ESG专题：中国股票市场ESG溢价现象探析

内容目录TOC\o"1-1"\h\z\u引言与文献综述 5研究设计 7实证结果与分析 9稳健性检验 18主要结论与启示 20参考文献 23风险提示 25图表目录图样本筛选后的股票数量比例与自由流通市值比例 9表全样本及不同规模股票的收益率情况统计 10表全样本及不同规模股票的指标值均值的时序平均 10表全样本及不同规模股票的指标值标准差的时序平均 11表全样本及不同规模股票的ESG指标分组的加权超额收益率统计 12表全样本及不同规模股票的ESG指标分组的等权组合收益率统计 12表全样本及不同规模股票的E指标分组的加权超额收益率统计 13表全样本及不同规模股票的E指标分组的等权超额收益率统计 13表全样本及不同规模股票的S指标分组的加权超额收益率统计 14表全样本及不同规模股票的S指标分组的等权超额收益率统计 14表全样本及不同规模股票的G指标分组的加权超额收益率统计 15表全样本及不同规模股票的G指标分组的等权超额收益率统计 15表全样本及不同规模股票的横截面回归（ESG指标） 16表全样本及不同规模股票的横截面回归（ESG分项指标） 17表全样本及不同规模股票的横截面回归的比较（ESG指标） 17表全样本及不同规模股票的横截面回归的比较（ESG分项指标） 18表全样本及不同规模股票的对冲组合的四因子模型调整收益（加权） 19表全样本及不同规模股票的对冲组合的四因子模型调整收益（等权） 19表全样本及不同规模股票的对冲组合的超额收益（加权） 20表全样本及不同规模股票的对冲组合的超额收益（等权） 20引言与文献综述ESG（Environmental）（Social）（Governance）如何协调发展的理念，也是一种基于这三个因素对企业非财务绩效的评估和对公司长（GillanKoch，2021）ESG100ESG（SDGs）理念高度相符，SDGsESG在中国，ESG的关注。投资者在构建投资组合时，开始考虑环境相关因素。ESGESGRiedlSmeets（2021）通过结合投资者实际持仓数据、问卷调查与激励实验发ESGESGESGESGESGPástor202过建论型画市均下的ESG价研假定资偏于ESG现异公司此资持有ESG现对差企业，需要额外的补偿，ESG表现优异的公司的预期投资收益反而更低。Aluqurqe等（2019）的行业均衡模型也支持这一结论，ESG实践能够降低系统性风险并提企价，而低场企股要的险价。尽管如此，但基于国外股票市场的实证检验却未支持这一理论。Kotsantonis等（2016）基于MSCI和SASB的ESG评价体系的投资策略，在2006-2016年都能显著提高基金业绩。Verheyden等（2016）测试了在可投资标的范围内使用不同ESG筛选条件的效果，研究结果发现，在采用10最佳ESG筛选方法（该方法有效地剔除了ESG排名最低的10的公司）时，无论是在全球市场还是发达市场，经风险调整后的收益都得到了明确的正向提升。Kumar等(2016)评估了157家道琼斯可持续发展指数成分股公司和809家非成分股公司，利用提出的新方法，发现将ESG因素纳入考量的公司的股票表现的波动性低于同行业其他公司，而且ESG表现好的公司往往能带来更高的回报。Pástor等（2022）通过做多ESG表现好的企业并做空ESG表现差的企业构建的投资组合，可以获得超额收益，且无法被主流因子模型解释。其他研究包括Pedersen等（2021）、Avramov等（2022）的结论也不支持上述理论。支持上述理论的研究成果主要在碳排放领域。Bolton和Kacperczyk（2021）在美国股票市场发现碳溢价效应，即碳排放总量（以及变化量）越高的公司，股票收益率也越高，这一关系在控制了公司规模、账面市值比、动量以及其他预测收益的因素后仍然显著，同时也无法用意外盈利能力或其他已知风险因素的差异来解释，表明投资者已经开始要求对其承担的碳排放风险进行补偿。Bolton和Kacperczyk（2023）通过对来自77个国家14400家企业的横截面数据进行了分析，估算了与碳转型风险相关的市场溢价；结果发现，在所有行业和大多数国家，碳排放水平和增长率越高，股票回报率也越高。Hsu等（2023）根据同一行业内污染排放强度高低构建多空投资组合，其平均年收益率为4.42，在控制风险因素后仍然显著，这种污染溢价无法用现有的系统性风险、投资者偏好、市场情绪、政治关系或公司治理来解释。ESGESG2010-2020（2023）800ESG20176202112ESGESG何枫等（2025）ESG2011-2021ESGESGESGESGESG（2021）20206A周方召等（2021）基于和讯网公布的企业社会责任评分数据和润灵环球的环境评20091201912（2024）基于（万得）ESG2018220241ESGESG韩晓晨和何雨骞（2025）ESG2011-2021ESGESGESGCNRDS（中国研究数据服务平台）ESG2009-2022ESGESG0.015-0.685ESGESG13201520182016ESGESGESGESG其次是时间区间不同所致。比如史永东和王淏淼（2023）研究的时间区间是201762021122018220241李瑾（2021）201520206间则相对较长，比如周方召等（2021）2009-2019（2025）2011-2021ESG采用的是日频，李瑾（2021）是周频，韩晓晨和何雨骞（2025）采用的是年度，其他研究则是月度。不同频率的数据可能会导致结果存在差异，比如美国股市截面收益率的短期（Jegadeesh，1990）（JegadeeshFama-MacBeth（FamaMacBeth，1973）。（2021）201930020196767A800Fama-Macbeth188014ES仅为52。张跃军和黄玉琴（2024）的样本区间内均有ESG评级评分数据的30883798，覆盖率超过80韩晓晨和何雨共11年29392个样本数据平均每年2672个，覆盖率超过85。ESG溢价现象，以期望得到更为可信的结论。研究设计数据来源ESGESGESGESG从已有的研究来看，ESGESGESGESGESGESGESGESGESG2018ESG2014420259月，共11年半，有138个月的数据。ESGA2014ESG310ESGESGESGESGESG6ESG（2024）ESG1月、4710（2024）指ESGESG除评级数据外，其他数据均来自万得。实证方法FamaFrench（2008）关于探讨股市ESG排序分组方法的主要优势在于能够清晰地展现股票收益如何随指标大小变化的。然而它也存在一些潜在的缺陷。例如，一种常见的做法是根据指标对股票进行排序，构建等权重的投资组合。虽然通常会展示各个投资组合的详细结果，但人们往往更关注指标值最大和最小的极端组合的多空对冲组合的收益。一个潜在的问题是，使用所有股票的等权重对冲投资组合的收益有可能收到小盘股、微盘股的影响。首先，小盘股和微型股的市值占比较低，但它们的数量占比较高。其次，指标的横截面离散度在小盘股和微型股中可能是最大，因此它们通常占极端组合中股票总数的较大比例。为了规避这个问题，通常会将市值加权组合与等权重组合的收益一起展示。但市值加权组合又可能被少数几只大盘股主导，使得指标与股票收益率之间的真实关系还是反映不准确。ESGA自由流通市值占比70、85、95作为区分不同规模大小股票的分界点。其中大盘股为累计自由流通市值占比前70的股票，中盘股为累计自由流通市值占比70至85之间的股票，小盘股为累计自由流通市值占比85至95之间的股票，微盘股为累计自由流通市值占比后5的股票。排序分组方法存在两个横截面回归方法所没有的缺陷。首先，排序分组方法难以推断哪些指标包含有关于股票收益率的独特信息，而横截面回归方法可以直接估计边际效应，在大样本下，这一边际效应都能被精确测量。其次，排序分组方法难以检验股票收益率与指标之间关系的函数形式。相比之下，横截面回归方法中对回归残差进行简单的诊断，就能判断回归斜率所隐含的指标与股票收益率之间的关系是否在变量的全部取值范围内都存在。横截面回归方法也面临一些潜在问题。首先，基于所有股票的回归估计可能受到小盘股、微型股的影响，因为他们数量众多，且指标值和股票收益率往往更为极端。为了避免这个问题，我们分别对微型股、小盘股、中盘股和大盘股进行回归估计。然后，对不同规模大小股票的回归平均斜率进行均值差异检验，可以推断关于股票收益率与指标之间的关系是否存在差异。其次，由于个股收益率可能非常极端，横截面回归中存在潜在的极端观测值问题，排序分组方法提供了一种交叉检验手段。如果横截面回归和排序分组得出相互矛盾的推论，则回归中极端值问题很可能是罪魁祸首。不过在我们的分析中，排序分组和横截面回归结果有时存在细微差别，但它们总体都支持相同的结论。实证结果与分析描述性统计ALiu（2025）12121202015STPT类的样本和下月没有交易的样本。2014420259240054008.750述筛除后，平均仅剔除13的股票样本和5的自由流通市值，不过在一些极端的月份比如2015年7月因交易天数的筛选规则股票样本被剔除比例高达33，同时自由流通市值剔除了19。ESG3.4自由流通市值比例也仅为1.7在大多数月份中秩鼎的ESG数据实AESG图1：样本筛选后的股票数量比例与自由流通市值比例2014420259470、85和95。期初样本股票数量为2161，其中大盘股、中盘股、633、527、5534485149965、1090、1531、156350133界点分别是194亿、87亿和43亿。我们统计了市值加权和等权重的全部样本、大盘股、中盘股、小盘股和微盘股投资组合的平均收益率和标准差，以及各投资组合中股票数量和自由流通市值占比的时序平均值。表1：全样本及不同规模股票的收益率情况统计全样本大盘股中盘股小盘股微盘股样本数量3459744763988964市值占比10069.9815.0110.005.01加权组合月均收益率0.960.890.821.082.08加权组合月收益率标准差6.586.348.128.569.04等权权组合月均收益率1.320.800.891.162.30等权组合月收益率标准差7.886.768.058.559.18收益率截面标准差均值11.4010.3111.1311.2511.58平均而言大盘股中盘股小盘股和微盘股分别占到全部样本数量的2122、29和28由于小盘股和微型股数量众多它们对等权组合的市场收益率有重要影响。微型股的平均等权收益率较高，为每月2.30，而大盘股和中盘股的等权收益率为0.80这使得整个市场等权组合的收益率提升至每月1.32微盘股等权组合的收益波动性也最高，并且对整个市场收益率的波动有显著影响。相比之下，大盘股平均市值占比在70，主导着市场加权组合的收益。市场加权组合的平均月收益率和月收益率标准差分别为0.96和6.58，与大盘股加权组合的0.89和6.34相近。ESG表2：全样本及不同规模股票的指标值均值的时序平均全样本大盘股中盘股小盘股微盘股对数总市值4.325.884.593.923.27盈利<00.1540.0610.1080.1740.246(盈利>0)盈市比0.0300.0460.0340.0260.018对数超额换手率-0.138-0.103-0.112-0.138-0.182ESG评分0.5530.6100.5600.5380.519E评分0.4560.5280.4670.4390.414S评分0.4780.5230.4810.4650.452G评分0.7120.7600.7200.6990.682秩鼎、万得我们还统计了月收益率和上述各项指标的横截面标准差的时序平均值。对于收益率和盈利<0ESG分、E（对冲组合的等权收益率和横截面回归）中的影响力要远小于美股市场。表3：全样本及不同规模股票的指标值标准差的时序平均全样本大盘股中盘股小盘股微盘股对数总市值1.040.86盈利<00.3520.2290.3010.3710.424(盈利>0)盈市比0.0340.0440.0330.0280.021对数超额换手率0.5070.4330.4860.5180.515ESG评分0.0750.0790.0680.0620.060E评分0.1240.1350.1190.1100.103S评分0.1040.1080.0980.0960.099G评分0.0710.0670.0650.0620.063秩鼎、万得排序分组20145202510ESGFrench（1993）25我们在设置排序分位点时，为了对不同规模分组的收益率进行有意义的比较，我ESGLiu（2019）30的股票来构建规模、价值等因子。ESG指标与收益率呈现出明显的正相关关系，ESGtESGESGESGESGESGESGESG表4：全样本及不同规模股票的ESG指标分组的加权超额收益率统计全样本大盘股中盘股小盘股微盘股平均值Low-0.28-0.55-0.29-0.190.052-0.12-0.24-0.12-0.080.2630.050.09-0.050.060.1940.050.050.060.060.05High0.070.070.120.010.21H-L0.350.620.41t统计量0.200.15Low-3.18-2.79-2.56-2.150.722-1.58-1.50-1.39-1.193.5430.760.73-0.740.842.1340.670.560.730.720.39High1.391.351.050.071.09H-L2.862.79秩鼎、万得表5：全样本及不同规模股票的ESG指标分组的等权组合收益率统计全样本大盘股中盘股小盘股微盘股平均值Low-0.12-0.46-0.30-0.180.092-0.03-0.09-0.13-0.100.1730.02-0.01-0.040.020.1140.04-0.030.120.030.00High6-0.020.18H-L0.280.660.460.160.09t统计量Low-1.73-3.03-2.67-2.111.142-0.77-0.76-1.62-1.612.4130.59-0.16-0.560.221.2740.77-0.531.540.30-0.02High2.282.921.44-0.120.72H-L2.263.362.480.920.32秩鼎、万得EEEESGELow-0.15-0.31-0.09-0.020.112-0.08-0.05-0.17-0.160.143-0.06-0.03-0.20-0.140.1540.020.000.080.090.11High30.090.34H-L0.270.430.23t统计量0.110.23Low-1.36-1.69-0.75-0.201.422-1.01-0.33-1.76-2.052.103-0.79-0.25-2.22-1.591.8640.20-0.040.780.991.07High1.871.751.200.842.31H-L1.841.971.190.631.23秩鼎、万得表7：全样本及不同规模股票的E指标分组的等权超额收益率统计全样本大盘股中盘股小盘股微盘股平均值Low-0.03-0.26-0.10-0.040.112-0.09-0.09-0.19-0.190.123-0.07-0.01-0.19-0.140.0840.06-0.020.130.050.06High90.100.36H-L0.220.470.28t统计量0.140.25Low-0.39-1.69-0.82-0.481.542-1.86-0.83-2.08-2.491.963-1.40-0.11-2.22-1.811.0740.89-0.231.260.590.62High2.902.771.880.882.04H-L1.872.491.580.811.18秩鼎、万得SSSS指标分组的等权收益率表现与加权组合类似，不同的是大盘股的对冲组合收益率的显著性有明显提升，而中盘股和小盘股的对冲组合的显著性则有所下降。Low-0.29-0.37-0.30-0.31-0.102-0.06-0.11-0.14-0.040.233-0.10-0.15-0.120.000.2740.03-0.05High40.040.25H-L0.430.510.34t统计量0.350.35Low-2.82-1.95-2.81-3.18-1.002-0.52-0.59-1.63-0.582.633-1.33-1.37-1.50-0.042.6540.41-0.352.512.332.32High2.031.980.530.372.19H-L3.112.372.392.052.15秩鼎、万得表9：全样本及不同规模股票的S指标分组的等权超额收益率统计全样本大盘股中盘股小盘股微盘股平均值Low-0.24-0.35-0.32-0.27-0.1220.02-0.02-0.11-0.060.2130.01-0.13-0.09-0.050.2540.14-0.030.260.160.20High0.140.280.040.000.16H-L0.380.630.36t统计量0.270.28Low-3.26-2.30-3.19-2.98-1.2820.47-0.24-1.37-0.892.6730.18-1.50-1.26-0.692.5342.82-0.483.161.982.04High2.794.140.52-0.041.49H-L3.553.322.581.651.80秩鼎、万得G综上，ESG：（1）ESGESG从负向筛选效果来看，ESGELow-0.13-0.09-0.21-0.140.1320.050.07-0.020.040.253-0.020.01-0.07-0.040.0440.070.090.06-0.060.11High0.010.000.020.06-0.06H-L0.140.090.22t统计量0.21-0.18Low-0.96-0.34-1.37-1.261.1920.470.30-0.230.462.843-0.240.10-0.80-0.500.4040.870.910.57-0.510.86High0.100.080.110.37-0.26H-L0.730.300.820.79-0.62秩鼎、万得表11：全样本及不同规模股票的G指标分组的等权超额收益率统计全样本大盘股中盘股小盘股微盘股平均值Low-0.04-0.04-0.21-0.110.1520.020.12-0.01-0.030.153-0.05-0.03-0.06-0.07-0.0140.020.040.06-0.100.02High0.040.060.04-0.01-0.18H-L0.080.100.25t统计量0.10-0.33Low-0.31-0.21-1.47-0.971.2220.270.69-0.05-0.441.343-0.91-0.30-0.71-0.75-0.1140.220.530.65-0.870.16High0.420.630.30-0.08-0.79H-L0.380.360.980.37-1.01秩鼎、万得横截面回归哪些指标具有显著的预测能力，而哪些指标对预测收益的边际能力很弱？这里采FamaMacBeth（1973）FMESGESGESG各分项指标进行回归分析。对数总市值的估计值均为负，且在除大盘股样本的其他情形中都显著，表明中国At盈利小于0的虚拟变量的估计值在中盘股和小盘股样本中为负，表明这些样本中盈利小于0的股票的收益率要更低，但该估计值仅在中盘股样本中显著。常数项2.380.001.305.149.30对数总市值-0.62-0.15-0.43-1.24-2.54盈利<0-0.140.09-0.76-0.270.03(盈利>0)盈市比8.064.455.2310.4513.99对数超额换手率-0.92-0.61-0.82-1.24-0.90ESG评分2.792.843.131.582.38调整拟合优度（）5.886.944.27t统计量3.553.55常数项1.700.000.762.934.03对数总市值-3.86-1.15-1.71-3.97-5.00盈利<0-0.610.26-2.51-1.110.16(盈利>0)盈市比1.851.050.911.822.75对数超额换手率-4.08-2.07-3.20-5.22-4.30ESG评分3.653.083.371.682.34秩鼎万得 注：归中益率百分数值盈市比正值的估计值均为正，表明存在价值效应。不过该估计值仅在小盘股和微盘股样本中显著，可见中国A股市场的价值应效并没有规模效应那么明显。对数超额换手率的估计值均为负，且都是显著的，表明存在明显的情绪效应，超tESGtESGGS指标则在所有情形下都显著，ESEESG进一步的，我们比较横截面回归中各预测变量的估计值大小。从对数总市值的估计值比较来看，除了大盘股与中盘股的估计值之差不显著外，其他规模分组的估计值之差都非常显著，表明规模效应随样本股票规模递减的规律是显著的。0盈市比正值的估计值仅在小微盘股与大中盘股之间的差异是显著的，在基础回归中，这一价值效应仅在微盘股和小盘股中显著，表明微盘股与小盘股中的价值效应的差距并不明显，同时他们的价值效应要明显强于中盘股和大盘股。超额换手率的估计值在小盘股与其他分组之间都是显著的，在基础回归中，情绪效应在所有规模分组的样本中都是显著的，其中小盘股的情绪效应最为显著，这表明小盘股的情绪效应比其他样本更强，而其他样本之间的情绪效应差异不大。常数项2.240.410.764.349.04对数总市值-0.61-0.15-0.42-1.20-2.50盈利<0-0.130.13-0.74-0.230.05(盈利>0)盈市比8.104.755.3910.3013.66对数超额换手率-0.92-0.62-0.82-1.25-0.90E评分0.900.861.080.230.71S评分1.631.791.551.301.59G评分0.68-0.071.371.100.55调整拟合优度（）6.587.894.96t统计量4.274.25常数项72.133.38对数总市值-3.94-1.16-1.71-3.85-5.28盈利<0-0.560.36-2.45-0.970.25(盈利>0)盈市比1.991.191.021.942.75对数超额换手率-4.29-2.18-3.29-5.42-4.52E评分2.361.941.780.401.31S评分2.982.622.501.932.49G评分0.44-0.040.870.730.32秩鼎万得 注：归中益率百分数值ESGSE指标的预测能力在大盘股和中盘股中也没有明显区别。表14：全样本及不同规模股票的横截面回归的比较（ESG指标）微盘-小盘微盘-中盘微盘-大盘小盘-中盘小盘-大盘中盘-大盘估计值常数项4.168.009.303.845.151.31对数总市值-1.30-2.11-2.39-0.81-1.09-0.28盈利<00.300.79-0.060.49-0.36-0.86(盈利>0)盈市比3.548.769.545.226.000.78对数超额换手率0.34-0.08-0.29-0.42-0.63-0.21ESG评分0.80-0.75-0.46t统计量-1.55-1.260.29常数项2.484.124.802.553.481.17对数总市值-2.78-4.30-4.87-2.54-3.63-1.27盈利<01.503.12-0.192.26-1.26-3.15(盈利>0)盈市比0.782.022.211.931.560.24对数超额换手率2.08-0.35-1.14-2.81-3.22-1.20ESG评分0.83-0.70-0.44-1.73-1.200.40秩鼎万得 注：归中益率百分数值表15：全样本及不同规模股票的横截面回归的比较（ESG分项指标）微盘-小盘微盘-中盘微盘-大盘小盘-中盘小盘-大盘中盘-大盘估计值常数项4.708.288.623.583.920.35对数总市值-1.30-2.08-2.35-0.78-1.05-0.27盈利<00.280.79-0.070.51-0.36-0.87(盈利>0)盈市比3.368.288.914.915.550.64对数超额换手率0.35-0.08-0.28-0.43-0.63-0.20E评分0.48-0.37-0.15-0.85-0.630.22S评分0.300.04-0.20-0.26-0.49-0.24G评分-0.56-0.820.61t统计量-0.271.171.43常数项2.463.783.672.262.260.27对数总市值-3.06-4.52-5.14-2.47-3.48-1.24盈利<01.413.13-0.232.35-1.25-3.20(盈利>0)盈市比0.782.032.121.811.510.22对数超额换手率2.18-0.37-1.14-2.80-3.33-1.18E评分0.75-0.55-0.25-1.29-1.000.35S评分0.570.07-0.29-0.46-0.76-0.37G评分-0.45-0.580.35-0.280.871.43秩鼎万得 注：归中益率百分数值稳健性检验ALiu（2019）的中国四因子模型对排序分组的收益率进行调整。因子构建过程中，样本筛选方法与之前相同，并进一步剔除总市值最小30的股票指出中国股市存在独特的制度环境，即严格的IPO审核和盛行的反向并购在中国反向并购案例中的壳公司来自市值最小的30股票，因此构建因子时剔除了这部分股票，以避免壳价值干扰。市场因子收益率则为余下的70股票按照自由流通市值加权的收益率。规模因子和价值因子的构建如下：将余下的70的股票按照总市值大小分成数量2（S）和大盘股（B）3组，其中盈市比最高的30的股票为低估值股票（V），盈市比居中的40的股票为中估值股票（M），盈市比最低的30的股票为高估值股票（G）。这样就能将这70的股票交叉分组成6个组合，分别为小盘低估值组、小盘中估值组、小盘6332高估值组这2个高估值组合的平均收益率。情绪因子的构建如下：将盈市比指标换成超额换手率指标（112）62个低换手组合的平均收益率减去小盘高换手组和大盘高换手组这2个高换手组合的平均收益率。那么对收益率调整的回归模型如下：Rt=α+βMRKMRKt+βSMBSMBt+βVMGVMGt+βPMOPMOt+εttESGSESGE在排序分组中，ESG指标的对冲组合在大盘股能获得0.62、0.66的收益，在中盘股中能获得0.410.46的收益经过因子模型调整后大盘股的对冲组合收益降至0.52、0.54，但仍然显著；而中盘股的对冲组合收益降幅较大，降至0.19、0.24，变得不再显著。表16：全样本及不同规模股票的对冲组合的四因子模型调整收益（加权）全样本大盘股中盘股小盘股微盘股估计值ESG评分0.020.57E评分0.000.280.020.130.14S评分0.380.640.360.450.36G评分-0.20-0.140.04t统计量0.21-0.38ESG评分0.121.851.070.760.30E评分0.020.970.090.610.65S评分2.102.322.102.502.10G评分-1.09-0.400.160.94-1.26秩鼎万得 注：归中益率百分数值E指标的对冲组合在大盘股能获得0.43、0.47的收益。经过因子模型调整后，大盘股的对冲组合收益降至0.28、0.31，均不再显著。S指标的对冲组合在各规模分组中能获得0.34-0.51的加权收益和0.27-0.63的等权收益。经过因子模型调整后，对冲组合加权收益为0.36-0.64，等权收益为0.31-0.75，仍然都是显著的。表17：全样本及不同规模股票的对冲组合的四因子模型调整收益（等权）全样本大盘股中盘股小盘股微盘股估计值ESG评分-0.330.540.240.09-0.06E评分-0.240.37S评分0.140.750.370.360.31G评分-0.48-0.130.13t统计量0.11-0.58ESG评分-2.012.271.390.49-0.20E评分-1.551.340.550.580.73S评分0.952.91G评分-2.52-0.450.580.46-1.63秩鼎万得 注：归中益率百分数值ESG收益率比较有意义。这里行业采用GICS（全球行业分类标准）一级行业分类。ESG0.16其中大盘股样本对冲组合的收益率提升最多为0.28微盘股样本对冲组合则仅提升0.02。因此t统计量在除微盘股的其他规模分组样本和全样本中也得到明显提升，小盘股对冲组合的收益率也变得显著了。等权收益率的结果也是类似，但收益率提升的幅度相对较小，平均提升了0.09。从分项指标的结果来看，E指标的对冲组合加权收益率和等权收益率平均提升了0.06和0.08小盘股对冲组合的加权收益率中盘股和小盘股对冲组合的等权收益率也变得显著了。S指标的对冲组合的收益率则平均下降了0.05和0.04，使得小盘股对冲组合的收益率变得不再显著。G为0.16和0.15不过也仅中盘股对冲组合的收益率小盘股对冲组合的加权收益率变得显著。表全样本及不同规模股票的对冲组合的超额收益（加权）全样本大盘股中盘股小盘股微盘股估计值ESG评分0.510.910.570.390.17E评分0.310.47S评分0.360.420.320.190.44G评分0.300.220.47t统计量0.36-0.08ESG评分82.700.87E评分2.752.521.541.751.79S评分71.292.85G评分1.990.822.341.89-0.32全样本大盘股中盘股小盘股微盘股估计值ESG评分0.350.770.620.290.09E评分0.280.520.370.28全样本大盘股中盘股小盘股微盘股估计值ESG评分0.350.770.620.290.09E评分0.280.520.370.280.29S评分0.310.570.340.150.37G评分1t统计量0.22-0.19ESG评分3.680.38E评分3.413.192.492.001.80S评分3.493.482.590.982.48G评分1.170.972.641.16-0.61 秩鼎万得 注：归中益率百分数值主要结论与启示ESG表现优秀的公司能否为投资者带来超额市场收益呢？国外的调查研究（Riel和Smets，2021）显示，ESG投资者对ESG基金收益的预期低于传统基，们意符自社偏而弃分务绩理模（Pástor，2021；Albqueque等，209）也指出，投资者持有ESG表现相对较差的企业，需要外的补偿；而ESG表现异的公司能降低统性风并提升业价值，从降低市对企业票要求风险溢价，预投资收反而更。管如此，ESG表现优秀的公司能获得更高的收益，但在碳排放领域，投资那些碳排放水平越高AESGESGESGESGESG数据，也得到了相反的结论。其他原因则包括截面样本不同、时间区间不同、数ESG2014520251011益与ESGAESGESG风险溢价的进行探讨，以避免因截面样本较少、时间跨度较短、实证方法不够稳ESGESGFamaFrench（2008）关于探讨股市异象的排序分组方法和横截面ESG2、AESGESGESGESGESG2、ESGESGG业中性的排序分组中，GEEES3（市场、规模、价值、情绪）ESGSESGEGS基于以上结论，我们得出如下启示：打破花钱做公益的偏见：在A股市场，企业搞好ESG不再仅仅是成本负担，而是能实实在在转化为股价上涨动力的优势。投资者关注ESG，实际上是在捕捉一种能带来额外回报的长期因子。投资策略建议——抓大放小，重S与E：主战场方面，建议投资者主要在大盘股和中盘股中应用ESG策略，因为这些大公司受基本面和ESG因素影响更深，而小微盘股更多受情绪和资金博弈影响（如换手率等）。核心抓手在于社会责任（S）和环境（E），二者是驱动ESG溢价的双引擎。SE得分的高低对股价涨跌ASE参考文献韩晓晨、何雨骞，2025：《ESG何枫、杜寒玉、郝晶，2025：《绿而不红：中国股票市场ESG投资异象》，《管理科学学报》第7期。李瑾，2021AESG6史永东、王淏淼，2023ESG6ESG12ESG6周方召、高巧林、付辉，2021：《锦上添花还是画蛇添足？——好企业做好事的股票市场表现》，《投资研究》第7期，第128-141页。周方召、欧阳海飞、于林利，2022：《企业履行员工责任和股票收益—来自A11119-136Avramov,D.,Cheng,S.,Lioui,A.,&Tarelli,A.(2022).SustainableinvestingwithESGratinguncertainty.Journaloffinancialeconomics,145(2),642-664.Albuquerque,R.,Koskinen,Y.,&Zhang,C.(2019).Corporatesocialresponsibilityandfirmrisk:Theoryandempiricalevidence.Managementscience,65(10),4451-4469.Bolton,P.,&Kacperczyk,M.(2021).Doinvestorscareaboutcarbonrisk?.Journaloffinancialeconomics,142(2),517-549.Bolton,P.,&Kacperczyk,M.(2023).Globalpricingofcarbon‐transitionrisk.TheJournalofFinance,78(6),3677-3754.Fama,E.F.,&French,K.R.(1993).Commonriskfactorsinthereturnsonstocksandbonds.Journaloffinancialeconomics,33(1),3-56.Fama,E.F.,&French,K.R.(2008).Dissectinganomalies.Thejournaloffinance,63(4),1653-1678.Fama,E.F.,&MacBeth,J.D.(1973).Risk,return,andequilibrium:Empiricaltests.Journalofpoliticaleconomy,81(3),607-636.G