第4章 S（社会）因子构建

第4章：S（社会）因子构建：员工满意度、供应链管理、社区关系、社会得分合成

社会因子，圈内人常叫它"S因子"。说实话，它比E（环境）和G（治理）难搞多了。为什么？因为很多东西没法直接量化。员工开不开心，供应链有没有压榨童工，社区关系好不好——这些听着就虚。

但别急。我做了这么多年ESG量化，摸索出一套还算靠谱的方法。今天咱们就把它拆开揉碎，一步步讲清楚。

4.1 员工满意度：从问卷到分数

员工满意度，说白了就是员工愿不愿意在这家公司干下去。我见过最直接的指标是离职率。但光看离职率太粗糙了。

我个人习惯用三个维度来评估：

薪酬竞争力：人均薪酬 / 行业平均薪酬。大于1说明给得起钱。
培训投入：人均培训费用。这个数据很多公司不披露，得从年报里扒。
晋升公平性：内部晋升比例。如果全是空降高管，员工会寒心。

举个例子。我曾在某制造业公司做过一个项目。他们离职率高达25%，但薪酬水平其实不低。后来一查，问题出在晋升通道上——三年没一个内部提拔。嗯，这就是典型的"钱没给到位，心更委屈了"。

  核心公式：

  员工满意度得分 = 0.4 × 薪酬竞争力 + 0.3 × 培训投入 + 0.3 × 晋升公平性

权重怎么定？我建议用主成分分析（PCA）跑一遍，让数据自己说话。别拍脑袋。

4.2 供应链管理：别只看一级供应商

供应链这块，最容易踩坑。很多公司只披露一级供应商的数据，但真正的风险在二级、三级供应商那里。

我曾经帮一家零售企业做ESG评估。他们的一级供应商全是合规的，但二级供应商里有个小厂，被曝出使用童工。结果舆论炸了，股价三天跌了12%。

所以我的做法是：

供应商审核覆盖率：已审核供应商数量 / 总供应商数量。目标100%。
违规事件数：过去一年被曝光的供应链违规事件。这个数据可以从新闻和NGO报告里抓。
绿色采购比例：符合环保标准的采购额 / 总采购额。

注意： 供应链数据披露率极低。我建议用自然语言处理（NLP）从年报和ESG报告中提取关键词，比如"供应商审计""可持续采购"等。实在拿不到数据的，用行业均值填充，但要在模型里标记为"低置信度"。

4.3 社区关系：钱和事都要看

社区关系，很多人以为就是捐了多少钱。其实不止。

我把它拆成两部分：

社区投入：捐赠金额 / 营业收入。这个数据相对好拿。
社区冲突：过去一年与当地社区发生的纠纷次数。比如征地冲突、污染投诉等。

你想想看，一个公司捐了很多钱，但天天跟村民打官司，这能叫社区关系好吗？

所以我的合成公式是：

社区关系得分 = 社区投入得分 - 社区冲突扣分

冲突一次扣10分，上不封顶。嗯，就是这么狠。

4.4 社会得分合成：加权还是等权？

好，现在我们有三个子因子了：员工满意度、供应链管理、社区关系。怎么合成一个总分？

我建议用等权法起步。为什么？因为这三个维度的重要性其实差不多。等权法简单、透明、好解释。

但如果你想让模型更聪明，可以用熵权法。熵权法的逻辑是：哪个指标的数据差异大，哪个权重就高。说白了，就是让数据自己决定重要性。

下面是我常用的合成代码：

import pandas as pd
import numpy as np

def social_score(df):
    """
    df: 包含员工满意度、供应链管理、社区关系三列
    返回：社会得分（百分制）
    """
    # 等权法
    weights = [1/3, 1/3, 1/3]
    df['social_score'] = (
        df['employee_satisfaction'] * weights[0] +
        df['supply_chain'] * weights[1] +
        df['community_relation'] * weights[2]
    )
    
    # 归一化到0-100
    df['social_score'] = (df['social_score'] - df['social_score'].min()) / \
                         (df['social_score'].max() - df['social_score'].min()) * 100
    return df

避坑指南： 我曾经直接用原始分数合成，结果发现某个行业因为数据披露好，分数普遍偏高。后来我改用行业中性化处理——每个行业内部做标准化，再合成。这样跨行业可比性更强。

4.5 知识体系总览

下面这张图，是我自己梳理的S因子构建全流程。你看一眼就能明白整体逻辑。

4.6 实战中的几个坑

最后，分享几个我踩过的坑：

数据缺失：很多中小公司根本不披露社会数据。我的做法是：如果缺失超过50%，直接剔除这家公司。别硬填。
行业差异：制造业和金融业的供应链风险完全不同。一定要做行业中性化。
时间滞后：年报数据通常滞后6-9个月。用的时候要打时间戳，别把去年的数据当今年的用。

好了，S因子的构建思路就这些。下一章咱们聊G因子——公司治理。那个更有意思，因为数据最全，但坑也最多。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录