MathWorks 研究发现 ESG 走势信号

欲通过电子邮件收取更多数据驱动洞见相关资讯，请订阅《路孚特视角》周刊 (英文)。

根据理柏的数据，截至 2022 年 2 月，ESG 基金的全球资产管理规模为 6.88 万亿美元，与 2004 年 1 月的 9390 亿美元相比增加 732%。

随着关注 ESG 的在线社区兴起，有关企业 ESG 表现的信息和相关争议便持续不断出现。自然语言处理技术可用来监听新闻和社交媒体讨论，生成以 ESG 为重点的信息流。量化研究表明，ESG 争议性较高的股票普遍表现较差。

MathWorks 的研究立足于已发表的研究结论，证明 ESG 争议得分的走势会影响股市回报。

在测试此类策略时，最大的挑战在于 ESG 主题的多样性和规模庞大的数据。无论是非结构化数据或是结构化数据，MATLAB 都提供了多种灵活的工具来简化这项工作，从而尽可能避免引入可对结果产生显著影响的偏差。

使用 RM-ESG 进行自然语言处理

多维度的路孚特 Refinitiv® MarketPsych ESG 分析 (RM-ESG) 数据集 (英文) 被定量分析师用于管理风险和预测全球股价。其复杂的自然语言处理 (NLP) 引擎可根据关于企业的环境、社会和治理主题（ESG 主题）评论生成得分。

该 NLP 引擎可实时扫描和解读来自数以千计的新闻和社交媒体帖子的数千万名作者发表的评论。以下图示简要描绘了从媒体文本提取关键主题，并将其汇总到得分中的三步式流程。

RM-ESG 数据集针对全球超过 100,000 家企业发布了多达 45 项争议得分。

RM-ESG 信息流并非根据企业的报告和新闻稿对可持续性进行评分，而是着眼于公众对企业活动的认知，以外部视角进行客观评价。这种外部视角方法尤其适用于识别突发利空。

媒体 ESG 争议度较高的股票，股市回报较低

研究表明，ESG 争议得分较高的股票展现出更大的下行幅度以及更大的波动性（Teodoro、Clark-Bell 和 Peterson，2022 年）。避开有争议的股票可大幅提升投资组合的表现和夏普比率。

深入了解路孚特 MarketPsych ESG 分析以及如何将情绪评分纳入您的分析 (英文)

ESG 争议总分是一般性评分，体现的是与某家企业有关的所有 ESG 讨论中涉及 ESG 争议的百分比。重要的是，此得分是各个行业内的相对排名。

每个行业中，都有 ESG 争议得分从 100（争议最少）到 1（争议最多）不等的公司，且得分相同的公司数量相近。该相对排名避免了利于科技股（ESG 争议往往较少）或不利于油气股（牵涉到更多争议）的偏见。

在一项使用 ESG 争议总得分的研究中，网上争议性较高的股票普遍表现较差。该研究的范围包含 3,000 只前一月份媒体关注度最高的美国股票，而“关注度”表示上一期与 ESG 有关的媒体提及总次数。

首先，确定每只股票前一月份的平均 ESG 争议得分。然后，我们通过 3 个假设性投资组合模拟下个月的投资回报：

1. 争议得分最低的 20% 股票（绿线）

2. 所覆盖的此类股票集合（虚线）

3. 争议最多的 20% 股票（红线）

每个投资组合的增长均未考虑交易成本

涉及 ESG 争议较多的美国股票（红线）自 2012 年以来表现较差。争议得分最高和最低股票之间的差幅为每年 2.3%。图片说明文字中详细说明了更多测试统计数据。

不考虑股价回报的高低，ESG 争议较多的股票在下一月份的波动性也高于 ESG 争议较少的股票。这种关系自 2007 年开始出现（参考 Teodoro et al，2022 年）。

ESG 争议得分的走势影响股市回报

MathWorks 在研究中测试的另一个信号是 ESG 争议走势，即高争议得分随着时间推移持续存在的倾向。

当 MathWorks 对比按 ESG 争议走势因素排序的投资组合时，他们发现企业的 ESG 主题争议得分增加，会对股票投资组合产生负面影响，反之亦然。

在实施这些策略时，他们的观察对象包括：

• 争议增加的企业：这些企业位于 ESG 争议走势分布范围内的后 20% 区间。
• 争议减少的企业：这些企业位于 ESG 争议走势分布范围内的前 20% 区间。

ESG 争议走势因素的获取方法：

• 计算企业每日 ESG 争议得分的每月关注度加权平均值，其中关注度是指与企业 ESG 主题相关的媒体提及次数
• 使用简单的移动平均值，校平每月总得分序列
• 计算校平后序列在两个月内的变化率

然后取每月轮换不同标普 500 企业的投资组合，针对多个 ESG 相关问题（如排放争议、管理争议、人权争议等），用 MATLAB 的反向测试框架 (英文) 分别进行若干次反向测试。

最后，他们测量了后 20% 和前 20% 区间的投资组合的年化回报率之差。

如图 1 所示，在所测试的 32 项争议当中，有 22 项显示争议减少的公司相对于争议增加的公司表现更佳。

表现最好的投资组合是社区、管理和信用争议减少的投资组合；而仅在排放主题上，排名后 20% 区间的投资组合表现远逊于前 20% 区间的投资组合。

总体来看，包含治理争议的投资组合表现优于包含社会和环境争议的投资组合。图 2 显示了一个涉及此类治理争议的股票曲线。

新闻和论坛讨论对股价的影响

实时新闻以及可放大争议性新闻的在线投资社区似乎会对股价产生影响。

通过对这些论坛中的讨论进行实时自然语言处理，所得到的信息流可在股价完全反应之前捕获新兴风险。

识别企业在 ESG 争议方面的趋势，或将为缓解股票和固定收益投资组合的风险提供有价值的洞察。

ESG 争议呈上升趋势的企业有可能遭受声誉损害和长期资本外流，而争议减少的企业则可能因机构投资者的积极参与而受益，并由于 ESG 实践的改善而获得增持。

在测试此类策略时，最大的挑战在于 ESG 主题的多样性和规模庞大的数据。无论是非结构化数据或是结构化数据，MATLAB 都提供了多种灵活的工具来简化这项工作，从而尽可能避免引入可对结果产生显著影响的偏差。

深入了解 MATLAB 数据分析：探索、建模并直观呈现数据趋势 (英文)

常见问题

社交媒体能否影响股票？

在一项使用 ESG 争议总得分的研究中，网上争议性较高的股票普遍表现较差。