4、ESG因子构建：E环境因子、S社会因子、G治理因子

好，咱们进入正题。ESG因子怎么构建？说白了，就是把那些看似“软性”的非财务数据，硬生生地量化成可以塞进多因子模型里的数字。这事儿我干了快十年，踩过的坑比吃过的盐还多。今天就把我压箱底的经验拆开揉碎了讲给你听。

4.1 E环境因子：碳排放与资源使用

环境因子，是ESG里最“硬”的一块。为什么？因为数据相对好拿，而且有国际标准可循。我个人习惯把E因子拆成两个核心维度：碳排放强度和资源使用效率。

4.1.1 碳排放因子构建

碳排放数据，最头疼的是Scope 3（价值链间接排放）。很多公司只披露Scope 1和2，Scope 3全靠估算。我建议你直接用营收归一化的方法：

# 碳排放强度因子计算示例
def calc_carbon_intensity(company_data):
    """
    输入：公司碳排放总量（吨CO2e），营收（百万元）
    输出：碳排放强度因子（标准化后）
    """
    # 计算碳排放强度
    intensity = company_data['total_emissions'] / company_data['revenue']
    
    # 行业中性化处理（剔除行业固有差异）
    industry_mean = intensity.groupby(company_data['industry']).transform('mean')
    adjusted_intensity = intensity - industry_mean
    
    # 极值处理：我习惯用MAD（中位数绝对偏差）截尾
    median_val = adjusted_intensity.median()
    mad = (adjusted_intensity - median_val).abs().median()
    capped = adjusted_intensity.clip(median_val - 3*mad, median_val + 3*mad)
    
    # 最后做Z-score标准化
    return (capped - capped.mean()) / capped.std()

4.1.2 资源使用效率因子

资源使用这块，我主要看三个指标：水资源强度、能源强度、废弃物回收率。你想想看，一个公司如果单位营收耗水量逐年下降，说明它在实实在在地做精益管理。

我个人习惯把这三个指标合成一个综合得分：

子指标	权重	数据来源	处理方式
水资源强度	30%	公司年报/CSR报告	营收归一化 + 行业中性化
能源强度	40%	CDP披露数据	同上，但注意区分化石能源占比
废弃物回收率	30%	ESG评级机构数据	正向指标，直接标准化

4.2 S社会因子：员工关系与产品责任

S因子是最难量化的。为什么？因为“员工满意度”这种东西，你没法直接观测。我一般从负面事件和正面指标两个角度切入。

4.2.1 员工关系因子

员工关系，说白了就是看公司对员工好不好。我常用的代理变量包括：

• 员工流失率：越低越好。但要注意，不同行业基准不同。互联网行业20%的流失率算正常，制造业可能5%就算高了。
• 人均培训时长：这个指标容易造假，但趋势比绝对值重要。
• 劳动争议案件数：这是负面信号，我一般用事件驱动法来构建哑变量。

嗯，这里要注意。我曾经在回测中发现，单纯用员工流失率做因子，效果很差。后来我把它和薪酬增长率结合起来，构建了一个“员工价值指数”，效果才明显改善。

# 员工价值指数构建
def employee_value_index(turnover_rate, salary_growth, industry_avg_turnover):
    # 相对行业水平的流失率
    relative_turnover = turnover_rate / industry_avg_turnover
    
    # 薪酬增长是否跑赢行业
    salary_premium = salary_growth - industry_avg_salary_growth
    
    # 综合得分：流失率越低越好，薪酬增长越高越好
    score = -0.6 * relative_turnover + 0.4 * salary_premium
    
    return score

4.2.2 产品责任因子

产品责任，核心看质量安全和客户满意度。我主要抓两个数据源：

1. 产品召回事件：一旦发生，直接扣分。我习惯用事件窗口法，在召回公告发布后的一周内，给该公司打-1分。
2. 客户投诉率：这个数据很难直接拿到。我一般用第三方评价平台的评分，比如J.D. Power或者消费者协会的数据。

4.3 G治理因子：董事会结构与股东权利

G因子，是ESG里最传统的部分。说白了，就是看公司有没有“好好管”。我个人觉得，G因子是ESG三因子中预测能力最强的，尤其是在A股市场。

4.3.1 董事会结构因子

董事会结构，我主要看三个维度：

• 独立董事比例：一般认为越高越好。但我在项目中遇到过，有些公司独立董事比例很高，但全是“花瓶”。所以我会叠加一个独立董事活跃度指标（比如参会率）。
• 董事会规模：不是越大越好。我记得有篇经典论文说，7-9人的董事会效率最高。
• 女性董事占比：这个指标在发达市场很有效，但在A股，目前更多是政策驱动。

4.3.2 股东权利因子

股东权利，核心看一股独大和中小股东保护。我常用的指标：

指标	含义	处理方式
第一大股东持股比例	股权集中度	超过50%视为负面信号
关联交易占比	利益输送风险	超过营收10%扣分
分红率	是否回馈股东	连续3年低于30%扣分
股东大会投票率	中小股东参与度	低于30%视为负面

4.4 ESG因子合成框架

好，三个因子都讲完了。最后，我习惯用等权加权的方式合成一个综合ESG因子。为什么不用优化权重？因为ESG数据本身信噪比低，过度优化容易过拟合。

下面这张图，是我自己项目里用的ESG因子构建流程，你可以参考一下：

你看，整个流程其实不复杂。核心就三步：拿数据 → 洗干净 → 合成因子。但每一步都有细节，尤其是数据清洗那步，我建议你花至少60%的时间在上面。数据质量决定了因子的上限。

---

公众号:蓝海数据掘金营，微信deep3321