策略實操系列專題（二）：ESG數(shù)據如何在股票投資中獲取超額收益

請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告|2024年03月13日策略實操系列專題（二）策略實操系列專題（二）環(huán)境規(guī)制所帶來的短期成本上升，從而實現(xiàn)污染減排和財務績效增長的雙贏。萬家。其中包含上市公司2800余家及其下屬子公司超過十萬家，覆蓋污染業(yè)、發(fā)證日期、生效/失效時間等）、排污信息（污染物類別、種類、排放污量超過一定閾值時則通過環(huán)保限產、聲譽風險等效應對股票價格形成抑策略研究·策略專題證券分析師：陳henrui1@S0980516110001聯(lián)系人：李晨ichenguang@證券分析師：王angkai8@S0980521030001中小板/月漲跌幅(%)創(chuàng)業(yè)板/月漲跌幅(%)AH股價差指數(shù)A股總/流通市值(萬億元)5934.31/8.841906.04/10.38 147.4371.77/64.79資料來源：Wind、國信證券經濟研究所整理《策略周聚焦-擁抱成長，甄選新質資產》——2024-03-11《ESG月度觀察——強制披露倒計時，ESG成為上市公司“必修課”》——2024-03-07《全國兩會解讀和市場展望-關注新質生產力、開創(chuàng)產業(yè)發(fā)展新篇章》——2024-03-05《策略周聚焦-擁抱成長，迎接決斷》——2024-03-04《資金跟蹤與市場結構周觀察(第十四期)-市場成交持續(xù)走高，賺錢效應大幅回升》——2024-02-27證券研究報告請務必閱讀正文之后的免責聲明及其項下所有內容21企業(yè)污染排放及其經濟效應—短期此消彼長、長期互促雙贏 42有機數(shù)企業(yè)排污數(shù)據及行業(yè)分布 5 84企業(yè)污染數(shù)據——潛在的高頻選股指標 請務必閱讀正文之后的免責聲明及其項下所有內容3證券研究報告圖表目錄圖1：理論依據：環(huán)境規(guī)制對企業(yè)價值的影響 4圖2：高耗能行業(yè)產出走高時，相應板塊股價呈現(xiàn)逆向走勢 5圖3：企業(yè)排污環(huán)比樣本量 圖4：企業(yè)排污環(huán)比樣本量占滬深A股比例 圖5：企業(yè)排污環(huán)比數(shù)據樣本量與全部A股的行業(yè)分布比較 圖6：樣本股的市值規(guī)模分布 圖7：樣本股市值各分位數(shù)在滬深A股中的位置 圖8：基于企業(yè)排污環(huán)比增長分組的投資組合的凈值曲線 9圖9：各投資組合的年化收益與波動 9圖10：各投資組合的夏普比率 9圖11：各投資組合的平均規(guī)模 圖12：基于最近2個月排污增長分組的投資組合的凈值曲線 圖13：基于最近3個月排污增長分組的投資組合的凈值曲線 圖14：各投資組合的年化收益 圖15：各投資組合的夏普比率 表1：環(huán)保排污數(shù)據的指標集 表2：各投資組合的行業(yè)配置與全體樣本股行業(yè)配置的差異 表3：各投資組合的風格暴露與超額收益率 表4：各投資組合的收益比較 表5：各投資組合的超額收益比較 表6：各投資組合的收益比較的t統(tǒng)計量 請務必閱讀正文之后的免責聲明及其項下所有內容4證券研究報告1企業(yè)污染排放及其經濟效應—短期此消彼長、長期互促雙贏近年來，伴隨著中國經濟的高速增長，環(huán)境問題日益凸顯，“生態(tài)文明建設”“兩山理念”“綠色轉型”以及“雙碳”目標等理念深入人心，經濟發(fā)展過程中需同步協(xié)調好環(huán)境保護問題。相應地，為了應對環(huán)境問題，環(huán)境保護政策不斷得到完善并持續(xù)推進，企業(yè)污染排放成本也隨之不斷提高。隨著環(huán)保政策的落地，企業(yè)污染排放對財務績效的影響也愈發(fā)顯著，環(huán)境保護已經成為企業(yè)發(fā)展中不可忽視的重要因素。理論而言，企業(yè)環(huán)保行為對其財務績效的影響是非線性的：從短期來看，企業(yè)減排的支出會增加其成本負擔，壓縮利潤空間，甚至對生產性支出具有一定的擠出效應，此時企業(yè)的減排與企業(yè)的財務績效就會呈現(xiàn)此消彼長的關系；從中長期來看，企業(yè)減排與財務績效的增長并非絕對對立，適度的環(huán)境規(guī)制可以激勵企業(yè)技術創(chuàng)新，優(yōu)化自身的資源配置，進而提高企業(yè)的長期競爭力。當補償效應越過成本效應門檻時，企業(yè)技術水平的提升及效率改進所帶來的長期收益可以覆蓋掉環(huán)境規(guī)制所帶來的短期成本上升，從而實現(xiàn)污染減排和財務績效增長的雙贏。資料來源：余泳澤,尹立平.中國式環(huán)境規(guī)制政策演進及其經濟效應:綜述與展望[J].改革,2022,(03):114-130.，實踐中看，高耗能行業(yè)產出走高，但相應板塊股價反而呈現(xiàn)逆向走弱的趨勢。一方面，高耗能行業(yè)通常為能源密集型產業(yè)，如鋼鐵、化工等。這些行業(yè)的生產成本受能源價格影響較大，能源的供給格局中長期相對穩(wěn)定，而高耗能產業(yè)產出走高一般會通過需求效應帶動上游能源價格上漲，導致生產成本增加，可能會對企業(yè)盈利產生負面影響，而且高耗能行業(yè)成本轉嫁能力較低，無法通過提高產品價格來將上升的成本轉嫁給消費者，那么市場容易對這些行業(yè)的未來發(fā)展持悲觀態(tài)度，導致股價下跌；另一方面，在經濟轉型發(fā)展的背景下，限產因素也可能對高請務必閱讀正文之后的免責聲明及其項下所有內容5證券研究報告耗能行業(yè)的股價產生影響，如歐盟進口碳關稅、大型跨國公司產業(yè)鏈去碳化等政策都對國內相關高耗能產業(yè)的產能構成削減；部分地區(qū)也出臺一系列環(huán)保、能源消耗限制等政策來控制高耗能行業(yè)的發(fā)展，以減少對環(huán)境的影響、推動經濟結構調整。這些政策可能會限制高耗能行業(yè)的產能擴張和市場份額增長，從而帶來這些行業(yè)的定價出現(xiàn)改變。資料來源：Wind，國信證券經濟研究所整理2有機數(shù)企業(yè)排污數(shù)據及行業(yè)分布本報告的排污環(huán)保數(shù)據來源于有機數(shù)。該數(shù)據收集了全國各省市環(huán)保行政部門發(fā)布的排污許可證及環(huán)保處罰信息，覆蓋排污企業(yè)超過44萬家，其中包含上市公司近1500家及其下屬子公司超過十萬家，覆蓋污染物超過600個種類。該數(shù)據具有覆蓋全面1、更新及時2、數(shù)據準確3、結構清晰4的特點。每月定期數(shù)據采集流程后有數(shù)據質量校驗模塊進行自動檢驗，在監(jiān)測到異常時會人工介入來校驗數(shù)據，提高數(shù)據精度。有機數(shù)環(huán)保排污數(shù)據包含的內容有企業(yè)的基本信息和排污信息。其中企業(yè)的基本信息有企業(yè)名稱、社會信用代碼、省份、生產所在地、行業(yè)、主要產品等屬性信息；企業(yè)的排污信息主要有排污許可證信息（編號、行政區(qū)劃、行業(yè)、發(fā)證日期、生效/失效時間等）、排污信息（污染物類別、種類、排放規(guī)律、執(zhí)行標準等）、污染物監(jiān)測數(shù)據（監(jiān)測的時間、地點、項目、結果、濃度、閾值以及是否超標等）和環(huán)保處罰信息（處罰機關、處罰的事由、時間、詳情等）。數(shù)據獲取流程自動執(zhí)行，月度更新及時排污信息。大數(shù)據專家團隊定制的數(shù)據處理模塊，系統(tǒng)穩(wěn)定，數(shù)據精度高。后期經過多輪行業(yè)專家分類處理，結構清晰，可用性高。請務必閱讀正文之后的免責聲明及其項下所有內容6證券研究報告有機數(shù)環(huán)保排污數(shù)據有細節(jié)表和統(tǒng)計表如表1所示。細節(jié)表包含了排污許可證上細顆粒度的詳細數(shù)據和各排污企業(yè)所排放污染物的細節(jié)信息；統(tǒng)計表則包含了月度上市公司旗下子公司污染物排放的分類統(tǒng)計數(shù)據。各表具體指標如下：表格指標名稱細節(jié)表上市公司代碼、母公司名稱、排污企業(yè)名稱、監(jiān)測日期、監(jiān)測地點、監(jiān)測項目、監(jiān)測結果、排放物單位、排放標準、排污標準文件、排污標準限值、是否超限、超限倍數(shù)、污染物類別1、污染物類別2、公布日期、回測日期、結果環(huán)比變化、創(chuàng)建日期、更新日期、刪除日期統(tǒng)計表上市公司代碼、回測日期、所有污染類別、其他大類1、氣體、液體、菌類、固體、其他大類2、金屬、煙塵、無機鹽、有機物、生物類、計算方式（平均、中值、環(huán)比）、創(chuàng)建日期、更新日期、刪除日期有機數(shù)針對不同污染物的性質，將超過600種不同的污染物分成9大類別（氣體、液體、菌類、固體、金屬、煙塵、無機鹽、有機物、生物類）。有機數(shù)環(huán)保排污數(shù)據來源為各省市環(huán)保局、環(huán)境監(jiān)督機關、政府數(shù)據開放平臺等官方監(jiān)測信息，通過自然語言處理技術，將信息格式為網頁文本、網頁表格、word/PDF文件、Excel表格的原始文檔轉換為可辨認的數(shù)據格式，對于采集的各類信息進行解析、甄別、分類、入庫，采用實體消岐、指代消解等知識圖譜技術和人工智能模型識別公司主體，打通數(shù)據鏈。本報告主要基于有機數(shù)提供的環(huán)保排污數(shù)據的細節(jié)表進行相關匯總。首先，我們根據上市公司代碼、排污企業(yè)名稱、監(jiān)測日期、監(jiān)測地點、監(jiān)測項目對監(jiān)測結果進行匯總（取中位數(shù)5得到上市公司旗下各個排污企業(yè)每天在各個監(jiān)測地點的各類監(jiān)測項目的平均監(jiān)測結果，以消除排污細節(jié)表存在的同一監(jiān)測結果存在多條重復記錄的問題。然后，我們根據上市公司代碼、排污企業(yè)名稱、監(jiān)測地點、監(jiān)測項目對每個監(jiān)測日期的監(jiān)測結果進行月度匯總（取中位數(shù)）。最后我們根據上市公司代碼匯總旗下各個排污企業(yè)監(jiān)測地點的所有監(jiān)測項目的月平均監(jiān)測結果，計算出每個上市公司的月排污環(huán)比變化6。因為企業(yè)排污數(shù)據是密度指標而非污染物質量指標，值容易受到少數(shù)幾個極端值的影響，因此采用中之所以先匯總月平均監(jiān)測結果再求環(huán)比變化而不是先求各個排污企比變化再來匯總，主要是基于樣本量的考慮。因為排污數(shù)據中很少有對排污企業(yè)特定監(jiān)測的某個監(jiān)測項目的長期跟蹤數(shù)據，比如某個上的監(jiān)測數(shù)據，而到第t+1期就沒有監(jiān)測地點A的監(jiān)測項目B的監(jiān)測數(shù)據，而是只有監(jiān)測地點生大量缺失值，導致匯總到上市公司層面的樣本數(shù)量大幅減少。而采用先匯總再求環(huán)比變將能保留盡可能多的上市公司層面的排污環(huán)比數(shù)據，但卻降低排污環(huán)比數(shù)據的精準度。當我們也可以在上市公司的監(jiān)測項目層面先匯總后求環(huán)比，然后再匯總各類監(jiān)測項目到上市層面，在最終的樣本量與環(huán)比數(shù)據質量上取得平衡。但這類方法仍然要損失大量樣本，因報告采用先在上市公司層面匯總再求環(huán)比的方法。此方法導致的數(shù)據質量的損失可能類似成交量反映市場的交易活躍度而非采用成交額，最終排污環(huán)比數(shù)據的精準度損失有限。證券研究報告請務必閱讀正文之后的免責聲明及其項下所有內容7資料來源：有機數(shù)，國信證券經濟研究所整理資料來源：有機數(shù)，Wind，國信證券經濟研究所整理本報告基于有機數(shù)2020-2022年的企業(yè)排污數(shù)據，按照上述方法計算環(huán)比指標，發(fā)現(xiàn)在2020年2月至2022年12月這35期數(shù)據中，每一期的平均樣本量約500，占滬深A股比例平均為11.24%。各期樣本量存在差異，2020年2月（第1期）的樣本量只有144，占滬深A股比例只有3.8%；而2022年3月（第26期）的樣本量高達934，占滬深A股比例接近20%。從行業(yè)分布來看，企業(yè)排污環(huán)比數(shù)據樣本量的前5大行業(yè)為基礎化工、機械設備、汽車、醫(yī)藥生物、電子，數(shù)量占比分別為13.38%、8.08%、7.81%、6.94%、5.84%。而同期A股的股票數(shù)量最多的5大行業(yè)分別是機械設備、醫(yī)藥生物、電子、基礎化工、計算機，占比分別為9.15%、8.97%、7.50%、7.42%、6.50%。排污數(shù)據相對于全部A股來說，其在基礎化工、汽車、建筑材料、有色金屬、鋼鐵行業(yè)的數(shù)量占比明顯更多，而在計算機、醫(yī)藥生物、傳媒、電子、電力設備等行業(yè)的數(shù)量占比則更少。另外，A股的一些股票數(shù)量比較少的行業(yè)中，煤炭行業(yè)在排污數(shù)據中的占比是A股相同行業(yè)占比的2倍，而銀行、社會服務、非銀金融行業(yè)在排污數(shù)據中的占比則不足A股對應行業(yè)占比的4成，這也能反映出排污數(shù)據本身的行業(yè)分布的特點。資料來源：有機數(shù)，Wind，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容8證券研究報告樣本股的市值規(guī)模分布在各期的變化不大，以總市值中位數(shù)為例，樣本股的平均市值規(guī)模在52.55億至76.92億之間，平均為64.03億。從市值規(guī)模分布范圍來看，50%的樣本股的總市值在35.11億至169.9億之間，90%的樣本股的總市值在19.17億至817.0億之間。與滬深A股的市值規(guī)模分布相比，樣本股的平均規(guī)模略大于滬深A股，其中位數(shù)處于滬深A股總市值的51.62%至58.29%分位數(shù)之間，平均為55.26%。樣本股的總市值的其他分位數(shù)也略高于滬深A股，比如其總市值的25%和75%的分位數(shù)分別位于滬深A股的29.86%和80.17%的分位數(shù)水平。資料來源：有機數(shù)，國信證券經濟研究所整理資料來源：有機數(shù)，Wind，國信證券經濟研究所整理3企業(yè)排污與股票截面收益率呈U型關系本報告采用排序分組的方法來考察企業(yè)排污的環(huán)比增長與股票未來截面收益率之間的關系。在2020年2月至2022年12月的每個月末，我們根據上市公司的排污環(huán)比增長從低到高分成5組，計算未來1個月這5個投資組合的所有股票的（等權）平均收益率，從而形成5個投資組合從2020年3月至2023年1月這35期的月收益率序列。從5個投資組合的凈值曲線來看，排污環(huán)比增長最高的分組5的累計收益率最高，其次是排污環(huán)比增長最低的分組1，而排污環(huán)比增長排序居中的分組2-4的累計收益率最低。這可能是因為排污環(huán)比增長較高的企業(yè)雖然可能面臨潛在風險，但在可控范圍、未觸發(fā)環(huán)保限產因素時，排污增長較高也可能意味著企業(yè)未來營收和利潤更高，從而抵消負面影響。而排污增長較低則可能是因為企業(yè)環(huán)保方面做得較好，未來可持續(xù)發(fā)展能力強。請務必閱讀正文之后的免責聲明及其項下所有內容9證券研究報告資料來源：有機數(shù)，Wind，國信證券經濟研究所整理從各投資組合的年化收益和波動來看，排污環(huán)比增長最高的分組5的年化收益最高為21%，排污環(huán)比增長居中的分組3的年化收益最低，為13%。雖然各投資組合的年化收益率存在明顯差距，但年化波動卻幾乎沒有區(qū)別，排污環(huán)比增長次高的分組4的年化波動最高，為23%，比其他組合高1%。因此各投資組合的夏普比例與年化收益相似，與排污環(huán)比增長成U型分布。其原因在于，企業(yè)污染排放強度的降低速率往往呈現(xiàn)出先快后慢的趨勢，在污染治理的初期，企業(yè)普遍采用末端治理的方式，來應對監(jiān)管的要求，從而避免產生較大的排污成本。在這一階段，企業(yè)排污量普遍迅速下降，同時污染治理的成本對企業(yè)影響有限；然而，隨著污染治理工作的不斷深入，企業(yè)治污方式也會隨之發(fā)生調整，由末端治理為主，逐步轉向生產工藝的改進和優(yōu)化，但是生產工藝的改進企業(yè)意味著企業(yè)需要承擔大量的沉沒成本，并增加資本投入，這會對企業(yè)當期的績效產生拖累，企業(yè)開始進入轉型發(fā)展的陣痛期。在股票市場上，處于這一階段的企業(yè)其股票收益率往往也處于低谷；當企業(yè)逐步完成轉型發(fā)展，企業(yè)的生產效率得到顯著提升，單位生產成本顯著降低，企業(yè)污染排放強度的降低速率也有所放緩。在股票市場上，企業(yè)的股票收益率開始回升，顯示出企業(yè)已經走出轉型的困境，步入新的發(fā)展階段。資料來源：有機數(shù)，Wind，國信證券經濟研究所整理資料來源：有機數(shù)，Wind，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容10證券研究報告從行業(yè)分布來看，各投資組合的行業(yè)配置與樣本股整體行業(yè)分布并沒有較大區(qū)別。各分組行業(yè)配置的前5大行業(yè)都是基礎化工、機械設備、汽車、醫(yī)藥生物、電子等，與樣本股整體行業(yè)分布相同。相對于整體行業(yè)分布來說，分組1和分組5在有色金屬行業(yè)的平均超配是最高的，但也僅比樣本股在有色金融行業(yè)的占比高出0.80%和0.81%。分組1低配食品飲料最多，但僅比整體行業(yè)分布低0.85%；分組5則低配農林牧漁行業(yè)最多，比整體行業(yè)分布低0.88%。各分組在行業(yè)超配或低配的幅度基本在1%以內7。行業(yè)分組1分組2分組3分組4分組5基礎化工0.67%-0.36%-0.35%0.16%-0.12%機械設備0.68%-0.29%0.03%-0.45%0.01%汽車0.30%1.02%-0.73%-0.69%0.09%醫(yī)藥生物-0.48%0.80%0.20%0.04%-0.57%電子-0.01%-0.25%0.75%-0.36%-0.12%電力設備-0.43%0.52%-0.21%0.35%-0.23%有色金屬0.81%-0.75%-0.45%-0.41%0.80%建筑材料-0.42%-0.20%0.16%0.96%-0.50%輕工制造-0.64%0.29%0.42%0.06%-0.13%食品飲料-0.85%0.30%0.90%0.18%-0.53%環(huán)保-0.03%0.12%0.09%-0.60%0.43%公用事業(yè)0.23%-0.25%-0.01%0.00%0.02%農林牧漁-0.63%0.20%1.13%0.19%-0.88%建筑裝飾0.48%-0.18%-0.63%-0.23%0.56%房地產-0.07%-0.43%0.38%0.13%-0.01%商貿零售0.12%-0.46%-0.16%0.44%0.07%鋼鐵0.12%0.04%-0.06%-0.48%0.39%交通運輸0.42%-0.66%0.06%0.02%0.15%紡織服飾-0.12%0.38%-0.50%0.02%0.22%計算機-0.01%0.39%-0.44%0.45%-0.39%煤炭-0.22%-0.01%0.10%0.32%-0.18%家用電器0.28%-0.16%-0.16%-0.43%0.48%石油石化-0.36%0.40%0.46%-0.38%-0.12%通信0.37%-0.22%-0.45%0.14%0.17%傳媒0.08%-0.10%-0.31%0.00%0.33%國防軍工-0.11%0.02%0.09%0.20%-0.21%綜合-0.21%-0.01%-0.15%0.45%-0.07%非銀金融-0.06%0.08%-0.05%-0.16%0.19%社會服務0.17%-0.22%-0.20%0.02%0.22%美容護理-0.03%0.00%-0.02%0.06%-0.01%銀行-0.03%0.00%0.08%-0.02%-0.03%資料來源：有機數(shù)，Wind，國信證券經濟研究所整理從平均規(guī)模來看，各投資組合成份股總市值的中位數(shù)相差不大。各分組的平均規(guī)模分別為63.29、67.74、66.73、69.59、60.57億。不過在某些時期，各分組的平均規(guī)模也可能存在較大差距，比如2021年5月（第15期分組3的平均規(guī)模為124億，而同期分組1的平均規(guī)模為45億，只相當于分組3的平均規(guī)模的36.4%?？紤]到投資組合采用等權方法構建，雖然各投資組合成份股總市值的中位數(shù)略高于滬深A股的平均規(guī)模，但各投資組合成份股的規(guī)模暴露實際上是傾向小市值的。以2022年年底中證全指為例，4500只成份股，總市值的中位數(shù)是55.65億，但請務必閱讀正文之后的免責聲明及其項下所有內容11證券研究報告加權中位數(shù)8為434.9億，處于成份股總市值的93.3%分位數(shù)上。因此這里進一步考慮對投資組合的收益率進行相關因子收益率的調整。資料來源：有機數(shù)，Wind，國信證券經濟研究所整理我們采用包含市場因子、規(guī)模因子和價值因子的三因子模型。因子收益率的構建采用國證系列全收益率指數(shù)，其中，國證A指作為市場因子，國證2000與國證1000的收益率之差作為規(guī)模因子，國證價值與國證成長的收益率之差作為價值因子。在2020年3月至2023年1月這35個月的時間區(qū)間里，市場因子、規(guī)模因子和價值因子的年化收益分別為8.19%、5.98%、-4.92%。經過因子模型的風險收益調整，分組1-5的超額收益分別為7.75%、3.90%、2.26%、3.66%、10.30%。各投資組合的超額收益與排污環(huán)比增長仍然呈U型分布。從風險暴露來看，各投資組合的規(guī)模因子暴露和價值因子暴露都是非常顯著的，即各投資組合都偏好小盤股和價值股。分組1分組2分組3分組4分組5市場因子估計值1.0521.0160.991.0880.978t統(tǒng)計量20.6826.1520.2321.0114.28規(guī)模因子估計值0.5150.6060.5920.5820.62t統(tǒng)計量10.0815.5312.0611.29.02價值因子估計值0.2330.2340.1370.230.238t統(tǒng)計量4.55.932.764.373.42超額收益估計值7.75%3.90%2.26%3.66%10.30%t統(tǒng)計量2.591.710.792.56資料來源：有機數(shù)，Wind，國信證券經濟研究所整理即將成份股按總市值從大到小排序，然后將權重累計，權重累請務必閱讀正文之后的免責聲明及其項下所有內容12證券研究報告這里進一步計算了各個投資組合收益率之間的統(tǒng)計比較。從t統(tǒng)計量來看，收益率之間差距最為顯著的是排污環(huán)比增長最高的分組5與排污環(huán)比增長居中的分組3，其t統(tǒng)計量為-2.25。其他較為顯著有分組1和分組3、分組2和分組5、分組4和分組5。也就是說，排污環(huán)比增長最高的分組5與排污環(huán)比增長居中的分組2-4的收益率之差都有明顯的差別，而與排污環(huán)比增長最低的分組1沒有。而分組1只與排污環(huán)比增長居中的分組3的收益率之差有較為顯著的差別，與其他組合沒有。另外，排污環(huán)比增長居中的3個分組的收益率之間也沒有明顯差別。分組2分組3分組4分組5分組2分組3分組4分組5年化收益率之差t統(tǒng)計量分組13.61%5.07%3.38%-2.54%0.9521.570.852-0.616分組21.46%-0.23%-6.15%0.471-0.064-1.71分組3-1.69%-7.61%-0.495-2.25分組4-5.92%-1.58資料來源：有機數(shù)，Wind，國信證券經濟研究所整理將上述各分組收益率之差進行風險因子調整后，結論也是相同的，即分組5的超額收益顯著或者較為顯著地大于分組2-4，分組1的超額收益較為顯著地大于分組3，其他各組的超額收益率之間沒有顯著差異。從風格因子暴露來看，分組1的規(guī)模因子暴露與除分組4以外的其他分組有略微顯著的差異，分組1相對于分組2、3、5更偏好大盤股。這與前述結論中分組1的平均規(guī)模小于分組2和分組3的平均規(guī)模有所不同。價值因子方面，分組3的價值因子暴露與其他分組有著較為顯著的差異，分組3相對于其他分組更偏好成長股。其他各分組之間的價值因子暴露沒有顯著差異。分組2分組3分組4分組5分組2分組3分組4分組5分組1分組2分組3分組43.85%年化超額收益率之差5.49%4.09%1.64%0.239%-1.40%-2.55%-6.40%-8.04%-6.64%0.991t統(tǒng)計量1.710.9930.5280.0635-0.408-0.615-1.69-2.41-1.79分組1分組2分組3分組4-0.0908規(guī)模因子暴露之差-0.0774-0.06730.01340.02350.0101價值因子暴露之差-0.105-0.0143-0.0277-0.0377-1.37t統(tǒng)計量-1.41-0.9570.2530.3640.172t統(tǒng)計量-1.48-0.220-0.486-0.594分組1分組2分組3分組4-0.001500.09520.09670.002660.00416-0.0926-0.00547-0.00397-0.101-0.00813-0.02231.711.800.03730.0636-1.56-0.0762-0.0605-1.74-0.126資料來源：有機數(shù)，Wind，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容13證券研究報告上述分析主要是根據最近1個月的排污環(huán)比增長進行分組，然后構造投資組合持有1期。接下來我們考慮根據最近2個月、3個月的排污增長數(shù)據構造投資組合，并分別持有2個月和3個月9。從凈值曲線來看，觀察期為2、持有期為2的各投資組合中，排污增長最低的分組1的累計收益率最高，其次是排污環(huán)比增長次高的分組4，其他分組的累計收益率相差不大。而在觀察期、持有期都為3的各投資組合中，除排污增長最高的分組5的累計收益率明顯更低外，其他各個分組的累計收益率相差不大。從各投資組合的年化收益和夏普比率來看，結論也是類似的。各投資組合的收益與排污增長不再存在U型關系。從各投資組合收益率的統(tǒng)計比較來看，觀察期為2時，分組1的平均收益高于分組2、分組3以及分組4的平均收益高于分組3是較為顯著的。觀察期為3時，分組5的平均收益低于其他分組僅是略微顯著。由此可見，在拉長觀測時間窗口后，基于污染數(shù)據的選股策略面臨失效。我們推測可能的原因如下：企業(yè)污染排放往往與企業(yè)產出和行業(yè)的景氣程度高度相關，投資者通常會參考月度的中觀高頻指標來修正當月的預期，并據此進行倉位的調整。因此，當觀測時間窗口被拉長時，選股策略可能會受到觀測期間大量倉位調整操作的干擾而失效。因此，選擇合適的觀測的窗口期來將ESG數(shù)據應用于股票投研，也是實踐中需要重點考慮的要點。資料來源：有機數(shù)，Wind，國信證券經濟研究所整理資料來源：有機數(shù)，Wind，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容14證券研究報告資料來源：有機數(shù)，Wind，國信證券經濟研究所整理資料來源：有機數(shù)，Wind，國信證券經濟研究所整理分組2分組3分組4分組5分組2分組3分組4分組5觀察期為2觀察期為3分組11.751.610.7861.080.2560.0150.3971.46分組20.698-0.978-0.280-0.1960.1331.22分組3-1.57-1.030.3041.34分組40.6491.20資料來源：有機數(shù)，Wind，國信證券經濟研究所整理4企業(yè)污染數(shù)據——潛在的高頻選股指標企業(yè)污染減排普遍需要經歷末端治理到工藝結構轉換的過程，企業(yè)污染排放強度的降低速率往往呈現(xiàn)出先快后慢的趨勢，在污染治理前期，企業(yè)減排支出會增加企業(yè)成本負擔，壓縮企業(yè)的利潤空間，企業(yè)的減排與企業(yè)的財務績效就會呈現(xiàn)此消彼長的關系，隨著減排工作的持續(xù)推進，企業(yè)開始逐步優(yōu)化自身的生產工藝，優(yōu)化自身的資源配置，企業(yè)技術水平的提升及效率改進所帶來的長期收益開始覆蓋掉環(huán)境規(guī)制所帶來的短期成本上升。對應在股票市場中，企業(yè)污染排放下降的速率和企業(yè)的股票收益就會呈現(xiàn)先降后增的U型關系，本文基于企業(yè)污染數(shù)據的回測結果也印證這一事實，從各投資組合的年化收益和波動來看，排污環(huán)比增長最高的分組5的年化收益最高為21%，排污環(huán)比增長居中的分組3的年化收益最低，為13%。雖然各投資組合的年化收益率存在明顯差距，但年化波動卻幾乎沒有區(qū)別，排污環(huán)比增長次高的分組4的年化波動最高，為23%，比其他組合高1%。因此各投資組合的夏普比例與年化收益相似，與排污環(huán)比增長成U型分布。但是值得注意的是，隨著觀測時間窗口的拉長，基于污染數(shù)據的選股策略面臨失效，企業(yè)污染排放降低速率與股票的截面收益率不再呈現(xiàn)U型關系，這是因為投資者通常會參考月度的中觀高品質指標來修正當月的預期，并據此進行倉位的調整，而企業(yè)污染排放往往與企業(yè)產出和行業(yè)的景氣程度高度相關，因此，當觀測時間窗口被拉長時，選股策略可能會受到觀測期間大量倉位調整操作的干擾而失效。同時，企業(yè)污染數(shù)據覆蓋率有限，數(shù)據的連續(xù)性也難以得到保證，也進一步制約了污染數(shù)據在投資實踐中的應用。請務必閱讀正文之后的免責聲明及其項下所有內容15證券研究報告綜上所述，隨著環(huán)境監(jiān)管政策的持續(xù)收緊，企業(yè)污染數(shù)據庫的覆蓋率和連續(xù)性有望得到改善，在此背景下，企業(yè)的污染數(shù)據就有可能成為潛在的高頻選股指標，選擇合適的觀測的窗口期來將污染數(shù)據應用于股票投研，不失為一種有效的alpha策略。請務必閱讀正文之后的免責聲明及其項下所有內容