3、ESG评分体系:MSCI、Sustainalytics、Refinitiv等主流评级机构方法论

聊到可持续投资,ESG评分是个绕不开的话题。你想想看,如果没有一套标准去衡量一家公司在环境、社会和治理上的表现,那所谓的「可持续」就成了空话。我个人习惯把ESG评级比作「企业的道德体检报告」——但问题在于,不同的体检中心,用的仪器和标准都不一样。

今天我们就来拆解三家主流评级机构:MSCI、Sustainalytics和Refinitiv。它们的方法论各有侧重,我当年刚入行时也被这些差异搞得头大。嗯,咱们一个一个说。

3.1 MSCI ESG评级:行业相对论

MSCI的评级逻辑,说白了就是「比烂」——不对,是「比好」。它把每个行业里表现最好的公司挑出来,给AAA;最差的给CCC。核心思想是:你不需要在所有方面都完美,只要比同行强就行

我在项目中遇到过一家能源公司,环境指标一塌糊涂,但MSCI给了它AA评级。为什么?因为它在治理和碳排放披露上,比同行业的其他公司做得好太多。这就是MSCI的行业相对排名逻辑。

关键点:MSCI关注的是「关键议题」(Key Issues),每个行业只评估3-7个最相关的议题。比如银行业重点看「隐私与数据安全」,而矿业重点看「生物多样性」。

MSCI的评分流程大致分三步:

  1. 数据采集:从年报、ESG报告、媒体、政府数据库等渠道抓取原始数据。
  2. 议题评分:对每个关键议题打分(0-10分),并赋予权重。
  3. 综合评级:加权后得到总分,再映射到AAA-CCC的七档评级。

这里有个坑——我曾经以为MSCI的权重是固定的,后来才发现权重每年都会调整。比如2020年疫情后,「人力资本」的权重在零售行业被大幅调高。所以做历史回测时,千万别用同一套权重去算不同年份的数据。

避坑指南:MSCI的评级调整有滞后性。一家公司出了负面新闻,可能要等3-6个月才会反映在评级上。做量化策略时,建议用「评级变动」而非「评级绝对值」作为信号。

3.2 Sustainalytics:风险导向派

Sustainalytics的方法论和MSCI完全不同。它不看你有多「好」,而是看你有多「危险」。说白了,它衡量的是未管理的ESG风险

举个例子:两家公司都面临碳排放风险。A公司已经制定了碳中和计划,B公司什么都没做。在Sustainalytics眼里,A的风险更低,得分更好(分数越低越好)。

它的核心公式是:

ESG风险评分 = 企业暴露度 × 管理差距

其中「管理差距」是指:公司当前的管理措施,距离「理想状态」还差多少。我习惯把Sustainalytics的评分理解为「你还有多少雷没排掉」。

维度 MSCI Sustainalytics
核心逻辑 行业相对表现 未管理风险
评分范围 AAA-CCC(7档) 0-50+(数值越低越好)
适用场景 主动选股、指数编制 风险管理、负面筛选

我记得有一次做组合优化,用MSCI评级筛选出的股票池,再用Sustainalytics做风险过滤,结果发现两个池子重叠度不到60%。这说明什么?不同评级机构看到的「好公司」根本不是同一批

个人建议:如果你做的是ESG整合策略,建议同时参考MSCI和Sustainalytics。MSCI帮你找「优等生」,Sustainalytics帮你排「地雷」。

3.3 Refinitiv:数据量大但噪音多

Refinitiv(原汤森路透)的ESG评分,我个人觉得更像一个「数据超市」。它不做什么复杂的模型,而是把几百个指标堆在一起,然后加权平均。它的优势在于覆盖面广——全球超过1万家公司,数据点超过630个。

但问题也出在这里。数据量大意味着噪音多。我曾在项目中用Refinitiv的数据做因子分析,发现有些指标之间相关性极低,甚至出现矛盾。比如一家公司「废水排放」得分很高,但「水资源管理」得分很低——这合理吗?

Refinitiv的评分结构分为三级:

  • 10个类别(如:排放、人权、股东权益等)
  • 3大支柱(E、S、G)
  • 1个综合评分(0-100)

它的权重分配相对透明,但有个细节要注意:缺失值处理。Refinitiv对缺失数据会直接赋0分,这会导致一些披露不充分的小公司被严重低估。你想想看,一家刚上市的公司,ESG报告还没写全,就被打了0分,这公平吗?

我曾经踩过的坑:用Refinitiv数据做回测时,发现小盘股的ESG评分普遍偏低。后来一查,原来是缺失值太多导致的假象。建议在使用前先做数据清洗,至少剔除缺失率超过30%的样本。

3.4 三家机构的对比与选择

为了让你看得更清楚,我画了一张对比图。这张图展示了三家机构在方法论上的核心差异:

三大ESG评级机构方法论对比 MSCI 行业相对排名 • 关键议题筛选 • 行业权重差异化 • AAA-CCC七档 • 适合主动选股 • 滞后性较强 • 权重每年调整 Sustainalytics 未管理风险度量 • 暴露度×管理差距 • 0-50+数值评分 • 越低风险越小 • 适合风险控制 • 负面筛选利器 • 与MSCI互补 Refinitiv 大数据加权平均 • 630+数据点 • 10类别3支柱 • 0-100综合分 • 覆盖面最广 • 缺失值赋0分 • 噪音较多 选择建议:主动选股用MSCI,风险控制用Sustainalytics,大数据研究用Refinitiv

最后说一句实在话:没有完美的ESG评级。我个人的工作流是:用MSCI做初筛,用Sustainalytics做风险过滤,用Refinitiv做数据补充。三者结合,才能看到一个相对完整的画面。

避坑总结:
  • 别只看评级结果,要看评级背后的方法论
  • 不同机构的评级相关性可能很低,这是正常的
  • 做量化策略时,优先使用「评级变动」而非「评级绝对值」
  • 数据清洗比模型更重要——垃圾进,垃圾出

公众号:蓝海资料掘金营,微信deep3321