ESG投资理论框架与动机 [page::0][page::1]

• ESG投资涵盖金融回报与非财务可持续性目标两种驱动，前者关注风险调整后的收益，后者强调伦理及道德考量。

- 传统风险度量仅考虑财务收益，难以覆盖ESG投资者多维度需求，提出构建双变量风险度量同时衡量财务和ESG风险。

ESG-coherent风险度量的数学定义及特点 [page::5][page::6][page::7]

• 基于Artzner等(1999)的统一风险测度公理，扩展至二维随机变量空间（财务收益与ESG评分）。

- 引入参数λ∈[0,1]，表达投资者对财务风险与ESG风险的相对偏好。

• ESG一致性风险度量满足子加性、正齐次性、单调性及λ齐次性，支持风险多维度分散。

- 风险度量可视为通过加权整合财务与ESG数据形成的单变量风险函数，兼具理论严谨性与计算可行性。

ESG安全资产与投资组合风险对冲分析 [page::9][page::10][page::11]

• 提出ESG安全资产概念，分别覆盖纯财务安全资产、纯ESG安全资产及慈善捐赠型资产。

- 说明投资者在满足风险阈值情况下如何通过添加ESG安全资产来对冲多维风险，权重依赖于偏好参数λ。

• 在存在多个ESG安全资产时，投资者通常选择风险最小的单一资产构建对冲组合。

ESG-AVaR及其它ESG风险度量的构建与性质 [page::12][page::13][page::14][page::15][page::16]

• 利用平均风险价值(AVaR)推广两种ESG一致性风险度量方法：线性组合风险度量和风险度量线性组合，均满足ESG一致性公理。

- 非一致性风险度量（如基于方差和波动率）扩展后不满足ESG风险度量的严格条件。

• 构建ESG回报-风险比（RRRs）指标族，包括ESG夏普比、ESG Rachev比率、ESG STAR比率、ESG Sortino-Satchell比率、ESG Omega比率及ESG Farinelli-Tibiletti比率。

实证分析—基于DJIA成分股和Factset Truvalue ESG日频数据 [page::19][page::20][page::21][page::22][page::23]

• 通过统计各成分股的日收益与ESG评分时序，发现二者变异性和相关性表现显著不同，ESG评分波动小且与收益相关性近零。

| 公司 | 平均收益 | 收益波动率 | 平均ESG | ESG波动率 | 收益-ESG相关性 |
|----------|----------|------------|---------|-----------|----------------|
| Apple | 0.242 | 0.336 | 0 | 0.005 | -0.025 |
| Amgen | 0.045 | 0.262 | 0.149 | 0.012 | -0.002 |
| ... | ... | ... | ... | ... | ... |

• 相关性矩阵显示股票间收益高度正相关，而ESG间呈现混合正负相关，且收益与ESG间接近零相关。

ESG风险指标与回报比率对股票排序的影响 [page::22][page::23]

• ESG-AVaR排序相对稳定，λ超过0.5后，ESG因素开始主导排序。

- ESG回报-风险比（如Rachev比率、STAR比率）对λ敏感，反映ESG-效用权重调整带来的实际资产评价变化。

• 标准差排序较少受λ影响，表明波动率较少反映ESG信息变化。

- ESG平均收益、ESG-夏普与ESG Sortino-Satchell排序随λ显著变化，体现了ESG与财务收益的互补判断依据。

结论与展望 [page::23][page::24]

• 提出封闭的、多维度风险理论及测度框架以适应ESG投资需求，满足投资者在财务收益和ESG之间的个性化偏好。

- 该框架扩展了传统风险管理工具，兼顾非财务风险的系统性纳入，提供了理论依据支持责任投资。

• 未来研究将聚焦ESG投资组合优化、资产定价及行为金融学拓展以完善该理论体系。

深度分析报告：《ESG-coherent risk measures for sustainable investing》

---

1. 元数据与报告概览

标题：ESG-coherent risk measures for sustainable investing
作者：Gabriele Torri, Rosella Giacometti, Darinka Dentcheva, Svetlozar T. Rachev, W. Brent Lindquist
机构：意大利贝加莫大学管理系，美国斯蒂文斯理工学院工程与科学学院，美国德克萨斯理工大学数学与统计学系
发布日期：2025年3月25日
主题：将环境、社会与治理（Environmental, Social, and Governance，简称ESG）因素融合进风险测度的理论框架与实证分析，针对可持续投资设计新的风险和组合评估工具。

报告核心论点：
作者提出了基于双变量随机变量的ESG一致性风险度量（ESG-coherent risk measures）以及ESG奖励-风险比（reward-risk ratios），扩展了传统单变量风险度量理论以考虑非财务的ESG表现。核心思想是通过参数化的方式，允许投资者根据个人喜好权衡货币风险与ESG风险。报告还展示了基于该理论的实证研究，运用真实且高频的ESG评分数据对股票进行排序和风险测量。作者强调，该框架兼顾了风控与伦理取向下的投资需求，推动可持续投资理论的发展。[page::0,1,2,3]

---

2. 逐节深度解读

2.1 引言与背景（第0-2页）

报告开篇鉴定了ESG投资的双重动因：一是基于风险调整收益的财务动机，二是基于伦理或品牌形象的非财务动机。前者将ESG信息视为识别隐藏风险和机会的工具，符合传统金融理论；后者则挑战传统风险收益优化假设，可能导致投资者在风险调整收益上作出意愿牺牲（如排除某些行业），从而影响市场均衡（Heinkel等，2001；Pástor等，2021）。作者明确将风险收益型投资者与伦理型投资者区分开来，且后者在实际运作中可能采纳“不可谈判”的ESG原则，导致组合多样性下降并影响企业资本成本。

随后，作者提出建立一个新的理论框架来刻画后者，即“ESG导向投资者”，并将ESG风险纳入风险度量模型，采用双维随机变量模型（金融收益与ESG评分）体现两个风险源的随机性及其相关[page::0,1,2]。

2.2 ESG评分建模与测量（第3-4页）

本节集中探讨ESG评分的性质和建模方法。作者强调ESG评分应视为一类非货币“流量”变量，即代表投资持有期内产生的非财务满足度，累计形成投资者的整体非财务收益，因此将ESG评分建模为累计ESG流（积分形式）。评分每日更新（如Factset的Truvalue当天分数）使得ESG测量高频且动态，可与金融收益的时间尺度一致，从而支持风险评估的联合时序模型。

数学建模上，定义双维向量随机变量$XT=[rT, ESGT]'$，其中$rT$为金融累计对数收益，$ESGT$为对应的ESG累计评分。ESG评分的随机性来源于测量误差和企业可持续战略的动态演变，且ESG评分与金融收益间存在相关（行业、国家等共性因素）。作者提出将ESG评分重标度到与金融收益的量级可比范围，方便计算[page::3,4]。

此外，报告承认当前ESG评分数据的异质性和标准化不足，强调多数据源融合及时间序列建模的重要性，为后续高频动态风险管理奠定基础[page::4]。

2.3 环境社会治理风险度量的公理化定义（第5-8页）

继承Artzner等(1999)的单变量“相干风险度量”公理，报告在多变量（双变量）随机空间构造ESG-coherent risk measure。具体扩展包括：

• 定义在带有金融收益和ESG评分的双维随机向量空间$\mathcal{X}2$上。

- 引入参数$\lambda \in [0,1]$，表示投资者权衡金融风险（$1-\lambda$）与ESG风险（$\lambda$）的偏好强度。

• 公理包括：

- SUB-M（次可加性）：组合风险不高于各部分风险之和；
- PH-M（正齐次性）：规模缩放线性变化；
- MO-M（单调性）：风险顺序与随机变量大小一致；
- LH-M（Lambda齐次性）：确定性常量风险的参数化形式，体现投资者偏好。

进一步，作者证明此类风险度量满足双变量的平移不变性（TI-M），并指出相比于集合值风险度量的复杂体系，单标量&双变量的风险指标可直接用于排名和决策。

此框架打破了传统金融仅考虑货币回报的假设，允许投资者在兼顾财务和可持续性的多维目标中多样化组合风险，体现了一个综合衡量投资风险的理论基础[page::5,6,7,8]。

2.4 ESG风险度量的对偶表述（第8-9页）

报告引入对偶理论，证明ESG-coherent risk measure可表示为对某一风险包络集合$\mathcal{A}{\rho{\lambda}}$中非负加权函数的期望supremum，即：

$$
\rho{\lambda}(XT) = \sup{\zeta \in \mathcal{A}{\rho\lambda}} \left\{-\mathbb{E}[\zeta1 rT + \zeta2 ESGT]\right\}
$$

其中$\zeta=(\zeta1, \zeta2)$满足$\mathbb{E}[\zeta] = [(1-\lambda), \lambda]'$。此表达为理解和计算风险度量提供优化框架，也连接了风险测算与概率加权视角，便于推广和实际估计。

此外，极端参数值$\lambda=0$和$\lambda=1$对应传统金融风险和纯ESG风险，确保框架在单一目标极限时与现有理论一致[page::8,9]。

2.5 以ESG安全资产对冲风险（第9-12页）

作者引入ESG安全资产的概念——在金融收益和ESG两个维度均为确定常量的资产，扩展传统安全资产以服务于双变量风险度量。提出投资者可通过配置ESG安全资产以降低风险至可接受水平的最优资金比例$w\lambda^$，并具体给出计算公式：

$$
w{\lambda}^ = \frac{\rho\lambda(XT) - \kappa}{(1-\lambda)RFT^r + \lambda RFT^{ESG} + \rho\lambda(XT)}
$$

区分三类安全资产：纯金融（无ESG影响），纯ESG（无金融收益），及“慈善”类安全资产（金融收益负100%，但ESG正面）。后者凸显了伦理动机下投资可能选择牺牲财务收益的特殊资产。

同时，分析多个ESG安全资产时，投资者因风险度量的凸性只会选择风险最小的单一安全资产持有，实现对多资产组合的简化处理[page::9,10,11]。

2.6 ESG-coherent 风险度量示例（第12-15页）

报告给出两种从经典单维风险度量扩展到ESG情况的策略：

1. 线性组合法：

$$
\mathrm{ESG}-\rho{\lambda}(XT) := \rho \big( (1-\lambda) rT + \lambda ESGT \big)
$$

1. 线性权重法：

$$
\mathrm{ESG}-\rho{\lambda}^l (XT) := (1-\lambda) \rho(rT) + \lambda \rho(ESGT)
$$

分别应用于广泛使用的平均超额风险（AVaR）指标，得到两类ESG-AVaR风险指标。前者保留了多元依赖结构的优点，后者是对极端共动性的保守估计。

此外，报告说明基于方差或波动率的ESG扩展并不满足ESG一致性公理，强调所提方法的理论合理性优于传统波动率风险度量[page::12,13,14,15]。

2.7 ESG奖励-风险比（RRR）扩展（第16-18页）

依据Cheridito和Kromer(2013)对于单变量RRR的定义，作者将RRR扩展至ESG双维框架，定义：

$$
\alpha\lambda (XT) = \frac{\theta\lambda (XT)^+}{\rho\lambda (XT)^+}
$$

其中$\theta\lambda$和$\rho_\lambda$分别为ESG奖励和风险度量。

报告进一步给出ESG-RRR的四大公理（单调性、准凹性、尺度不变性、分布基础），并证明所提出定义满足绝大部分条件。

随后列举六种主流奖励风险比的ESG版本（ESG Sharpe比率、ESG Rachev比率、ESG STAR比率、ESG Sortino–Satchell比率、ESG Omega比率和ESG Farinelli–Tibiletti比率），并讨论其各自的数学及经济属性，展示框架的适用广度和理论深度[page::16,17,18]。

2.8 实证分析（第19-22页）

利用2020-2023年道琼斯工业平均指数（DJIA）28只个股的日对数收益与Factset Truvalue每日更新的Pulse ESG评分，报告开展了实证排序分析。

• 数据特点：ESG评分波动幅度远小于收益率波动，二者近似不相关，支持双风险源可多样化的假设。

- 图表1展示各股票的ESG评分与对数收益走势及两指标的平均值和波动率散点图，发现ESG与收益间相关性较弱(+0.18与-0.12)。

• 表3展现28家公司收益率和ESG评分的均值、标准差与对相关系数，数据揭示收益率呈现行业间高度相关，ESG之间和收益-ESG之间相关各异，体现ESG风险的独立性。

- 图2为收益与ESG的相关矩阵，可视化证实上述结论。

基于上述数据，计算不同$\lambda$值下的多项ESG风险与奖励风险指标，包括ESG-AVaR（$\tau=0.95, 0.99$）、ESG波动率、ESG平均回报、ESG Rachev比率、ESG STAR比率和ESG Sharpe比率。通过历史模拟估计，结果以图3形式展示各指标对个股的排名随$\lambda$变化而变的动态情况。

主要发现：

• ESG-AVaR排名对$\lambda \leq 0.5$较为稳定，主导因素仍为财务风险，$\lambda$接近1时进入ESG风险驱动阶段。

- Rachev比率排名依赖于尾部风险，其稳定性源于指标自身的概率权重结构。

• STAR比率、ESG平均收益和Sharpe比率排名受ESG对回报的影响较大，随$\lambda$变化显著。

- 波动率指标几乎不受ESG影响，排名稳定。

该实证验证框架的灵活性和分析力，强调高频ESG数据对风险测度及资产管理的重要价值[page::19,20,21,22,23]。

2.9 结论（第23-24页）

报告总结其贡献为：

1. 引入了ESG一致性风险度量，解决传统风险度量在可持续投资中的局限。

2. 允许通过参数$\lambda$反映投资者对货币与ESG风险不同偏好。

1. 提供了理论对偶表示、风险度量示例以及奖励-风险比的推广。

4. 强调该方法更多服务于具有伦理诉求的投资者，而非单纯改善风险调整财务表现。

1. 呼吁未来研究聚焦于优化资产配置、效用论及资产定价理论的ESG导向扩展。

其成果推动了面向多维投资目标的金融理论发展，填补了货币收益与可持续表现之间的理论空白[page::23,24]。

---

3. 图表深度解读

3.1 图1（第20页）

• 描述：分别展示了28只DJIA成分股2020-2023年每日ESG Pulse分数（Panel A）和每日对数收益率（Panel B）的时间序列走势。Panel C和D为以股票为单位的平均ESG评分与平均收益（C）及收益波动率（D）之间的散点关系。
• 解读：

- ESG评分变化比收益率温和，整体维持相对稳定，体现企业ESG表现的渐进性。
- ESG评分与收益之间存在稍正相关，但非强，提示ESG对财务表现影响有限且复杂。
- ESG与收益的波动性呈轻微负相关，暗示较好ESG表现或许有助于收益风险下降。

• 联系文本：支持在双变量模型中ESG和收益的独立及弱相关假设，为后续多维风险分解提供数据基础[page::20]。

3.2 表3（第21页）

• 描述：列示28家公司的代码、行业、收益率和ESG评分统计指标（年化均值、标准差），及二者相关系数。
• 解读：

- 收益均值跨公司差异明显但均为波动整体较大，部分负收益企业存在。
- ESG均值波动较小，且多为正值，但少数公司负向ESG评分表明表现不佳。
- 日度收益与ESG相关性几乎为零，确认两风险因素基本独立。
- 各板块ESG评分分布宽泛，支持ESG风险可多样化。

• 联系文本：与文中ESG与收益独立性的假设相符，强化ESG与金融风险解耦的理论基础[page::21]。

3.3 图2（第21页）

• 描述：彩色热力图显示28家公司收益与ESG评分之间的相关矩阵，左上角为收益-收益，右下为ESG-ESG，左下及右上为收益-ESG相关。
• 解读：

- 收益间相关普遍较高（青色，接近+1），显示行业与市场共振效应。
- ESG评分间相关符号混合，表现不一致且多为低相关，显示ESG影响多元且较为分散。
- 收益与ESG相关技术基本无显著线索，近零相关（白色），进一步说明两者风险因素多为独立。

• 联系文本：强化投资组合中ESG风险与财务风险可以进行有效分散的实证依据[page::21]。

3.4 图3（第22页）

• 描述：9幅子图展示了多种ESG风险与奖励-风险比指标对28只股票的排名随权重参数$\lambda$（从0到1）变化的走势。颜色编码代表各公司所属行业。
• 解读：

- ESG-AVaR排名在$\lambda<0.5$时稳定，之后因ESG风险占比提高排名大幅变动。
- Rachev 比率排名展现较好稳定性但在尾风险下变化明显。
- 标准差排名基本不随$\lambda$改变，突出ESG风险波动较低。
- 排名前端股票多样化，行业特征未形成单调趋势。
- ESG-平均收益与ESG Sharpe比率排名变化剧烈，显示收益和ESG偏好权重调整显著影响持仓选择。

• 联系文本：图示直观体现了双因素风险度量的灵活性，参数化框架适应不同投资者偏好；同时佐证实证分析中ESG数据动态纳入风险管理的可行性[page::22]。

---

4. 估值分析

报告并无直接涵盖传统意义上的资产估值或价格目标价计算，而是聚焦于风险度量的理论构建与实证排名，侧重于风险和回报调整指标的定义和应用，未涉及资产内在价值和未来现金流折现等估值方法。

---

5. 风险因素评估

报告的风险因素主要聚焦于：

• ESG评分本身的测量不确定性和市场标准化不足，导致不同来源评价异质，影响风险测度一致性和比较性。

- 投资者偏好多样化，使得风险度量的参数$\lambda$需谨慎选择，错误估计可能导致风险管理失效。

• 伦理诉求导致的投资限制会损害组合多样化效率，影响市场均衡与资产定价。

- ESG数据频率和未来持续政策变动不确定性增大整体风险建模复杂度。

报告讨论了缓解策略，包括引入参数化的风险权衡、基于双变量随机过程表示ESG风险，以及设计灵活的安全资产对冲机制，尚未讨论对数据质量风险的具体技术性缓解方案[page::4,9-11]。

---

6. 批判性视角与细微差别

• 局限一：虽然双变量风险度量带来理论创新，但现实中ESG评分依赖舆情、媒体等非标准化指标，高度受主观判断影响，模型输入变量的准确度和可比性尚待提高，可能限制实务中的广泛适用性。
• 局限二：对于伦理动机强烈的投资者，进一步的投资组合优化和资产定价模型尚未完备，报告开篇即声明为“理论起步”，仍缺乏能直接指导实务的定量决策规则。
• 局限三：实证样本规模相对有限，仅覆盖美股大型蓝筹股，且贯彻的ESG评分类型及频率特殊，是否能代表广泛市场特征尚需进一步验证。
• 模型假设细节：关于双变量随机过程的独立性及相关结构假设未做深入讨论，这可能对风险测度结果产生重要影响。
• 表格1与表2不完整：报告中的两个总结性质的表格因格式问题未完全展现，限制对风险度量具体性质的复核。
• 风险度量与奖励度量的参数依赖：$\lambda$作为权衡参数将主观性引入风险度量，实际投资者如何确定并调整该参数缺少实证指导。

综合来看，报告理论表达严谨，方法创新，但应用至广泛实际场景仍需进一步扎实研究和数据支持[page::15,16,23,31]。

---

7. 结论性综合

本报告系统地构建了一套创新的ESG-coherent风险度量和奖励-风险比框架，体现了对现代可持续投资理念中资金回报和非财务可持续表现双重关注的数学化表达。通过参数$\lambda$调节不同投资者的偏好，展现了理论与实证结合的范例。正式的公理体系、对偶表示及风险对冲策略的设计，赋予该框架良好的理论基础和应用弹性。

实证分析利用高频ESG及金融数据验证了风险度量及资产排名的合理性与敏感性，揭示了ESG评分的独立性和其在风险管理中的重要性。特别是ESG-AVaR风险度量随着偏好权重的调整展现了从财务主导向ESG主导的转换，加深了对融资与伦理动机之间关系的理解。

尽管存在ESG数据异质性、主观参数设置及样本限制的挑战，报告为未来在资产定价、效用最大化及投资组合优化等方面的ESG理论与实务拓展奠定了坚实基石。

总结来说，作者论述精炼严谨，图表与实证环节紧密结合，其ESG-coherent风险度量构架代表了可持续金融风险管理的前沿进展，具备重点推广价值和值得后续深入研究与实践检验。

---

主要引用

• [page::0,1,2] 文献与理论背景，定义双维风险变量及投资动机差异。

- [page::3,4] ESG评分的流量视角及双变量随机过程建模。

• [page::5-9] ESG-coherent风险度量的公理体系及对偶表示。

- [page::9-12] ESG安全资产与风险对冲。

• [page::12-15] 从单变量风险度量向ESG扩展实例（ESG-AVaR等）。

- [page::16-18] ESG奖励风险比定义及主流指标推广。

• [page::19-22] 实证分析，数据特点，排名影响。

- [page::23,24] 结论与研究展望。

• [page::31-30] 双变量风险度量对偶证明过程。

---

完。

报告