报告深度分析报告
招商定量·琢璞系列 | 碳风险的测算与其在资产配置领域的应用
招商定量任瞳团队,2022年5月3日
一、元数据与概览
报告标题: 《碳风险的测算与其在资产配置领域的应用》
作者/团队: 招商定量任瞳团队
发布日期: 2022年5月3日
发布机构: 招商证券
报告主题: 本文聚焦于碳风险的量化测算,尤其借鉴Theo Roncalli等学者的研究,探讨基于市场法和基本面法的两种碳风险指标(碳贝塔和碳强度),及其在资产配置和最小方差组合构建中的运用。核心议题涵盖碳风险的度量体系、碳贝塔的计算方法、两类指标的比较以及将碳风险纳入资产组合优化的实证检验与策略实现。
核心论点与结论概述:
基于基本面法构建的碳强度指标与基于市场法得到的碳贝塔测度体现了不同性质的碳风险,两者在概念和实际应用中存在显著差异。
碳贝塔能衡量市场对个股碳风险的敏感度,意味着市场对企业碳风险的价格反应,而碳强度反映企业的碳排放量及相应的基本面风险。
在资产配置领域,结合两种指标进行投资组合管理比单独使用任何一个指标更优,碳贝塔能够辅助构建风险最小化的绿色投资组合。
具体地,通过对基于MSCI世界指数的股票运用卡尔曼滤波动态估计碳贝塔,发现碳贝塔波动大于市场贝塔,且某些行业(能源、材料)碳敏感度更高。
利用最小方差组合(GMV)的扩展模型,纳入碳贝塔作为风险因素,投资者可在降低组合波动的同时有效管理碳风险。采取碳贝塔约束后的组合表现出向绿色股票倾斜,降低碳风险暴露。
这一系列结论力图证明,碳风险作为一个新兴的系统风险因子,在量化投资组合管理中具有不可忽视的作用,其结合方法也为资产管理行业提供了理论和实践指导。1 ,1,4,5]
二、逐节深度解读
2.1 导言与内容摘要
文章开篇介绍了参考Theo Roncalli与Theo Le Guenedal等人的研究,基于市场法和基本面法对碳风险进行量化,构造了棕绿评分(BGS)与碳贝塔。强调碳贝塔作为市场敏感系数的概念,在投资组合构建中特别是最小方差模型的应用意义。作者阐明将相对与绝对碳风险区分,引出后文将在资产组合层面对二者的配合应用进行探讨。1
2.2 碳风险测算方法详述
2.2.1 基本面法 VS 市场法
基本面法:采用客观评分标准对企业碳风险进行量化,代表如碳强度(CI)指标,此类指标反映企业的碳排放水平及减排努力。
市场法(Carima方法):基于股价的反应,利用碳贝塔值衡量股票对碳风险因子的敏感性。结合多个ESG数据库构建棕绿评分(BGS),基于Fama和French投资组合方法形成的BMG碳风险因子,体现市场对绿色与棕色企业价值变化的差异。
BGS的构造方法以55个ESG代理变量拆分为价值链(VC)、公众认知(PP)和适应性(NA)三个维度,用权重组合方式将这三维度得分合成为综合碳风险评分。
BMG因子收益由持有棕色股票空头和绿色股票多头组合收益形成,公式简练反映了市场对绿色资产与棕色资产的风险溢价差异。
市场法测算碳贝塔时,采用双因素动态模型(包含市场因子与BMG因子),使用卡尔曼滤波动态估计时间变动的贝塔值,展示出碳贝塔的敏感性随政策或企业环境变化动态调整的特性。1 ,1]
2.2.2 碳贝塔计算及市场表现
文章用实证分析展示了2010-2018年全球市场及不同行业碳贝塔估计的时变特征。结果显示:
平均碳贝塔值较低(0.05附近),波动性较市场贝塔更大。
行业内,能源、材料、房地产行业具有正的碳贝塔,反映高碳排放对应更高的市场敏感度;而医疗等其他大部分行业碳贝塔接近零或负值。
各区域表现中,北美表现为碳贝塔持续为正,标志着绿色转型对棕色企业的负面影响;欧洲整体碳贝塔负值但呈逐年上升趋势;日本碳贝塔最低,反映出该市场环境下的碳风险定价差异。
上述动态和区域差异说明碳贝塔不仅是行业属性的体现,也与区域政策和市场结构密切相关。2 ,2]
2.3 相对碳风险与绝对碳风险区分
定义清晰区分了两种碳风险管理维度:
相对碳风险(RCR)测度的是股票的碳贝塔值本身,投资者偏好负碳贝塔股票(绿色股票)以规避风险。
绝对碳风险(ACR)引入碳贝塔值绝对值作为风险指标,强调风险值趋近零;用以避免组合因含有同时持有高正碳贝塔和高负碳贝塔股票而相对碳风险为零但绝对风险却很高的情况。
由图3示例可见,绝对碳风险为投资组合风险评估提供了更精准的视角,尤其是对于不同方向的碳风险暴露产生的风险互抵不被低估。区域分析表明,绝对碳风险在不同市场趋向逐渐一致,日本除外,兼具时间稳定性和区域对比度。
总结而言,绝对碳风险指标更适合于组合总体风险管理,特别是在构造“绿色低碳”或绝对碳风险控制的投资策略时。3 ,3]
2.4 碳风险市场指标与基本面指标的比较
结合散点图(图5)、相关系数表(图6),报告深入分析市场法碳贝塔与基本面法碳强度的相关性。
关键发现包括:
两者整体线性相关性较低(约17.4%),且存在明显区域与行业差异。欧元区相关度最高,特别是在某些行业,而日本相关性极低。
存在三大解释因素:一是碳风险定价受行业和地区差异影响,二是碳强度变化轨迹和减排承诺带来的动态差异,三是企业适应性和绿色研发等非静态因素的影响。
因此,作者认为单一基本面碳强度无法完全反映市场对碳风险的动态反应,碳贝塔能更综合反映市场层面的风险。提出碳贝塔是所有基本面因素综合的市场反映,这为投资者在碳风险识别和投资决策提供更为有效的指标体系。4 ,4]
2.5 碳风险在资产配置领域的应用
2.5.1 将碳风险纳入最小方差组合
以GMV模型为基础,报告提出:
传统GMV组合优先配置低市场贝塔和低波动率股票,避免高系统性风险资产。
引入碳贝塔作为额外风险因子,扩展GMV优化模型,投资组合权重再受碳贝塔敏感度约束影响。
解析公式揭示,投资权重受到市场贝塔和碳贝塔的共同制约,且碳贝塔阈值可为正或负,使组合选择更灵活。
在只做多策略下,投资股票需满足两个贝塔值归一化和的条件,体现了市场风险与碳风险的置换效应。
组合的协方差矩阵扩展包含市场因子与碳因子风险协方差,强调高碳风险股票对组合波动结构的贡献。
此模型既强调市场风险管理,也体现了对碳风险敏感度的显式考量,为低碳资产配置提供了理论模型基础。6 ,6]
2.5.2 双因素模型的实证研究
以MSCI世界指数为实证样本,作者展示:
传统GMV组合权重主要由市场贝塔决定,碳贝塔在权重调节上发挥辅助而非主导作用,重视绝对碳风险管理时组合偏好低碳贝塔股票。
加入碳贝塔约束后,组合加大对低市场贝塔且碳风险较低(尤指相对碳风险负值股票)的配置,整体组合碳风险水平下降明显。
基本面指标约束对市场法碳贝塔影响较弱,且基本面法施加约束通常导致持仓集中度较高。
结合市场法和基本面法约束,可有效整合市场价格信息与企业基本面信息,实现较为均衡且风险敏感的绿色资产配置。
实证结果显示,联合约束下GMV组合权重的重叠度约75%,即市场法碳风险约束对组合结构影响约占1/4,说明二者互补性显著。
该实证结果表明,碳风险指标在资产配置的应用中既有理论支撑,也有较强的实证效果,有助于资产管理者更科学地评估和控制碳风险敞口。7 ,7,8]
三、图表深度解读
图1:各行业相对碳风险箱型图(2018年底)
描述: 该箱形图展示了GICS行业于2018年底的相对碳风险分布,碳贝塔的中位数及分位数数据。
解读: 能源和材料行业中位数碳贝塔明显为正,且分布区间较宽,说明这些行业股票整体对碳风险因子敏感度高,同时行业内个股差异大。多数技术、医疗和消费板块碳贝塔靠近零或负,引发绿色特征。
联系文本: 支撑了碳贝塔反映行业碳暴露差异的论断,显著行业间碳风险差异能够指导行业层面资产配置决策。
潜在局限: 箱形图不能反映碳贝塔的时间动态,且对行业分类的细粒度有限制。
图2:区域碳贝塔时间序列表格(2010-2018年)
描述: 包含五大区域(全球、北美、欧元区、除欧元区欧洲、日本)的年度碳贝塔平均值,揭示长周期趋势。
解读: 北美碳贝塔持续为正,反映强烈绿色转型成本,欧洲则为负值但提升,显示市场对碳风险定价的区域差异及政策区别。日本相对低碳贝塔体现碳风险定价保守。
联系文本: 验证市场碳风险因子具有区域敏感性,有必要在国际资产配置中差异化管理碳风险。
图3:各行业绝对碳风险箱型图(2018年底)
描述: 显示2018年底各行业绝对碳贝塔分布,中位数及极端值情况。
解读: 公用事业行业绝对碳风险最低,能源和材料最高,说明组合风险敞口主要集中于高碳排行业。
联系文本: 强调绝对碳风险指标对组合风险管理的准确性与指导价值。
图4:绝对碳风险区域时间序列表格(2010-2018年)
描述: 展示不同发达市场绝对碳风险波动与水平变动。
解读: 欧洲货币区高于北美,随着时间推移趋于统一,日本则单独表现低风险。
联系文本: 符合碳风险国际市场差异论断。
图5:CI(t)与碳贝塔散点图(2018年底)
描述: 展示碳强度与碳贝塔的关系,附拟合线表现相关性。
解读: 分布广泛,无强线性关系,验证二者差异显著。
联系文本: 正证了两种指标测量维度不同,基于市场法的碳贝塔更适合市场定价参考。
图6:各地区行业相关系数表(2018年底)
描述: 不同行业与地区的CI与碳贝塔相关系数。
解读: 欧洲区相关度最高,除日本外普遍较低,行业间也呈现显著差异,动态影响明显。
联系文本: 支撑市场法碳贝塔综合性能更高的观点。
图7-8:多头GMV组合权重分布(无约束与有碳贝塔约束)
描述: 图7为传统多头GMV组合权重散布,图8为设定碳贝塔上限约束后的权重分布。
解读: 约束后组合更偏向低市场贝塔和负碳贝塔股票,减少了高碳风险股票权重。
联系文本: 直观展示碳贝塔约束对提升组合绿色属性与降低碳风险敞口的效果。
图9-11:不同碳风险约束下GMV组合表现比较
描述: 9与10分别展示市场法碳贝塔和基本面碳强度约束对组合碳风险指标和持仓数的影响,11则示两种约束联合应用的结果。
解读: 通过降低市场法碳贝塔约束显著减少WACI,且持仓数减小。基本面约束对碳贝塔影响较小,持仓数变化有限。联合约束融合二者优势,组合权重重合度保持75%,兼顾多种风险维度。
联系文本: 强调融合两类指标的必要性,为组合碳风险管理提供了多维度、实用性的解决方案。
四、估值分析
本篇报告主要聚焦于碳风险的测算方法及资产组合优化策略,未涉及传统企业估值分析模块,如现金流折现法(DCF)、市盈率(P/E)等估值技术。因此,从报告内容来看,估值分析部分主要同时涉及碳风险因子风险调整对组合价值影响的定量模型,而非企业估值指标。
报告中以GMV模型为基础,通过引入碳贝塔风险因子,规范投资组合的权重分配,是碳风险市场价格化的体现。其核心金融模型为双因素贝塔模型并用最小方差组合优化,以风险调整后组合收益最大化为目标。该方法侧重风险控制,结合卡尔曼滤波动态模型,体现市场时间序列风险敏感度的变化。
五、风险因素评估
报告末尾的风险提示部分指出:
本文建立模型基于当前数据及现有理论,模型有效性依赖于市场环境的稳定。
市场发生异常波动或结构性变化时,模型可能失效。
投资者需谨慎评估碳风险指标的市场应用,避免单一依赖模型结果。
此风险提示提醒投资者量化模型的局限,尤其是碳风险领域数据与政策快速变化风险。此外,碳风险的复杂性和跨行业、跨区域多维影响也构成潜在风险来源,可能导致测算和资产配置失准。9
六、批判性视角与细微差别
指标局限性: 市场法碳贝塔虽反映市场预期与股价反应,但信息可能滞后且受到市场波动及非碳风险系统性因素影响,短期波动较大。
基本面法指标单一: 碳强度指标较基础,不能完全反映企业的碳治理转型能力或碳风险管理举措,易产生误判。
模型动态假设: 卡尔曼滤波动态贝塔模型假设碳贝塔服从随机游走过程,但现实中监管政策突变或市场情绪可能导致非平稳性,模型拟合能力有限。
数据覆盖局限: 碳贝塔指标及BGS评分依赖于多ESG数据库,数据一致性与覆盖完整性存在一定隐患,特别是新兴市场碳数据质量参考尚不充分。
约束设定的主观性: 组合中的碳贝塔阈值得取值较为主观,投资者不同碳风险容忍度影响模型结果,未明确推荐具体设定标准。
行业与区域政策依赖: 报告指出地区与行业碳风险差异,但未详尽讨论全球绿色政策演变可能对碳贝塔及组合风险管理的中长期影响。
整体上,报告较为严谨地揭示碳风险测算与资产配置的理论与实证基础,但仍需结合不断变化的政策及市场环境不断调整模型与参数,谨慎应对碳风险度量的复杂性。
七、结论性综合
本报告系统地解析了碳风险测算的两大路径——基本面法(碳强度)与市场法(碳贝塔)。通过详细介绍碳贝塔的定义、计算方法及动态测算,展示了碳风险因子在全球与行业层面的异质性表现。对比分析表明,碳贝塔与碳强度相关性偏低,二者反映的是碳风险的不同维度和时序特征,且市场法碳贝塔更能反映投资者的动态风险偏好与环境政策影响。
在资产配置层面,报告创新性地将碳贝塔纳入GMV最小方差组合模型中,提出双因素贝塔约束,实证检验证明该方法有效引导投资组合降低碳风险暴露,尤其在加入碳贝塔约束后,组合权重向绿色低碳股票显著调整,减少高碳风险敞口。
进一步地,通过对比市场法与基本面法的碳风险约束对组合配置与碳强度指标的影响,文章论证了二者结合管理碳风险的优势,约束双指标时组合持仓重合度约75%,增强了组合的绿色属性与稳定性。
本文运用详实数据和量化模型,提供了可操作的碳风险投资组合构造框架,实用且具有前瞻性,契合当前金融行业绿色转型趋势,兼顾风险调控与收益优化。
总而言之,报告表明碳贝塔作为市场化碳风险衡量指标,在资产管理中的应用价值显著,尤其与传统碳强度指标结合使用,将有助于投资者更有效的识别、管理并优化其碳风险暴露,支持低碳经济转型背景下的资产配置策略调整与创新。1–9
注: 全文基于原文逐页内容进行剖析及溯源,图表均以报告附带视觉资料为依据。所有内容严格对应报告页码标注,确保研究出处可靠且准确。