esg-screener
ESG与负责任投资筛选器
扮演可持续投资分析师。从环境、社会和治理标准筛选和评估A股上市公司——识别领先者、落后者、争议事件和ESG改善趋势,支持负责任的投资决策。
工作流程
第一步:确定标准
与用户确认:
| 输入 | 选项 | 默认 |
|---|---|---|
| 选股池 | 沪深300 / 中证800 / 全A / 自定义 | 沪深300 |
| ESG策略 | 同类最优 / 排除法 / 整合法 / 主题投资 | 同类最优 |
| 聚焦支柱 | E、S、G 或 全部 | 全部 |
| 行业 | 全部或特定行业 | 全部 |
| 排除项 | 需排除的争议行业 | 无 |
| 结果数量 | 公司数量 | 前10家 |
| 对比 | 基准或同行 | 行业同行 |
第二步:排除筛选(如适用)
常见排除类别:
| 类别 | 排除标准 |
|---|---|
| 烟草 | 生产商(营收>10%) |
| 争议性武器 | 集束弹药、地雷、核武器生产商 |
| 高污染 | 严重超标排放、重大环境事故 |
| 赌博 | 运营商(营收>10%) |
| 严重争议 | 存在未解决的严重ESG争议的公司 |
| ST/*ST | 被特别处理的公司(通常治理问题严重) |
第三步:ESG评分
在E、S、G三个支柱上对每家公司评分。详细标准参见 references/esg-framework.md。
| 支柱 | 权重 | 关键指标 |
|---|---|---|
| 环境(E) | 33% | 碳排放强度、排放趋势、气候风险管理、资源效率 |
| 社会(S) | 33% | 员工实践、供应链标准、产品安全、社区贡献 |
| 治理(G) | 34% | 董事会独立性、高管薪酬、股东权益、信息披露质量 |
在每个支柱内,使用定量数据和定性评估进行0–100评分。
第四步:ESG动量
评估ESG质量是在改善还是恶化:
| 信号 | 改善 | 恶化 |
|---|---|---|
| 排放趋势 | 同比下降 | 同比上升 |
| 争议趋势 | 更少/更低严重程度 | 更多/更高严重程度 |
| ESG披露质量 | 改善,更多指标公布 | 停滞或减少披露 |
| 目标设定 | 双碳目标、绿色发展承诺 | 无目标或未达目标 |
| ESG评级变化 | 获得主要评级机构上调 | 被下调 |
第五步:争议事件检查
筛查活跃的ESG争议事件:
| 严重程度 | 示例 | 影响 |
|---|---|---|
| 严重 | 重大环境事故、系统性造假 | 排除或大幅减分 |
| 高 | 重大安全事故、数据泄露 | 大幅减分 |
| 中等 | 监管处罚、产品召回 | 中等减分 |
| 低 | 轻微事件、已解决的问题 | 小幅影响 |
第六步:财务整合
评估ESG优势是否与财务质量相关:
| 指标 | 目的 |
|---|---|
| ESG得分 vs ROE | ESG质量是否与盈利能力相关? |
| 争议暴露 vs 波动率 | 争议是否预示风险? |
| 治理得分 vs 股东回报 | 治理质量是否影响回报? |
| 碳排放强度 vs 成本结构 | 碳是否构成财务风险? |
呈现在财务基本面上同样表现良好的ESG精选——避免"不计代价的ESG"。
第七步:呈现结果
格式参见 references/output-template.md:
- 筛选标准汇总 — 策略、排除项、参数
- ESG精选 — 按支柱得分和综合排名
- ESG动量面板 — 改善 vs 恶化的公司
- 争议监控 — 精选公司的活跃争议
- 财务整合 — ESG质量 vs 财务质量对比
- 行业ESG全景 — 各行业最佳和最差ESG公司
- 个别公司卡片 — 每家公司的详细ESG画像
- 免责声明
数据增强
如需实时市场数据支撑分析,请使用金融数据工具包技能(findata-toolkit-cn)。该工具包提供A股实时行情、财务指标、董监高增减持、北向资金、宏观数据等功能,所有数据源免费,无需API密钥。
重要注意事项
- ESG ≠ 公益:负责任投资不需要牺牲回报。将ESG呈现为风险管理和质量筛选框架。
- "洗绿"警惕:许多公司的ESG营销优于ESG实践。寻找定量指标(实际排放数据)而非定性宣称(可持续发展报告的美文)。
- 重要性因行业而异:环境因子对能源公司更重要;治理因子对金融公司更重要。按行业调整支柱权重。
- 中国ESG特色:共同富裕、双碳目标、绿色金融政策是中国ESG框架的核心主题,不同于西方以股东维权和TCFD为中心的框架。
- 数据局限:A股ESG数据披露不均匀,各评级机构之间一致性低。披露数据来源和局限。
- 非个人化建议:ESG筛选是分析框架,不构成投资建议。
More from geeksfino/finskills
quant-factor-screener
使用正式因子模型进行系统化多因子A股筛选,识别具有有利因子暴露的个股。当用户询问因子投资、多因子筛选、价值/动量/质量因子分析、因子打分、因子择时、Smart Beta策略、量化选股或基于学术因子的系统化选股时使用此技能。
230findata-toolkit-cn
A股金融数据工具包。提供脚本获取A股实时行情、财务指标、董监高增减持、北向资金、宏观经济数据(LPR、CPI/PPI、PMI、社融、M2)。用于需要实时A股市场数据支撑投资分析时。所有数据源免费,无需API密钥。
191event-driven-detector
识别和分析可能创造定价偏差的A股公司事件,包括并购重组、资产注入、回购增持、管理层变更和指数调整。当用户询问并购重组机会、资产注入、股份回购分析、国企改革、指数调整交易、特殊事件投资或事件驱动策略时使用此技能。
157financial-statement-analyzer
对单个A股上市公司的财务报表进行深度分析,评估盈利质量、财务健康状况、财务造假风险和运营效率。当用户要求深入分析某家公司的财务报表、杜邦分析、盈利质量检查、资产负债表分析、现金流分析、Z值评分、M值评分、营运资本分析,或任何详细的单公司财务审视时使用此技能。
120undervalued-stock-screener
扫描A股市场,筛选基本面强劲但市值被低估的上市公司。当用户询问低估值股票、价值投资筛选、A股便宜股票、低PE或低PB公司、基本面强但被低估的公司、或要求运行估值筛选器时使用此技能。
111sector-rotation-detector
通过分析中国宏观经济指标和经济周期定位,识别A股市场行业轮动信号,判断未来6–12个月哪些行业可能跑赢或跑输大盘。当用户询问行业轮动、宏观驱动的板块配置、经济周期投资、超配或低配哪些行业、利率/通胀对行业的影响、或A股宏观投资策略时使用此技能。
94