用背包优化结合ESG评分与动量
文章 Quantpedia
总结
本文介绍一种每月再平衡、仅做多的策略，将股票动量与环境、社会和治理评分结合。该方法将投资组合选择视为背包问题：一种特征作为组合约束，另一种则作为要最大化的价值。重点介绍的版本偏好ESG评分高且动量强的股票，使用动量排名和反向ESG评分来定义优化目标，并根据ESG得分最高的股票设置权重上限。策略利用模拟退火方法寻找股票组合，入选股票等权配置。
文章报告称，相较于纯动量策略，这些优化组合的收益略低，但风险调整后表现有所改善；其中，最大化动量的高ESG组合表现最稳定。文章根据回归分析，将风险改善归因于ESG得分较高的股票波动率和回撤较低。该介绍基于一篇来源论文、由大量US股票构成的范围，以及指定的ESG数据提供商。文中没有提供详细业绩序列或实施成本，并指出该方法虽可降低回撤，却不能完全对冲熊市。
核心观点
- 该策略使用背包问题模型，将ESG评分与价格动量结合起来选股。
- 重点介绍的组合在偏好高ESG评分的约束下最大化动量排名。
- 该选股问题通过模拟退火方法求解。
- 该组合仅做多、等权配置，并按月再平衡。
- 文章将风险特征改善归因于ESG评分，并报告其风险调整后表现强于经典动量策略。
标签
此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。