作者： |
发布时间：Thu, 20 Mar 2025 00:00:00 GMT
[国信证券] AI赋能资产配置（九）：DeepSeek打造ESG有效前沿 
摘要
本文探讨了如何利用AI模型DeepSeek在资产配置中融入ESG（环境、社会和公司治理）因素，以提升投资组合的表现。研究表明，传统的马科维茨投资组合理论在加入ESG维度后变得复杂。本文通过降维处理，发现夏普率与ESG得分负相关，并利用DeepSeek构建了基础、进阶和漂绿ESG策略，显著提升了投资组合的年化收益率和夏普率。
正文
-
ESG投资的复杂性
ESG投资理念日益受到主流投资机构的认可。将ESG维度纳入传统的马科维茨投资组合理论，使得问题从二维的波动率-收益率曲线转变为三维曲面，大大增加了复杂性。
本文采用两种降维方法：
- ESG约束：在投资组合中加入ESG约束，牺牲部分夏普率以提升ESG表现。
- 夏普率结合ESG：将波动率和收益率合成为夏普率，与ESG构成二维曲线问题。
-
夏普率与ESG的负相关性
研究发现夏普率与ESG得分呈现负相关关系。为了优化组合，目标设定为在给定的夏普率条件下，最大化ESG得分。因此，需要对ESG指标进行负向化处理。
通过绘制公司负向ESG得分热力图，可以发现利用不同公司间ESG相关性，可以有效地降低组合中非“系统性ESG负向得分”。这部分可以通过多元化投资进行分散，因为它尚未被市场定价。
-
基础ESG策略的构建
- 在每月第一天，按照当月有效前沿曲线上最“陡峭”的点构造投资组合，并持有至月末。
- 该策略的收益优于传统的上证50指数和50等权指数。
-
DeepSeek赋能的进阶ESG策略
- 通过DeepSeek重构ESG得分，并按照ESG得分分配投资组合权重。
- 与基础ESG策略相比，年化收益率从6.7%提升至22.4%。
- 夏普率从5.33提升至8.13。
-
DeepSeek赋能的漂绿ESG策略
- 通过联网检索新闻网站进行舆情监督，结合文献识别漂绿嫌疑标的。
- 通过智能打分构建上市公司负面清单，并调整投资组合权重。
- 改进后的组合相比基础ESG策略，年化收益率从6.7%提升至38.7%。
- 夏普率从5.33提升至13.47。
结论
本文通过DeepSeek模型构建的ESG策略，显著提升了投资组合的业绩表现。无论是进阶ESG策略还是漂绿ESG策略，都展现了AI在ESG投资中的巨大潜力，为投资者提供了更有效的投资工具。
风险提示 
- 模型过拟合风险
- 数据口径调整风险
- AI推理的不稳健性
延伸阅读
研报PDF原文链接