責(zé)任投資ESG市場與傳統(tǒng)市場的關(guān)聯(lián)性分析

潘佳祥 董傲坤 鮑一丹

摘 要：隨著綠色可持續(xù)發(fā)展概念的推廣與綠色金融產(chǎn)業(yè)的發(fā)展，ESG投資作為綠色金融體系中的重要組成部分，近年來廣受關(guān)注。本文綜合利用Eviews、SPSS、Python，選取湯森路透數(shù)據(jù)庫中ESG相關(guān)指數(shù)與標(biāo)的市場指數(shù)數(shù)據(jù)，以發(fā)達(dá)地區(qū)為例，建立AR模型、TGARCH模型、VAR模型，并進(jìn)行模型估計與檢驗，得到ESG投資市場在歷史價格對未來價格的影響方面，以及對利好利空消息的非對稱性反應(yīng)方面與傳統(tǒng)投資市場相似的結(jié)論，并得到ESG投資市場與傳統(tǒng)市場的具體關(guān)聯(lián)性表達(dá)式，能夠為ESG市場投資者提供一定幫助。

關(guān)鍵詞：ESG投資 ; AR模型 ;VAR模型 ;TGARCH模型;Eviews

1.研究背景

隨著全球氣候變化的影響逐漸顯現(xiàn)，世界各國逐漸達(dá)成共同應(yīng)對氣候變化的共識，并且我國也在十四五規(guī)劃中提出綠色低碳發(fā)展戰(zhàn)略，推動經(jīng)濟(jì)社會發(fā)展全面綠色轉(zhuǎn)型。面對綠色發(fā)展的趨勢，綠色金融的概念因時而生。在綠色金融體系中，ESG總指數(shù)反映企業(yè)可持續(xù)發(fā)展的情況，能夠作為社會責(zé)任投資的參考指標(biāo)。相比于傳統(tǒng)評價體系，ESG指數(shù)能夠從對環(huán)境、社會責(zé)任與公司治理三方面來評價企業(yè)的情況，為投資者提供參考。由于我國金融市場為正處于轉(zhuǎn)型經(jīng)濟(jì)的新興市場，在ESG投資市場研究起步較晚，相關(guān)理論發(fā)展還未完善，所以本文針對責(zé)任投資ESG市場與傳統(tǒng)市場的關(guān)聯(lián)性問題進(jìn)行探究，為ESG投資領(lǐng)域理論研究貢獻(xiàn)力量。

2.ESG概念簡介

ESG是Environment、Social Responsibility和Corporate Governance的縮寫，分別代表環(huán)境、社會責(zé)任和公司治理。環(huán)境方面主要分析企業(yè)生產(chǎn)經(jīng)營中環(huán)境管理、環(huán)境信息披露。社會方面主要考察企業(yè)在員工管理方面的合規(guī)性，員工薪酬與福利，產(chǎn)品是否符合相關(guān)標(biāo)準(zhǔn)與政策，是否對公益事業(yè)有貢獻(xiàn)等。公司治理方面主要關(guān)注公司的組織結(jié)構(gòu)、股權(quán)結(jié)構(gòu)、商業(yè)道德以及是否及時對公司重大事項進(jìn)行信息披露等。

ESG體系主要由ESG信息披露原則及指引、ESG企業(yè)績效評級和ESG投資指引三部分組成。各國交易所對企業(yè)ESG相關(guān)情況進(jìn)行披露，由第三方國際組織制定報告并對企業(yè)進(jìn)行評級，投資者可以參考第三方評級機(jī)構(gòu)所發(fā)布的評級結(jié)果對企業(yè)的可持續(xù)發(fā)展情況進(jìn)行了解，并作為投資參考。

與傳統(tǒng)信用評級側(cè)重定量和定性分析企業(yè)財務(wù)與經(jīng)營不同，ESG評價側(cè)重企業(yè)的非財務(wù)狀況，從環(huán)境績效、社會責(zé)任與公司治理三個方面綜合考量企業(yè)長期價值投資潛力，并且兼顧經(jīng)濟(jì)發(fā)展與社會的可持續(xù)效應(yīng)，更加符合綠色發(fā)展可持續(xù)發(fā)展的理念。

3.數(shù)據(jù)來源與數(shù)據(jù)處理

3.1數(shù)據(jù)來源

本文收集湯森路透數(shù)據(jù)庫2008年3月10日到2020年7月7日發(fā)達(dá)市場ESG相關(guān)數(shù)據(jù)，主要包括發(fā)達(dá)市場的環(huán)境指數(shù)TRENVDX、社會責(zé)任指數(shù)TRSCDX、公司治理指數(shù)TRCGVDX以及標(biāo)的指數(shù)SND1000。

3.2數(shù)據(jù)處理

利用SPSS對四個指數(shù)進(jìn)行描述性統(tǒng)計，得到樣本數(shù)、樣本最小值、最大值、均值、標(biāo)準(zhǔn)差如下表所示：

為了將數(shù)據(jù)間距縮小，同時便于消除時間序列中存在的異方差，對數(shù)據(jù)做對數(shù)處理，得到LNSND1000、LNTRCGVDX、LNTRENVDX、LNTRSCDX進(jìn)行建模與分析。

4.ARMA模型

4.1平穩(wěn)性檢驗

為避免偽回歸現(xiàn)象的出現(xiàn)，需要對四個指數(shù)分別作單位根檢驗。以序列傳統(tǒng)投資市場指數(shù)LNSND1000的ADF檢驗為例：首先進(jìn)行水平條件下含截距項和趨勢項的檢驗，得到ADF檢驗p值小于0.05，所以可以在顯著性5%的水平下拒絕原假設(shè)，說明序列平穩(wěn)。然后繼續(xù)進(jìn)行只包含截距項、不包含截距項與趨勢項的ADF檢驗，比較AIC、SC與HG信息準(zhǔn)則統(tǒng)計量的大小，確定序列為含有截距項與趨勢項的平穩(wěn)時間序列。

同理進(jìn)行ESG投資市場三個序列的ADF檢驗，通過ADF檢驗結(jié)果可知四個時間序列均為含有截距項與趨勢項的平穩(wěn)時間序列。

4.2ARMA模型的建立

由于四個變量都為平穩(wěn)時間序列，所以考慮分別對四個變量建立ARMA模型進(jìn)行分析。通過自相關(guān)檢驗發(fā)現(xiàn)四個變量均為ACF拖尾，PACF截尾，所以四個變量均采用AR模型。以下以標(biāo)的市場的LNSND1000與ESG投資市場的LNTRENVDX為例建立AR模型。

4.2.1自相關(guān)檢驗

利用Eviews繪制序列相關(guān)圖，得出兩個時間序列均為ADF為拖尾，偏自相關(guān)PACF為截尾。所以選取AR（p）模型進(jìn)行建模。

4.2.2階數(shù)的確定

根據(jù)AIC、SC、HQ信息準(zhǔn)則，發(fā)現(xiàn)AR（4）對應(yīng)的信息準(zhǔn)則最小值最多，所以選取模型滯后階數(shù)均為4階。

4.2.3參數(shù)估計

利用Eviews進(jìn)行參數(shù)估計，根據(jù)參數(shù)估計結(jié)果以兩個序列建立AR（4）模型如下：

對比傳統(tǒng)投資市場與ESG投資市場的AR（p）模型，發(fā)現(xiàn)二者有相同的滯后階數(shù)，并且每一滯后階數(shù)所對應(yīng)的系數(shù)也相近，可以推斷ESG投資市場前期指數(shù)對于現(xiàn)在以及未來的指數(shù)的影響與傳統(tǒng)投資市場相似。

4.2.4殘差自相關(guān)檢驗

根據(jù)AIC、SC與HQ信息準(zhǔn)則，選取殘差滯后1階進(jìn)行序列自相關(guān)檢驗。LM檢驗結(jié)果顯示p值大于0.05，不能在5%的顯著性水平下拒絕原假設(shè)，說明殘差序列不存在自相關(guān)。同理對其余時間序列所建立的AR（4）模型進(jìn)行殘差自相關(guān)檢驗得到類似的檢驗結(jié)果，說明模型建立合理。

5.TGARCH模型

5.1TGARCH模型的建立

當(dāng)模型的滯后階數(shù)q較大時，使用GARCH模型可以降低ARCH模型參數(shù)估計的難度，同時提高擬合精度，更好的處理高階自回歸問題。同時考慮ESG投資市場與標(biāo)的市場等金融市場中可能存在非對稱效應(yīng)，即利好消息與利空消息對價格、收益率的沖擊影響不同，本文選取非對稱沖擊TGARCH模型進(jìn)行建模分析。

5.2ARCH效應(yīng)檢驗

TGARCH模型的建立以ARCH效應(yīng)存在為基礎(chǔ)，在建立TGARCH在滯后階數(shù)為4階情況下，對上述所建立的AR（4）模型進(jìn)行ARCH效應(yīng)檢驗，從ARCH效應(yīng)檢驗結(jié)果可以得出p值小于0.05，即殘差序列存在ARCH效應(yīng)，可以建立GARCH模型。

參數(shù)估計：

在比較不同階數(shù)的GARCH模型的AIC、SC、HQ信息準(zhǔn)則數(shù)值之后，可以得知TGARCH（1，1）模型為最優(yōu)模型。并且由于金融數(shù)據(jù)存在尖峰厚尾特征，誤差不服從正態(tài)分布，所以以誤差服從廣義誤差分布進(jìn)行建模。

對建立的模型再次進(jìn)行ARCH檢驗，發(fā)現(xiàn)p值大于0.05不能在5%的顯著性水平下拒絕原假設(shè)，即所建立的模型消除了原有的ARCH效應(yīng)，說明模型建立具有意義。

6. 向量自回歸模型

6.1向量自回歸模型的建立

由于ESG相關(guān)理念發(fā)展時間較短且經(jīng)濟(jì)理論支撐較弱，而向量自回歸模型能夠不以嚴(yán)格的經(jīng)濟(jì)理論為依據(jù)，并且在計量經(jīng)濟(jì)學(xué)中分析兩種現(xiàn)象的關(guān)聯(lián)性一般采用向量自回歸模型、格蘭杰因果關(guān)系檢驗，所以本文使用向量自回歸模型對ESG市場與傳統(tǒng)市場的關(guān)聯(lián)性進(jìn)行分析。

6.2滯后階數(shù)確定

在初步估計模型滯后階數(shù)為0-12階的情況下，利用信息準(zhǔn)則方法選擇最優(yōu)階數(shù)，結(jié)合五項關(guān)鍵指標(biāo)數(shù)值兼顧各信息準(zhǔn)則要求，確定最優(yōu)滯后階數(shù)為2階，建立VAR（2）模型，并對VAR（2）模型進(jìn)行參數(shù)估計，根據(jù)參數(shù)估計所得結(jié)果，可以得到四個變量之間的表達(dá)式為：

6.3模型檢驗

6.3.1各階系數(shù)聯(lián)合顯著性檢驗

對所建立VAR（2）模型進(jìn)行Wald檢驗，得出模型大部分各階系數(shù)具有較高顯著性，說明模型具有一定經(jīng)濟(jì)意義。

6.3.2模型穩(wěn)定性檢驗

做出單位根檢驗圖，發(fā)現(xiàn)單位根全部落在單位圓內(nèi)，并且查單位根的模發(fā)現(xiàn)單位根的模都小于1，說明模型具有平穩(wěn)性。

6.4格蘭杰因果關(guān)系檢驗

對四個變量作格蘭杰因果關(guān)系檢驗，滯后長度為最優(yōu)滯后階數(shù)2，從輸出結(jié)果得出對于LNSND1000與LNTRCGVDX、LNTRSCDX與LNSND1000的p值大于0.05，所以不能在5%的顯著性水平下拒絕原假設(shè)，說明傳統(tǒng)投資市場指數(shù)的變動不是公司治理指數(shù)變動的格蘭杰原因，說明社會指數(shù)的變動不是傳統(tǒng)投資市場指數(shù)變動的格蘭杰原因。對于其他變量之間的關(guān)系p值小于0.05，所以可以在5%的顯著性水平下拒絕原假設(shè)，即其他變量之間存在格蘭杰原因。

6.5脈沖響應(yīng)分析

通過觀察四個變量之間的脈沖相應(yīng)圖可得，ESG投資市場三個指數(shù)與傳統(tǒng)市場指數(shù)之間均存在沖擊并且具有明顯正向效應(yīng)，并且ESG投資市場與傳統(tǒng)市場之間的脈沖影響具有較長的持續(xù)效應(yīng)。

6.6方差分解

觀察四個指數(shù)的方差分解圖，得出傳統(tǒng)市場指數(shù)對ESG市場指數(shù)貢獻(xiàn)率較高，說明傳統(tǒng)市場投資對ESG市場波動具有較大影響。同時社會指數(shù)對ESG投資市場具有較大貢獻(xiàn)率，說明公司承擔(dān)的社會責(zé)任是ESG投資中較為重要的參考因素。

7.結(jié)論

通過對傳統(tǒng)投資市場價格指數(shù)與ESG投資市場環(huán)境指數(shù)建立AR模型，發(fā)現(xiàn)二者有相同的滯后階數(shù)，并且每一滯后階數(shù)所對應(yīng)的系數(shù)也相近，可以推斷ESG投資市場前期指數(shù)對于現(xiàn)在以及未來指數(shù)的影響與傳統(tǒng)投資市場相似。

在對LNTRENVDX所建立的AR（4）模型的基礎(chǔ)上，建立TGARCH模型，發(fā)現(xiàn)ESG投資市場與傳統(tǒng)市場類似，同樣具有對利好、利空消息的非對稱性反映。

通過建立向量自回歸模型，具體研究ESG市場三個指數(shù)及其滯后項與傳統(tǒng)投資市場及其滯后項之間的關(guān)系，得到具體的模型表達(dá)式。并且利用格蘭杰因果關(guān)系檢驗說明ESG市場與傳統(tǒng)投資市場存在一定關(guān)聯(lián)性，通過脈沖響應(yīng)分析說明ESG投資市場三個指數(shù)與傳統(tǒng)市場指數(shù)之間均存在沖擊并且具有明顯正向效應(yīng)，并且ESG投資市場對傳統(tǒng)市場的影響具有較長的持續(xù)效應(yīng)。利用方差分解得出傳統(tǒng)市場對ESG市場波動的貢獻(xiàn)度較高，并且社會責(zé)任的承擔(dān)情況是ESG投資中較為重要的參考因素。

參考文獻(xiàn)：

[1]劉璐，吁文濤.企業(yè)ESG評價和傳統(tǒng)信用評級體系比較研究[J].新金融，2021（04）：59-64.

[2]王愛華.山東省濰坊市商品房價格的重要影響因素研究——基于時間序列模型的實證分析[J].中國集體經(jīng)濟(jì)，2021（24）：26-27.

[3]萬媛媛.我國能源消耗與宏觀經(jīng)濟(jì)的關(guān)聯(lián)性分析——基于時間序列的ARMA模型以及協(xié)整檢驗[J].中國高新技術(shù)企業(yè)，2016（11）：1-2.

[4]張航，黃芮，鄭繼明.基于VaR-TGARCH模型的中證5G通信主題指數(shù)實證分析[J].科技和產(chǎn)業(yè)，2021，21（08）：96-101.

[5]葉際彬. 我國房地產(chǎn)市場與股票市場波動關(guān)聯(lián)性研究[D].江西財經(jīng)大學(xué)，2019.

[6]丁正良，紀(jì)成君.基于VAR模型的中國進(jìn)口、出口、實際匯率與經(jīng)濟(jì)增長的實證研究[J].國際貿(mào)易問題，2014（12）：91-101.

[7]饒熠.物流需求和服務(wù)業(yè)發(fā)展——基于VAR模型的實證研究[J].中國經(jīng)貿(mào)導(dǎo)刊（中），2021（11）：19-22.

作者簡介：潘佳祥（2001-），男，漢族，河南省，本科，研究方向：金融工程，

3529501908267