原文信息：

Pedersen, L. H., Fitzgibbons, S., & Pomorski, L. (2020). Responsible investing: The ESG-efficient frontier. Journal of Financial Economics.

在Merton(1987)之后，關(guān)于ESG的理論文獻越來越多，并假設(shè)對ESG信息敏感的投資者拒絕持有某些資產(chǎn)。例如，Heinkel et al.(2001)、Luo和Balvers (2017)和Zerbib (2020)都表明，在均衡狀態(tài)下，這種市場分割會導(dǎo)致非綠色企業(yè)獲得更高的預(yù)期收益。學(xué)術(shù)界和投資者對ESG是否有助于或損害他們的預(yù)期收益的意見大相徑庭。一些人認為包含對ESG的考慮必然會降低預(yù)期收益(Hong和Kacperczyk，2009)，而另一些人則認為“基于ESG的投資策略有出色表現(xiàn)是毋庸置疑的”(《金融時報》，2017)。為了調(diào)和這些對立的觀點，作者提出了一個理論，闡明了基于ESG投資的潛在成本和收益。作者的理論解釋了ESG策略如何影響投資組合的選擇和資產(chǎn)價格均衡。

本文的研究整合了那些認為ESG會損害投資組合收益的文獻和那些得出相反結(jié)論的文獻之間的不同點。前一組基于分割理論（segmentation theories），通過實證證明了有罪股票（sin stocks）產(chǎn)生正的超額收益。這種有罪溢價與Baker et al.(2018)的發(fā)現(xiàn)相似，即“綠色市政債券相較于其他類似的普通債券是溢價發(fā)行的”。后一組的文獻中，如Gompers et al.（2003）證明了，具有良好治理水平的股票(即ESG中的G)會產(chǎn)生正的超額收益，員工滿意度較高的股票也會產(chǎn)生正的超額收益(Edmans，2011)。本文所建立的模型和實證結(jié)果有助于解釋這些相反的發(fā)現(xiàn)。作者認為，如果ESG是未來企業(yè)利潤的積極預(yù)測因素，并且ESG的價值在市場上沒有完全定價，那么ESG就可以正向地預(yù)測收益。此外，本文的模型還預(yù)測了，當大多數(shù)投資者看到ESG中的價值甚至反轉(zhuǎn)信號時，ESG就成為中性的收益預(yù)測因素。當投資者對于高ESG分數(shù)的股票，愿意接受其較低的收益率時，ESG就成為收益的反向預(yù)測因素。因此，根據(jù)本文所構(gòu)建的模型，Hong和Kaperczyk(2009)的結(jié)果之所以較為顯著，是因為他們對有罪股票(與酒精、煙草和游戲相關(guān)的行業(yè))的衡量與投資者需求較低有關(guān)，而Gompers et al.(2003)和Edmans (2011)的ESG指標衡量與更高的公司利潤相關(guān)，但市場還尚未充分認識到這一點。

本文還涉及到了歧視經(jīng)濟理論（economic theories of discrimination），其中包括Becker（1957）提出的基于偏好的歧視理論（taste-based discrimination）和Phelps（1972）提出的統(tǒng)計歧視理論（statistical discrimination）。事實上，ESG分數(shù)在本文的模型中扮演著雙重角色，因為ESG直接影響投資者的偏好（一種基于偏好的歧視理論），也間接影響風險和預(yù)期收益(一種統(tǒng)計歧視)。在這兩個維度之間，存在著各種相互作用的潛在輸出。這種靈活性十分重要。因為有些ESG衡量指標對收益的預(yù)測是正向的，有些是負向的。只有有著靈活性的ESG理論框架，才可以通過每種方法進行可檢驗的預(yù)測。

作者考慮了三種類型的投資者。U型投資者對ESG分數(shù)不感興趣或不了解。U型投資者假設(shè)超額收益為E（r），風險由方差-協(xié)方差矩陣給出的var（r）所表示。A型(了解ESG)投資者使用ESG分數(shù)來衡量風險和預(yù)期收益。A型投資者用資產(chǎn)的期望值表示超額收益μ=E(r|s)，以ESG信息s為條件，并使用超額收益的條件方差協(xié)方差矩陣Σ=var (r| s)來衡量風險。M型投資者 (受ESG激勵)使用ESG信息，也對分數(shù)較高的ESG有偏好。U型和A型投資者的投資組合問題有標準的Markowitz解，所以本文重點討論M型投資者的投資組合解。

本文只考慮投資組合多頭端的頭寸不少于空頭端的頭寸，是因為很難為整體上以空頭為主的投資組合定義總體ESG特征，但原則上，可以更廣泛地應(yīng)用該框架。

在標準的均值-方差分析中，投資者最好將切線投資組合與無風險證券相結(jié)合。切線投資組合是最大化夏普比率的投資組合，即預(yù)期超額收益除以超額收益的標準偏差。為了更好地找到理想的投資組合，作者考慮了每個ESG分數(shù)級別的最大SR。當ESG分數(shù)為時，可獲得的最大SR可以表示為ESG-SR前沿：

為了針對每個ESG水平計算最高的夏普比率，作者對效用最大化問題公式進行了重寫。

這個表達式意味著投資者的問題可以被認為是首先選擇給定風險水平σ和ESG分數(shù)的最佳投資組合，然后再對σ和取最大值。對于給定的ESG分數(shù)，選擇具有較高SR的投資組合可以解決前一個問題，從而得出：

風險的最優(yōu)水平由σ= SR ()/γ給出。在命題1中，插入這個風險級別并簡化表達式可得到結(jié)果。

命題1  (ESG-SR權(quán)衡)：

投資者會選擇平均ESG分數(shù)，以使下列函數(shù)最大化：

這個命題展示了投資者如何最佳地權(quán)衡ESG和夏普比率。關(guān)于投資組合決策的選擇是基于風險厭惡的，因此，ESG-SR前沿可以獨立于偏好計算，投資者最終可以決定其投資組合在前沿所處的位置。

理解ESG-SR前沿需要明確區(qū)分風險厭惡的不同和對ESG偏好的不同。相互影響（Interaction effects）也是存在的。如果一群投資者同樣程度地關(guān)心ESG分數(shù)，但他們的風險厭惡程度不同，那么一個風險厭惡程度較高的投資者不僅在無風險資產(chǎn)上投入更多資金，而且他還將向更高的ESG和更低的SR水平傾斜。從經(jīng)濟上來說，這種相互影響是因為當投資者更厭惡風險時，SR就變得不那么重要了(因為投資者知道他們無論如何都會承擔較少的風險)，因此，相對而言，ESG就變得更加重要。

命題2  ESG-SR前沿：

命題3 四基金分離（four-fund separation）：

給定平均ESG分數(shù)，最佳投資組合為：

命題4 帶篩選的ESG-SR前沿：

命題1的結(jié)論對任何圓錐形的X都成立。

一些投資者使用篩選來實現(xiàn)其ESG投資組合的抉擇。作者通過將允許的投資組合設(shè)置為，來更直接地總結(jié)此類篩選。Zerbib（2020）模型還結(jié)合了ESG偏好對篩選進行了建模，并通過實證研究來分析其結(jié)果。一些投資者增加純多頭限制，即排除空頭頭寸。如果允許投資者做空，投資者可能會進行更好的風險-收益權(quán)衡。此外，做空低ESG股票的效果與偏好ESG的效果可能是一致的。因此，投資者可能要求他們在低ESG股票中的頭寸為零或者為負值，即，。所有這些投資組合集都是“圓錐形的”。這里的圓錐形指的是：對于X中的任意元素x，以及任意a>0,可以得到ax屬于X。

命題5  廣義ESG-SR前沿：

如果投資者有廣義的ESG偏好e(x,s)，那么投資者關(guān)注的問題是：

在解決了ESG投資者的Markowitz問題后，需要內(nèi)生地求出證券的價格和收益。作者首先考慮了一個世代交疊模型OLG（overlapping-generations）經(jīng)濟。每一時期，都有新的投資者出現(xiàn)，U型投資者是以財富Wu為初始稟賦進入市場的，A型和M型投資者類似，總財富就是W=Wu+Wa+Wm。投資者生存一個時期，且市場清算要求所有新的投資者對股票的總需求等于所有流通股股數(shù)。

命題6 ：

如果所有投資者都不知道ESG信息即都為U型投資者，那么任何證券i都有穩(wěn)態(tài)均衡價格（steady-state equilibrium price）：

無條件的預(yù)期收益服從標準的無條件資本資產(chǎn)定價模型:

有條件的預(yù)期收益則由以下公式所決定：

作者關(guān)注的是穩(wěn)定狀態(tài)的均衡，其中價格是常數(shù)。之所以存在這種穩(wěn)態(tài)均衡，是因為股息隨時間是獨立同分布的，ESG分數(shù)是常數(shù)，不同投資者類型的財富是常數(shù)。如果不做這些假設(shè)，每個證券價格將取決于其當前的ESG分數(shù)和當前的投資者ESG情緒，從而導(dǎo)致產(chǎn)生有趣的變化。例如，一種證券的收益差異也會取決于整個ESG投資者情緒變化的風險、股票自身ESG分數(shù)的變化、ESG預(yù)測股息方式的變化(例如，由于客戶對綠色產(chǎn)品需求的變化)以及所有沖擊的協(xié)方差。本文為了簡化將著重關(guān)注穩(wěn)態(tài)。

命題7 ESG-CAPM：

如果所有投資者都是受ESG激勵的M型投資者(Wu=Wa=0)，那么任何證券i都具有均衡價格：

如果所有投資者都是A型投資者，則相同的結(jié)論成立，且π=0。

命題7表明，當所有投資者從ESG信息中獲得效用時，相對于由忽視ESG的投資者主導(dǎo)的經(jīng)濟(如命題6所示)，均衡資產(chǎn)價格是不同的。有了這樣的ESG動機的投資者，任何公司的股票價格都從兩個方面受ESG分數(shù)的影響。首先，ESG分數(shù)會影響預(yù)期的現(xiàn)金流。其次，較高的ESG分數(shù)會降低分母中使用的貼現(xiàn)率，從而提高價格

綜上所述，作者根據(jù)其理論做出了以下預(yù)測:

1.風險、預(yù)期收益和ESG之間的權(quán)衡可以用ESG-SR前沿計算得到。

2.利用ESG信息可以通過改善ESG-SR前沿來提高投資者的SR。

3.鑒于投資者的信息集，具有較強ESG偏好(或較高的風險厭惡)的投資者會選擇具有較高ESG得分和(略微)較低SR的投資組合。

4. 即便是偏好平均ESG分數(shù)的投資者，也會最優(yōu)地選擇在幾乎所有證券中都具有頭寸（多頭或者空頭）的投資組合（相對于偏好的歧視性的標準模型所隱含的更嚴格分離要求而言）。

5. ESG投資者選擇四種投資組合(或基金):無風險資產(chǎn)、標準切線組合、最小方差組合和ESG切線組合。

6. ESG分數(shù)較高的證券應(yīng)該具有以下幾點特征：

a.ESG投資者的需求增加，將會降低該證券的預(yù)期收益；

b．不同的預(yù)期未來利潤，如果市場對基本面的這種可預(yù)測性反應(yīng)不足，則可以提高預(yù)期收益；

c．潛在的來自投資者的更多的資金流，可能會在短期內(nèi)提高證券價格

由于ESG是一個寬泛的術(shù)語，本文僅考慮四個指標，它們涵蓋了ESG的不同方面。本文的目的不是在它們之間進行對比，而是討論市場會如何對ESG的不同因子定價，并以此舉例說明本文的理論模型如何為ESG投資者提供指導(dǎo)和幫助。

本篇論文所使用的四個ESG變量指標如下：

（1）環(huán)境（E）的度量：低碳強度（low carbon intensity）。作為衡量一家公司綠色程度的指標，本文計算了其碳強度(二氧化碳)，其被定義為以千噸為單位的碳排放量與以百萬美元為單位的銷售額之比。碳排放量可以通過不同的方式進行衡量，本文選用的是“范圍1的碳排放量”（公司的直接排放量）和“范圍2的碳排放量”（購入能源的間接排放量）。本文不包括“范圍3”（其他間接排放量），因為這些排放量很少被公司報告，且對于不同數(shù)據(jù)供應(yīng)商的估計是不一致的。本文在二氧化碳變量前加了負號，以使更高的因子值表示更好的ESG水平。

（2）社會（S）的度量：非罪惡股票（Non-sin stock）指標。一些對ESG敏感的投資者會避開某些行業(yè)的股票，例如煙草、賭博和酒精。本文考慮了一個非罪惡股票指標，對于有罪股票，取值為0，否則取值為1。此指標越高表示ESG分數(shù)越好。

（3）治理（G）的度量：較低的應(yīng)計利潤（Low Accruals）。本文使用了一種在一個較長的樣本期內(nèi)可以根據(jù)會計信息進行計算的治理指標。本文以每個公司在1963年1月至2019年3月期間的應(yīng)計資產(chǎn)項目為樣本進行觀察。本文在應(yīng)計利潤前加負號，以使較高的因子值表示較高的ESG分數(shù)。閱讀相關(guān)的會計文獻可以發(fā)現(xiàn)，應(yīng)計利潤低表明企業(yè)對利潤的會計處理是較為保守的（Sloan, 1996），而治理較好的公司則傾向于采用更為保守的會計處理（Kim et al., 2012）。研究表明，受到美國證券交易委員會（SEC）強制執(zhí)行措施的公司在采取此類措施之前往往擁有異常高的應(yīng)計利潤(Richardson,Sloan,Soliman和Tuna，2006)，而擁有高應(yīng)計利潤的公司擁有更高的利潤重述可能性(Richardson,Tuna和Wu，2002)。

（4）整體ESG的度量:MSCI的ESG分數(shù)。機構(gòu)投資者最廣泛使用的ESG分數(shù)之一是由MSCI計算的得出的，該變量的樣本是從2007年1月到2019年3月。MSCI分數(shù)是對每個公司的ESG概況的綜合評估。本文在行業(yè)調(diào)整的基礎(chǔ)上，總結(jié)每個公司的E、S和G特征的分數(shù)，評分范圍為從0（最差ESG）到10（最優(yōu)ESG）。

本文將上述的數(shù)據(jù)及與以下相關(guān)數(shù)據(jù)和模型結(jié)合使用：XpressFee數(shù)據(jù)庫（股票收益和市場價值）、Compustat數(shù)據(jù)庫（計算公司基本面）、13f持倉報告中的機構(gòu)持倉頭寸（由Thomson Reuters匯總）、根據(jù)日內(nèi)數(shù)據(jù)計算得到的下單量，和用于計算ESG有效前沿的Barra US Equity（USE3L）風險模型。

為了計算ESG-SR前沿，投資者必須首先選擇他們的投資領(lǐng)域，并計算風險和預(yù)期收益。本文考慮了標準普爾(S&P) 500指數(shù)中股票的月收益。為了計算風險(即標準普爾500股票的方差協(xié)方差矩陣)，本文假設(shè)所有投資者都使用Barra US Equity（USE3L）風險模型。不了解ESG的投資者和了解ESG的投資者以不同的方式計算預(yù)期收益。U型投資者關(guān)注一般的股票風險溢價和市價比率等的傳統(tǒng)價值衡量指標，而A型投資者則使用ESG信息來進行投資決策。

圖5顯示了使用G指標下的ESG有效前沿。不了解ESG的投資者的前沿與了解ESG的投資者的前沿有很大不同。這種差異的出現(xiàn)是因為本文的G指標預(yù)測了樣本的收益。在圖5.A中不了解ESG的U型投資者在ESG得分為0.25時使夏普比率最大化，這意味著U型投資者的投資組合中的樣本股票接近該ESG衡量指標的平均值。這里所提到的ESG幾乎是中性的，因為U型投資者只使用市價比率（book-to-market ratio）的信息，而對G的任何敞口都只是偶然地通過市價比率和G之間的弱相關(guān)性所產(chǎn)生的。此外，前沿在零附近相對對稱，這意味著該投資者認為以正的G分數(shù)為目標的成本與以同樣幅度的負分數(shù)為目標的組合成本相似。

圖5.B顯示了A型投資者的已實現(xiàn)的前沿（Realized frontier）與事前感知前沿（Ex ante perceived frontier）形似。這是因為驅(qū)動前沿的ESG分數(shù)被明確納入了面板A的收益預(yù)測，并且因為本文的事前風險和期望收益模型很好地捕捉了事后已實現(xiàn)收益。圖5.B中的U型投資者的已實現(xiàn)前沿與面板A中的感知前沿具有不同的形狀，這是因為U型投資者忽略了G指標可以預(yù)測收益。U型投資者的已實現(xiàn)的ESG-SR前沿看起來與A型投資者的前沿類似，這是因為他們的投資組合在該范圍內(nèi)更相似。除此之外，U型投資者選擇的投資組合是在市場敞口、價值和G分數(shù)之間進行了次優(yōu)權(quán)衡。

結(jié)論1.篩選出最差的ESG股票,可以建立最優(yōu)投資組合

前文的實證研究允許投資者在不受約束的投資組合中配置他們的資本，在投資領(lǐng)域做多做空任何股票。下文要考慮對ESG敏感的投資者（ESG-sensitive investors）面臨的現(xiàn)實限制和限制條件。在這些約束條件中，最普遍的是篩選出具有最弱ESG特征的股票。圖6顯示了三個不同的ESG-SR有效前沿：第一個是無約束投資者A，第二個是投資者剔除掉具有最低ESG特征的10%的股票，第三個是剔除掉具有最低ESG特征的20%的股票。

觀察圖6可以發(fā)現(xiàn)，當剔除表現(xiàn)最差的ESG股票時，夏普比率最高的投資組合的ESG分數(shù)較低。無約束條件的投資者A在投資組合的ESG分數(shù)為2.25時，夏普比率得到優(yōu)化。當剔除10%的ESG最低的ESG股票后，夏普比率在ESG分數(shù)為1.5時達到最大；剔除20%后，夏普比率在ESG分數(shù)為1時達到最大值。

因此，與那些允許在投資組合里包含這些有較低ESG分數(shù)資產(chǎn)的投資者相比，將低ESG資產(chǎn)剔除在投資組合之外的投資者，更有可能以較低的ESG分數(shù)建立最優(yōu)投資組合。這一發(fā)現(xiàn)背后的邏輯是，低ESG資產(chǎn)是有效的融資來源，允許不受約束的投資者做空它們，以建立更大的高ESG分數(shù)的證券多頭頭寸。此外，低ESG資產(chǎn)可以作為高ESG資產(chǎn)的有效對沖工具，并可能通過增加對高ESG證券的投資來幫助投資者提高整體投資組合的夏普比率。通過篩選，投資者可以最優(yōu)地選擇不讓高ESG分數(shù)的資產(chǎn)在組合中占據(jù)過大的頭寸。

結(jié)論2.ESG可以預(yù)測未來的基本面

ESG信息能夠產(chǎn)生正的超額收益的一個必要條件是它與未來基本面相關(guān)。為了測試這種可能性，作者將其ESG指標與未來的基本面聯(lián)系起來。作者考慮表1中的兩個基本面指標。表1.A中考慮了“會計收益率”（accounting rate of returns），這是Richardson et al.（2006）所定義的凈經(jīng)營資產(chǎn)收益率。表1.B中考慮了“資產(chǎn)毛利率”即收入與銷售成本之差所占總資產(chǎn)的比例，這是Novy-Marx（2013）所給出的定義。在表1 中，這些企業(yè)基本面都是在ESG指標后12個月進行測量的，并用未來12個月的盈利數(shù)據(jù)與現(xiàn)有的ESG指標進行統(tǒng)計回歸分析。對于上文所定義的4種ESG指標，作者提出了兩種計量規(guī)范：（1）要基于具有固定月效應(yīng)的合并樣本，且標準誤差要聚集在公司層面。（2）基于Fama-MacBeth程序和Newey-West標準方差。本文還控制了公司的貝塔系數(shù)、規(guī)模和市凈率等變量。

表1中的回歸1和2使用了本文的E指標變量。作者發(fā)現(xiàn)，碳排放指標可以預(yù)測表1.A中的會計收益率，但對于表1.B中的毛利率而言是不顯著的。因此，作者得出結(jié)論，即E指標變量可能與基本面沒有顯著的關(guān)系。對于本文的S指標變量，結(jié)果也有所不同。回歸3和4的分析得到的負值系數(shù)都表明，“罪惡”股票具有相對較強的未來基本面，該發(fā)現(xiàn)與Blitz和Fabozzi（2017）的結(jié)論一致，但這些統(tǒng)計僅具有邊際意義?；貧w7和8顯示，MSCI的總體ESG分數(shù)與未來基本面呈正相關(guān)，但僅在表1.B中具有統(tǒng)計意義。

在回歸5和6中，對于G指標變量的回歸結(jié)果是顯著的。表1.A中的數(shù)據(jù)表明，應(yīng)計利潤的每一個標準差的增加，會計收益率相應(yīng)增加0.02，或者在0.1的平均水平上提高20%。

這一發(fā)現(xiàn)為本文后面所提到的，應(yīng)計利潤可能包含未來基本面的有關(guān)信息提供了相關(guān)可能性，且這些基本面可能無法被市場完全定價。表1.B中的對應(yīng)值也展示了資產(chǎn)毛利率的結(jié)果。

同樣，更高的G分數(shù)預(yù)示著未來公司盈利能力的提高，但這個變量的影響相對較??；應(yīng)計利潤每移動一個標準差，毛利潤率變化0.006，約為該變量平均水平0.3的2%左右。

結(jié)論3.ESG可以預(yù)測投資者的需求

表2.A使用了與表1相似的設(shè)置，基于三個月前的ESG指標和常規(guī)控制來預(yù)測機構(gòu)投資者持股量。機構(gòu)投資者似乎在構(gòu)建他們的投資組合時納入了ESG信息，尤其是本文所選用的4個ESG指標變量與機構(gòu)持股成正相關(guān)，而且這些ESG變量的經(jīng)濟效應(yīng)是顯而易見的。

表2.B和表2.C考慮了交易活動(交易數(shù)量的對數(shù))和簽署的訂單數(shù)（買單的總金額占比）的度量。為簡潔起見，本文只報告了具有日期固定效應(yīng)的合并回歸分析。對于G變量而言，其統(tǒng)計結(jié)果是最直觀的，因為數(shù)據(jù)顯示應(yīng)計利潤指標得到改善的時候，交易數(shù)量和買單比例均明顯增加。但是，對于其他三個指標而言，統(tǒng)計證據(jù)并不直接。低碳強度股票和非罪惡股票交易次數(shù)似乎有所減少。對于低碳強度的股票，本文還可以看到買單比例的下降。

結(jié)論4.ESG可以預(yù)測未來收益

到目前為止的實證研究表明，ESG信息與未來的基本面存在密切相關(guān)的關(guān)系。與此同時，一些證據(jù)表明，投資者傾向于將其ESG組合投資于G指標更具有吸引力的股票。如前文所述，兩種效應(yīng)之間的相互作用可能會導(dǎo)致收益溢價或折價，具體取決于哪種效應(yīng)更強。相對于G指標變量，E、S和整體ESG這三個的指標變量更容易做出收益和需求預(yù)測的決策，因為本文發(fā)現(xiàn)這三個指標與未來基本面的相關(guān)性較小，投資者需求更強。因此，作者認為具有良好E、S和整體ESG分數(shù)的股票應(yīng)該比具有良好G指標的股票更昂貴，且未來收益較低。為評估這些預(yù)測，本文在表3和表4中考慮了估值（Tobin’s Q）和風險調(diào)整后的收益。

表3顯示了ESG指標變量與市凈率對數(shù)的關(guān)聯(lián)性。表3中的回歸1表明，E得分高的股票(即低碳密度的股票、綠色股票)的價格相對高于棕色股票的價格。這與作者之前顯示的投資者相對較高的需求是一致的。當在回歸4中使用整體ESG度量(來自MSCI)時，也顯示了類似的模式。相比之下，當在回歸2中使用S指標變量時，作者發(fā)現(xiàn)有罪和無罪股票之間的估值沒有顯著差異。

表4顯示了ESG指標對證券收益率的預(yù)測能力。基于本文四個ESG指標中的每一個，作者每月將股票分為五個等級(對于有罪指標和無罪指標，分為兩個投資組合)，然后構(gòu)建一個投資組合，買入ESG分數(shù)較高的股票，賣出ESG分數(shù)最差的股票。表4顯示了在控制各種資產(chǎn)定價因子的情況下，基于平均權(quán)重和市值加權(quán)所構(gòu)建的ESG投資組合的最終表現(xiàn)。

基于G指標變量的投資組合收益非?？捎^。這種影響的經(jīng)濟規(guī)模是巨大的:即使在控制了五個因素(Fama和French，2015)后，等權(quán)重投資組合年收益率為7%，市值加權(quán)的投資組合年收益率為3%。這一發(fā)現(xiàn)強化了本文的結(jié)論，即G指標對于那些即使已經(jīng)在其投資組合決策中使用多個其他投資因子來構(gòu)建組合的投資者也有較大的意義。

對于E和整體ESG指標變量而言，本文發(fā)現(xiàn)幾乎沒有證據(jù)可以說明這兩者可以產(chǎn)生超額收益。在本文的樣本期內(nèi)，根據(jù)點估計（point estimate），碳排放強度低的公司表現(xiàn)的相對較好，但超額收益也只在10%的水平上顯著。本文發(fā)現(xiàn)了Hong和Kacperczyk（2009）文獻所記錄的“有罪溢價”（the sin premium）的一些證據(jù)。因為本文考慮的是多頭和空頭組合，即做多非罪惡股票（ESG較高的股票），同時做空有罪股票（ESG較低的股票）。因此，有罪股票的溢價將被反映為負的超額收益。本文發(fā)現(xiàn)對于市值加權(quán)組合來說，每年的有罪溢價可達4%，但是對于等權(quán)重組合以及五因子或六因子模型來講，該溢價很小，甚至微不足道。