Page 9 - 柯博智

息，從而降低崩盤的可能性。這兩個指標更偏向是透過衡量整體收

益的分布狀況或波動率，間接反映了崩盤的機會多寡，而非極端事

件發生時所蒙受的損失。因此，本研究嘗試以 VaR 與 CVaR 做為衡

量極端風險的工具類型，並根據股票市場報酬率的分布現況，選擇

mVaR 與 mCVaR 當作計算極端風險的指標，嘗試探討 ESG 績效在

台灣市場中與極端風險的關係，觀察 ESG 績效是否能做為降低未來

極端事件發生時之損失的一項工具。

3. 研究方法

在第一小節，我們會介紹樣本的資料範圍與選擇依據，並說明為

何 選 擇 Bloomberg 做為 ESG 績效的評分機構。再來，在 第 二 小

節，我們會解釋為何選擇 mVaR 與 mCVaR 做為極端風險的衡量指

標；在最後一小節，會介紹採用的模型與控制變數。

3.1 樣本資料

本研究從 Bloomberg 資料庫中的環境、社會及公司治理資料

集 ( 以 下 簡 稱 為 BESG 資 料 集) 中 抓 取 所 需 的 ESG 相 關 資

料。Bloomberg 是全球最具權威性的金融資訊供應商之一，在 台

灣，眾多法人機構與學術單位也都是其客戶，例如國泰金控、元大

證券、國立台灣大學與國立清華大學等。根據 Bloomberg (2024) 中

文官網，BESG 資料集涵蓋了全球超過 11,800 家公司，約佔全球股

本市場資本市值的 88%。同時，Bloomberg ESG 資料集在文獻上也

常做為 ESG 分數的參考 (Halbritter and Dorfleitner, 2015; Henriksson

et al. 2019; Pyles, 2020)，足可見其在 ESG 資料上的完整性，故本研

究選擇 Bloomberg 製作的 ESG 資料集來做為評價 ESG 績效的資料

庫。

7