【ESG投资实证研究】余华莘:组合有效前沿与资产定价归因之三

2020年12月1日 14:22
來源:香港奇点财经特邀专栏作者 余华莘

奇点财经12月1日发布

作者:余华莘,特许金融分析师(CFA),多伦多大学工商管理硕士学位。现为歌斐资产公开市场(香港)高级股票组合投资董事。曾经任职德银(DWS)大中华基金投资经理。历任景顺香港资产管理公司,DWS(HGI)投资公司以及加拿大养老金投资委员会(亚洲)公司的基金经理和投资董事等职位。主要从事大类资产配置策略研究和股票投资组合管理工作,有超过 15 年大中华区股票投资及行业和公司研究经验。


【接前文】 本文是2020年11月20号《Journal of Financial Economics》期刊发表的纽约大学Sterns商学院系列研究论文之一的《Responsible Investing: The ESG-Efficient Frontier》的翻译文稿的第三部分,主要讨论和总结了筛选法,以及不同ESG因子对公司基本面、投资者需求、交易活跃度、证券估值和预期收益的统计回归分析与实证结论。

四、实证研究结果(Empirical results)

4.3限制条件的影响:筛选ESG最差的股票

到本章节为止,前文的实证研究和模型应用已经可以指导投资者将资金配置在不受限制的ESG投资组合中,而且可以做多或者做空任何股票。

但下文的内容将考虑对ESG敏感的投资者( ESG-sensitive investors)所面临的现实限制和限制条件。在这些组合投资限制中,最常见的是筛选出ESG特征最弱的股票(即通常所说的筛选法,从可投资范围里删除此类股票)。图6显示了如果应用前文在图5中使用的与G(治理)相关的替代变量时,股票筛选法对ESG-SR前沿产生的影响。图6显示了三个不同的ESG-SR有效前沿:1)用于不受限制的投资者A(与图5A完全相同);2) 是投资者除去具有最低ESG特征的10%的股票;3)是去掉20%具有最低ESG特征的股票。

直观的观测就看得到明显的结论:ESG的排除限制条件会降低投资组合的预期收益。筛选比例为10%的ESG组合有效前沿明显低于不受限制的投资组合的ESG-SR前沿,而筛选条件为20%的组合有效前沿则更低。这意味着,对于任何期望的ESG得分水平,在筛选后的股票集合中国最大可获得的夏普比率将低于不受限制股票集合的最大可获得的夏普比率。


图6:股票筛选法对ES-SR有效前沿的影响

资料来源: Journal of Financial Economics;NYU Stern School of Business

更有意义的发现是,夏普(Sharpe)比率降低的幅度。为了确定夏普比率降低幅度的比较基准,一个有用的经验法则是,在某些假设下,夏普比率与股票数目的平方根(the square root of investment breadth)呈现近似线性的关系(Grinold和Kahn,1995年)。这意味着股票数量减少10%(20%)会使夏普比率大约降低5%(10%),即这也致相当于ESG得分下降约–0.5的幅度(The Magnitude of Penalty,惩罚幅度)。当ESG得分接近零值的时候,这个夏普比率的惩罚幅度只有基准度量的一半左右,这是零ESG得分意味着最优化的组合里不会包括ESG得分非常低(或者非常高)的股票。而ESG得分显著大于零的时候,这个夏普比率下调幅度则明显高于根据经验法则的平方根得出的惩罚幅度。例如,假设投资者寻求获得较高的ESG得分,则剔除ESG最低的20%的股票会使组合夏普比率降低25%以上,而部分原因是卖空低ESG的股票带来的好处。

从图6得出的另一个相关发现是,在剔除最差的ESG评级股票之后,夏普比率最高的投资组合(切线投资组合)的ESG得分较低。如前文所述,不受限制的投资者A在投资组合的ESG得分值为2.25时,夏普(Sharpe)比率得到优化。当剔除10%的ESG最低的股票后,夏普比率则在ESG得分为1.5时,达到最大化。而当去除20%的ESG最低的股票后,夏普比率则在ESG得分1时,达到最大值。

这是一个令人惊讶的实证结果, 这意味着,与那些允许在组合里纳入这些有着较低ESG得分的资产的投资者相比,将低ESG评级资产排除在其投资范围之外的投资者,却更可能会以更低的ESG得分建立其最优投资组合。这一发现实证背后的逻辑直觉是,低ESG资产是有效的组合资金来源,因为市场允许不受限制的投资者做空这些资产,从而得以建立更大的高ESG评级的证券多头头寸。

此外,低ESG得分的资产可能是高ESG得分资产的有效对冲工具,并有可能通过增加对高ESG证券的投资来帮助投资者提高整体投资组合的夏普比率。通过筛选法,投资者可以最优地选择不让高ESG得分的资产在组合中占据过大的头寸。

4.4实证研究:ESG可以预测未来的基本面吗?

同经济学的其他信息价值一样,ESG信息能够产生正的超额收益的必要条件是它与未来的基本面相关。为了测试这种可能性,本篇论文将ESG替代变量与未来的基本面相关联,并在图表7中考虑了两个基本指标变量。在图7A中,本文考虑了“会计收益率”(accounting rate of returns),这是Richardson等人(2006)定义的净经营资产收益率。在图7B中,“资产毛利率”定义为收入与销售成本之差占总资产的比例,如Novy-Marx(2013)所述。在图7A和7B中,这些公司的基本面信息均在ESG变量之后的12个月进行了测算,并用这些未来12个月的盈利数据与现有的ESG因子评分进行统计回归分析。另外,对于第4.1节中定义的四种ESG替代变量中的每一种,本文提出两种计量规范:1)基于具有确定的月度影响值,且标准误差聚集在公司层面的汇总样本;2)基于Fama–MacBeth程序和Newey–West标准方差。最后,本篇论文还控制了公司的beta,规模和市净率等变量和,尽管这些控制变量对本篇论文的结果并不是至关重要的。

图表7中的(1)和(2)列的回归分析使用本文的E替代变量。本文发现,碳排放指标可以预测图7A组的会计收益率(碳排放越低,会计收益率越高),但是对于图7B组的毛利率而言是不显著的预测变量。因此,结论是本文所用的E指标可能与基本面没有密切关系。对于本文的S替代变量,我们发现的结果也有些不同。7A和7B的(3)和(4)列回归分析得到的负值系数都表明,“罪恶”股票具有相对较强的未来基本面,这结果与Blitz和Fabozzi(2017)一致,但这些统计仅具有边际意义。(7)和(8)列的回归分析表明MSCI的总体ESG得分与未来的基本面呈正相关,但仅在7B中具有统计意义。

图7:E、S、G因子评分可否预测公司利润?


资料来源: Journal of Financial Economics;NYU Stern School of Business

在(5)和(6)列的回归分析中,对于本文的G替代变量(Low Accruals, 应计项目|利润)的统计结果是最显著的。图7A中的这些具有高度统计意义的数据也具有很大的经济价值:即,相对于每一个标准方差的增加应计利润(负数),会计收益率将相应地增加0.02,或者在0.1的平均水平上提高20%。这一发现为稍后在本篇论文将确认的,应计利润可能包含未来基本面的有关信息提供了可能性,而且这些基本面可能无法被市场完全定价(类似于Richardson等人在2006年的发现)。图7B中的对应回归值也展示了资产毛利率的结果。我们看到较高的G得分预示着未来的公司盈利能力会有所提高,但这个变量的影响相对较小:应计利润每移动一个标准方差,毛利润率变动0.006,约为该变量平均水平0.3的2%左右。

另外一个发现是,G替代变量的结果对于各种控制变量都具有统计稳定性。例如,虽然各个行业的应计利润可能会有差异,但是将行业虚拟变量添加到回归分析(5)中,则不会改变系数(系数从0.208略微增加到0.209,t统计量为22.6 vs. 23.3)。同样,在没有控制公司规模,市净率或Beta的情况下进行回归统计,或在没有日期固定影响的情况下进行回归分析,对统计结果的影响很小。最后,即使在测量应计利润后的24或36个月的时间段里,本文的统计结果也对会计收益和盈利能力产生了积极的影响。因此可以得出结论:存在着强有力的统计证据表明,应计利润与未来的盈利能力相关。

4.5 ESG可否预测投资者需求?

正如前文在理论与模型部分所解释的那样,与公司的未来基本面的相关性本身不足以确定ESG变量是会提高收益还是降低收益。因此,从整体上看,还需要分析投资者对ESG的需求。在本节中,我们将考虑机构所有权、交易活动和签署的订单量,以捕捉投资者对拥有或购买特定一类股票的兴趣。

图8A:E、S、G因子评分可否预测投资者需求?

资料来源: Journal of Financial Economics;NYU Stern School of Business

图8 A使用了与图7类似的设置,即基于3个月前的ESG指标来预测机构投资者持有量(以13f数据为基础,以百分比为单位),当然这里采用“3个月”的时间段是为了确保观察到ESG变量的时间点早于机构持仓数据的财务披露时点。机构投资者(基于13f数据衡量其需求)似乎在构建其投资组合时已经纳入了ESG信息,尤其是本篇论文所选用的四个ESG替代变量都与机构持股正相关。而且这些ESG变量的经济学影响是显而易见的。例如,E(添加负号的CO2强度)变量每增加一个标准差会导致机构持有比例增加1.3%,即机构倾向于持有绿色企业,G变量对应的持有比例增加值为0.3%-1.3%,而ESG总体对应的数字为0.6%-0.8%。至于本文的二元S替代变量,从有罪股票向非有罪股票的转变意味着机构持有量增加了6%–7%。

图8B:E、S、G因子可否预测交易活跃度?


资料来源: Journal of Financial Economics;NYU Stern School of Business

图8 B和C考虑了交易活动的度量(交易笔数的对数值)和已签定的订单数(买单的总金额占比)。为简洁起见,本文仅报告了具有日期固定效应的合并回归分析(Fama–MacBeth证据与此类似)。对于G变量(应计利润)来说,其统计结果也许是最直观的,因为数据显示应计利润得分(已乘以负号)改善时,交易数量和买单比例均明显增加。但是,对于其他三个指标来讲,统计证据并不那么直接。对于碳强度低或非罪恶股票,交易次数似乎有所减少。对于碳强度低的股票,本文还可看到买单比例的下降。

图8C:E、S、G因子可否预测买方订单数占比?

资料来源: Journal of Financial Economics;NYU Stern School of Business

4.6 ESG可以预测估值和未来收益吗?

对于机构投资者来说,买卖股票除了基于对未来收益的预期,另外一个重要参数就是证券估值水平,二者高度相关。迄今为止的研究表明,至少有一些ESG替代变量(例如G)与未来的基本面密切相关。同时,本篇论文也发现一些证据表明,投资者倾向于将其ESG组合投资于G评分更具吸引力的股票。正如在前文的理论部分所显示的那样,这两种效应之间的相互作用可能会导致收益溢价或折价,具体取决于哪种效应更强。

相对于E、S和整体ESG的替代变量,该收益和需求预测可能更容易做出,因为本篇论文发现这三个变量(E、S和整体ESG)与未来基本面以及投资者需求的相关性较小。因此,我们的理论表明,具有良好E,S或ESG整体评分的股票应该比具有良好G的股票更昂贵,并且具有较低的未来收益。为评估这些预测,本篇论文在表3和表4中考虑了估值(Tobin’s Q)和风险调整后的收益。

图表9显示了ESG替代变量与市净率(PB)对数的关联性。因为本篇论文的兴趣在于找出市场愿意为ESG特征付出多少价格,所以本篇论文分析了同期估值(contemporaneous valuation)与ESG替代变量之间的关系。本篇论文控制了市场beta变量,但本篇论文已忽略先前使用的那些按市场结构估算(如公司规模、资产的市值净价等)相关的控制变量。

图9:E、S、G因子与估值(市净率)

资料来源: Journal of Financial Economics;NYU Stern School of Business

图9中的第(1)列回归分析表明,E评分较高的股票(即低碳强度的股票,绿色股票)的价格相对高于棕色股票(高碳股票)的价格,而这与前文记录的投资者对E相对较高的需求是一致的。当在第(4)列的回归分析中使用总体ESG指标(来自MSCI)时,我们发现类似的统计模式。相反,在第(2)列的回归分析中使用S替代变量时,本文发现有罪和无罪股票之间的估值没有显著差异。

最有趣的是第(4)列的回归分析,这表明G变量(应计利润)可能未被市场定价。实证结果还表明,尽管G变量预测获利的能力较强,但G分数较高的股票的估值却较低,因此这意味这此类股票产生诱人回报的可能性将被打开,而且本篇论文在下面的实证研究将确认这一点。

图表10显示了ESG替代变量对证券收益率的预测能力。基于本文是四个ESG替代变量,我们每月将股票组合分为五个排列分位(对于有罪/无罪指标,则分为两个投资组合),并构建多空组合(买入ESG 得分最高的股票,卖出ESG得分最差的股票)。图表10列出了在控制各种资产定价因子的情况下,基于平均权重和市值加权所构建的ESG投资组合的最终表现。

基于G变量的投资组合具有较高的超额回报(alpha)。即使在控制了五个Fama-French因子之后,G变量的超额收益率依然显著,其在平均权重权组合的年收益率为7%,而在市值加权组合的年收益率为3%。这一发现也进一步证实了前文(4.2节)的实证结论,即G(治理)指标对于那些即使已经在其投资组合决策中使用多个其他投资因子来构建组合的投资者也有较大的意义。

与之相比,对于E和整体ESG评分的替代变量来说,本篇论文发现几乎没有证据可以表现这两者可以产生超额收益。在本篇论文的样本期间内,基于统计学的点估计(point estimate),似乎碳排放强度得分较低的公司的相对表现较好,但超额收益也仅在10%的水平上才统计显著。本文注意到这与Bolton和Kacperczyk(2019)的研究发现一致,两位作者发现了碳排放的溢价,但这个溢价在更细致的统计分析设定中则消失了,例如在控制行业构成时。

图10:E、S、G因子可否预测收益率?

资料来源: Journal of Financial Economics;NYU Stern School of Business

最后,本篇论文找到了Hong和Kacperczyk(2009)论文所记录的“有罪溢价(The sin premium)”的一些证据。因为本文考虑的是多空组合,即做多非罪恶股票(ESG较高的股票),同时做空罪恶股票(ESG较低的股票)。因此,有罪收益的溢价将被反映为负的超额收益(alpha)。本篇论文发现对于市值加权组合来说,每年的有罪溢价可达4%,但是对于平均权重组合以及五因子或六因子模型来讲,该溢价很小,甚至微不足道。本文这一发现与Blitz和Fabozzi(2017)的发现一致。另外,本篇论文的结果比Hong和Kacperczyk(2009)的结果显著性弱,这可能是由于统计方法和样本期间的差异所致。

五、 本文结论总结

越来越多的投资者将ESG理念和投资观点纳入他们的投资组合中。简而言之,这些投资者只是想以道德的方式持有道德的公司,以促进良好的公司行为,同时希望以一种不会牺牲回报的方式做到这一点。

因此,投资者必须切实评估ESG负责任投资的成本和收益。本篇论文的理论和模型框架可以用于有效地概念化和量化这些ESG因子带来的好处和代价。本文的研究表明,可以通过ES-SR有效前沿(投资机会集的图形化展示)来概念化ESG投资者的选择和决策后果。
总体来看,ESG偏好的好处是,可以量化为最大夏普(Sharpe)比率的增加(相对于那些仅仅基于非ESG信息的有效前沿)。ESG偏好的代价可以量化为:选择具有更好ESG特征的投资组合时,其可获得的夏普(Sharpe)比率相比于全市场股票下的最大夏普(Sharpe)比率有所下降。

除了在实证方面具有吸引力,ESG有效前沿还具有扎实的理论依据。本篇论文明确得出ESG-SR前沿和最优投资组合的对应集合。最优投资组合由四支“基金”组成,其中一只可捕捉股票的ESG得分。该框架可被视为所谓的“ESG集成”的理论基础,这意味着ESG特征可直接用于投资组合构建,而不是如目前很多投资者那样,仅仅被用作股票筛选的一个标准。

另外,经验研究结果表明,本篇论文发现当利用应计利润(G变量)的来度量ESG时,较高水平的ESG可以实现最大的夏普比率。而且,ESG水平的进一步提高所导致夏普比率的降低很小,这意味着可以以较小的成本实现道德目标。再者,当对投资组合施加限制条件时,本文看到ESG-SR前沿的下降。这是符合预期的结果,因为强加限制条件会降低给定ESG得分下的最大可获得夏普(Sharpe)比率。更令人惊讶的是,从投资范围中剔除最低ESG资产的筛选,会使得最大化夏普(Sharpe)比率的投资者所选择构建的投资组合的ESG得分反而低于不受限制投资者选择的投资组合(不受限制投资者允许投资低ESG资产)。该结果反映了根据ESG构建最优投资组合时的相关性影响。

关于均衡资产价格,本篇论文得出了ESG调整后的CAPM,它有助于反映ESG对预期收益的影响。据本文作者所知,本篇论文的模型是第一个针对投资者如何使用ESG信息,以及明确地对异质性(model heterogeneity)建模的模型。换句话说,本篇论文的框架允许投资者优先考虑ESG,并允许投资者从ESG信息中找到投资信息。这是一个具有现实意义和实践操作的功能,因为有关ESG的产品规模越来越大(例如,《 2018年全球可持续投资评论》),而且在学术界也越来越多地将ESG视为潜在的“ alpha”信号(至少要追溯到Sloan,1996;Gompers等,2003)。这种异质性导致均衡状态取决于不同的投资者类型,从而导致ESG与预期收益之间的关系为正相关、负相关或中性。

本篇论文使用一系列ESG替代变量来对该ESG-SR有效前沿和资产定价理论的进行实证检验,这些替代变量反映了本篇论文模型的不同方面,并且可能代表了不同的投资者客户。本篇论文的G替代变量可以预测未来的基本面,同时吸引投资者需求,从而导致相对便宜的估值和正回报。相反,本篇论文对E、S和整体ESG的替代变量对未来利润的预测较弱,而对这些替代变量的投资者需求似乎更强,这可能有助于解释在这些指标上得分较高的股票的较高估值,以及较低的收益。

总而言之,本篇论文的理论和模型为全社会开展ESG负责任投资提供了有用的框架,本篇论文希望这对研究ESG投资的成本和收益,以及ESG在投资实践中的应用有所帮助。

== THE END ===

本文仅代表个人观点,与所在公司无关!

友情提示:请下载奇点财经APP(点击 IOS版 或 安卓版)或关注奇点财经公众号(奇点财经HK)以得更全面的资讯。