ESG负面剔除组合构建与绩效分析

📚 共计 30 章节

ESG投资理念与负面剔除策略概述

ESG投资的起源、发展现状与核心理念，负面剔除策略的定义、逻辑与市场应用。

数据准备：ESG评级数据获取与清洗

主流ESG评级机构（MSCI、Sustainalytics等）数据源介绍，数据清洗、对齐与缺失值处理实战。

股票池构建：基础股票池与ESG数据匹配

确定初始股票池（如沪深300、中证500），将ESG评级数据与股票代码进行匹配。

股票池匹配

负面剔除规则设计（一）：环境（E）维度

基于碳排放、环境违规、化石燃料暴露等指标的剔除阈值设定。

负面剔除规则设计（二）：社会（S）维度

基于劳工权益、产品安全、数据隐私等指标的剔除规则。

负面剔除规则设计（三）：治理（G）维度

基于董事会独立性、财务造假、股东权益等指标的剔除规则。

综合负面剔除规则与组合权重调整

多维度规则叠加，剔除后剩余股票的权重再分配（等权、市值加权）。

权重再平衡

组合构建与回测框架搭建

使用Python（Pandas、NumPy）构建回测系统，定义调仓频率与交易成本。

绩效评价指标（一）：收益与风险

年化收益率、波动率、夏普比率、最大回撤的计算与解读。

绩效评价指标（二）：风险调整后收益与因子暴露

Calmar比率、Sortino比率，以及相对于市场因子（Fama-French）的暴露分析。

基准组合构建

构建未剔除ESG负面公司的传统市值加权组合作为基准。

基准市值加权

单维度剔除绩效分析（E）

对比仅剔除E维度差评公司后的组合与基准的绩效差异。

单维度剔除绩效分析（S）

对比仅剔除S维度差评公司后的组合与基准的绩效差异。

单维度剔除绩效分析（G）

对比仅剔除G维度差评公司后的组合与基准的绩效差异。

多维度叠加剔除绩效分析

分析E+S、E+G、S+G、E+S+G等不同叠加策略的绩效表现。

不同剔除阈值敏感性分析

改变剔除阈值（如前10%、20%、30%），观察组合绩效的变化。

阈值敏感性

不同股票池下的策略表现

在沪深300、中证500、全A股等不同股票池中测试策略的稳健性。

股票池稳健性

行业中性化处理

剔除行业偏见，确保组合行业配置与基准一致，单独衡量ESG选股效果。

行业中性配置

市值中性化处理

剔除市值偏见，确保组合市值风格与基准一致。

市值中性风格

风格因子暴露分析

分析负面剔除组合在价值、成长、动量、低波等因子上的暴露变化。

因子暴露风格

换手率与交易成本分析

评估策略的换手率水平，计算交易成本对净收益的影响。

换手率成本

信息比率与跟踪误差

衡量组合相对于基准的主动管理能力与偏离程度。

信息比率跟踪误差

滚动窗口绩效分析

使用滚动窗口（如3年）计算绩效指标，观察策略的时变性。

滚动窗口时变性

不同市场环境下的表现

区分牛市、熊市、震荡市，分析策略在不同市场阶段的防御与进攻属性。

市场环境防御

ESG争议事件冲击分析

模拟公司发生ESG负面事件后，组合的短期与长期绩效变化。

争议事件冲击

组合归因分析（Brinson模型）

将超额收益分解为行业配置收益与个股选择收益。

风险归因分析

将组合风险分解为系统性风险、行业风险与个股特异性风险。

风险分解归因

策略优化：基于绩效反馈调整

基于绩效反馈调整剔除规则与权重方案。

实战案例：完整组合与绩效报告

构建一个完整的ESG负面剔除组合并生成绩效报告。

课程总结与未来展望

ESG投资的最新趋势、监管动态与未来研究方向。