传统社会责任投资策略的局限性与挑战 [page::0][page::1]

• 传统CSR策略侧重通过CSR得分筛选股票构建组合，效果并不理想，原因包括CSR得分标准不统一、CSR与股票收益关系复杂；

- 高CSR企业因稳定治理等原因预期风险较低，但低CSR股票可能存在高预期收益；

• 本文转向研究CSR与极端收益风险（收益波动）关系，为社会责任投资提供新视角。

CSR与极端收益的负相关关系及Probit模型分析 [page::2][page::3]

• 极端收益定义为截面最高或最低3%的年收益，含退市股票；

- 调整后的CSR指标涵盖社区、治理、多元化、环境、人权等七个维度的平均值；

• Probit回归显示CSR得分与极端收益概率显著负相关，规模、存续期同样负相关，交易量呈正相关；

- 描述性统计和Fama-Macbeth回归均证实高CSR减少极端收益风险。

CSR指标提升极端收益预测准确率 [page::3][page::4]

• 逐年预测极端收益的准确率随时间波动，2009年金融危机期间下降，2016-2017年最高达到约26%；

- 包含CSR指标的模型预测准确率高于不含CSR的模型，尤其在同时考虑最高3%和最低3%极端收益的样本中效果最佳；

• 显示CSR数据能有效辅助风险识别，提升极端事件预警能力。

改进CSR策略实现风险降低且收益稳定 [page::5]

| 年份 | 传统CSR策略收益 | 传统策略波动率 | 修正策略收益 | 修正策略波动率 | 收益差异 | 波动率差异 |
|-------|-----------------|--------------|--------------|--------------|----------|------------|
| 平均 | 10.5% | 22.0% | 10.4% | 19.0% | -0.1% | -3.0% |

• 通过剔除预测极端收益（前后3%）的股票构建组合，修正后的CSR策略收益基本未变，但波动率显著下降约3%；

- 不同剔除比例（5%、单侧3%）下结果稳健，验证了剔除极端风险股票对组合风险控制的有效性。

行业差异非极端收益驱动因素，CSR对风险影响稳健 [page::6]

| 行业编码 | 预测极端收益股票数量 | 预测非极端收益股票数量 | 极端收益占比 |
|---------|----------------|------------------|----------|
| 0 | 1 | 71 | 1.39% |
| 1 | 160 | 1463 | 9.86% |
| 2 | 291 | 3425 | 7.83% |
| 3 | 413 | 6287 | 6.16% |
| 4 | 100 | 2422 | 3.97% |
| 5 | 180 | 2825 | 5.99% |
| 6 | 386 | 8909 | 4.15% |
| 7 | 210 | 3038 | 6.47% |
| 8 | 90 | 1315 | 6.41% |
| 9 | 98 | 666 | 12.83% |

• 不同行业极端收益比例无显著差异，表明极端收益与行业属性无紧密关系；

- 支持CSR作为独立风险降低因子的观点。

实务思考与政策背景 [page::6][page::7]

• CSR实施存在标准不统一、执行流于形式等问题，导致CSR指标有效性受限；

- 本文提出的基于极端收益预测修正的CSR策略避免了直接CSR评分争议，实操性更强；

• 该策略有望为机构投资者在社会责任投资领域提供更有效的风险管理工具。

【国君金工 学界纵横系列】企业社会责任的纳入如何降低了组合风险 — 详尽分析报告解构

---

1. 元数据与概览

• 报告标题：企业社会责任的纳入如何降低了组合风险

- 作者：陈奥林，徐忠亚，Allin君行

• 发布机构：国泰君安证券研究所（国君金工研究）

- 发布时间：2021年08月27日

• 主题：企业社会责任（CSR）在投资组合风险管理中的作用与实证

- 核心论点：
- 传统的社会责任投资（SRI）策略存在瑕疵与争议，特别是CSR与股票收益的关系尚未明确。
- 本文将研究焦点转向CSR与组合风险（特别是极端收益概率）之间的关系，发现高CSR公司出现极端收益的概率较低。
- 基于CSR和其他公司特征构建的Probit预测模型显著优于随机预测，能够更精准识别未来可能出现极端收益的公司。
- 剔除预测极端收益的公司后，在维持投资组合收益的前提下显著降低组合波动率，改进了传统CSR投资策略。
- 改进策略无需直接判断企业社会责任情况，从而避免了CSR测度标准争议。
- 研究还证实行业差异并非极端收益的主要驱动因素，进一步印证CSR影响风险的独立性。[page::0,1,6]

---

2. 逐节深度解读

2.1 摘要与引言部分

摘要部分明确提出了本文研究的意义与方向。作者指出传统CSR投资策略在投资回报及策略效果上的不足，并强调将研究视角转向风险控制即极端收益概率更为有效。文中展示通过Probit模型融合CSR、市值、账面市值比（BM）等多个公司特征，有效提升了对极端风险预测的准确度。基于该模型的剔除极端风险股票的策略在收益稳定的同时实现了组合风险的显著下降，同时也规避了传统CSR策略面临的标准争议问题。[page::0,1]

2.2 社会责任投资（SRI）发展历程与传统问题

本节回顾了SRI的三层次发展路径——筛选策略、影响力投资、社会价值投资。传统筛选策略直接依据企业CSR得分筛选股票构建投资组合，但面临重要挑战：

• CSR评级标准多样且缺乏统一规范，数据的范围、质量和综合指标的构建存在分歧；

- CSR是否能带来实际的投资回报依然有争议，部分理论和实证研究呈现矛盾；

• 传统CSR策略对极端风险控制的有效性存在质疑，部分基金经理因不确定性和额外成本避开CSR策略。

作者引用众多文献，如Boutin-Dufresne（2004）指出高CSR企业风险较低，Mishra和Modi（2013）观察到市场波动期CSR风险负相关加强，而Kim等（2014）发现高CSR公司通常不会隐瞒负面消息。反面研究则表明某些“罪恶”股票表现更优，投资者对低CSR股票的刻意回避本身也推高其收益率（Hong和Kacperczyk, 2009）。因此，作者提出将关注点转向CSR与风险的关系，尝试用CSR指标降低组合风险而非追求直接的超额收益。[page::1,2]

2.3 CSR对极端收益的影响 (方法与统计)

2.3.1 极端收益定义及CSR指标构建

• 极端收益定义为跨截面年收益中最高和最低的3%股票，其中最低3%包含退市股。

- CSR指标来源于MSCI，覆盖社区、公司治理、多元化、员工关系、环境、人权及产品质量安全七大方面的得分，取均值形成综合CSR指标。

• 研究数据库时间段为2003年至2016年，覆盖市值大约占市场总市值的73%，具代表性。

2.3.2 Probit模型设定

• 目标变量：极端收益的二元指示变量 \(Ij\) ，取值1代表出现极端收益。

- 自变量：调整CSR得分（AdjCSR）、账面市值比（BM）、企业规模（SIZE）、存续年限（AGE）、过去一年月均交易量（VOL）及股价（PRICE）。

• 模型表达：

\[
\mathrm{Pr}(Ij) = \Phi\left(\alpha + \beta1 \mathrm{AdjCSR} + \beta2 \mathrm{BM} + \beta3 \mathrm{SIZE} + \beta4 \mathrm{AGE} + \beta5 \mathrm{VOL} + \beta6 \mathrm{PRICE}\right) + \varepsilon_j
\]

2.3.3 关键统计数据（表1）

• 极端收益股票的平均AdjCSR为负（-0.090），而非极端收益股票为正（0.020），两组存在显著差异（p值非常低）。

- 极端收益组的公司规模、存续期普遍较小，波动率较高，价格较低，BM略有差异。

• 该统计初步显示高CSR与极端收益事件负相关。[page::2]

2.3.4 回归结果（表2）

• AdjCSR系数为-0.331，t值-9.04，显著负向影响极端收益概率。

- 规模和存续期同样显著负相关，波动率、价格呈正相关，体现了股票风险特征。

• BM的影响较弱且不稳定。

- 该模型自变量显示较强的说明力，覆盖范围大于70%。

• 研究结果与相关文献保持一致，强化了CSR指标在风险评估中的价值。[page::3]

2.4 预测准确率分析（表3、表4）

• 依据Probit模型的逐年预测，与实际极端收益对比分析。

- 识别率普遍在10%-26%之间，2009年金融危机期间预测准确率最低（13.7%），而2016-2017年达到了较高水平（约26%）。同年实际极端收益占比为6%，预测准确率体现了对极端股票的超额识别能力。

• 包含AdjCSR模型整体准确率明显高于不含CSR模型，说明CSR指标对极端收益事件预测的增益。

- 面板分析显示同时考虑最高和最低3%的极端收益预测效果优于单独预测单边3%，说明CSR得分高的公司在极端正收益和极端负收益的概率均较低。

• 预测结果验证了CSR与风险负相关的研究假设，有效支撑后续剔除极端收益股票策略的构建。[page::3,4]

2.5 修正CSR策略的实证验证（表5）

• 传统CSR策略持有高CSR股票、卖空低CSR股票构建组合；

- 修正策略是在此基础上剔除预测极端收益的前后6%股票，保持每年重构。

• 年度回测数据显示，修正策略与传统策略相比：

- 组合收益变动不大（通常<1.5%）；
- 收益波动率（标准差）显著下降，平均降低约3%，多年份差异显著；
- 不同极端值阈值（前后3%、5%、10%）剔除均显示类似效果，表明策略稳定性和鲁棒性。

• 结果明确表明剔除预计可能极端收益的股票增强了组合抗风险能力，同时基本维持了收益水平，[page::5]

2.6 极端收益的行业属性分析（表6）

• 按照标准行业分类（SIC编码第一位）统计各行业极端收益股票数量及比例。

- 极端收益比例中位数为6.28%，各行业比例无显著差别，从最低1.39%（SIC=0）到最高12.83%（SIC=9）波动，但总体分布较均匀。

• 结果表明行业差异并非导致极端收益的主要驱动因素，支持CSR影响极端收益概率的独立性假设。

- 行业分析增强了模型解释力度，排除了极端风险集中在特定行业的可能性。[page::5,6]

2.7 结论与进一步思考

• 本文提出的基于CSR指标的极端收益概率预测模型与由此修正的CSR策略，不仅使策略更精准规避风险，更解决了传统CSR策略收益确认困难、数据标准不统一的实际问题。

- 作者从企业治理、投资者偏好、政策支持等多个角度阐述了CSR对企业长期价值与风险控制的重要性，体现社会责任投资的综合价值。

• 指出国内CSR披露标准及执行机制存在不足，CSR多为“表面工程”与公益导向，实际渗透经营不足，降低了CSR对公司价值与风险的影响。

- 修正后的CSR策略设计更贴近实际投资需求，避免了复杂CSR评分标准的直接决策，提高实操可行性。

• 未来在碳中和等产业政策推动下，CSR策略及评级体系有望得到进一步完善，并带来更明确的投资价值体现。[page::6,7]

---

3. 图表深度解读

3.1 表1：数据描述性统计

• 展示极端收益与非极端收益股票在调整CSR、BM、规模、年龄、波动率、股价等指标上的统计特征。

- CSR得分在极端收益股票组明显较低，规模、存续期亦较小，且波动率较高，价格较低。

• 统计显示极端收益股票的公司特征更倾向于高风险、低CSR，支持模型设定基础。

3.2 表2：Fama-MacBeth回归结果

• 显示Probit模型中CSR对极端收益概率的负向影响极为显著（p<0.01），公司规模、存续期同样显著，波动率和股价与极端收益正相关。

- 置信水平10%下，自变量多数被包含，说明变量选择合理且有解释力。

• 辅助验证CSR作为风险控制指标的有效性。

3.3 表3与表4：预测准确率统计

• 表3展示逐年预测情况，列举实际与预测极端收益股票数量，识别率在10%-26%间波动。

- 表4通过累计预测结果对比含CSR模型与不含模型，展示含CSR模型识别率和实际极端收益比例一致性更好。

• 多面板进一步拆分极端收益单边或双边样本表现，验证综合极端收益预测的优越性。

- 说明CSR指标的加入显著提升了极端风险事件预测准确度。

3.4 表5：修正CSR策略收益及风险对比

• 多年份对比传统与剔除预测极端收益股票后的策略，展示收益基本持平。

- 风险指标（标准差）明显下降，降低约2%-6%不等，显著提升组合稳定性。

• 其他剔除比例策略表现一致，验证模型判断的稳健性。

3.5 表6：不同行业极端收益比例分析

• 各行业极端收益数字及比例分布均匀，没有行业明显聚集。

- 排除行业差异作为极端收益主因，强化CSR影响风险的独立作用。

---

4. 估值分析

本报告强调的核心在于风险控制与投资组合优化，未直接涉及对企业价值的传统估值分析（如DCF、市盈率等估值方法）。报告中通过统计模型及策略回测分析CSR与风险之间的关联，并非对企业估值进行定价。因此，此处不涉及具体估值模型，但从实务角度报告说明高CSR水平可减少极端风险事件，间接助力提升企业稳定价值。

---

5. 风险因素评估

报告识别和讨论的风险因素主要包括：

• CSR数据标准和披露质量不足：CSR指标构建目前缺乏统一规范，存在数据不全面、不一致的风险，可能影响模型预测的准确性和实操效果。

- 市场政策及企业执行力度有限：部分企业CSR行为停留于表面或公益层面，未深入经营，影响CSR对实际风险控制的有效发挥。

• 极端收益事件识别模型预测准确率未达理想水平：虽显著优于随机，但预测准确率仍有限且受市场周期影响，（尤其在金融危机期间预测能力下降）。

- 行业和宏观因素不确定性：虽统计上行业影响较弱，但不排除未来市场结构变化带来极端风险的调整，需要动态调整策略。

• 交易成本及策略实施风险：剔除极端风险公司带来组合构建的复杂化和交易频率，可能增加隐含成本，虽然策略每年重构降低交易频率，但仍需关注实际操作成本及流动性风险。[page::1,6,7]

---

6. 批判性视角与细微差别

• 预测准确率限制：模型预测极端风险的准确率虽高于随机，但是绝对值并不高（多维度最高约26%），说明模型仍有明显误判概率，需谨慎解读其结果，投资者不能完全依赖此模型剔除潜在风险。

- CSR评分体系问题未能从根本解决：核心问题即CSR标准与数据质量在报告中虽有提及，但对如何量化改进实务操作并无深入方案，影响策略的可持续推广。

• 样本选择及时间范围限制：研究数据集中于2003-2016年，有一定历史性，市场以及CSR披露环境可能已发生变化，后续数据需要进一步验证。

- 行业差异分析较为粗略：虽然排除了行业作为极端收益直接驱动因素，但以SIC一级编码划分较为粗糙，行业内细分及国家政策等复杂因素可能对极端事件影响更大，未来可深化此部分研究。

• 表达方式中“剔除极端收益公司”的投资建议在现实中具操作难度，尤其对小型投资者，需配套动态风险预警和多指标综合分析。

- 观点中对正面CSR影响估计偏乐观，忽视部分高CSR公司可能面临的成本增加或股东价值冲突问题，缺乏对此类负面影响的平衡讨论。[page::2,6]

---

7. 结论性综合

本报告系统实践了CSR纳入风险管理视角，构建并验证了基于CSR与多指标的极端收益预测Probit模型。主要发现包括：

• 高CSR水平显著降低未来极端收益概率：统计和回归证据明确支持CSR是投资组合风险管理中有效的负相关因子。

- 修正后的CSR投资策略有效降低组合波动率，保持收益稳定：通过剔除预测极端风险股票，组合风险显著降低（平均标准差下降约3%），收益变化微小（常在1.5%以内），提升投资组合稳健性。

• CSR测度和数据问题导致传统策略实际应用受限，改进策略减少投资者直接判断CSR的需求，具备更强实用性和可接受度。

- 极端风险非行业效应驱动，CSR自身对风险影响独立有效。

• 报告反映出当前CSR披露标准不统一和实操层面缺陷，阻碍策略推广，强调未来完善监管和数据质量的重要性。

- 策略的限制在于预测准确率有限及操作复杂，但已为国内外社会责任投资领域提供了创新的风险视角和方法论思路。

整体而言，本文通过理论建模和实证分析论证了CSR指标在投资组合风险控制中的重要作用和实用价值，为投资管理者和政策制定者提供了具有参考意义的策略改进路径，推动社会责任投资向更为科学和系统化方向发展。[page::0-7]

---

图表示例展示（部分）

• 报告首页封面图片：

---

以上为本篇报告的详尽分析解构，全面覆盖了文本内容、模型方法、数据图表和策略实证。分析力求条理清晰、侧重洞察与解读，为专业投资者及研究者深入理解企业社会责任在组合风险控制中的作用提供参考。

报告