ESG因子构建基础：从数据到信号

各位同学，欢迎来到实战课的第二讲。上一章我们聊了ESG因子为什么能赚钱，这一章我们得动真格的了——把ESG因子从概念变成可计算的数字。

说实话，ESG因子构建是整个策略中最枯燥、也最容易踩坑的环节。我做了这么多年量化，见过太多人拿着漂亮的ESG评分直接跑回测，结果一塌糊涂。为什么？因为数据源没搞清楚，指标定义有偏差，清洗步骤漏掉了。

今天我们就来拆解E、S、G三大维度的核心指标，以及数据怎么拿、怎么洗。嗯，这部分内容虽然基础，但决定了你后面所有工作的成败。

一、环境(E)因子：碳排与资源效率

环境因子是ESG里最「硬」的一块。为什么？因为碳排放、能耗这些数据相对可量化，不像「企业文化」那么虚。我个人习惯把E因子拆成三个子维度：

1. 碳排放强度：范围1（直接排放）+ 范围2（能源间接排放），除以营收。这是最核心的指标。
2. 能源效率：单位营收能耗，或者单位产品能耗。不同行业差异巨大，钢铁和互联网没法比。
3. 环境管理：有没有环境认证？有没有环境违规记录？这个偏定性，但也很重要。

举个例子，我们拿万得ESG数据里的碳排放字段，通常长这样：

# 伪代码：碳排放强度计算
df['carbon_intensity'] = df['scope1_emission'] + df['scope2_emission']
df['carbon_intensity_ratio'] = df['carbon_intensity'] / df['revenue'] * 1e6  # 吨/百万元

你想想看，同样的碳排放量，放在一家万亿市值的银行和一家百亿市值的化工企业里，意义完全不同。所以一定要做营收标准化。

二、社会(S)因子：人、产品与社区

S因子是最难量化的。我刚开始做ESG研究时，最头疼的就是S因子——你说员工满意度怎么量化？总不能每个季度发问卷吧？

实践中，我们通常用这些代理变量：

子维度	常用指标	数据来源
员工关系	员工流失率、人均培训时长、薪酬水平	年报、社会责任报告
产品安全	产品召回次数、质量认证、客户投诉率	监管公告、第三方评测
社区关系	公益捐赠占比、本地化采购比例	企业ESG报告
供应链责任	供应商ESG审核覆盖率、冲突矿产政策	供应链披露文件

这里有个关键点：S因子指标之间经常存在多重共线性。比如「人均薪酬」和「员工流失率」高度相关。我建议用PCA或者因子分析先降维，别一股脑全塞进去。

三、治理(G)因子：公司质量的底色

治理因子，说白了就是看这家公司是不是在「好好经营」。我个人认为G因子是ESG三兄弟里最稳定的——E和S可能受行业影响大，但好的治理在任何行业都管用。

核心指标包括：

• 董事会独立性：独立董事占比、董事长是否兼任CEO
• 股权结构：大股东持股比例、机构投资者占比
• 信息披露质量：财务重述次数、审计意见类型
• 高管薪酬：薪酬与业绩的挂钩程度、股权激励比例

我记得有一次做回测，发现G因子在熊市里特别能抗跌。为什么？因为治理好的公司，管理层不会乱投资、不会搞利益输送，现金流更稳健。嗯，这个逻辑在A股尤其明显。

# 治理评分示例
def governance_score(df):
    score = 0
    # 独立董事占比 > 1/3 加1分
    score += (df['indep_director_ratio'] > 0.333).astype(int)
    # 董事长不兼任CEO 加1分
    score += (df['chairman_ceo_separate'] == 1).astype(int)
    # 近3年无财务重述 加1分
    score += (df['restatement_3y'] == 0).astype(int)
    return score / 3  # 归一化到0-1

四、数据来源与清洗：80%的功夫在这里

做量化的人都知道一句话：garbage in, garbage out。ESG数据尤其如此。我见过太多人从万得或者Bloomberg拉下来数据就直接用，结果回测曲线漂亮得不像话——后来发现是数据前向填充导致的未来函数。

常用的数据源有：

• 万得ESG数据：覆盖A股最全，但部分指标更新频率低（季度甚至年度）
• 商道融绿：ESG评级数据，适合做截面比较
• 中财绿金院：偏学术，有碳排放估算数据
• 公司年报/ESG报告：最原始的数据源，但需要NLP提取

清洗环节，我建议按这个流程走：

1. 缺失值处理：ESG数据缺失率经常超过30%。别直接删，试试行业均值填充，或者用「缺失即差」的逻辑（缺失值赋最低分）。
2. 异常值检测：比如碳排放强度突然翻10倍，大概率是数据录入错误。用3-sigma或者IQR方法处理。
3. 标准化：不同指标量纲差异巨大，必须做Z-score或者Min-Max归一化。
4. 行业调整：这是ESG因子构建的灵魂。银行和钢铁的碳排放强度能比吗？不能。所以要做行业内标准化。

def industry_neutralize(df, factor_col, industry_col):
    """
    行业中性化处理：在每个行业内做Z-score标准化
    """
    df['factor_z'] = df.groupby(industry_col)[factor_col].transform(
        lambda x: (x - x.mean()) / x.std()
    )
    return df

# 使用示例
df = industry_neutralize(df, 'carbon_intensity_ratio', 'sw_industry')
# 注意：碳排放是负向指标，标准化后要取负号
df['e_score'] = -df['factor_z']

你想想看，如果不做行业调整，你拿到的ESG因子其实反映的是「行业属性」而不是「公司质量」。煤炭股天然E因子低，但你不能说所有煤炭公司都不好——得在同行业里比谁做得更好。

好了，这一章的内容就到这里。ESG因子构建是个细活，E、S、G每个维度都有各自的脾气。下一章我们会把这些因子组合起来，看看怎么在行业轮动策略里真正用起来。

---

公众号:蓝海资料掘金营，微信deep3321