3、ESG数据体系：数据来源、评级机构与标准化困局
做量化投资的人都知道一句话：垃圾进，垃圾出。ESG投资更是如此。我刚开始接触ESG量化时，天真地以为找个数据供应商拉个API就完事了。结果呢？数据打架、口径不一、评级结果天差地别。今天我就把这套数据体系的底裤扒干净。
3.1 ESG数据从哪来？
ESG数据不像股价，交易所直接给你。它的来源五花八门。我个人习惯把它们分成三类：
- 公司自主披露：年报、可持续发展报告、ESG报告。这是最直接的来源，但问题也最大——公司报喜不报忧，你懂的。
- 第三方数据商：MSCI、Sustainalytics、Refinitiv这些机构自己爬数据、做评估。我曾在项目中对比过MSCI和Sustainalytics对同一家公司的评级，相关系数只有0.3。嗯，你没看错。
- 另类数据：卫星图像看污染、新闻舆情抓争议事件、供应链数据查劳工问题。这部分数据噪音大，但有时能挖到真东西。
核心观点：ESG数据源是典型的「长尾分布」。头部几十家大公司数据很全，但中小盘股的数据稀疏得可怜。做量化组合时，这个偏差必须处理。
3.2 主流ESG评级机构与方法论
市面上评级机构少说几十家，但真正被机构投资者认可的，也就那么几家。我列个表，大家感受一下差异：
| 机构 | 覆盖范围 | 方法论特点 | 我踩过的坑 |
|---|---|---|---|
| MSCI | 全球约8500家公司 | 行业重要性加权，关注争议事件 | 行业分类一变，评级可能跳两级 |
| Sustainalytics | 全球约13000家公司 | 未管理风险敞口模型 | 对争议事件反应滞后，有时慢半拍 |
| Refinitiv | 全球约7000家公司 | 透明度打分，数据颗粒度细 | 数据更新频率低，季度数据常有缺失 |
| Bloomberg | 全球约11000家公司 | 披露程度评分，非绩效评分 | 评分区分度低，大部分公司扎堆在中间 |
为什么会这样？说白了，各家对「什么是好的ESG表现」定义不同。MSCI看重行业相对表现，Sustainalytics看重风险暴露。你想想看，同一家公司，在MSCI可能是AAA，在Sustainalytics可能是高风险。这给量化建模带来了巨大挑战。
我的建议：不要迷信任何一家评级。我自己的做法是至少融合3家数据源，用主成分分析提取共同因子。这样虽然会损失一些信息，但至少不会因为某家机构的偏见而翻车。
3.3 ESG数据的质量与标准化问题
这是整个ESG量化最头疼的部分。我直接说几个血泪教训：
- 数据缺失严重：尤其是E（环境）和S（社会）维度。我曾经处理过一个全球股票池，E维度数据缺失率超过40%。怎么办？插值？那会引入偏差。直接剔除？样本选择偏差更大。
- 时间序列不连续：很多公司今年披露了，明年不披露了。或者披露口径变了。你回溯测试时，会发现评级序列突然断掉或跳变。
- 标准化方法不统一：有的机构用Z-score，有的用百分位排名，有的用行业调整。我见过最离谱的是，同一家公司的E评分，用不同标准化方法处理后，排名能差50个百分位。
避坑指南：我曾经在构建ESG因子时，直接用原始评级数据做回测，结果夏普比率高得离谱。后来发现是数据前向偏差——评级机构会回溯修正历史数据。嗯，从那以后，我每次都用「当时可得」的数据做回测，而不是用今天下载的「修正版」数据。
下面这张图是我自己总结的ESG数据体系框架，大家可以对照着理解：
最后说一句，ESG数据标准化这件事，短期内看不到统一希望。欧盟在推、ISSB在推，但落地还早。作为量化从业者，我们能做的就是：承认数据有噪声，用工程手段管理它，而不是假装它不存在。
实操建议：如果你刚开始搭建ESG数据管道，我建议先从Refinitiv入手，它的数据颗粒度最细，便于做清洗和标准化。等流程跑通了，再逐步接入MSCI和Sustainalytics做交叉验证。别一上来就想搞大而全，容易把自己搞崩。