第二章：可持续投资基础

各位同学，今天我们来聊聊可持续投资的基础框架。说实话，我刚入行时对ESG这些东西也是半信半疑——毕竟量化出身的人，习惯看数字说话。但后来在几个项目中吃了亏，才明白非财务风险有多要命。

2.1 ESG投资理念：不只是道德选择

ESG投资，说白了就是把环境（Environmental）、社会（Social）和治理（Governance）这三个维度纳入投资决策。很多人以为这是“做好事”，其实不然。我个人的理解是——这是识别长期风险的一种手段。

举个例子。2018年我参与过一个能源债的量化模型，当时只看财务指标，回报率漂亮得很。结果呢？公司因为环保违规被罚了十几个亿，债券直接腰斩。从那以后，我习惯在因子模型里加一个ESG评分项。

2.2 影响力投资：要钱也要改变

影响力投资比ESG更进一步。它要求投资本身产生可量化的正面社会或环境效益。嗯，这里要注意——不是“不伤害”，而是“主动创造价值”。

我在做绿色债券量化分析时遇到过一个问题：怎么衡量“影响力”？总不能光看宣传材料吧。后来我们用了双重底线模型——财务回报一个指标，影响力一个指标，两个都得达标。

维度	传统投资	影响力投资
目标	最大化财务回报	财务回报+可量化影响力
风险考量	市场风险、信用风险	额外增加“影响力风险”
退出策略	价格优先	需考虑影响力持续性

2.3 负面筛选：先排雷

负面筛选是最简单的策略——把不符合标准的行业或公司直接剔除。比如烟草、武器、化石燃料。我个人习惯把这个步骤放在量化模型的最前面，就像数据清洗一样，先把脏数据去掉。

具体做法有两种：

• 阈值法：设定一个收入占比上限。比如烟草业务收入超过5%的公司，直接排除。
• 绝对排除法：只要涉及特定业务，无论占比多少，一律剔除。

你可能会问：这样会不会错过好机会？会。但尾部风险管理的核心就是——有些风险你承受不起。我曾经见过一个基金，因为持有某烟草股，被欧洲养老金集体赎回，流动性瞬间枯竭。

2.4 正面筛选：主动找好标的

正面筛选就反过来了——主动寻找ESG表现优异的公司。这比负面筛选难得多，因为“好”的标准很难量化。

我常用的方法是构建一个ESG评分卡：

# 简化版ESG评分函数
def esg_score(env_score, social_score, gov_score):
    # 权重可调，我习惯用等权
    total = 0.4*env_score + 0.3*social_score + 0.3*gov_score
    return total

# 筛选条件：得分前20%的公司
def positive_screen(portfolio):
    scores = [esg_score(e,s,g) for e,s,g in portfolio]
    threshold = np.percentile(scores, 80)
    return [stock for stock,score in zip(portfolio,scores) if score >= threshold]

2.5 三种策略的对比与选择

这三种策略不是互斥的。我通常的做法是：先用负面筛选排雷，再用正面筛选找机会，最后用影响力投资的标准做深度验证。

这张图展示了我的工作流。你看，从排雷到选优再到验证，每一步都有量化工具支撑。但记住——工具只是辅助，最终决策还是要结合市场环境和政策变化。