本报告将ESG投资问题视为多目标优化问题,基于均值-方差-ESG三目标模型,采用ε-约束法对上证超级大盘指数成份股进行优化。研究发现,收益、风险与ESG三目标互有矛盾,但可基于投资偏好权衡。结合ESG因子与传统多因子模型构建投资组合,实证显示沪深300、中证500及中证800的ESG组合均跑赢对应基准指数,且加权ESG得分超越基准,实现了收益与ESG的双赢目标
报告标题: ESG 与量化投资系列报告之二——ESG 与多目标优化
作者/分析师: 杨国平(博士,华西证券研究所副所长,金融工程首席分析师)、张立宁(硕士,高级分析师),实习生李亚东、丁睿雯。
发布机构: 华西证券研究所
发布时间: 年初1月5日(具体年份未标明)
主题: ESG(环境、社会与公司治理)投资结合量化多目标优化方法的理论阐述与实证研究,重点是如何在投资组合构建中统筹收益、风险及ESG得分三个指标,实现三目标优化。
报告核心论点为:
报告为投资机构提供了系统的理论基础与实证分析指导,在当前ESG投资兴起背景下,具有较强的学术与实际应用价值,2,7,10,11]。
报告指出,传统投资理论主要考量收益和风险,ESG投资则在此基础上加入了环境、社会及治理因素,形成三目标的投资框架,即收益最大化、风险最小化、ESG得分最大化。这使得投资决策变得更加复杂,因为三个目标往往相互矛盾,无法同时达到最优。尤其是新增ESG目标,使问题由二维扩展为三维,构成多目标优化问题。
多目标优化问题定义为在n维决策变量空间下,最小化m维目标函数向量。文中以数学公式严谨阐明多目标函数模型,其中投资组合的目标函数为负收益(求最大收益)、风险、以及负ESG评分(求最大ESG)三个目标。决策变量为资产权重组合 ( X = {x_1, x_2, \cdots, x_n} ),目标函数映射为 ( F: R^n \to R^m )。
该节通过图2示意三维决策空间映射到二维目标空间的关系,阐释多目标与单目标优化的本质区别——矢量目标的解之间往往不可直接排序比较,需定义“占优”关系。
报告详细介绍了占优关系和Pareto最优解的定义:解A相对于解B占优当且仅当A在所有目标上至少不劣于B,且至少一个目标严格更优。非支配(Pareto)解集即为所有不存在解超过其的解集。有效前沿曲线即为二维目标函数的典型Pareto解集,而三目标则形成曲面(甚至高维为超曲面)。
图3通过四种目标最大/最小组合图示,具体描绘了不同目标组合下Pareto解集的形状,例如均值-方差模型的有效前沿为右上图(风险最小,收益最大)。
报告讨论主流多目标求解方法:
加权法:为各个目标赋予权重,将多目标转变为单目标优化。优点为简便,解位于Pareto前沿;缺点为权重主观且不适用非凸Pareto前沿。图4左图示意加权法过程。
ε-约束法:优化一个目标函数,其他目标函数作为约束限制在阈值内。适用于非凸前沿。图4右图演示ε-约束法解两个目标问题的过程。缺点是对ε选择敏感,且随着目标数增加,维度增长增加了难度。
遗传算法(NSGA-II):利用进化算法探索Pareto最优集,适合高维目标。报告指出NSGA-II只能获取有限离散解点,且少数边缘解,难以构成连续前沿,故实际投资组合问题建模时需谨慎使用。
回归传统理论,均值-方差模型作为投资组合经典双目标优化,权重使得收益最大和风险最小目标间权衡。模型数学表达采用收益均值和协方差矩阵构建。
报告以上证超级大盘指数成份股为例,采用历史数据计算均值协方差矩阵,使用ε-约束法求解一系列风险/收益组合,形成经典的马科维茨有效前沿曲线(图5)。曲线上点间不可比,但曲线外解均劣于线上点。
该章节核心在将ESG得分作为第三个目标引入,形成三目标模型:
数学形式对应三目标最小化负收益、方差和负ESG,即组合收益、风险和ESG三维度平衡。
依旧采用ε-约束法,将收益与ESG作为约束,方差最小化。以沪证超级大盘指数成分股为样本,遍历不同ESG和收益约束值,得到数百个最优点,进而形成Pareto曲面(图6)。
由于图6不够直观,进一步以二维图形分别从ESG、收益和风险视角审视三目标关系。结论为:
图7-9分别从ESG-风险-收益、风险-ESG-收益三个二维组成轴进行展示。
图10总结了不同投资偏好对应在Pareto曲面上的最优解选择区域,显示高ESG、高收益、低风险不同偏好下的解点位置。
报告提出,ESG和收益之间虽存在矛盾,但结合多因子其他选股因子可实现收益与ESG的双赢,而非简单排序高ESG选股;组合整体ESG得分高于基准指数即达成目标,无需每只成分股ESG均高。
报告将ESG因子与传统多因子模型整合应用,构造符合收益和ESG双约束的投资组合:
其中多因子模型包含Beta、规模、估值(PB、PE、PS)、成长性、流动性、动量及波动率指标,并引入数值型ESG因子(详见表1)。尽管没有对多因子权重精细优化,实证回测结果显示:
图11至图13展示不同ESG组合与基准收益率走势对比,实证证明整合ESG因素能够有效提升组合表现。
此外,报告通过计算加权ESG得分,验证ESG组合的得分明显优于基准指数,例如中证800 ESG组合加权得分均值93.18,高于基准89.66(图14)。
图15进一步考察不同ESG约束分位点(60%-90%)下组合表现,发现约束分位点在60-80%区间对收益影响小,90%时收益略有下降,体现收益-ESG权衡关系。
报告总结认为ESG投资是典型的多目标优化问题,需重视收益、风险、ESG三者间的权衡并基于投资目标偏好做抉择。多目标优化框架下确定投资方案,实证通过多因子模型整合ESG,实现组合收益和ESG得分双超越基准指数,验证了方法有效性。
风险提示强调报告基于历史统计,未来规律变化可能导致模型失效;ESG评级非投资建议,报告不构成买卖指引,投资需谨慎,0]。
图7(不同ESG水平下风险-收益):ESG约束提高时,风险(标准差)上升,收益下降。
图8(不同收益目标下风险-ESG):收益提升伴随风险与ESG得分变动,收益越高ESG越低。
图9(不同风险水平下ESG-收益):风险升高允许ESG和收益均提升,显示三者妥协空间。
解读:三视角展现三目标动态权衡的定量关系。
文本联系:精细化展示三目标案例的相互矛盾与折中逻辑,揭示不同投资偏好影响结果。
本报告以多目标优化方法侧重投资组合构造过程,不涉及单一股票或资产的估值体系与目标价设定,缺乏传统的DCF或市盈率估值内容,因此无估值分析章节。
报告明确列出风险提示:
风险控制强调投资需谨慎,投资者应结合自身目标和风险承受能力合理应用报告方法,14]。
以上细微之处提示读者在参考报告结论时需结合实际情况进行判断,5,11-14]。
本报告系统阐述了ESG投资融入传统投资组合理论,从两目标(收益-风险)扩展到三目标(收益-风险-ESG)的理论框架,且明确指出这是一个典型的多目标优化问题。报告详细介绍数学模型、Pareto最优解及三种经典求解方法(加权法、ε-约束法、遗传算法),最终采用ε-约束法进行实证求解。
基于沪证超级大盘等主要指数成份股的历史数据,报告构建了收益、风险和ESG三目标的Pareto最优曲面,并以多种二维视角细致揭示三目标间的权衡关系:ESG提升普遍伴随风险增大和收益降低,风险容忍度提升则有利于组合ESG和收益的双重提升。投资者可根据自身偏好,选择对应Pareto曲面上的最优解。
实证分析采用多因子模型融合ESG得分构建投资组合,在沪深300、中证500、中证800不同宽基指数内均实现了组合收益显著跑赢基准指数的目标,同时组合整体加权ESG得分也超越对应基准指数。调整ESG约束强度展示了收益与ESG目标的典型折中,验证了理论模型与实际操作之间的逻辑一致性。
图表显示(尤其图6-10、11-15)直观呈现了多目标投资组合构建的关键步骤、创新点及效果,结合理论与数据的前后呼应增强报告说服力。
总体而言,报告观点明确,论证严谨,既具备理论深度,也提供了可操作的实证框架,是该领域较为系统的研究之一。风险提示合理,展示了模型的局限性及投资需谨慎的原则,为专业投资者提供了理论和实证支持。
本报告为ESG投资与量化策略研究提供了理论基础与实务参考,对于推动ESG投资体系与多目标优化方法的结合应用有重要意义。
以上为对华西证券《ESG 与量化投资系列报告之二 —— ESG 与多目标优化》的详尽结构化分析。
ESG与量化投资系列报告之二:ESG投资与多目标优化.pdf