發展與巴黎協定一致(Paris-aligned Benchmarks, PAB)並結合機器學習(Machine Learning, ML)之氣候投資策略實證研究
本實證研究特別感謝Rayliant (RGA) 的支持與協助，如對本實證研究有任何問題，歡迎聯繫本案負責人：張凱評資深經理
實證研究特色
- BCSD Taiwan開發「氣候績效評鑑」方法。
- 結合RGA的機器學習方法進行投資組合優化。
- 嘗試計算TAIEX歷年的Portfolio Carbon Intensity。
- 滿足EU PAB的條件，包括碳排強度降低50%和每年減少7%。
- 回測期間創造年化4.49%超額報酬，展現穩健收益。
- 接軌國際，有助避免漂綠風險。
實證研究創新之處
- 氣候績效評鑑方法：基於BCSD Taiwan的企業永續發展評鑑經驗，開發專門的氣候績效評鑑方法。此法有效篩選具正面氣候貢獻潛力的企業，為投資策略奠定基礎。
- 機器學習整合：結合RGA的機器學習方法進行投資組合優化，實現氣候目標與投資績效的平衡。使該策略能在滿足EU PAB條件的同時，保持穩健的投資收益。
- 在地實踐：成功將EU PAB標準應用於臺灣市場，克服不同行業分類系統的對應問題，並考慮通膨因素調整碳排強度，使國際標準在我國得以實踐。
- 客製化潛力：開發的策略具有高度靈活性，可根據不同資本市場需求提供客製化服務，適用於各種投資場景。
實證研究對臺灣資本市場之潛在貢獻
- 促進永續投資標準化：引入並在地實踐EU PAB標準，為臺灣永續金融提供與國際接軌的基準，有助於提高市場的透明度和可比性。
- 減少漂綠風險：透過方法學的建構，有效降低投資組合的漂綠風險，增強投資者信心。
- 推動資金流向低碳企業：符合EU PAB標準的投資策略將引導更多資金流向低碳和具有正面氣候貢獻的企業，促進整體經濟的永續轉型。
- 提升投資績效：研究顯示該策略能夠在保持穩健的投資收益且同時實現氣候目標，有望吸引更多投資者參與。
- 支持政策目標：有助於實現臺灣2050年淨零排放的政策目標，落實永續金融。
緣起
2015年聯合國氣候變化綱要公約的巴黎協定(Pairs Agreement)為一項關於氣候變遷的具有法律約束力之國際條約，其主要目標為「將全球平均溫度上升控制在工業化前水平之上不超過2℃」，並努力「限制溫度上升在工業化前水平之上不超過1.5℃」[1]。根據IPCC於2018年發布的《全球升溫1.5℃特別報告》[2]指出升溫超過1.5℃的閾值可能會引發嚴重的氣候變化影響。因此，為將全球升溫限制於1.5℃，溫室氣體排放必須最遲於2025年達到峰值，於2030年前減少43%，並於2050年前將排放減少至淨零。為此，全球需要在能源、土地管理、城市、基礎設施與產業等全球經濟系統進行快速的轉型與前所未有的變革，並動員部屬足夠的金融資本至對氣候有益之項目。為加快全球零碳經濟的轉型，2021年的UNFCCC COP16 成立「格拉斯哥淨零金融聯盟」(Glasgow Financial Alliance for Net Zero, GFANZ)[3]，由領先的金融機構組成，致力於加速經濟脫碳化，將金融機構的淨零承諾轉化為實際行動，以確保其投融資組合與氣候目標一致，協助全球經濟於2050年達成淨零並建構一個更加永續與公平的社會。
國際間為因應共同的氣候變遷議題，各國陸續承諾2050淨零排放與相關政策行動。為呼應全球淨零趨勢，我國國家發展委員會亦於2022年公布《臺灣2050淨零排放路徑》[4]，建構以科技研發及氣候法制為基礎環境，推動能源、產業、生活、社會等四大轉型策略，並提出「十二項關鍵戰略」[5]以落實淨零轉型之長期願景目標。其中，透過第11項綠色金融關鍵戰略行動計畫以及綠色金融行動方案3.0[6]建構我國轉型至零碳經濟重要的金融政策，整合金融資源支持淨零轉型。
為使產業的淨零轉型能加速實現，如何以有序且包容的方式動員金融資本變成重要的課題。2019年由國際重要的機構投資人所組成的氣候金融領導倡議(Climate Finance Leadership Initiative, CFLI)[7]指出「氣候金融(Climate Finance」意旨部屬金融解決方案來支持減少溫室氣體排放之活動和調適氣候變遷影響之活動，並且提出兩個金融資本支持低碳轉型的關鍵途徑(如圖1)：
1. 加速低碳投資
- 擴大規模趕上需求
- 金融資本均勻分散至各區域與產業
2. 支持高碳排產業轉型
- 協助高碳排產業的實體資產升級或汰換
- 高碳商業模式轉型至低碳商業模式
【圖1】金融資本支持低碳轉型的關鍵途徑(CFLI,2019)
為使金融資本對淨零做出實質貢獻，國際之間也於近年開始興起一個新穎的概念「與氣候一致(Climate Alignment)」，關注投融資組合的碳排變化量與淨零路徑的一致程度。2020年Center for Climate Aligned Finance (CCAF)[8]對此概念提出其看法(如圖2)：
1. 了解目前投融資組合相對於小於2°C的路徑
2. 承諾採取必要的步驟，以融入該路徑
【圖2】與氣候一致：將投融資決策與小於2°C的路徑對齊(CCAF, 2020)
2019年歐盟也公告Regulation (EU) 2019/2089[9]，呼應「與氣候一致(Climate Alignment)」的概念，提出關於EU氣候轉型基準(EU Climate Transition Benchmarks, EU CTB)與EU與巴黎協定一致基準(EU Paris-aligned Benchmarks, EU PAB)的規則，並於2020年公告Commission Delegated Regulation (EU) 2020/1818[10]以補充Regulation (EU) 2019/2089有關EU CTB與EU PAB的最低標準。其目的為設立最低基準(Benchmarks)據以解決方法論的不協調(尤其是在評估資產組合碳排放量缺乏普遍共識)與對追求氣候目標的明確性不足(特別是對氣候變遷影響的實質貢獻)，所導致影響過往號稱為「低碳指數(或低碳投資)」的可比性、可靠性與採用。設立與巴黎協定(升溫不超過1.5℃路徑)一致的基準將有助於提高透明度並避免漂綠以及導引金流之作用，氣候基準亦可用於(1)被動式投資策略的基礎(2)溫室氣體排放相關策略的投資績效基準(3)議合工具(4)政策基準[11]。隨著此概念的發展，國際著名的指數編製商包括MSCI[12]、FTSE Russell[13]與S&P[14]等皆已據此開發新的氣候投資策略與相關系列指數。
為響應綠色金融關鍵戰略行動計畫以及綠色金融行動方案3.0的政策目標，提升臺灣接軌國際淨零轉型的趨勢，BCSD Taiwan與RGA策略合作研究如何以臺灣在地的觀點發展與巴黎協定一致(PAB)並結合機器學習(ML)之氣候投資策略與指數編製之可行性，希冀有助我國資本市場對此趨勢的認識，並開發一套兼顧投資收益與對淨零目標具實質貢獻之投資方法。
備註：本次實證研究著重於BCSD Taiwan如何將國際投資組合之氣候策略與巴黎協定目標一致的方法學觀點於臺灣在地實現，因此內容將聚焦氣候策略的條件設計；有關RGA機器學習之內容因涉及其營業秘密，本會尊重其智慧財產故於此僅概略說明呈現，如欲瞭解更多機器學習之內容，本會可協助安排與RGA另外洽談。
氣候投資策略創新設計
為進行此項氣候投資策略設計，BCSD Taiwan與RGA各別以彼此的專業進行分工，BCSD Taiwan負責以EU PAB方法為策略設計核心，並輔以本會過往所發展的企業永續發展評鑑模型之經驗，開發一套氣候評鑑方法來篩選合適的候選上市公司股票，再經由RGA所開發之機器學習方法來建構投資組合，並確保投資組合的氣候特徵皆能滿足EU PAB的條件，據以設計出一套與巴黎協定目標一致且不損及投資績效的氣候投資策略。以下介紹三個方法的內容及研究限制：
1. EU Paris-aligned Benchmarks (EU PAB)
依Regulation (EU) 2019/2089與Regulation (EU) 2020/1818的內容，EU PAB的條件較EU CTB更具氣候目標的企圖心，因此本次研究係以建構能夠滿足Regulation (EU) 2020/1818所列示之要求，據以可標示為「EU PAB」的氣候投資策略為主，以下概要說明EU PAB的核心要求：
Regulation (EU) 2020/1818章節一：EU CTB與EU PAB共同適用的最低標準：
★ Article 2參考溫度情境：應以IPCC的《全球升溫1.5℃特別報告》中所提及之1.5°C情境作為參考溫度情境，來設計建構方法論
★ Article 3股票配置限制：新投資組合(意旨新的氣候投資策略，以下皆以新投資組合來稱呼本會與RGA共同開發的氣候投資策略)中的股票其隸屬於歐盟行業分類(NACE)代碼A-H與L之行業的加總權重，應至少等同於標竿母指數(本研究以TAIEX為標竿母指數)中同樣隸屬於NACE代碼A-H與L之股票的加總權重
★ Article 4計算溫室氣體排放強度或溫室氣體絕對排放量：應當使用相同貨幣計算的溫室氣體強度或在適用情況下的溫室氣體絕對排放量，且每年重新計算
★ Article 5逐步納入範疇3溫室氣體排放數據。(註：因臺灣企業目前揭露Scope 3的數量與品質尚未普及，故本研究暫不考慮Scope 3)
★ Article 6制定並公佈溫室氣體減排目標的公司：可(may)增加已制定並公佈溫室氣體減排目標的股票權重。(註：非必要條件，故本研究暫不考慮)
★ Article 7設定脫碳軌跡：
- 上市的股票證券，平均每年溫室氣體排放強度至少減少7%
- 溫室氣體排放強度之分母為企業價值包含現金(Enterprise Value Including Cash, EVIC)
- 倘平均EVIC已於上一日曆年增加或減少，每個成分股的EVIC應以Enterprise Value Inflation Adjustment Factor來調整計算
★ Article 8溫室氣體排放強度和溫室氣體絕對排放量的變化：溫室氣體排放強度或溫室氣體絕對排放量的變化應計算為”n”年末EU PAB所有成分股的加權平均溫室氣體排放強度或加權平均溫室氣體絕對排放量，與”n-1”年之間的百分比變化
Regulation (EU) 2020/1818章節三：EU PAB的最低標準
★ Article 11 EU PAB的溫室氣體排放強度或溫室氣體絕對排放量較標竿母指數的基線減量：應至少比標竿母指數的溫室氣體排放強度或溫室氣體絕對排放量低50%
★ Article 12 EU PAB的排除：應將以下公司排除在外：
- 從事任何涉及爭議性武器活動的公司
- 從事煙草種植和生產的公司
- 認定違反UN Global Compact或OECD Guidelines for Multinational Enterprises的公司
- 收入來自於煤的勘探、開採、提煉、分銷或精煉佔總收入1%或以上的公司
- 收入來自於石油燃料的勘探、開採、分銷或精煉佔總收入10%或以上的公司
- 收入來自於氣態燃料的勘探、開採、製造或分銷佔總收入50%或以上的公司
- 發電溫室氣體強度超過100 g CO2 e/kWh的公司所獲得收入佔總收入50%或以上的公司
- 排除任何被方法制定單位或外部數據提供者認定或估算為嚴重損害一個或多個環境目標的公司
★ 揭露任何基於氣候相關或其他環境、社會和治理(ESG)因素的額外排除標準
以上條件倘滿足即可將投資組合標示為「EU PAB」，為使接續研究順利進行，將EU PAB重要的精隨與條件整理如下：
★ 以EVIC來計算新投資組合的加權平均溫室氣體排放強度
★ 新投資組合至少比標竿母指數的加權平均溫室氣體排放強度低50%
★ 新投資組合的平均每年之加權平均溫室氣體排放強度至少減少7%
★ 新投資組合中隸屬於NACE代碼A-H與L之行業的加總權重，應等同於標竿母指數中隸屬於NACE代碼A-H與L之行業的加總權重。
★ 設定排除股票的條件
2. BCSD Taiwan的氣候評鑑方法
BCSD Taiwan的氣候評鑑方法係藉由本會過往所建置之「企業永續發展評鑑」之經驗並以符合EU PAB條件之目的來開發。本會的「企業永續發展評鑑」是由「企業永續發展評鑑模型分數」與「違規記點基準」兩大面向組成，最終整合成為永續風險調整係數(Sustainable Risk-adjusted Factor, SRA Factor)(請詳附件一)，並可依資本市場的投資策略需求來調整應用，該評鑑之結果目前每年皆於臺灣指數公司之官網公告[15]，並且已有諸多指數及永續金融商品的應用(請詳附件二)。
BCSD Taiwan的氣候評鑑方法奠基於過往的經驗，開發「氣候績效評鑑」來篩選適當之上市股票，使之具有滿足Regulation (EU) 2020/1818的各項條件。另外，參採金管會之永續經濟活動認定參考指引來強化「違規記點基準」之重大性，據以回應前述Regulation (EU) 2020/1818之Article 12 EU PAB的排除條件。由「氣候績效分數」結合「違規記點基準」分析出合宜之候選上市股票，提供予RGA建立投資組合，操作細節將於實證執行章節介紹。
3. RGA的機器學習方法
機器學習Machine Learning (簡稱ML) 是AI人工智慧的一門科學，主要是研究電腦如何透過大量數據資料的挖掘或歷史經驗，運用演算法訓練、學習、改進，做出更好的分類、判斷和分析，以達到最佳化的效果。機器學習會運用不同類型的學習方式，透過工程師在訓練數據的input與output給予一定程度的指導，並根據資料的性質和期望獲得結果，讓機器能夠找出最佳解。機器學習運用在各行各業，例如：圖像識別、語音識別、推薦系統、預測分析…等。
機器學習也應用在金融投資上，例如：利用眾多總經數據指標判斷目前的景氣循環位置、統計各種資產過去的歷史報酬、價格的波動性及相關係數…等。這些判斷牽涉龐大複雜的數據研判，以及各種變數影響的相互權衡，最終才形成投資的觀點，來達到投資組合的動態調整。簡言之，機器學習是透過演算法分析市場上可取得的資料，以及可量化的歷史投資經驗，讓機器學習進行研判，以獲得良好的投資決策。
銳聯財智的機器學習指數旨在提供，能夠最大限度地提高投資組合未來預期風險調整回報的配置，同時控制對市場指標的追蹤誤差，這需要透過使用機器學習和投資組合優化來實現。
銳聯機械學習指數的指數編製架構主要分成三個部分：風險調整報酬預測、協方差矩陣估計、均值跟踪誤差優化，據此建構更好的投資組合(如圖3)。
【圖3】銳聯機器學習指數編製架構
實證研究執行
本次實證研究著重於如何設計符合EU PAB條件且具投資效益的氣候策略。因此，本文將以過程中所遭遇之挑戰與如何克服之方式來呈現。
策略目標：以TAIEX為標竿母指數，從有發行永續報告書的上市公司為初始股票池，建構符合EU PAB標準的新投資組合。
新投資組合基本要素：氣候資料每年定審一次(7月)，財務資料每年定審四次(1月、4月、7月、10月)，財務績效回測區間為2017年至2023年。因氣候資料始於公開資料(主要來源為永續報告書)，按過往本會與其他單位編製指數規則，舉例：2017年定審時將使用2015年發行之永續報告書資料(2015年為上市公司編製與申報永續報告書作業辦法強制特定上市公司編製與發佈永續報告書的首年)，以此類推2023年使用2021年發行之永續報告書資料。
1. 挑戰一：如何將臺灣上市公司以NACE來分類，據以符合Article 3股票配置限制？
EU PAB的思維是希望建立一個投資組合其碳排績效能優於欲標竿的組合，Article 3股票配置限制的理由是許多解決方案將來自高碳排放部門。因此，倘若無此限制條件，會導致在低碳經濟所需的大部分解決方案所在的部門中，配置比例過低[16]。另外，亦有可能在追求投資組合較低碳排績效時，權重配置於產業排碳特性本身就相較於其他產業低的行業，如此將造成相對於標竿母指數的產業曝險造成偏態。
因此，EU PAB設置此條件將有助於公允的比較，使新投資組合與欲標竿的母指數在對氣候變遷議題高度暴險的產業之權重比例至少一致，在此基礎之下，又能建構出相對標竿母指數的加權平均溫室氣體排放強度低50%之投資組合。為此，歐盟將NACE代碼之A-H與L定義為「High Climate Impact, HCI」產業，將其餘的NACE代碼之行業視為「Low Climate Impact, LCI」產業[17]。
奠基於此，本會首要的任務即是將臺灣上市公司按其實際產生收入的經濟活動來鑑別該公司適當的NACE代碼。本會借助於過往開發「企業永續發展評鑑」的過程中，已彙整歷年所有已發行永續報告書之上市公司的年報中所列示之經濟活動及其合併營收比重，據此與NACE代碼所代表之行業進行對比，分類出臺灣上市公司的「High Climate Impact」與「Low Climate Impact」，並且統計出標竿母指數(TAIEX)於回測區間之歷年最後一個交易日的「High Climate Impact」與「Low Climate Impact」加總權重，作為後續的權重比較與計算新投資組合碳排強度的基準。
2. 挑戰二：如何計算上市公司之碳排強度？
按EU PAB的條件，個股之碳排強度計算為：(GHG Scope 1+Scope 2)/EVIC，而為避免整體經濟的影響(例如通膨)使減排效益失真，因此需另外計算Enterprise Value Inflation Adjustment Factor來調整歷年的EVIC，該係數可透過將年末標竿母指數之成分股的平均EVIC除以前一年末標竿母指數的平均EVIC計算取得[18]，據此計算出每一年度個股之碳排強度。
3. 挑戰三：如何增加新投資組合符合與標竿母指數(TAIEX)相比低50%碳排強度的機率？
因前述規則中提及標竿母指數(TAIEX)與新投資組合其中的HCI加總權重重至少一致，而HCI群組中的產業屬於氣候曝險較高的行業(換言之絕對碳排放量相對LCI群組的行業高)。因此，本會開發「氣候績效評鑑」，針對HCI群組中的個股利用與「企業永續發展評鑑」一致之相對比較法，將氣候績效分數落後50%以下之個股篩除，據此提升後續新投資組合較標竿母指數(TAIEX)之碳排強度具顯著較低的效果。
4. 挑戰四：如何因應Article 12 EU PAB的排除條件？
為符合EU PAB有關收入比重來自石化燃料的各項行業，於前述克服挑戰一的過程，藉由檢視合併營收的比例，即可據此排除所列示之行業。另外，條文中所述的其他排除係呼應歐盟的Taxonomy中所提及之Do No Significant Harm (DNSH)與Minimum Safeguards (MS)的概念。鑑此，本會參採金管會永續經濟活動認定參考指引的內容並結合「企業永續發展評鑑」之「違規記點基準」，界定出本會認定具重大性之違規情事，作為剔除條件，避免新投資組合達成追求氣候效益的目標而損及其他永續目標。只要個股具有以下任一之情事，即不會成為成分股。
★ 連續兩年皆有違反環保法規3次以上之情事
★ 連續兩年皆有違反勞基法3次以上之情事
★ 連續兩年皆有違反職安法3次以上之情事
★ 連續兩年皆有違反證期局行政處分3次以上之情事
★ 連續兩年皆有違反公平交易法3次以上之情事
★ 連續兩年皆有違反標檢局商品檢驗3次以上之情事
★ 當年度違反環保法規累計罰緩≧100萬
★ 當年度違反證期局行政罰緩累計≧100萬
★ 當年度違反公平交易法累計罰緩≧100萬
★ 當年度違反標檢局商品檢驗累計罰緩≧100萬
★ 當年度有公害糾紛裁決之情事
★ 當年度有遭政府因環境面議題或社會面議題而要求停工之情事
★ 當年度有重大職災致死之情事
★ 當年度有勞動部判定不當勞動行為之情事
★ 當年度有金管會判定之重大裁罰之情事
備註：以上資訊皆來自於公開資訊，所列示之剔除條件將隨資訊公開透明的程度隨之調整且與時俱進。
5. 挑戰五：新投資組合如何符合比標竿母指數(TAIEX)的加權平均溫室氣體強度低50%，且新投資組合之平均每年的加權平均溫室氣體強度至少減少7%，同時又具可投資性？
此兩項條件為EU PAB作為與巴黎協定氣候目標一致最重要的條件，因此需理解為何設定如此明確量化條件背後的原因。依據歐盟的說明，為提供投資人一個具氣候企圖心的投資工具，EU PAB設定為一個更嚴格的減碳起點(新投資組合相較於標竿母指數(TAIEX)低50%)。另外，新投資組合之加權平均碳排強度需每年減少7%之要求，係源自於IPCC的1.5°C路徑[19](如圖4)，為遵循此路徑，假設自2020年碳排放至高峰後全球經濟應該每年減少7%的碳排放量以符合IPCC 1.5°C路徑。
【圖4】IPCC 1.5°C路徑
如果一個指數投資組合代表符合巴黎協定的一部分經濟體，它需要遵循此減碳率。開發EU PAB的專家小組(Technical expert group on sustainable finance, TEG)亦向IPCC的《全球升溫1.5℃特別報告》作者之一Rogelj博士確認EU PAB與1.5°C路徑是相容一致的。換言之，如果於2020年啟動，一個平均每年減少至少7%的指數投資組合可以在未來十年內(2020年至2030年)被認為與巴黎協定一致。TEG提供釋例闡釋投資組合認定與巴黎協定一致之情景[20](如圖5)。因此，本會將前述經由「氣候績效評鑑」篩選後的合格候選上市股票，交由RGA應用機器學習法(ML)來編製出同時兼備EU PAB特性又具可投資性的氣候投資策略。最後，使用以下公式計算投資組合的加權平均碳排強度，據以比較新投資組合與標竿母指數(TAIEX)的加權平均碳排強度是否符合EU PAB的要求。
B：投資組合
i：成分股的碳排強度
wi：成分股的權重
【圖5】投資組合碳排強度變化與巴黎協定目標一致(EU PAB)之示例
實證研究成果：
1. EU PAB條件檢視：新投資組合之碳排強度變化可滿足EU PAB條件
★ 新投資組合之成分股隸屬於HCI分類的加總權重是否至少等同於標竿母指數(TAIEX)同分類的加總權重？
經分析結果，新投資組合所有定審期間的組合皆可滿足至少等同於與標竿母指數(TAIEX)的HCI分類加總權重之條件(如圖6)，顯示新投資組合的產業曝險結構與標竿母指數(TAIEX)雷同，並未有成分股權重偏重於LCI產業的情況。
【圖6】HCI權重比較
★ 新投資組合的碳排強度是否符合EU PAB的條件？
依據回測期間之新投資組合與標竿母指數(TAIEX)的碳排強度計算結果顯示，新投資組合於回測期間歷年的碳排強度皆低於標竿母指數(TAIEX)的碳排強度(如圖7)。顯見在兩個投資組合於HCI相同的曝險權重之下，透過前述的氣候投資策略規劃，能創造較標竿母指數(TAIEX)具顯著降低碳排強度的效果。
【圖7】碳排強度比較
另將回測期間歷年新投資組合的碳排強度除以標竿母指數(TAIEX)的碳排強度(如圖8)，據以和圖5的TEG所提供之釋例進行比較，檢視新投資組合是否具備與巴黎協定目標一致之情景。
依圖5釋例之EU PAB的減碳路徑係以2020年為起始年(較標竿比較對象初始碳排強度減少50%)，接續至2030年每年減碳幅度7%。本次研究目標亦以此為設計，但為檢測投資策略的規劃是否合宜，在相關資料備齊的情況下，盡可能的回測更長的期間。因此，針對2020年以前的路徑，假設有兩種目標減少方式，且後續皆於2020年之後符合EU PAB減碳路徑。
★ 方法一：假設2020年以前，每年碳排強度較標竿比較對象皆為減少50%。
★ 方法二：假設2020年以前，以每年減碳幅度7%的速率運用外插法推算，並於2020年剛好達到與標竿比較對象碳排強度減少50%。
結果顯示，新投資組合的減碳路徑，於回測期間的初始年度雖然略高(推測受限於較早年度發行永續報告書的家數較少之緣故)，但於第二年的定審之後即可滿足與標竿母指數(TAIEX)相比碳排強度減少50%的條件，於2020年之後的碳排強度減量幅度績效更略優於EU PAB的要求。
【圖8】減碳幅度比較
2. 財務績效表現：長期績效穩健，表現超越市場指標
透過採用RGA的機器學習法在滿足EU PAB的條件之下，最大化每單位追蹤誤差所带来的預期超额報酬。在過去7年的新投資組合之回測績效表現中，新投資組合的年化收益為17.15%，標竿母指數(TAIEX)的年化收益為12.66%，新投資組合相較標竿母指數(TAIEX)平均每年可創造4.49%的超額報酬。同期間就市場風險而言，新投資組合的年化波動為15.71%，標竿母指數(TAIEX)的年化波動為17.14%，新投資組合的年化波動明顯較標竿母指數(TAIEX)降低-1.43%，因此有效提升單位風險報酬，新投資組合的夏普值較標竿母指數(TAIEX)高出五成，績效表現明顯超越標竿母指數(TAIEX)。
Performance Table Jul 2017 – Dec 2023
在過去7年回測期間的年度績效報酬中，新投資組合有6個年度的績效超越標竿母指數(TAIEX)，年度績效約有86%的高勝率，有效維持長期穩定的超額收益(如圖9)。
【圖9】年度收益比較
未來展望與預期貢獻
BCSD Taiwan與RGA攜手合作，致力於開發與巴黎協定一致(PAB)並結合機器學習(ML)技術的氣候投資策略。此次研究奠基於本會累積多年的我國上市公司ESG數據與永續評鑑專業知識的基礎上，結合RGA的量化投資技術，將機器學習應用於因子指數投資中。我們成功研發出符合EU PAB各項條件且具備長期穩健投資績效的氣候投資策略。
於研究過程中，克服不同行業分類系統的對應問題，考量通膨因素調整碳排強度，並開發「氣候績效評鑑」來鑑別具有正面氣候貢獻潛力的企業，參採永續經濟活動認定參考指引來篩除具潛在負面風險的企業，透過滿足EU PAB的各項條件，證實研究成果對於氣候淨零具有實質貢獻，七年的回測期間顯示該策略相較標竿母指數(TAIEX)可創造年化4.49%的超額報酬。
此次的實證研究為國內在永續投資領域的技術與操作提供與國際接軌的基礎，並開發主題式的永續投資策略。特別是應用國際公認標準與標竿比較的方法，能有效避免漂綠的風險，為營造健康且公平的永續金融生態系樹立典範。BCSD Taiwan與RGA所開發的氣候投資策略可進一步依據資本市場需求提供客製化的服務，例如採用此策略作為被動投資的基準指標，能使投資人有效分散風險，除獲得穩健的收益之外，更能對巴黎協定(1.5℃淨零路徑)創造具體的正面氣候貢獻。
參考資料
- https://unfccc.int/process-and-meetings/the-paris-agreement
- https://www.ipcc.ch/sr15/
- https://www.gfanzero.com/
- https://www.ndc.gov.tw/Content_List.aspx?n=DEE68AAD8B38BD76
- https://www.ndc.gov.tw/Content_List.aspx?n=6BA5CC3D71A1BF6F
- https://www.fsc.gov.tw/ch/home.jsp?id=1053&parentpath=0,7,616
- CPLI (2019) “Financing the Low-Carbon Future”
- Center for Climate Aligned Finance (2020) “Charting the Course to Climate-Aligned Finance”
- https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32019R2089
- https://eur-lex.europa.eu/eli/reg_del/2020/1818/oj
- EU (2019) “TEG Final Report on Climate Benchmark and Benchmark’s ESG Disclosures”
- https://www.msci.com/climate-change-indexes
- https://www.lseg.com/en/ftse-russell/indices/tpi-climate-transition
- https://www.spglobal.com/spdji/en/index-family/sustainability/climate/paris-aligned-climate-transition-pact/#overview
- https://backend.taiwanindex.com.tw/api/downloadFile/InvestmentReports/75/tw
- EU (2019) “TEG Final Report on Climate Benchmark and Benchmark’s ESG Disclosures” P.50
- EU (2019) “TEG Final Report on Climate Benchmark and Benchmark’s ESG Disclosures” P.51
- https://eur-lex.europa.eu/eli/reg_del/2020/1818/oj Article 7
- Years 2020-2030, Table 2.1, Rogelj et al., 2018
- EU (2019) “Handbook of CTB, PAB, and Benchmark’ ESG Disclosures”
