文献分析|ESG投资：降低系统性风险的机会

原文标题：ESG investing: A chance to reduce systemic risk

原文作者：Roy Cerqueti，Rocco Ciciretti，Ambrogio Dalò，Marco Nicolosi

发表期刊：Journal of Financial Stability

关键词：ESG投资、系统性风险、市场冲击、网络、间接传染

一、研究背景

2008年9月雷曼兄弟违约这样的系统性事件，可能会在整个金融体系中引发最终的金融危机。这种不稳定性可以由以下因素引发:(1)同时冲击多个金融机构的外源性冲击；(2)随着时间的推移而形成的金融失衡;(3)一家金融机构产生的负外部性传播到其他金融机构。在最后一种情形中，作者将这种传播风险称为传染风险，这可能导致金融体系崩溃。

本文研究股票共同基金投资组合中所持有的环境(E)、社会(S)和公司治理(G)资产过度合规是否减轻了财务困境从一个基金向另一个基金蔓延的负面影响。近年来，由于ESG资产具有良好的风险/回报特性(Becchetti et al.，2018)，或者投资者对与风险/回报考虑无关的此类资产的偏好，对ESG投资的需求激增(Fama and French, 2007)。

作者认为，一个股权共同基金网络的特点是在环境、社会和治理(ESG)方面具有不同程度的合规。作者测量了压力情景下投资组合清算对不同ESG评级基金的影响。投资组合清算带来的抛售溢出效应，通过普通资产持有的间接传染，从一只基金传播到另一只基金。作者的评估策略依赖于网络分析，在网络分析中，基金不被视为独立的实体，而是一个统一系统的相互关联的组成部分。结果表明，在波动率较低的时间段内，高ESG排名基金的相对市值损失低于低ESG排名基金的相对市值损失。

作者研究的动机主要基于三个方面。第一，ESG投资可以降低利益相关者的风险。这方面与Becchetti等人(2018)详细阐述的利益相关者理论有关，作者表明，ESG得分较低的公司更容易在未来遭受到利益相关者诉讼所产生的风险，即利益相关者风险。第二，ESG基金依赖于长期投资策略。因此，ESG基金不太倾向于仅根据其风险/回报的表现而被抛售(Ciciretti et al., 2019; Bollen, 2007)。第三，ESG排名高的基金将其投资组合向符合ESG投资战略的资产倾斜(Joliet and Titova, 2018)。因此，ESG排名高的基金与所有其他基金相比，ESG排名低的基金重叠较少；因此，从一只基金向另一只基金蔓延的风险可能会降低。

二、研究设计

作者利用网络来模拟基金与其参与者之间的相互关系。该网络有两个不同的节点集。第一个集合中的节点代表资金；第二组集合中的节点代表它们的选区。基金集合中的节点只与代表其持股的资产集合中的节点相关联。因此，两家基金通过共同持股间接相连。

设αik为基金i持有的资产k的份额，则基金i的市场价值MVi为：

其中Pk是资产k的价格，基金i的市值下跌ΔMVi是因为资产k的价格下跌ΔPk，当k = 1…NA时：

设ψ(q, P)为价格影响函数，如下所示：

式中，q为给定资产的清算量，P为清算前的资产价格，ΔP为清算后的资产价格损失。通过方程(1)和(2)，当基金j将其持有的εj部分进行清算时，基金i的市值损失ΔMVij为：

因此，当任何其他基金j将其资产的εj部分清算时，基金i的市场价值相对损失为：

更一般地，用Ig表示某一特定g组基金的一组指数标记，由式(4)还可以得到该组所有基金由于网络中各基金的清算而损失的相对市场价值损失：

其中，

是g组中所有基金的总市场价值。

注意式(5)可以改写为：

接下来，作者在式(2)中指定价格影响函数。根据Cont和schanning(2019)和Braverman和Minca(2018)，作者假设一个线性市场影响模型(Kyle, 1985)。

其中，λk测量股票k的市场深度。根据Amihud(2002)或Almgren等人(2005)，市场深度的经验估计：

其中ADTVk为资产k的日均交易量，σk为资产k收益的标准差，c为一个与资产无关的适用的比例常数。

通过在式(3)中利用式(7)中给出的线性模型，可以得到：

将邻接矩阵元素定义为：

Ωij用来衡量基金i和j的投资组合之间的重叠，可用来将式(9)中的市值损失改写为

在两个投资组合的重叠中，任何共同的资产都要以其市场深度λ的倒数来加权。流动性更强的资产(市场深度更高)在重叠部分的权重更低。事实上，流动性更强的资产受清算影响更小；因此，它对风险传播的贡献较低。然后使用邻接矩阵计算当任何其他基金j清算其资产的εj部分时，基金i的市场价值的相对损失。该损失为：

最后，将式(5)中给定类别g中所有基金因网络中各基金清算而损失的相对总损失Lossg表达为：

作者强调式(12)测量的是一阶损失，并没有考虑双向效应。事实上，某一基金i的清算会影响与i重叠部分资产的任何其他基金。反过来，如果第二支基金j因基金i造成的市值损失而被迫变现其部分资产，其行为可能会导致基金i的市值进一步下降。为考虑双向反馈效应，在第一轮亏损后，必须更新投资组合权重和资产价值，必须评估第二轮损失。基金的损失是由两轮损失的总和得出。

为了进一步说明公式(2)中的价格影响函数，并对线性模型的结果进行稳健性检验，作者考虑以下非线性公式：

三、实证过程

对于2016年3月最后一天至2018年6月最后一天的每个季度，作者构建了包含股权共同基金的两部分网络，其特点是符合不同水平的ESG方面。基金份额的数据从(MD)检索，样本包括12,536只独特的开放式股票共同基金，这些基金在全球或特定宏观地理区域/国家投资，涉及53711项资产。作者对数据进行了异常值处理后开始分析。

各截面估计样本的基金数NF和资产数NA如表1所示。

作者首先考虑网络中资金的重叠程度。图1显示了在资产数量方面，高ESG排名的基金(实线)和低ESG排名的基金(虚线)与网络中的所有基金(类外和类内重叠)共有的30个最高重叠的投资组合。

图1

图2和图3给出了一些相关变量在不同时间点的资金分布的高低对比。从图2可以看出，高、低ESG排名的基金分布在投资组合集中度和基金资本化上都没有显著差异。图3显示了低ESG排名基金(填充箱)和高ESG排名基金(空箱)在不同时间点的日收益平均值(A组)和标准差(B组)的箱线图。从图3可以看出，对于低 ESG排名基金，横截面分布更加分散。图3显示了关于ESG基金的风险/回报状况的有效证据。在2016年3月和2017年12月，低ESG排名的基金的箱线图中值低于高ESG排名的基金，但它们也表现出更大的离散性。在其余的截面上，分布可比较。一般来说，高ESG排名的基金也比低ESG排名的基金风险更小(图B)。

图2

图3

图4比较了低ESG排名基金(填充盒)和高ESG排名基金(空盒)投资资产的波动率分布。从图中可以看出，高ESG排名基金的投资宇宙中的资产风险小于低ESG排名基金的投资集合中的资产风险。

图4

图5为高ESG排名基金(y轴)和低ESG排名基金(x轴)所投资资产的日平均交易量。除2016年3月底外，对于每一个截面，低ESG排名基金持有的资产的交易量分布比高ESG排名的资产更倾向于更大的价值。

图5

与图1类似，在图6中，将高ESG排名的基金与网络中所有基金的30个流动性加权重叠最高的部分与低ESG排名的基金与网络中所有基金的30个流动性加权重叠最高的部分进行了比较(类内重叠和类外重叠)。在流动性调整后，在10个断面中，高ESG排名的基金仍有8个断面的重叠率低于低ESG排名的基金。

图6

图7显示了当网络中所有基金变现1%的资产时，低ESG级基金如式(12)所示的相对总市值损失与高ESG级基金相对总市值损失的比值。对于这两个横截面，作者已经观察到高ESG排名基金收益的更大波动性(见图3，图B)。因此，在10个横截面中，有8个横截面中，低ESG排名基金在抛售溢出情况下相对总损失大于高ESG排名基金。

图7

四、结论与启示

本文首次尝试提出一个ESG基金的网络模型，并通过分析不同ESG合规性水平的基金如何应对基金贱卖共同资产所产生的传染风险，提出了一个系统风险的视角。为此，作者将包含基金和持有特定水平信息的不同数据集进行匹配，以衡量不同ESG评级所表征的基金之间相互关联的程度。就普通证券而言，投资组合之间的重叠，定义了基金之间的相互关系，并以其市场深度的倒数来加权。因此，从一只基金向另一只基金的传染是通过两个投资组合之间的重叠来传导。作者研究了一个涉及不同级别ESG的基金网络，作者的研究结果表明，在资产波动性较低的时期，获得较高ESG评级的基金的传染性较小。在资产波动较大的时期，作者没有观察到高ESG排名的基金明显优于其他类别的基金。

原文摘要：

We consider a network of equity mutual funds characterized by different levels of compliance with Environmental, Social, and Governance (ESG) aspects. We measure the impact of portfolio liquidation in a stress scenario on funds with different ESG ratings. Fire-sales spillover from portfolio liquidation propagates from one fund to another through indirect contagion mediated by common asset holdings. The analysis is conducted quarterly from March 2016 through June 2018 using daily data from different sources at the fund and firm levels. Our estimation strategy relies on a network analysis where funds are not taken as standalone entities but are interconnected components of a unified system. We find evidence that the relative market value loss of the High ESG ranked funds is lower than the loss experienced by the Low ESG ranked counterparts in the time span with lower volatility. In the higher-volatility period there is not always a clear dominance of one class over another. Results are robust when controlling for size and for feedback effects and for different model specifications. Our analysis offers new insights to both asset managers and policymakers to exploit the aggregate effect of portfolio diversification related to the system as a whole. 

相关文章：

作者：

张蓦严  中央财经大学金融学院博士研究生  

指导老师：

王   遥  中央财经大学绿色金融国际研究院院长

原创声明

如需转载、引用本文观点，请注明出处为“中央财经大学绿色金融国际研究院”。

新媒体编辑：黄赟竹