尽管ESG最先作为投资理念被提出，增强资实中国但如何将ESG融入投资策略，评G评如何衡量ESG因素在投资中产生的投解码级价值，很多机构的操中ESG评级依然很难回应这一问题。

嘉实基金作为国内最早成立的用丨基金管理公司之一，早在2018年3月就正式成为联合国负责任投资原则的增强资实中国tml源码怎么获取签署方，并系统性开展ESG评价体系研究，评G评以深度研究驱动ESG投研框架本土化落地。投解码级

在此次访谈中，操中嘉实基金ESG研究部负责人韩晓燕表示，用丨嘉实基金ESG评级最核心的增强资实中国目的是解决ESG评级与投资相关性的问题，也就是评G评说让ESG评级能够在投资策略中真正落地。“就我们目前的投解码级实践来看，将嘉实ESG评分纳入投资策略，操中能在中长期改善组合风险收益特征。用丨”

韩晓燕相信，随着政策的深入和各方意识的提升，ESG与投资绩效之间的相关性会更强，未来市场会形成更强的ESG定价机制。

扩充ESG基础数据来源

南方周末：嘉实基金2018年开始做ESG评级的背景是什么？在此之前，嘉实基金是否有ESG相关的投资策略和产品？

韩晓燕：嘉实早在2015年就发行了环保低碳主题公募基金，嘉实旗下子公司嘉实资本也发行了绿色资产证券化产品。

2018年是嘉实基金可持续投资的一个重要节点，管理层经过此前一年多的内部研讨，决定正式签署联合国责任投资原则，并专门组建了ESG专职团队，怎么隐藏jar包源码开始自上而下的、系统性推动整个公司层面ESG投研体系的建设。

南方周末：为什么没有采用市场上已有的ESG评级数据，而是选择自己研发？

韩晓燕：这样做的原因，总结起来有两方面：

第一，当时海外市场已经有一些认可度比较高的ESG评价体系，但经过我们的评估发现，一方面海外评级体系对A股上市公司的覆盖数量不够，更重要的是其评价方法，包括议题和指标的选择、权重和评分标准的设定等，对A股市场的适用度不是很高。

第二，当时我们也关注到一些本土ESG评级机构开始涌现，但这些机构的禀赋主要在专家意见、学术积累以及企业社会责任咨询服务，对投资端的需求和应用场景了解不够深入，他们的评价体系主要基于企业社会责任理念来构建，跟投资所关注的财务实质性议题有较大差异。早在几年前，我们就测试过一些本土的ESG评级数据，发现在样本覆盖度、评级时效性、一致性和投资有效性等方面都还存在明显不足，评价方法的macd开始变红柱源码可解释性和透明度也有待改进。当然，近几年我们一直与外部评级机构保持沟通和交流，也看到这些机构在不断优化评级方法论和数据质量，我们也会学习和汲取各家优势。 

出于对ESG数据质量和可用性的考量，我们认为还是需要开发一套自己的体系，能够完全从买方视角把ESG因素中的财务重要性议题识别出来。

嘉实也具备了自己研发的基础。首先，ESG研究团队聚集了来自国内外知名ESG评级、数据商、资管公司的专家，并能与嘉实超300人的投研团队密切合作，将ESG与基本面研究、估值、策略相结合。另外，就是借助金融科技，特别是人工智能、自然语言处理等技术实现本土海量ESG数据的高效、高频收集、处理与分析。在公司整体数字化战略下，我们非常重视大数据、AI技术在ESG投研中的南通长牌源码组件应用，这是我们认为可以解决ESG基础数据薄弱问题的关键。

南方周末：嘉实ESG基础数据来自哪些渠道？

韩晓燕：我们ESG基础数据的来源包括企业自主披露、监管、媒体、行业协会等，且企业自主披露来源占比较低。

数据是最核心的输入变量，底层数据质量不高，会对评级造成显著影响。ESG报告（含社会责任报告）是企业自主披露ESG信息的主要载体，但是目前A股市场单独发布ESG报告的企业数量占比仅约为三分之一，与海外发达市场相比，国内A股市场ESG报告披露率还不高。从应用视角看，ESG报告质量参差不齐，披露指标的客观性、一致性和可比性还存在问题，这也会对评级造成障碍。

嘉实的做法是在企业自主披露之外，尽可能扩充数据来源，监管披露就是一个重要渠道。我们发现监管机构有很多高频的信息，比如市场管理部门的产品召回信息、证监会的信披违规处罚信息、环保部门的怎么搭建淘宝客源码排污数据公示信息、金融管理部门的合规处罚信息等，这些监管信息中涵盖了很多数据点，它们往往比企业自主披露更加及时和全面，并且比ESG管理制度这些信息更能体现企业的管理水平和绩效。

但监管披露通常是以另类数据的方式展示，采集和处理这些信息需要依靠繁复的数据处理技术和算法逻辑。嘉实的数据科技团队解决了这些问题，使得我们能够实现ESG数据的自动化获取。

方法论关乎评价结果的质量

南方周末：如何确保评级数据的质量和客观性？有没有人工干预？

韩晓燕：数据质量首先与评价体系的方法论有直接关系，基础数据会经过严格的清洗和标准化算法，形成一致、可比的输入变量。我们建立的是量化评分体系，底层的指标都是量化指标，最大限度避免主观评价可能存在的干扰。评分算法和逻辑也是代码自动执行，避免人工干预。

南方周末：以治理维度举例，嘉实采用了哪些量化指标？

韩晓燕：治理维度的数据结构化程度其实更高，比如股权集中度、股权质押比例、独立董事占比，这些都是常规指标。还有审计意见是否无保留、高管是否有股权激励、重大负面事件涉及的管理层级别等，这些都可以做量化处理。

其次通过质检流程提高数据质量。自动获取的量化数据，基于评价模型的算法、权重一层一层加总之后，可以跑完自动化评分。自动评分出来后，就进入核验流程，先用一些自动化数据核验的算法，检查是否存在异常值、极值、异常波动等明显问题。如果有异常值，就会进行人工分析，对异常值进行归因。但不会对已经生成的评分进行手动更改。

南方周末：定量数据也不一定完全反映企业的真实情况。

韩晓燕：是的。自主披露数据可能经过了一定的粉饰，或者它本身的披露口径一致性就不高，自然会影响ESG评分结果，所以在量化分析基础上很有必要加入定性分析。

嘉实的ESG评分目前用于内部投研，自动化评分系统相当于我们开展投资时对市场的初步筛选，是对行业整体情况、变动趋势、对标和方位感的判断。具体到投资标的时，研究员会结合自动化评分结果和定性信息进行综合评估。这些定性的、深度的分析主要针对重点标的、行业龙头和ESG投资重要性高的标的。

嘉实ESG评分体系涉及的人工也就是专家部分，主要体现在评分模型的搭建和优化上，比如指标和算法是否调整，这些每年都会系统性地回顾和优化。

南方周末：调整和优化的依据是什么？

韩晓燕：我们会紧跟政策的变化，判断是否有新的ESG重点议题和指标，相应进行指标的调整和优化，比如2月份北京、上海、深圳三个交易所出台了可持续发展信息披露指引意见征求稿，我们会评估是否将其中提到的新指标纳入我们的评价体系。我们也会跟踪行业相关标准的进展，判断是否需要对指标评分逻辑、对标基准进行调整，以反映行业水平和最新标准，权重也可能需要相应的调整。

将ESG评分系统嵌入投研流程

南方周末：你认为嘉实的ESG评分体系主要解决了ESG生态中的什么问题？

韩晓燕：我们最核心的目的是希望解决ESG评级与投资相关性的问题，也就是说让ESG评级能够在投资策略中真正落地。

ESG理念起源于投资领域，但是如何将ESG融入投资策略，如何衡量ESG因素在投资上产生的价值，很多机构的ESG评级很难回应这个问题。嘉实的ESG量化评分体系和七年多的数据积累，保证了评价的客观性和一致性，在回答ESG因子与投资关系的问题时可以做系统性的归因。在构建策略时，我们做指数增强或者ESG主题优选和剔除，直接用“白盒化”透明的方式体现它对投资策略的影响。

南方周末：ESG因子的有效性是否在嘉实的投资中得到了验证？

韩晓燕：如果回答不了这个问题，做ESG评价是没有意义的，尤其对投资机构来说。就我们目前的实践看，多维度的因子分析证明，将嘉实ESG评分纳入标的筛选和投资策略中能在中长期改善组合风险收益特征。

2019年，中证嘉实沪深300ESG领先指数发布，该指数应用嘉实ESG评价体系进行筛选和编制，在2016-2023年间跑赢沪深300基准。2021年，嘉实和万得合作推出10条可持续ESG及碳中和主题指数，这些指数自发布以来运行良好，展现出A股市场上ESG因子的超额收益能力。

嘉实现在将ESG评分系统嵌入了整个投研流程。投前，我们会基于ESG评分结果进行投资池的底部筛选，入池之后会基于ESG的细分指标做主题池的划分，例如气候变化、共同富裕相关的标的。投中主要做ESG组合的定期分析，跟它的基准做ESG绩效对标，有些ESG组合有设定ESG评级筛选标准、负面清单机制，我们会对组合进行ESG风险提示。另外就是投后的尽责管理，我们和上市公司做一对一沟通时，ESG评级是个很好的抓手，能够基于评分和指标对标分析给上市公司提供具体的改进建议。

南方周末：嘉实的ESG评分体系是否还有改进的空间？

韩晓燕：肯定还有很多需要优化的地方，比如对低碳转型、生物多样性这些前沿议题形成更加科学和可量化的评价指标。我们看到在这些前沿议题上，企业的自主披露大多还是以定性描述为主，作为投资机构，如何有效、准确评估企业在这些领域的绩效，特别是通过开发指标来刻画和评估这些议题与企业财务的相关性，还是比较难的。像大家最为关注的气候风险问题，气候变化相关的物理风险和转型风险，对底层资产价值还有投资组合的收益和风险如何影响，它的传导效应有多大，我们也觉得还没有一个很好的方式来评估。

我们现在一方面不断学习先进的案例、工具、方法论，另一方面还得多跟上市公司产业端进行交流，确认信息的来源和数据质量，逐步尝试在投资端做测量和落地。

南方周末：对ESG评级市场的良性发展有什么建议？

韩晓燕：与两三年前相比，现在ESG评级市场更加百花齐放。立足买方机构的需求，我认为ESG评级市场目前最需要评价机构提高评价体系的透明度。ESG评价体系不透明、评价指标和评价结果的可解释性不强，是投资应用的核心障碍。