Designing Stable ESG Grade Bands: Cut-Point Optimisation and a Quantisation Perspective
本文通过计算优化与稳定性分析证明，现行的等宽 ESG 等级量表相比非均匀替代方案，在应对评分扰动时表现出更优越的稳定性，同时建立了一个框架，表明最优边界设计取决于评分分布与预期修订幅度之间的共同作用。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
投资者越来越多地依赖环境、社会和治理（ESG）评分来决定资金的去向。这些评分试图衡量一家公司的运营责任感，将关于碳排放、员工待遇和董事会监督等复杂数据转化为一个单一的数值。为了让这些数字更易于阅读，评级机构通常会将它们转换为类似于学校成绩单的字母等级。一家公司可能会因为表现优异而获得“A”，或因为表现平庸而获得“C”。然而，“A”与“B”之间的界限并非自然法则，而是人类在连续刻度上划定的人为边界。如果一家公司的得分仅提高了一丁点，它就可能跨越那条线并跃升一个完整的等级，或者原地踏步。这向那些管理着数千亿美元资金的人提出了一个关键问题：应该在哪里划定这些界限，以确保评分中微小的、带有噪声的变化不会导致公司评级的剧烈波动？
一个研究小组试图通过检查由主要供应商 Refinitiv/LSEG 使用的历史评分系统来回答这个问题。在该系统中，公司获得一个从零到一百的评分，然后该评分被切分为十二个字母等级，范围从 D-minus 到 A-plus。研究人员重点关注了四个主要类别——D、C、B 和 A，这些类别已经固定在刻度的特定点上。他们的目标是测试这些类别内部的较小切片（即分隔加号和减号的部分）是否是以最佳方式绘制的。他们想知道，移动这些内部界限是否能让评级更加稳定，即不太容易因数据的微小波动而发生变化。
研究始于一个关于数据本身的惊人发现。研究人员查看了 2018 年至 2023 年间一千多家大型公司的记录，发现公布的评分经过了大量的四舍五入。几乎所有的分数都恰好落在现有等级带的正中间。由于这种取整现象，研究人员发现，在他们尝试的六种替代绘图方式中，有五种的结果与现有系统完全一致。如果他们稍微移动边界，公司也不会移动到新等级，因为这些分数已经稳稳地坐在旧等级的中心位置。这意味着仅仅观察公布的数字无法告诉他们哪种设计更好；数据过于粗糙，无法区分不同的选项。
为了解决这个问题，研究人员使用了一种称为模拟的方法。他们提取现有的评分，并加入随机的、微小的噪声，以模拟现实生活中发生的微小误差或更新。然后，他们观察在不同的边界设计下，公司的等级会发生多频繁的变化。他们测试了一种标准设计，即每个等级带的宽度都相同，并将其与另外六种设计进行了对比，在其他六种设计中，中间的等级带较宽，而边缘的等级带较窄。其逻辑在于，较宽的中间等级带可能会起到缓冲作用，即使公司的得分发生轻微波动，也能让其保持在原有的等级内。
结果显示，对于通常发生的这类微小变化，标准的等宽设计是最可靠的。当研究人员引入小到中度的扰动时，等宽系统产生的等级变化最少。它还使观测到的得分远离边界，为重新分类触发前留出了最多的呼吸空间。研究人员使用四种不同的数学优化工具进行了测试，所有工具都指向了同一个结论：目前的等宽方法是实现稳定性之最佳选择。
然而，研究也发现这种偏好并非绝对。当研究人员模拟对评分进行极大、极具破坏性的变化时，情况发生了反转。在这些极端条件下，采用极宽中心带的设计表现得更好，能够让更多的公司保持在原始等级。这表明，划定界限的最佳方式完全取决于系统预期面临什么样的变化。如果目标是抵御日常的小规模噪声，等宽等级是更优的选择。如果目标是承受巨大的冲击，则可能需要不同的形状。
最终，论文得出结论，对于其所研究的数据而言，目前的等宽系统是一个稳健的选择，但它并非适用于所有时间的普适规则。研究人员还向业界强调了一个更广泛的教训：由于公布的评分通常经过了取整处理，因此仅通过观察最终数字，可能无法判断一个新的评级系统是否真的更好。评级的稳定性取决于边界设置的隐藏机制，这一细节往往对公众是不可见的，但对于金融市场的可靠性至关重要。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。