得到完善并持续推进，企业污染排放成本也随之不断提高。随着环保政策的落地，企业污染排放对财务绩效的影响也愈发显著，环境保护已经成为企业发展中不可忽视的重要因素。 理论而言，企业环保行为对其财务绩效的影响是非线性的：从短期来看，企业减排的支出会增加其成本负担，压缩利润空间，甚至对生产性支出具有一定的挤出效应，此时企业的减排与企业的财务绩效就会呈现此消彼长的关系；从中长期来看，企业减排与财务绩效的增长并非绝对对立，适度的环境规制可以激励企业技术创新，优化自身的资源配置，进而提高企业的长期竞争力。当补偿效应越过成本效应门槛时，企业技术水平的提升及效率改进所带来的长期收益可以覆盖掉环境规制所带来的短期成本上升，从而实现污染减排和财务绩效增长的双赢。 图1：理论依据：环境规制对企业价值的影响 资料来源：余泳泽,尹立平.中国式环境规制政策演进及其经济效应:综述与展望[J].改革,2022,(03):114-130.，国信证券经济研究所整理 实践中看，高耗能行业产出走高，但相应板块股价反而呈现逆向走弱的趋势。一方面，高耗能行业通常为能源密集型产业，如钢铁、化工等。这些行业的生产成本受能源价格影响较大，能源的供给格局中长期相对稳定，而高耗能产业产出走高一般会通过需求效应带动上游能源价格上涨，导致生产成本增加，可能会对企业盈利产生负面影响，而且高耗能行业成本转嫁能力较低，无法通过提高产品价格来将上升的成本转嫁给消费者，那么市场容易对这些行业的未来发展持悲观态度，导致股价下跌；另一方面，在经济转型发展的背景下，限产因素也可能对高 耗能行业的股价产生影响，如欧盟进口碳关税、大型跨国公司产业链去碳化等政策都对国内相关高耗能产业的产能构成削减；部分地区也出台一系列环保、能源消耗限制等政策来控制高耗能行业的发展，以减少对环境的影响、推动经济结构调整。这些政策可能会限制高耗能行业的产能扩张和市场份额增长，从而带来这些行业的定价出现改变。 图2：高耗能行业产出走高时，相应板块股价呈现逆向走势 资料来源：Wind，国信证券经济研究所整理 2有机数企业排污数据及行业分布 本报告的排污环保数据来源于有机数。该数据收集了全国各省市环保行政部门发布的排污许可证及环保处罚信息，覆盖排污企业超过44万家，其中包含上市公司 近1500家及其下属子公司超过十万家，覆盖污染物超过600个种类。该数据具有覆盖全面1、更新及时2、数据准确3、结构清晰4的特点。每月定期数据采集流程后有数据质量校验模块进行自动检验，在监测到异常时会人工介入来校验数据，提高数据精度。 有机数环保排污数据包含的内容有企业的基本信息和排污信息。其中企业的基本信息有企业名称、社会信用代码、省份、生产所在地、行业、主要产品等属性信息；企业的排污信息主要有排污许可证信息（编号、行政区划、行业、发证日期、生效/失效时间等）、排污信息（污染物类别、种类、排放规律、执行标准等）、污染物监测数据（监测的时间、地点、项目、结果、浓度、阈值以及是否超标等）和环保处罚信息（处罚机关、处罚的事由、时间、详情等）。 1包含中国各省市地方环保局披露环保排污相关所有信息及历史数据。 2数据获取流程自动执行，月度更新及时排污信息。 3大数据专家团队定制的数据处理模块，系统稳定，数据精度高。 4后期经过多轮行业专家分类处理，结构清晰，可用性高。 有机数环保排污数据有细节表和统计表如表1所示。细节表包含了排污许可证上细颗粒度的详细数据和各排污企业所排放污染物的细节信息；统计表则包含了月度上市公司旗下子公司污染物排放的分类统计数据。各表具体指标如下： 表1：环保排污数据的指标集 表格指标名称 细节表 上市公司代码、母公司名称、排污企业名称、监测日期、监测地点、监测项目、监测结果、排放物单位、排放标准、排污标准文件、排污标准限值、是否超限、超限倍数、污染物类别1、污染物类别2、公布日期、回测日期、结果环比变化、创建日期、更新日期、删除日期 统计表 上市公司代码、回测日期、所有污染类别、其他大类1、气体、液体、菌类、固体、其他大类2、金属、烟尘、无机盐、有机物、生物类、计算方式（平均、中值、环比）、创建日期、更新日期、删除日期 资料来源：有机数，国信证券经济研究所整理 有机数针对不同污染物的性质，将超过600种不同的污染物分成9大类别（气体、液体、菌类、固体、金属、烟尘、无机盐、有机物、生物类）。 有机数环保排污数据来源为各省市环保局、环境监督机关、政府数据开放平台等官方监测信息，通过自然语言处理技术，将信息格式为网页文本、网页表格、word/PDF文件、Excel表格的原始文档转换为可辨认的数据格式，对于采集的各类信息进行解析、甄别、分类、入库，采用实体消岐、指代消解等知识图谱技术和人工智能模型识别公司主体，打通数据链。 本报告主要基于有机数提供的环保排污数据的细节表进行相关汇总。首先，我们根据上市公司代码、排污企业名称、监测日期、监测地点、监测项目对监测结果进行汇总（取中位数5），得到上市公司旗下各个排污企业每天在各个监测地点的各类监测项目的平均监测结果，以消除排污细节表存在的同一监测结果存在多条重复记录的问题。然后，我们根据上市公司代码、排污企业名称、监测地点、监测项目对每个监测日期的监测结果进行月度汇总（取中位数）。最后我们根据上市公司代码汇总旗下各个排污企业监测地点的所有监测项目的月平均监测结果，计算出每个上市公司的月排污环比变化6。 5因为企业排污数据是密度指标而非污染物质量指标，因此采用求平均而非求和。考虑到平均值容易受到少数几个极端值的影响，因此采用中位数进行统计汇总。 6之所以先汇总月平均监测结果再求环比变化而不是先求各个排污企业监测地点的监测项目环比变化再来汇总，主要是基于样本量的考虑。因为排污数据中很少有对排污企业特定监测地点的某个监测项目的长期跟踪数据，比如某个上市公司在第t期只有监测地点A1的监测项目B1的监测数据，而到第t+1期就没有监测地点A1的监测项目B1的监测数据，而是只有监测地点A2的监测项目B2的监测数据。在此情况下，基于排污企业监测地点的监测项目的环比数据将产生大量缺失值，导致汇总到上市公司层面的样本数量大幅减少。而采用先汇总再求环比变化，将能保留尽可能多的上市公司层面的排污环比数据，但却降低排污环比数据的