导读

1、 作为西学东渐--海外文献推荐系列报告第五十四篇，本文推荐了Mozaffar Khan于2015年发表的论文《Corporate governance, ESG, and stock returns around the world》。

2、 公司的ESG表现正获得社会各界越来越多的关注，本文通过实证解决了ESG是否可以预测股票收益的问题。基于ESG的重要性概念，本文构建了一种新的ESG指标。新指标由公司治理得分和重大ES得分构成，其中：1、公司治理得分包括所有权分散程度、股东导向、机构实力和MSCI得分4部分，纳入了公司间的国别差异；2、重大ES得分由MSCI得分中对公司有重大影响的指标构成，考虑了公司间的行业差异。

3、结果表明股票收益与公司治理和ESG得分均呈正相关关系，且新指标包含了Fama和French因子组合中没有的信息。同时本文依据指标得分构建了ESG投资组合，实证表明组合有稳定的超额收益，为挖掘ESG投资价值提供了新的视角。

风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。

1、引言

在过去十年里，公司在环境、社会和治理（ESG）方面的表现获得了社会各界的广泛关注，包括客户、雇员、公益团体和政府监管机构等。因此，公司也越来越重视ESG，主动采取行动提高在ESG方面的表现，向投资者路演他们在ESG方面的实践，并在年报中公布他们在ESG上所做的努力。在这种背景下，投资者也在不断寻找这些信息背后潜在的风险和收益。公司的股票收益和他们的ESG表现（以下简称“ESG”）之间有关系吗？检验ESG对股票收益预测能力的关键挑战在于如何衡量ESG。本文借鉴了以前的学术文献以及ESG的重要性概念提出了一种新的对ESG的衡量方法，并且用全球可投资样本测试了该衡量方法对收益的预测能力。

在提出新的ESG衡量方法时，本文采用并扩展了Khan，Serafeim和Yoon（2016）所述的重要性框架。ESG重要性概念是指通过判断ESG问题对股东和其他利益相关者的影响程度来确定ESG的投资价值。特别地，如果ESG问题也影响公司的财务业绩并因此影响股东权益，则也被视为“重大”影响。例如，对于医疗保健分销商而言，燃油效率和管理可能是重大的ESG问题，但对于医疗保健提供者而言则不是。分销商由于其商业模式，是燃油的大量消耗者，因此提高燃油效率不仅可能对环境有利，也对公司股东有利。相比之下，医疗保健提供者大概率只消耗较少的燃油，如果在相关利益团体的敦促下采取此类管理措施，大概率会导致在燃油管理方面的过度投资。在重要性框架下，医疗保健分销商在重大ESG问题（例如燃油管理）方面的得分将有助于其整体ESG得分。而对医疗保健提供商而言，在非重大ESG问题（例如燃油管理）上的得分将不会计算在它总体ESG分数中。因此，重大的ESG问题因行业而异，并且对于特定行业，它们也只是利益相关者可能主张的潜在ESG问题的子集。重要性概念越来越成为ESG词典的一部分，并且重要性框架已被许多投资经理和公司采用。

本文参考了Khan等人（2016年）的论文以识别重大环境和社会（E＆S）问题中的跨行业差异，同时也借鉴了以前的公司治理文献来识别公司治理中的跨国别差异（ESG中的G）。Khan等人仅考察了美国公司，因此没有考虑公司治理在不同国家间的差异。但是，对于全球投资者而言，识别并纳入公司治理的国别差异在衡量全球公司的治理能力时是非常重要的。

良好的公司治理对于有效的资本分配以及资本的留存和增长是非常重要的，而这从长远来看是构建可持续企业的重要条件。不可持续的企业不太可能提供合理的长期回报（即合理的股东回报）、社区的长期就业或支撑社会（包括环境）发展的可持续税收。从这个角度来看，公司治理不善对股东和其他利益相关者而言都是代价高昂的。

本文明确了三个导致公司治理国别差异的具体原因。首先是全球公司所有权结构存在巨大差异。平均来看美国的公司具有分散的股权结构，从全球来看股权往往更集中，控制权由控股股东（如创始人，家族或国家）行使（La Porta，Lopez- de-Silanes和Shleifer，1999；Bebchuk和Weisbach，2010；Aminadav和Papaioannou，2018）。例如，La Porta，Lopezde-Silanes，Shleifer和Vishny（1998）发现，美国公司的平均所有权集中度比其他45个国家中90％以上的国家要低。La Porta等人（1999年）发现，美国拥有控股股东的公司所占比例比他们所调查的27个国家/地区中90％以上的国家/地区要低；Aminadav和Papaioannou（2018）在他们研究的85个国家中发现了相同的结果。在所有权分散的情况下（例如在美国），公司治理问题是由股东与公司经理之间的利益冲突引起的（Berle和Means 1932）。

然而，正如国际上普遍存在的那样，控股股东的存在将公司治理问题的源头转移到少数股东与控股股东之间的利益冲突中（Bebchuk和Hamdani 2009）。控股股东可以通过多种方式将资金从公司中抽出，例如通过关联方交易或与他们控制的其他公司的机会转让定价合约（Bertrand，Mehta和Mullainathan 2002；Johnson，La Porta，Lopez-de-Silanes，和Shleifer 2000; Jiang，Lee，和Yue 2008）。当控股股东通过不透明的结构（如交叉持股和金字塔控股）行使控制权时，或者当控股股东拥有了只有少数才可以控制的现金流量权时，这一问题会更加严重，但这种情况在国际上很常见（Bebchuk，Kraakman和Triantis 2000）。控股股东的私人财富增值需求和资本分配不当会侵占业务长期可持续发展所需的资本。

第二个原因是各国股东权益在公司治理指导方针中的重要性差异。在某些国家/地区，强调利益相关者的广泛利益可能是受到政策影响的重要目标。股东权益导向可以通过客观且可量化的成本和收益为资本分配设置一个明确的目标或目标等级。轻视股东权益的利益相关者导向可能会使业务目标更加分散，并且由于不同利益相关者之间潜在的制衡关系，导致更难以量化和平衡成本和收益。对于业务的长期可持续性而言，分散的业务目标可能比目标集中不利。从这个角度来看，为了维护业务的长期可持续性及各群体利益，以股东权益为导向会使经济规则更适合资本分配决策。

第三个原因是如果不考虑覆盖这些公司的监管机构水平，则难以比较不同国家公司层面的治理水平。美国/英国的监管机构通常以法治，严格的执法和问责制为特征。然而，其他国家在这些机构特征上表现出很大的差异（La Porta等人，1998）。监管机构薄弱会增加公关策略的潜在净收益，并降低控股股东因损害中小股东利益而受到惩罚的概率，从而增加中小股东蒙受损失的概率（La Porta, Lopez-de-Silanes, Shleifer, 和Vishny 2000）。由于国家层面监管机构薄弱带来的公司资本流出不利于公司建立可持续的业务。

这些重要的公司治理因素（并不代表对因素的穷举）旨在建议分析人员可以一步步将国别差异纳入其对公司治理的评估中。为了对第一个公司治理因素进行实证检验，本文使用自由流通股份作为所有权分散程度的表征。对于第二个因素，本文使用一个国家的法律体系（普通法，斯堪的纳维亚/德国法典，法国法典或社会主义法）作为对股东导向的衡量。从La Porta等人（1998年）开始的大量文献表明法律体系与公司对股东的保护程度有关。对于第三个因素，即国家级别的机构实力，本文使用了彭博的政治风险评分，该评分对国家各个相关方面进行了评级。本文发现，在2009年至2017年之间全球42个国家的可投资样本内，所有权分散程度、股东导向和机构实力确实可以预测股票收益。

接下来，本文将这些重大公司治理因素与MSCI的传统公司治理得分相结合，以合成一个公司治理得分。MSCI的公司治理得分是根据董事会特征，高管薪酬和股东投票权等因素对公司进行评级。本文发现，合成的公司治理得分可以预测2009-2017年期间可获得数据的股票收益。当我们控制风格，时间和板块差异时，合成的公司治理得分前1/4组合-后1/4组合的月收益差为33个基点（bps）。

本文还通过结合公司重大E，S得分和G得分构建了一个新的ESG得分。新的ESG得分可以预测2013-2017年期间可获得数据的股票回报。当我们控制风格，时间和板块差异时，新的ESG评分估计的前1/4组合-后1/4组合的月收益差为36 个基点。对于投资者而言，这些结果表明，公司好的ESG表现（包括公司治理实力）对于未来的股票收益是有益的。请注意，报告的结果不是基于实际的实时交易策略结果，且未扣除交易成本。因为投资组合的构建规则和实施方法差异，实际投资结果可能与此处所述的回测结果有所不同。

另外一点需要注意，ESG的定义和构成存在多样性。本文根据以前文献提出了一种ESG的定义，该定义强调了股东利益。该定义包含的观点是如果企业最终无法为股东提供合理的长期回报，那么该企业是很难实现可持续发展的。这种观点可能与担任信托人的专业投资经理的观点一致，其目的是在ESG中寻找投资价值。但是，这种观点可能未被普遍接受，并且可能被某些人视为对ESG其他重要目标的稀释。但是，有关ESG定义和目标的这些重要的开放性问题不在本文讨论范围之内。尽管本文发现ESG对收益具有一定预测能力，但对ESG的不同定义可能会导致不同的结果。最后，ESG的定义或概念的合理性可能独立于其与后续收益预测能力的关联研究。

2、数据和样本

本节介绍了公司治理数据和ESG数据，也描述了采用的样本和时间段。

2.1

公司治理数据

本文用自由流通股份（或内部人员未持有的股份）与总股本的比率来计算公司层面的所有权分散程度。这些数据是从FactSet获得的。国家层面的机构实力是从彭博的“国家风险评估模板”获得的，该模板提供的政治风险评分为0到100。彭博的评分是基于世界银行的“全球治理指标”，该指标涵盖了法治（包括执法）、监管质量、政府效力、腐败、政治稳定以及话语权和问责制（Kaufmann，Kraay和Mastruzzi 2010）。

国家层面的法律体系可从Andrei Shleifer的网站获得。La Porta等人（1998）发表了一篇长文，表明对投资者的保护因法律体系而异。普通法的保护是最强的，其次是斯堪的纳维亚和德国法律体系，再次是法国法律体系，而社会主义法律体系保护是最弱的。为了将法律体系数字化纳入公司治理评分，在“合成的公司治理得分”部分中，本文为普通法国家/地区分配的值为1.0，为斯堪的纳维亚和德国法典国家/地区分配的值为0.9，法国法典国家/地区值为0.8，所有其他国家（社会主义法律体系）值为0.7。该方案本质上体现了保护程度的等级排序，但是出于量化评分的目的，选择用具体数值代表次序。本文尚未探讨其他排序取值的影响。基于公司总部的地理区域对于公司治理至关重要的前提，本文根据公司总部的位置（来自FactSet）对公司应用了国家/地区的取值标准。

传统的自下而上的公司治理得分来自MSCI，MSCI根据96个“关键指标”对公司进行评分，这些指标反映了会计质量，董事会结构，高管薪酬和所有权等“关键事项”。MSCI公司治理得分的范围从0到10。对于所有权结构，有一个问题是控股股东的存在，但是MSCI对这个问题的考虑与本文对它的考虑有两个方面的不同：（1）MSCI使用一个指标表示存在控股股东，而本文使用所有权分散程度指标。（2）考虑到MSCI有96个关键指标，对于控股股东指标分配的有效权重可能太低。如后文所述，本文对所有权分散程度给予了更大的重视。

MSCI的公司治理得分还包括一个公司级关键指标，即考虑公司的“腐败和不稳定性”。此问题与本文中对监管机构实力衡量方法相似，但应用方式有所不同。本文应用在国家/地区层面考察监管机构实力，因此总部设在一个国家/地区的所有公司在此方面均获得了类似的评分。相比之下，MSCI得分是在公司级别考察的，并且基于公司在特定国家/地区的经营范围。此外，在本文中，监管机构实力在公司治理得分中的权重比MSCI的权重更高。对于MSCI评分，这个指标只是众多考察项之一。最终，哪种方式“更好”是一个经验问题。

2.2

ESG数据

所有E和S事项的评分均来自MSCI，MSCI提供了E和S框架下29个关键事项的评分。MSCI的关键事项因行业而异；因此，不是所有公司在29个事项上都有评分。对于给定的公司，某些MSCI关键问题可能并不重要，因此本文根据可持续性会计标准委员会（SASB）的指导意见，逐个行业进行了研究，以找出重大事项与非重大事项。MSCI确定其关键事项的方法和SASB确定其“重大事项”的方法在其公共文档中都有详细描述。MSCI将一个行业的关键ESG事项明确为“该行业中的公司当前会在哪些方面对环境或社会产生较大的外部影响”，将来可能会被迫将其内部化。SASB将重大事项确定为“很可能会影响财务状况或运营绩效的重大问题”。虽然这些方法有一些相似之处，例如各个组织都关注财务影响，但实施方法上的差异使MSCI关键事项与SASB重大事项的重叠度从每个行业平均来看只有60％。本文阅读了Khan等人（2016年）采用SASB的指南，但哪种方法在收益可预测性方面更有效是一个经验问题。

E和S事项及行业的定义在MSCI和SASB之间有所不同。因此，如Khan等人（2016）所述，本文在MSCI和SASB之间对事项和行业做了映射，以识别重大事项。然后，本文使用MSCI事项评分和权重（重新标准化）来计算每家公司在E和S上的重大事项得分。最后，本文将前面所述的新公司治理（G）得分与E和S重大事项得分相结合，以构建新的ESG得分。

2.3

选取样本

本文使用了MSCI所有国家/地区可投资市场指数（ACWI IMI）中所有可获得的公司样本，该指数由来自23个发达市场（DM）和24个新兴市场（EM）的大、中、小市值公司组成。据MSCI称，这一样本空间约占“全球股权投资机会集合的99％” 。在根据数据可得性要求进行调整之后，公司治理样本包括来自42个国家（23个发达市场和19个新兴市场）的2009年1月至2017年11月共338,626个公司月度观察结果。2009年是彭博提供的机构实力数据最早可获得的年份。因此，数据可得性使得公司治理样本时间长度存在约束。但是，在“探讨”章节中，本文对较长的时间范围（2000-2017年）内所有权分散和股东导向指标的影响进行了进一步研究，因为这两个因素都有较长时期的可用数据。由于MSCI发行的E和S重大事项评分仅从2013年初起可以获得，ESG样本被进一步限制在2013年至2017年之间的183,335个公司月度观测中。

所有自变量均对最高和最低1％的数据进行winsorize处理。本文与Fama和French（2012）以及Asness，Frazzini和Pedersen（2019）采用相同方式进行处理，对股票收益、市值和其他相关变量都以美元计价，以反映美国投资者的观点。因此，非美国投资者以本地货币计量结果可能与此处所述有所不同。变量的定义见附录A。

图表1展示了变量的月度截面数据描述性统计。新合成的公司治理得分的平均值为6.527分，满分10分（MSCI公司治理得分为5.559分，满分10分）；新重要ESG事项得分的平均值为4.976分，满分10分（MSCI的ESG得分为4.467分，满分10分）。

2.4

公司治理和未来股票收益

本部分研究了上一部分中描述的公司治理变量（所有权分散程度，股东导向和机构实力）是否可以预测样本中的股票收益，以及与MSCI传统的自下而上公司治理得分相比，新变量的预测程度是否增加。

本节首先研究了股票收益与三个新公司治理变量之间的单变量关系。图表2显示了国家层面平均加权月收益率与国家层面平均所有权分散程度的散点图。我们需要分别计算每个国家每月平均所有权分散程度和下一个月的股票收益，并在图表2中展示该时间序列的均值，每个点代表一个国家。结果表明各国所有权分散程度存在显著差异（沿x轴离散），这与现有文献一致（La Porta等人，1999；Bebchuk和Weisbach，2010；Aminadav和Papaioannou，2018）。同时结果显示：样本中的所有权分散程度与股票收益呈正相关，这与Lemmon和Lins（2003）所述一致。

图表3显示了根据所有权分散程度进行分位数测试的各组别平均回报。每月采用样本中分散程度相似的不同国家公司组成投资组合，用下月组合内公司收益按照市值加权作为组合收益。结果表明平均收益随着所有权分散程度的增加而单调增加。

图表4显示了股东导向与股票收益之间的单变量关系。采用国家/地区的法律体系作为股东导向的代理变量，每个月将横截面上的公司分类为普通法国家公司和其他国家公司，然后按照市值对下个月两组公司收益进行加权，并进一步计算组合收益。图表4展示了两组收益的时间序列平均值。它表明，普通法国家的公司（占样本的68％，并被认为具有更强的股东导向）的平均回报率高于其他国家的公司。图表5将非普通法国家进一步分为社会主义法律体系国家（样本的2％），法国法律体系国家（样本的9％）和斯堪的纳维亚/德国法律体系国家（样本的21％）。图表5中社会主义国家剔除了中国，因为中国的股票市场在过去的几十年中经历了前所未有的结构性转变，图表5中若包括中国便会扰乱单调关系。但是，图表4和其他所有检验中都包括了中国。使用与图表4相同的计算过程，图表5通过更精细的分类展示了股东导向与股票收益之间的单调正相关关系。

图表6展示了国家层面（所有国家）的平均加权月收益与国家级机构实力的关系。每月按国家分别计算机构实力和下一个月的股票回报。图表6中的每个点代表一个国家的时间序列平均值。在样本的42个国家中，可以看出机构实力存在显著差异（沿x轴离散）。x轴上的分数越高表示国家机构实力越高。结果表明机构实力更强大的国家，公司的平均股票收益更高。

图表7展示了四个回归的结果。每个回归中都包括了样本中公司下月收益对已知收益预测指标的回归，收益预测指标包括滞后一月收益（Jegadeesh 1990）；收益动量（Jegadeesh和Titman 1993）；以及规模，价值，盈利能力和投资（Fama和French 1992、2006、2015；Hou，Xue和Zhang，2015年）。同时本文控制了股票换手率，因为它与所有权分散程度（收益的关键变量）呈正相关。此外每个回归都考虑了时间（月度）和行业固定效应，并衡量了自相关程度（Petersen 2009）。回归没有考虑国家固定效应（对于不同国家的公司回归时采用不同的截距项），因为待检验因子中有两个自上而下的国家层面因子，而国家固定效应会减少因子在国家间的差异。

图表7中的第一个回归显示，所有权分散程度贡献显著（t统计量= 5.56），头部和尾部之间的回报差异为26 个基点（0.0013×2）。如图表7所示，除股票换手率外，所有其他自变量均与先前文献预测一致并贡献显著，尽管Campbell（2018，p.71）指出股票换手率可能会在短期内与收益产生正相关关系。

第二个回归结果表明，股东导向贡献显著，回归系数为0.0191（t统计量= 7.44）。回顾“公司治理数据”部分，普通法国家的公司股东导向取值为1.0，斯堪的纳维亚和德国法典国家的公司取值为0.9，法国法典国家的公司取值为0.8，社会主义法国家的公司取值为0.7。因此，进一步计算可得，普通法国家的公司月度股票收益比斯堪的纳维亚/德国法典国家的公司高19.1个基点（0.0191×0.1）。

图表7中的第三个回归显示机构实力贡献显著，回归系数为0.0061（t统计量= 6.22）。国家机构实力得分的前1/4-后1/4约为0.5。回归结果表明，国家机构实力分布于前1/4和后1/4的公司月收益率差约为30个基点（0.0061×0.5）。

最后，图表7中的第四个回归显示，当我们加入了MSCI传统的自下而上的公司治理得分之后，所有权分散程度、股东导向和机构实力在样本内对股票收益的预测中依然具有显著的意义。换句话说，所有四个变量都携带一些未包含在其他任何变量中的信息。MSCI公司治理得分的系数为0.0003（t统计量= 3.89），这意味着MSCI公司治理得分每增加1点，股票收益会增加3个基点。

3、合成的公司治理得分

在本节中，我们首先描述了如何通过结合自上而下和自下而上的公司治理因子来构建新的公司治理得分。然后，本文展示了新合成的公司治理得分对收益预测能力的检验结果。最后，本文对其他方法合成的公司治理得分进行了评估。

3.1

构建公司治理得分

图表7中的结果表明，自上而下和自下而上的公司治理因子都可以预测股票收益表现。因此，本文构建了一个公司治理得分，该得分由自上而下和自下而上的公司治理因子合成。出于以下原因，合成的公司治理得分具有很强的实用性：首先，合成的得分有助于在公司层面进行比较；其次，可以使用合成得分将股票横向划分为投资组合。图表7中的结果来自公司层面的收益预测能力检验，但是资产定价文献中更常见也很有用的是从投资组合层面进行检验评估（Fama和French 1993）。

本节的目标是构建一个新的公司治理得分，具体来说是由所有权分散程度，股东导向，机构实力和MSCI自下而上的公司得分进行合成，其中MSCI得分考虑了董事会特征和高管薪酬等公司治理因子。构造这种得分的一种方法是使用图表7最后一个回归中所隐含的线性聚合规则。该方法的缺点是，这些相对权重是用全样本估计出来的，如果权重会随时间进行高频率变动，这种方法就会存在前瞻性偏差。一种替代方法是每月或每年仅使用过去的数据对收益预测能力进行回归来获得每个因素的隐含权重。这种方法也有一些缺点：首先，前期样本中只有较短的时间区间可以用来估计，这会削弱估计的精度；其次，如果公司治理因素的估计权重随时间变化，即使公司自上而下和自下而上的特征没有发生任何变化，该公司合成的治理得分也可能会发生变化。这种情况可能会削弱新得分对某些投资者来说的实用性。

显然，组成公司治理得分的因子（所有权分散程度，股东导向和机构实力）在每个时间点都可以观察到，其仅使用了过去的信息，且每个因子都可以独立预测股票收益，如图表2至6所示。问题是如何将这些独立的信号组合起来。

在确定线性聚合规则时，本文使用了固定权重，而不是随时间变化的权重。4个因子中有两个自上而下的国家层面因子（股东导向和机构实力）和两个自下而上的公司层面因子（所有权分散程度和MSCI公司治理得分）。为了确定每个因子的权重，本文采用了两步法：第一步，自上而下因子的总权重事先固定为30％，自下而上因子的总权重为70％；在第二步中，本文使用图表7中的第四个回归，比较了每个自上而下因子中1个标准差变化带来的边际效应，并根据边际效应的比例将30％的总权重分配给每个自上而下因子。采用相同的方法将自下而上因子70%的总权重分配给每个自下而上因子。最终各因子权重为股东导向20%，机构实力10%，所有权分散程度20%和MSCI得分50%。使用这个权重来计算每个公司月度的合成公司治理得分。这种方法借鉴了权重指导的数据（第二步），但与此同时，采用30％/ 70％的事前分配比例（第一步）可以减轻前瞻性偏差。

其他替代聚合规则也可以使用，如果投资者使用不同的聚合规则，获得的结果可能与所述策略的结果不同。为了进一步减轻选择聚合规则时的前瞻性偏差，本文在后续章节中也展示了一种由四个因子简单等权组合构成的替代方案表现。

3.2

新得分的收益预测能力

本文将每个月横截面上的股票按公司治理得分排序并四等分，这样就可以检查每组次月市值加权收益表现。图表8展示了合成的公司治理得分最高和最低的四分位中公司的累计收益表现。截至期末，合成得分最高的1/4公司与最低的1/4公司累计回报相差122个百分点。图表8中所示的表现可能无法反映其他投资组合构建规则和经理施加约束的影响；此外，收益未扣除交易成本。实际上，对于使用复杂交易算法的大型投资者而言，交易成本可能较低。例如，Frazzini，Israel和Moskowitz（2018）估计平均执行落差为11个基点。对于图表8中所示的策略，多头（空头）投资组合换手率约为每年43％（46％），这意味着平均持有期超过两年。换手率的提升会放大交易成本的影响，但策略依然存在超额收益。最后，该策略的资金容量很难可靠地估算，但多头（空头）投资组合中公司的平均市值为134亿美元（101亿美元），这表明策略具有一定的资金容量。

图表9展示四分位组合测试下组合月度收益和月收益率波动率明细。从结果来看，随着合成公司治理得分由低到高，收益率单调递增，波动率单调递减。前1/4和后1/4组合的平均月收益差为36个基点。

图表10和图表11展示了对合成的公司治理得分的检验结果。图表10为公司层面的回测结果，图表11为投资组合层面的回测结果。投资组合层面的回测具有减少公司层面收益中潜在噪音的附加优势。测试投资组合仅代表许多可能的组合构建方式中的一种。

图表10中展示的回归控制了风格、时间和行业差异。因为新的公司治理得分包括两个自上而下的国家层面因子（股东导向和机构实力），采用国家固定效应会平滑国家因子的波动，但这种波动正是公司治理得分试图挖掘并利用的，所以国家固定效应不包括在回归中。回归因变量是次月收益。本文在回归中使用了公司治理得分的四分位指标，以方便解释其系数并减少连续得分与股票收益之间可能存在的非线性关系影响。回归结果表明，合成的公司治理得分四分位指标系数为0.0011（t统计量= 6.91），进一步计算可得前1/4组合-后1/4组合的月收益差为（0.0011×3 =）33个基点。

图表11展示了基于Fama和French（1993，2015）因子模拟组合的时间序列回归结果，用测试组合收益对市场超额收益和因子模拟组合收益（包括规模因子、价值因子、获利因子和投资因子）进行回归。测试投资组合是一个多空投资组合，由合成的公司治理得分前1/4组合多头和后1/4组合空头构成。因为测试组合包括来自全球范围的股票，所以回归将五个因子区分为发达市场和新兴市场，参见因子后缀。发达市场因子的数据可从Kenneth French网站获得；本文采用类似于Fama–French的方法构建了新兴市场因子。图表11显示，测试组合具有显著的alpha值，年化信息比率（IR）为0.75。图表11中的其他系数是多空组合相对于因子模拟组合的暴露（即beta）。正（负）因子暴露意味着测试组合的多头（空头）对该因子具有更高暴露。对图表11中因子暴露进行经济解释：对于发达市场，规模和价值因子不显著，这表明发达市场中公司治理表现与公司规模和价值没有显著关系（即测试组合的多头和空头中发达市场公司具有相对平衡的规模和价值特征）；对于新兴市场，规模和价值暴露为负数。SMB_EM暴露为负值表明，在样本期内规模较大的新兴市场公司正在率先实施良好的公司治理实践，而较小的公司大概率处于公司治理分位数的底部。HML_EM暴露为负值表明，新兴市场中治理不善的公司具有重资本低估值的价值特征，与“非市场经济时期”治理表现不佳的国有公司（一般为重资本重工业）相似。最后，在新兴市场中获利因子和投资因子的暴露为正，这表明具有稳健获利能力和保守的投资特征的公司更有可能处于治理得分前1/4。

为了减轻DM和EM因子之间可能存在的共线性，本文还用全球投资组合替换了单独的DM和EM因子后对图表11进行了重新估计（例如用一个全球SMB因子替代SMB_DM和SMB_EM）。若存在共线性会使估计值的标准差增大并使t统计量向下偏。使用全球因子后，估计的超额收益为53 个基点/月，t统计量为3.18，在显著性水平为1%的双边检验中显著。但是使用全球因子后，模型调整后的R2下降了40％以上，这表明图表11中展示的分区域因子模型更能拟合或解释更多收益的波动。

3.3

评估采用其他方法构建得分的效果

为了减轻权重中可能存在的前瞻性偏差，本节评估了采用另一种方法构建的公司治理得分对收益的预测能力，该方法对四个组成要素（所有权分散程度，股东导向，机构实力和MSCI公司治理得分）进行了等权平均。这种方法假设了一种简单策略，即投资者对每个信号分配固定均等权重。对图表10重新估计，发现替代的公司治理得分四分位指标的系数为0.0014（t统计量= 8.36）。对图表11重新估计，发现替代的公司治理得分带来的超额收益为48 个基点/月（t统计量= 2.82），年化IR为0.98。

4、ESG和未来股票收益

除了合成新的公司治理得分，本文还进一步合成了新的ESG得分。本节会展示这个新的ESG得分对收益的预测能力以及对其他方法合成的ESG得分进行评估。

4.1

构建一个新的ESG得分

新合成的ESG分数包括：（1）“合成的公司治理得分”部分中描述的新合成的公司治理得分和（2）关于重大E和S事项的得分：从关于E和S事项的MSCI得分中，本文依据 SASB的指导意见确定对每个行业有重大影响的事项，然后仅基于重大事项来计算E和S得分。

为了汇总E，S和G的得分，本文采用MSCI对E和S的处理方式，通过线性组合构建一个重大ES得分。然后将重大ES得分与合成的G得分结合在一起。ES得分和G得分的权重分配可以参考图表12的回归结果。图表12展示了2013-2017年度（可获得相关数据的期间）公司层面合成的G评分和重大ES得分对收益预测能力的回测结果。合成的G得分系数为0.0011（t统计量= 5.39），意味着公司治理能力每变动一个四分位等级，月度超额收益就会相差11个基点。重大ES得分系数为0.0004（t统计量= 1.84），表示ES得分每变动一个四分位等级，月度超额收益就会相差4个基点。这些估计系数的大小表明，合成的G得分四分位数指标的权重约为75％，重大ES得分四分位数指标的权重约为25％。本文采用这个权重来构建公司层面的重大ESG得分。

图表12中，在5％的显著性水平下重大ES得分系数在双边检验中是不显著的，但在单边检验中是显著的。一方面，由于检验的假设是重大ES得分对股票收益率有正向影响，因此可以采用单边检验。另一方面，双边检验是更严格或更保守的测试。系数估计的数值意味着，公司治理得分的前1/4-后1/4组合的年化收益差为0.11％×12×(4–1)= 3.96％；重大ES得分的前1/4-后1/4组合的年化收益差为0.04％×12×(4–1)= 1.44％。

这个估计是未扣除交易成本的。此外，学术研究普遍发现新因子有更高的收益溢价。例如，Sloan（1996）表明应计因子的年度溢价为10.4％，而Pástor和Stambaugh（2003）表明流动性因子的年度溢价为7.5％。

4.2

重大ESG得分的收益预测能力

为了检验新的ESG因子对月度收益率预测的显著性。本文将月度横截面上的股票按照重大ESG得分四等分。图表13展示了最高和最低ESG得分四分位组合的累积收益曲线。截至期末，最高四分位组合和最低四分位组合之间的累积收益差为41个百分点。请注意该表现未剔除交易成本，且不反映管理者施加的潜在约束影响。

图表14显示了每个重大ESG得分四分位组合的平均月度市值加权收益和收益率的波动。可以看到平均收益单调递增，而波动率几乎单调下降。得分前1/4组合-后1/4组合的月收益差为44个基点。

图表15为重大ESG得分对公司层面收益预测能力的检验结果。重大ESG得分四分位指标的系数为0.0012（t统计量= 5.65），进一步通过计算得到得分前1/4组合-后1/4组合的月收益差为36个基点。图表16为组合层面2013-2017年度时间序列的回测结果，也包含了测试组合收益对Fama和French（2015）因子模拟组合收益的回归结果。结果表明重大ESG得分的每月超额收益为32 个基点（t统计量= 1.91），年化IR为0.87。在5％的显著性水平下，超额收益在双边检验中是不显著的，但在单边检验中是显著的。由于超额收益的符号表示了一种方向性的预测（正号即表示存在），因此可以使用单边检验，不需使用更为严格和保守的双边检验。

图表15和图表16之间统计显著性差异的一个可能的原因是，图表15中的面板数据比图表16中的时间序列数据有更多的观察结果，因此可能具有更大效用。第二个原因可能是图表16中展示的前1/4多头-后1/4空头组合不是使超额收益在统计学上最显著的组合构建方法。最后，第三个原因可能是图表16中发达市场和新兴市场因子之间存在多重共线性，因为多重共线性会使标准差增大并使t统计量向下偏（从而与希望检验的假设相违背）。如果用全球因子组合替换图表16中的DM和EM因子时，可以发现超额收益估计值为每月64个基点，t统计量为3.46，在1%的显著性水平下双边检验显著。但是，当使用全球因子时，调整后的R2下降了60％，这表明，如图表16所示，采用独立区域因子的模型更为合适。

4.3

评估采用其他方法构建得分的效果

为了解决前瞻性偏差的问题，本文还评估了另一种ESG得分的收益预测能力，新得分由两个成分组成——平均加权的合成公司治理得分和重大ES得分，通过对两个成分平均加权以减少构成得分时的前瞻性偏差，即采用固定的等权权重构建合成的公司治理得分（4个组成部分各占25%）和重大ESG得分（2个组成部分各占50％）。但是，任何加权规则都要取决于投资者的偏好。例如，对于环境和社会问题更热衷的投资者，在构建投资组合时，ES评分的权重可能大于50％。通常来讲，公司治理相对投资者而言更为重要，因此本文在研究时将50％的权重给到公司治理来检验策略的表现。

采用新构建的ESG得分对图表15中的回归进行重新估计，结果表明重大ESG得分四分位指标的系数为0.0010（t统计量= 5.11）。在重新估计图表16时，本文发现新构建的ESG得分超额收益 为20 个基点/月（t统计量= 1.66），年化IR为0.71。此外，这个结果与大众普遍认知一致，从投资者的角度来看，公司治理是ESG中最重要的组成部分。

5、探讨

在本节中，本文将讨论幸存者偏差以及评估各种经济和全球因子带来的影响，包括：国有企业（SOE）的影响，2007-2009年全球金融危机（GFC）之后美国长期牛市的影响，全球金融危机之前的结果稳定性，小盘股的作用以及将策略限制为仅做多（持有前1/4组合多头）投资组合的影响。

5.1

幸存者偏差

基于MSCI得分的公司治理回测采用了2009-2017年间的样本，但是MSCI从2013年起才开始发布得分。对于之前的时期，MSCI采用2013年的样本并倒推至2009年，对相同的公司集合进行了评级。这种方法导致了测试中可能存在幸存者偏差。但是本研究的结果不太可能被这种偏差误导，主要由于：首先，研究结果是基于公司治理得分分位数或ESG得分分位数的样本内比较，而不是基于MSCI样本与无幸存者偏差的非MSCI样本之间的比较；其次，要使幸存者偏差影响这些四分位组合之间的差异表现，就需要将其与排序变量相关联，但是由此导致的现象似乎不太可能解释研究结果。如果有人认为幸存者偏差对治理不善的公司的影响要大于对治理良好的公司的影响（即治理不善的公司存活的可能性较小），则研究结果将会是幸存样本中治理不佳公司四分位组合的收益被放大，而前1/4组合和后1/4组合的收益差被削弱和低估，从而使报告中展示的结果更不可得。

5.2

样本中国有企业的影响

尽管据报道，国有企业由于治理问题普遍表现相对较差，但国有企业不太可能对研究结果产生影响，主要由于：首先，国有企业不太会影响公司治理四分位组合与收益之间的单调关系，这种关系存在于整个公司治理表现分布中；其次，ACWI IMI样本中有88％是来自发达市场的公司，这些公司削弱了潜在的国有企业影响。

5.3

美国长期牛市的影响

公司治理检验样本包含了全球金融危机之后的时间，这段时间美国股票市场的表现要比世界其他地区强。为了检验美国的“牛市”是否推动了结果，本文将美国股票从最初的股票样本中剔除并重新估计了公司治理部分的图表10和ESG部分的图表15，发现结果依然显著。样本剔除美国股票后，新合成的公司治理得分四分位指标的系数为8个基点/月（t统计量= 4.10），进一步计算得到前1/4组合和后1/4组合之间的月收益差为24 个基点。样本剔除美国股票后，重大ESG得分四分位指标的系数为10个基点/月（t统计量= 3.68），进一步计算得到前1/4组合和后1/4组合之间的月收益差为30个基点。

5.4

全球金融危机之前的结果稳定性

公司治理检验样本包含了全球金融危机之后的9年，但是，在数据可用的前提下，评估研究结果在全球金融危机前的时间是否稳定是有必要的。因为两个公司治理因子（所有权分散程度和股东导向）的数据从2000年开始就可以获得，所以本文采用更长的时间区间（2000-2017年）重新检验了图表7中第一和第二个回归，来判断这两个因素在全球金融危机前的有效性。结果表明在1%的显著性水平下，所有权分散程度和股东导向在单边检验中仍然显著（所有权分散程度的系数为0.0014，t统计量= 10.65；股东取向的系数为0.0136，t统计量= 9.42）。

5.5

小盘股的影响

研究结果可能是由小盘股导致的吗？这个问题不太成立主要由于：首先，所有投资组合层面的检验和结果都使用市值加权的收益，而且所有公司层面的测试都控制了市值影响；其次，在仅由大盘股和中盘股构成的MSCI ACWI样本中，结果仍然保持稳健。

5.6

仅做多策略

一些投资者可能会考虑仅对ESG构建买入策略，并且可能会对做多策略（而非多空策略）相较于全市场公司指数（不考虑ESG数据是否可获得）表现感兴趣。本文检验了仅做多的公司治理策略和ESG策略表现，并与MSCI ACWI IMI样本（样本中的所有公司不考虑他们是否有可获得的公司治理或ESG数据）表现进行对比。图表17展示了与MSCI ACWI IMI样本相比，采用合成的公司治理得分的前1/4组合的市值加权累积收益曲线。每个月计算公司治理得分最高的1/4组合次月市值加权收益和全样本的市值加权收益；通过对收益时间序列进行累积得到图表17所示净值增长曲线。如图所示，在测试期间，治理良好的公司累积收益超过全样本40 个百分点。图表18展示了与MSCI ACWI IMI样本相比，采用重大ESG得分的前1/4组合市值加权累积收益曲线。结果表明，在测试期间，ESG得分高的公司累积收益超过全样本17 个百分点。

6、结论

ESG投资在全球范围内吸引了越来越多的关注，投资者很好奇公司的ESG表现（包括公司治理能力）是否能预测股票收益。然而，迄今为止，在全球范围内很少有实证研究可以解释这个问题。本文根据学术文献和ESG重要性概念设计了新的公司治理和ESG指标。公司治理框架的基础是，良好的公司治理会将长期的经济规律纳入资本配置决策的制定中，以便资本得以留存并实现长期可持续的增长，这也对公司的所有利益相关者有利。ESG的重要性概念是，通过关注对股东和其他利益相关者有重大影响的ESG问题，来寻找ESG的投资价值。

本文发现在测试期间，对于全球可投资样本，新的公司治理和ESG指标确实可以预测股票收益。在横截面上，次月股票收益随着公司治理和ESG得分分位数的增加而单调递增。在控制了风格、时间和行业差异的收益预测能力检验中，公司治理得分前1/4组合和后1/4组合月收益差为33个基点（ESG为36个基点）。本文发现一个仅对公司治理（ESG）得分前1/4公司做多的投资组合累计跑赢全球样本40 个百分点（17个百分点）。担任资产受托人的专业投资经理可能对这些结果感兴趣。

有几点值得注意的是，本文所述的回测结果可能并不代表该策略的未来表现。研究结果没有剔除交易成本。收益表现以美元计价，可能不能代表非美元投资者的经验。鉴于对公司治理和ESG表现的看法存在差异，因此此处提出的概念可能会引起一些读者的争论。最后，随着可获得的样本数据增加，未来的研究工作可以在更长时间区间内检验公司治理和ESG信号的有效性。

附录A：变量定义

[1] Return：以美元计价的全月股票收益；

[2] 1M lag ret：（相对于次月）滞后一个月的收益；

[3] Momentum：从t-11月到t-1月的累积收益；

[4] Mkt cap：以美元计价的月末股票市值（百万美元）；

[5] Size：Mkt cap的自然对数；

[6] Value：自由现金流/至少4个月前的上一财年末股票市值；

[7] B/M：普通股账面价值/至少4个月前的上一财年末股票市值；

[8] Profitability：至少4个月前的上一财年末营业收入/普通股账面价值；

[9] Investment：至少4个月前的上一财年总资产相对前一年增长百分比；

[10] Share turnover：月成交量/流通股；

[11] Owenership dispersion：月末自由流通股占总股本的百分比；

[12] Shareholder orientation：普通法国家为1.0，斯堪的纳维亚和德国法典国家为0.9，法国法典国家为0.8，社会主义法国家为0.7；

[13] Institutional strength：彭博每季度发布的政治风险得分，考虑了法治（包括执法），监管质量，政府效力，腐败，政治稳定与自由；

[14] Composite governance：公司层面的治理得分，由所有权分散程度，股东导向，机构实力和MSCI治理得分线性聚合得出；

[15] MSCI governance：MSCI每月发布的公司得分，包括公司治理和行为

[16] Material ESG：公司每月ESG得分，由合成的公司治理得分和重大ES得分线性聚合得出；其中重大ES得分是公司在重要环境和社会事项上的得分，是MSCI事项的子集；

[17] MSCI ESG：MSCI月度发布的公司ESG得分

参考文献

[1] Aminadav, Gur, and Elias Papaioannou. 2018. “Corporate Control around the World.” NBER Working Paper 23010.

[2] Asness, Clifford, Andrea Frazzini, and Lasse Heje Pedersen. 2019. “Quality Minus Junk.” Review of Accounting Studies 24 (1): 34–112.

[3] Bebchuk, Lucian, and Assaf Hamdani. 2009. “The Elusive Quest for Global Governance Standards.” University of Pennsylvania Law Review 157 (5): 1263–317.

[4] Bebchuk, Lucian, Reinier Kraakman, and George Triantis. 2000. “Stock Pyramids, Cross-Ownership, and Dual Class Equity.” In Concentrated Corporate Ownership, edited by R. Morck, 295–315. Chicago: University of Chicago Press.

[5] Bebchuk, Lucian, and Michael Weisbach. 2010. “The State of Corporate Governance Research.” Review of Financial Studies 23 (3): 939–61.

[6] Berle, Adolf, and Gardiner Means. 1932. The Modern Corporation and Private Property. New York: Macmillan. Bertrand, Marianne, Paras Mehta, and Sendhil Mullainathan. 2002. “Ferreting Out Tunneling: An Application to Indian Business Groups.” Quarterly Journal of Economics 117 (1): 121–48.

[7] Campbell, John Y. 2018. Financial Decisions and Markets. Princeton, NJ: Princeton University Press.

[8] Fama, Eugene F., and Kenneth French. 1992. “The Cross- Section of Expected Stock Returns.” Journal of Finance 47 (2): 427–65.

[9] Fama, Eugene F., and Kenneth French. 1993. “Common Risk Factors in the Returns on Stocks and Bonds.” Journal of Financial Economics 33 (1): 3–56.

[10] Fama, Eugene F., and Kenneth French. 2006. “Profitability, Investment, and Average Returns.” Journal of Financial Economics 82 (3): 491–518.

[11] Fama, Eugene F., and Kenneth French. 2012. “Size, Value, and Momentum in International Stock Returns.” Journal of Financial Economics 105 (3): 457–72.

[12] Fama, Eugene F., and Kenneth French. 2015. “A Five-Factor Asset Pricing Model.” Journal of Financial Economics 116 (1): 1–22.

[13] Frazzini, Andrea, Ronen Israel, and Tobias Moskowitz. 2018. “Trading Costs.” Working paper, AQR and Yale (April). Available at https://papers.ssrn.com/sol3/papers. cfm?abstract_id=3229719.

[14] Hou, Kewei, Chen Xue, and Lu Zhang. 2015. “Digesting Anomalies: An Investment Approach.” Review of Financial Studies 28 (3): 650–705.

[15] Jegadeesh, Narasimhan. 1990. “Evidence of Predictable Behavior of Security Returns.” Journal of Finance 45 (3): 881–98.

[16] Jegadeesh, Narasimhan, and Sheridan Titman. 1993. “Returns to Buying Winners and Selling Losers: Implications for Market Efficiency.” Journal of Finance 48 (1): 65–91.

[17] Jiang, Guohua, Charles Lee, and Heng Yue. 2008. “Tunneling in China: The Remarkable Case of Inter-Corporate Loans.”

[18] Johnson School Research Paper Series No. 31-06. Available at https://papers.ssrn.com/sol3/papers.cfm?abstract_id=861445.

[19] Johnson, Simon, Rafael La Porta, Florencio Lopez-de-Silanes, and Andrei Shleifer. 2000. “Tunneling.” American Economic Review 90 (2): 22–27.

[20] Kaufmann, Daniel, Aart Kraay, and Massimo Mastruzzi. 2010. “The Worldwide Governance Indicators: Methodology and Analytical Issues.” Draft policy research working paper, World Bank.

[21] Khan, Mozaffar, George Serafeim, and Aaron Yoon. 2016. “Corporate Sustainability: First Evidence on Materiality.” Accounting Review 91 (6): 1697–724.

[22] La Porta, Rafael, Florencio Lopez-de-Silanes, and Andrei Shleifer. 1999. “Corporate Ownership around the World.” Journal of Finance 54 (2): 471–517.

[23] La Porta, Rafael, Florencio Lopez-de-Silanes, Andrei Shleifer, and Robert Vishny. 1998. “Law and Finance.” Journal of Political Economy 106 (6): 1113–55.

[24] La Porta, Rafael, Florencio Lopez-de-Silanes, Andrei Shleifer, and Robert Vishny. 2000. “Investor Protection and Corporate Governance.” Journal of Financial Economics 58 (1–2): 3–27.

[25] Lemmon, Michael, and Karl Lins. 2003. “Ownership Structure, Corporate Governance, and Firm Value: Evidence from the East Asian Financial Crisis.” Journal of Finance 58 (4): 1445–68.

[26] Pástor, L’uboš, and Robert Stambaugh. 2003. “Liquidity Risk and Expected Stock Returns.” Journal of Political Economy 111 (3): 642–85.

[27] Petersen, Mitchell. 2009. “Estimating Standard Errors in Finance Panel Data Sets: Comparing Approaches.” Review of Financial Studies 22 (1): 435–80.

[28] PRI. 2016. A Practical Guide to ESG Integration for Equity Investing. Principles for Responsible Investment. www.unpri. org/download?ac=10.

[29] SASB. 2018. “Company Use.” Sustainability Accounting Standards Board. www.sasb.org/company-use/.

[30] Sloan, Richard. 1996. “Do Stock Prices Fully Reflect Information in Accruals and Cash Flows about Future Earnings?” Accounting Review 71 (3): 289–315.

风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成， 在政策、市场环境发生变化时模型存在失效的风险。

注：文中报告节选自兴业证券经济与金融研究院已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。

证券研究报告：《西学东渐--海外文献推荐系列之五十四》。

对外发布时间：2019年12月12日

--------------------------------------

分析师：徐寅

SAC执业证书编号：S0190514070004

电话：18602155387,021-38565949

E-mail: xuyinsh@xyzq.com.cn

--------------------------------------