01
ESG因子概述
ESG投资理念起源 · E/S/G三大支柱核心指标 · 全球ESG投资规模与趋势
起源核心指标趋势
02
数据获取与清洗
常见ESG数据源（MSCI、Sustainalytics、商道融绿）· 缺失值处理 · 异常值检测与修正
数据源清洗异常值
03
因子构建方法
单一指标标准化 · 综合评分加权法 · 行业中性化 · 市值中性化
标准化加权中性化
04
因子有效性检验框架
IC/IR分析 · 分组回测法 · Fama-MacBeth回归 · GRS检验
IC/IR分组回测GRS
05
截面回归与因子暴露
Fama-MacBeth两步法详解 · 因子载荷计算 · 风险溢价估计
截面回归载荷风险溢价
06
时间序列回归
Carhart四因子模型扩展 · ESG因子Alpha显著性 · Newey-West标准误
时间序列AlphaNewey-West
07
分组回测实战
构建ESG多空组合 · 累计收益率 · 最大回撤 · 夏普比率 · 信息比率
多空组合回撤夏普
08
因子相关性分析
Pearson/Spearman相关系数 · 多重共线性VIF · 因子正交化
相关系数VIF正交化
09
因子择时理论基础
市场状态划分（牛/熊/震荡）· ESG因子在不同市场环境下的表现差异
市场状态牛熊表现差异
10
宏观指标择时
GDP增速 · CPI · 利率 · 信用利差对ESG因子收益的预测能力
宏观利率信用利差
11
情绪指标择时
VIX指数 · 投资者情绪指数 · ESG基金资金流对因子收益的影响
VIX情绪资金流
12
技术指标择时
ESG因子动量 · RSI · MACD在因子择时中的应用
动量RSIMACD
13
马尔可夫区制转换模型
两区制/三区制模型设定 · 状态转移概率估计 · 因子择时信号生成
区制转换转移概率信号
14
机器学习择时（一）
逻辑回归 · 支持向量机（SVM）在因子择时中的应用
逻辑回归SVM分类
15
机器学习择时（二）
随机森林 · XGBoost · LightGBM在因子择时中的对比
随机森林XGBoostLightGBM
16
深度学习择时
LSTM网络结构设计 · 时间序列预测 · 因子择时信号生成
LSTM时间序列信号
17
滚动窗口与递归窗口
窗口长度选择（12/24/36个月）· 滚动回归参数更新 · 模型退化检测
滚动窗口参数更新退化检测
18
组合优化与权重分配
均值-方差优化 · 风险平价 · Black-Litterman模型在ESG组合中的应用
均值-方差风险平价Black-Litterman
19
交易成本与冲击成本
佣金 · 滑点 · 市场冲击成本建模 · 净收益计算
佣金滑点冲击成本
20
回测框架搭建
向量化回测与事件驱动回测 · 滑点与手续费模拟 · 过拟合检测
向量化事件驱动过拟合
21
绩效归因分析
Brinson归因 · Campisi归因 · ESG因子贡献度分解
BrinsonCampisi贡献度
22
风险归因分析
边际风险贡献 · 成分风险贡献 · ESG因子风险预算
边际风险成分风险风险预算
23
稳健性检验
样本外测试 · 时间区间敏感性分析 · 参数敏感性分析
样本外敏感性稳健性
24
过拟合防范
交叉验证 · 正则化（L1/L2）· 早停法 · 特征选择
交叉验证正则化早停
25
策略评价指标
年化收益率 · 波动率 · 最大回撤 · 夏普比率 · 卡玛比率 · 索提诺比率
年化收益夏普卡玛
26
统计显著性检验
t检验 · bootstrap检验 · 蒙特卡洛模拟在策略评价中的应用
t检验bootstrap蒙特卡洛
27
实盘交易注意事项
数据延迟 · 交易执行延迟 · ESG数据更新频率 · 合规要求
延迟更新频率合规
28
案例实战（一）
A股ESG因子有效性检验全流程：数据获取→因子构建→IC分析→分组回测
A股全流程实战
29
案例实战（二）
基于宏观指标的ESG因子择时策略：利率+信用利差+VIX
宏观择时利率VIX
30
案例实战（三）
基于机器学习的ESG因子择时策略：XGBoost+LSTM组合模型
XGBoostLSTM组合模型