• 研究背景与方法概述 [page::0][page::1]

- 文章针对ESG评分与基金收益关系，通过构建包含ESG因子的多因子模型和基于基金持股数据的收益归因，细致拆分ESG评分因子暴露。
- 研究使用1312只美国主动基金数据，涵盖2014.6-2019.6，结合MSCI提供的基金ESG评分及多个风格因子指数数据。

• ESG评分和基金特征总体统计 [page::5]

| Style | Number of Funds | Total AUM (billion $) | Active Return (%) | Expense Ratio (%) | ESG Score |
|------------|-----------------|-----------------------|-------------------|-------------------|-----------|
| Large cap Growth | 300 | 1349.9 | -1.68 | 0.86 | 5.0 |
| Small cap Value | 73 | 96.8 | -1.58 | 0.96 | 4.6 |
| All funds | 1312 | 3878.6 | -1.19 | 0.87 | 4.9 |
- 大盘成长型基金规模最大且ESG得分略高于小盘基金，规模加权收益优于算术平均，表明规模较大基金绩效相对较好。

• 基金收益与ESG分组统计分析 [page::6]

- ESG得分高的基金，尤其是前十分位组，具有明显更低的加权碳强度（85.1，约为其他分组一半）。
- 主动收益与ESG得分弱负相关（-0.06），只有高收益组（第8-10组）实现正收益，且费用率和资金规模均较优。

• ESG各分量与风格因子暴露的相关性 [page::6]

| Decile (E Score) | Momentum | Value | Quality | Low Volatility | Small | Large-Cap MF | Small-Cap MF |
|------------------|----------|-------|---------|----------------|-------|--------------|--------------|
| 1 (Low) | 1.0% | 3.3% | 1.1% | 0.0% | 7.8% | 0.4% | 86.5% |
| 10 (High) | 33.9% | 13.9% | 37.3% | 5.6% | 5.7% | 0.8% | 2.8% |
- 随着E评分上升，动量和质量因子暴露度显著增加，小盘多因子暴露度显著减少，显示环境评分与因子暴露度强相关。

• 环境评分回归模型拟合优度显著高于社会和治理评分 [page::7]

| 因子 | Coefficient (Environmental) | t-Stat | Coefficient (Social) | t-Stat | Coefficient (Governance) | t-Stat |
|--------------|-----------------------------|--------|---------------------|--------|--------------------------|--------|
| Momentum | 1.03 | 15.72 | 0.25 | 5.89 | -0.39 | -7.83 |
| Value | 0.11 | 1.88 | -0.24 | -6.04 | -0.36 | -7.76 |
| Quality | 0.35 | 6.90 | 0.20 | 6.07 | -0.15 | -3.78 |
- 环境评分模型调整后 $R^2$ 为0.75，显著优于社会（0.26）和治理（0.14）评分，说明环境评分与风格因子关联最强。

• ESG因子广度与环境评分显著正相关 [page::8]

- 高环境评分基金的因子广度从1.3增长至2.5，表明高评分基金因子配置更为广泛，主要因子组合更丰富。

• 基金因子权重随环境评分变化趋势 [page::8]

- 低环境评分基金权重高度集中于小盘多因子，高环境评分基金则偏向动量、质量及反转因子权重更高。
- 价值因子权重与环境评分呈非线性关系，先升后降。

• 传统时序回归模型中基金因子载荷与ESG关系有限，持股数据基因因子模型更优 [page::9]

| ESG Decile | Market Beta | Size Beta | Value Beta | Momentum Beta |
|------------|-------------|-----------|------------|---------------|
| 1 (Low) | 1.04 | 0.71 | 0.08 | 0.05 |
| 10 (High) | 0.93 | -0.07 | -0.10 | 0.01 |
- 基于持股的因子暴露模型更清晰揭示基金对ESG的反应，Fama-French-Carhart和AQR传统模型解释力有限。

• 基金选股alpha与因子相关ESG成分正相关，且统计显著 [page::10]

| 回归模型 | 因子ESG系数 | t统计值 | 特质ESG系数 | t统计值 |
|----------------|-------------|---------|-------------|---------|
| ESG Score回归Ⅰ | 3.22 | 4.51 | -0.40 | -1.33 |
| Environmental回归Ⅱ | 0.74 | 2.77 | -0.25 | -1.72 |
- 选股alpha明显由因子ESG部分驱动，特质性部分无明显贡献，基金风格因素、费用和规模等控制变量亦显著。

• 基金主动收益回归对因子ESG更显著支持 [page::11]

| 回归模型 | 因子ESG系数 | t统计值 | 特质ESG系数 | t统计值 |
|----------------|-------------|---------|-------------|---------|
| ESG Score回归Ⅰ | 7.67 | 8.43 | 0.03 | 0.08 |
| Environmental回归Ⅱ | 2.12 | 6.17 | 0.25 | 1.34 |

• 总结与投资建议 [page::11][page::12]

- ESG高评分基金尤其环境评分高的基金，通过增加对质量、反转等风格因子的暴露，实现更高的alpha与收益。
- 投资者在选择ESG基金时，应关注其因子暴露特征，理解ESG暴露潜在的因子风险与机会。
- 后续研究建议测试不同ESG评级机构数据，并评估国内市场的ESG因子相关机制。

报告详尽分析：如何通过分析因子暴露来获取ESG的Alpha？

---

1. 元数据与报告概览

• 报告标题：《海外文献速览系列之三：通过分析因子暴露来获取ESG的Alpha》

- 作者与分析师：高智威，东兴证券金融工程首席分析师

• 发布时间：2021年5月1日

- 发布机构：东兴证券研究所

• 研究主题：基于Madhavan A、Sobczyk A与Ang A的论文《Toward ESG Alpha: Analyzing ESG Exposures through a Factor Lens》之研究，探讨ESG评分因子在基金收益归因模型中的作用，并深入分析ESG因子分解后与基金alpha及因子暴露的关系。

该报告意在为投资者提供透过因子暴露角度理解和利用ESG评分实现超额收益（Alpha）的理论与实证研究。投资者最核心的信息点是：基金ESG评分与多种传统风格因子（质量、反转等）存在显著相关性，且因子相关的ESG部分与基金的主动收益与alpha显著相关，而特质性ESG成分未见相关；这说明ESG投资或可通过调整因子暴露间接实现Alpha获取。

---

2. 逐章深度解读

2.1 研究背景与核心问题

• ESG投资成为主流，市场认可其价值，但ESG与回报的因果关系并未统一；

- 文献中观点分歧明显，部分文献支持高ESG带来超额收益（Kempf & Ostho 2007等），也有相反证据显示“罪恶”股票表现优异（Hong & Kacperczyk 2009）；

• 作者提出两条路径实现ESG投资策略：

1. 直接基于ESG评分选择标的；
2. 通过分析ESG和传统风格因子的相关性，调整因子暴露度间接实现ESG表现。

• 该研究重点在于用因子模型对基金的ESG得分进行分解，利用1,312只美国主动基金数据，从持股层面切入，将基金alpha、因子暴露和ESG得分关联起来，探讨ESG对Alpha的贡献机制 [page::0,1].

2.2 理论模型与方法论

• 基础是多因子模型：各证券收益由α（超额收益）、因子载荷与因子收益及特质风险组成。

- 引入ESG因子：正交化处理ESG评分，分解成因子相关部分（Factor ESG）和特质性部分（Idiosyncratic ESG），并将其融入基金经理的投资权重计算，考察其对最终alpha的影响。

• 利用持股数据，基金收益细分为因子暴露收益、因子时序变化收益与选股alpha三部分，借助因子ETF构建基金的模仿组合，计算因子暴露和投资权重，进而分解基金的ESG得分，量化其与因子暴露的关系 [page::2,3,4].

2.3 数据与实证分析

• 数据来源：

- 基金数据：1,312只美国主动共同基金，2014年6月至2019年6月季度持仓，管理资产近3.9万亿美元，数据来自晨星。
- ESG评分：MSCI提供，只有持股中至少有65%个股有ESG评分的基金才被赋予基金级别ESG评分。
- 风格因子指数：7个多头长期因子ETF，涵盖价值、规模、质量、动量、最小波动率及多因子组合（详见表1）[page::4-5].

• 汇总统计（图1）：

- 大盘成长型基金数量及管理规模最大，平均收益按规模加权优于算术平均，说明大型基金相对表现较好。
- 不同风格基金ESG得分差异不大，市场主流普遍对ESG持类似评分，风格框架影响有限。
- 小盘基金ESG得分略低于大盘，规模对ESG偏好存在微弱影响。[page::5]

• 基金收益与ESG评分关系（图2）：

- 基金按主动收益分组，收益与ESG得分呈弱负相关（-0.06），但高收益组的加权碳强度明显较低，表明较高ESG标准与较低碳强度相关。
- 高收益基金一般规模较大、费用较低，表现差的基金则费用高、AUM小，符合常规投资绩效规律。[page::5-6]

• 因子载荷与ESG评分截面关系（图3 & 表4 & 图5 & 图6）：

- 主要发现环境评分（E）与因子暴露显著相关，动量因子和质量因子的权重随E分数升高几乎单调上升，而小盘多因子权重相反。
- 社会（S）和治理（G）评分与因子的相关性较弱，表现不及环境评分。
- 表4回归显示环境因子模型的调整R^2高达0.75，S与G分别为0.26和0.14，进一步印证环境因子与风格因子强相关。
- 图5因子广度显示，环境评分升高的组合因子暴露多样性显著增加，反映环境评分基金多样化因子配置较丰富。
- 图6详细展示高环境评分基金从小市值多因子向质量、动量及低波动率因子转移趋势，价值因子呈中间峰特征，说明非简单线性相关。[page::6-8]

2.4 传统时序回归模型对比（图7 & 图8）

• 传统Fama-French-Carhart及AQR模型显示，ESG分组基金差异仅体现在部分因子beta上，如市场beta和账面价值因子beta，但差异幅度有限且难以解释。

- 基于持股数据的因子暴露分析较传统时序回归展示更清晰的因子结构，有更强统计能力和经济学解释力。

• 传统模型中主动收益与ESG的关系不明显，强调了基于持股的精细归因模型优势。[page::9]

2.5 基金Alpha与ESG评分的关系（图9 & 图10）

• 利用分解后的ESG因子，作者发现：

- 因子相关ESG部分与基金选股alpha正相关（回归系数显著为正），说明因子暴露调整对ESG友好基金的超额收益贡献显著；
- 特质性ESG部分（与因子无关）与alpha相关性不显著，甚至呈负相关，可能说明纯粹的ESG非因子因素难以带来超额收益。

• 这一结论同样对基金主动收益成立，且拟合度更高，说明因子相关ESG是获取Alpha的主要来源。

- 其他控制变量显示基金规模、低费用对超额收益有正面影响，基金波动率系数正与主动管理模型一致。[page::9-11]

2.6 结论与投资建议

• ESG因子与传统风格因子高度相关，环境评分尤为显著。

- 基金经理实现ESG评分提升有两种方式：侧重因子暴露调整（因子相关ESG），或依赖特质性因素。只有因子相关部分对Alpha贡献明显。

• 实证结果提醒投资者关注基金ESG得分背后的因子结构，理性关联ESG评分与风险调整后收益预期。

- 文章提示未来研究方向包括研究其他ESG评分机构数据的相关性及实证结果的稳健性。

• 对国内市场的ESG与因子暴露关系的研究仍需跟进，若类似，则可用因子配置方法实现ESG投资策略。[page::11-12]

---

3. 图表深度解读

3.1 表1：基金风格因子数据来源

• 收录7个MSCI指数代表的多因子投资组合，细致涵盖价值、规模、质量、动量、低波动率及大盘/小盘多因子。

- 选用的指数代表因子暴露的经典市场代理，适合用于模拟基金持仓因子暴露。

• 这是因子暴露估计和回归分析的基础。[page::5]

3.2 图1：基金风格分类统计汇总

• 展现不同风格和市值组合基金的数量、管理规模、主动回报、费用率和ESG评分。

- 大盘成长型基金规模最大，但回报并非显著优异，平均ESG得分无显著差异，显示ESG考量与传统风格无强相关。[page::5]

3.3 图2：按主动收益分组的基金ESG和特征统计

• Panel A显示各十分类基金加权碳强度和ESG评分，主动收益排名最高的组碳强度最低（85.1），提示高ESG标准基金趋于低污染投资。

- Panel B指出高收益基金对应较大规模和较低费用，符合基金业绩常识。[page::6]

3.4 图3：按E、S、G评分分组的因子暴露（重点在Panel A）

• 最高环境评分组在动量（33.9%）与质量因子（37.3%）权重远超低评分组（分别为1.0%、1.1%），小盘多因子权重则反向变化，体现环境评分与高质量、高反转因子高度相关。

- 社会和治理评分的因子配置关系较弱。[page::6]

3.5 图4：ESG评分截面回归系数与显著性

• 环境评分回归拟合度高（Adjusted R² = 0.75），偏好动量、质量和低波动率因子，负相关小盘多因子。

- 社会和治理评分解释力远低，部分回归系数符号相反，说明环境评分在因子关系中的突出地位。[page::7]

3.6 图5：因子广度（因子权重集中度倒数）

• 环境评分组合因子广度随评分升高明显扩展，说明高E评分基金在多个因子上的投入较平衡；

- 社会、治理评分组合因子广度稳定，缺乏明显趋势。[page::8]

3.7 图6：按环境评分细分组合因子权重堆积图

• 明显看到随着环境评分从低到高，投资组合逐渐由小盘多因子主导转向质量、反转及低波动率因子；价值因子呈中位数峰值趋势。

- 展示环境评分基金的多因子组合动态变化，深化理解因子结构与ESG的结合。[page::8]

3.8 图7 & 图8：传统Fama-French-Carhart与AQR模型因子载荷

• 因子载荷差异不大，部分因子对ESG分组的显著性和经济意义不强。

- 与持股水平因子暴露分析对比突出传统模型的局限性。[page::9]

3.9 图9 & 图10：基金选股Alpha与主动收益回归结果

• 因子相关ESG的系数均为正且显著，特质性ESG不显著。

- 控制变量合理，调整R²分别为0.16~0.22，展示模型解释力。

• 强调因子层面ESG对获得超额收益的直接贡献。[page::9-11]

---

4. 估值分析

本报告作为文献综述与归纳性质报告，未涉及传统意义上的估值模型（如DCF、市盈率等），主要聚焦于基于统计回归模型对基金收益归因的实证分析。因此此部分无需展开具体的估值模型分析。

---

5. 风险因素评估

• 模型风险：该实证研究基于美国历史市场数据，转换至其他时间段或市场存在模型失效风险。

- 市场环境变化风险：ESG市场规模增长快速，高评分股票被指数化进入基金可能导致未来Alpha持续性下降。

• ESG评分数据差异风险：不同供应商ESG分数间存在弱相关性，结果可能对数据来源敏感（文中称“总体混乱”现象）。

- 国内市场适用性风险：美国市场结论不确定性应用于中国市场，国内因子及ESG环境差异大。

• 报告未针对风险提出细化缓解方案，提醒投资者注意模型假设和数据局限带来的不确定性。[page::0,12]

---

6. 批判性视角与细节

• 理论假设依赖：投资权重与基金经理风险厌恶系数的均值-方差模型，现实中投资者的策略更复杂，有可能偏离模型假设；ESG预期收益难以准确估计，文章虽提及Merton(1980)关于预测收益困难，但推断仍受限于模型近似。

- 数据与时间跨度限制：研究数据覆盖2014-2019年，ESG投资快速发展期，样本期间ESG股票资金流入有限，无法反映未来持续ESG指数资金流入对价格/Alpha的影响。

• ESG评分单一来源：只使用MSCI评分，其他评分供应商评级体系差异巨大，可能削弱结果普适性和稳健性。

- 因果推断不足：ESG评分与因子暴露高度相关，但相关不代表因果，可能存在共同驱动因素。

• 效应解释力度差异：传统时序模型与持股层面模型结果差异提示，单纯用时序回归难捕捉基金因子暴露动态，提醒研究ESG绩效时应采用更精细的持股数据分析。[page::1,9]

---

7. 结论性综合

本文通过引入ESG评分进多因子基金收益归因模型，基于超过1300只美国主动型基金的持股数据和MSCI ESG评分，开展系统性实证研究，揭示了ESG评分对基金Alpha贡献的深层机制。核心结论包括：

• ESG评分，特别是环境评分，与传统风格因子（质量、反转、低波动率等）表现出高度的相关性，且基金在这些因子上的暴露度随ESG评分提高而增加。

- 通过因子回归将ESG分解为因子相关ESG与特质性ESG，实证显示仅因子相关ESG对基金选股Alpha和主动收益存在显著正向影响，特质性ESG部分影响微弱且不显著。

• 持股层面分析相较于传统时序因子回归模型，具有更高的统计效力与解释力，突显实际持股因子暴露的结构性差异对Alpha解释的重要性。

- 从投资实践角度，投资者选择ESG较高的基金时应关注其因子暴露特征，调整因子风险偏好以匹配自身投资目标，识别因子暴露与ESG得分背后的风险溢价关系。

• 研究为实现ESG投资策略提供了切实可行路径之一——通过因子投资策略实现ESG因子暴露，尤其在ESG数据尚不完善的市场环境下更具操作价值。

- 报告强调未来研究需求：验证其他ESG评分体系的稳健性，扩展至国内市场以检测因子暴露与ESG相关性的普适性，及长期关注ESG资金流入对市场Alpha结构的潜在影响。[page::11,12]

---

整体来看，该报告系统梳理并分析了当前ESG投资中极具价值的因子暴露视角，理论结合实证兼备，数据详实，方法合理。其结论不仅深化了对ESG评价体系与传统量化因子的关系理解，也为投资者设计基于因子的ESG投资策略提供了翔实的事实依据和方法论支持。投资者和学术界在检视ESG投资与超额收益联系时，需警惕因子暴露对收益的掩盖作用及数据体系差异带来的淡化或放大效应。

---

图表引用示例：





---

参考文献及风险提示

本文汇总自东兴证券研究所2021年5月1日发布报告，内容基于《Toward ESG Alpha: Analyzing ESG Exposures through a Factor Lens》（Financial Analysts Journal, 2020）[page::12]。报告不构成投资建议，研究结果基于历史美国市场数据，模型可能因市场环境变化失效。投资者应谨慎评估并结合自身情况做决策。

---

此文全面涵盖了ESG因子暴露与基金收益归因的理论基础、实证方法、数据应用、关键发现及投资实践启示，且清晰解析了全部主要表格和图表的内容与意义，力求提供一份深入且具有指导性的分析报告。

报告