Pocas preguntas han generado tanta literatura —y tanta confusión— en las finanzas climáticas como esta: ¿paga el mercado una prima por el riesgo de carbono? Es decir, ¿exigen los inversores una rentabilidad extra por sostener empresas muy contaminantes, expuestas a impuestos al CO₂, cuotas de emisión o al simple rechazo de los grandes fondos? El trabajo más citado al respecto, el de Bolton y Kacperczyk (2021), respondía que sí: las empresas con más emisiones absolutas habían rentado más entre 2005 y 2017 en Estados Unidos.
Thijs Markwat, Matthias X. Hanauer y Laurens Swinkels, del equipo cuantitativo de Robeco, acaban de publicar un paper con un título que adelanta el veredicto: The Illusion of the Carbon Premium. Su tesis cabe en la primera frase del abstract: el carbono que todavía no se ha emitido no debería usarse para predecir rentabilidades bursátiles. Cuando se corrige ese error de calendario, la prima de carbono se evapora. Y lo que emerge en su lugar es casi lo contrario: una ventaja histórica de las empresas verdes sobre las marrones.
El pecado original: usar datos del futuro
El problema central es de una sencillez casi embarazosa. Bolton y Kacperczyk emparejaron las emisiones de carbono del año y con las rentabilidades mensuales de ese mismo año y. Para explicar la rentabilidad de enero usaban las emisiones de todo el ejercicio, emisiones que en enero ni siquiera habían ocurrido todavía. Y hay un agravante: buena parte de los datos de emisiones no son reportados por las empresas, sino estimados por proveedores como Trucost, que típicamente multiplican una intensidad sectorial por los ingresos del periodo. Ordenar empresas por emisiones estimadas sin retardo equivale, en la práctica, a ordenarlas por sus ingresos futuros. Y los ingresos futuros, como es natural, correlacionan positivamente con la rentabilidad del mismo periodo.
Robeco lo cuantifica con limpieza metodológica. Primero replican el resultado original sobre un universo invertible (el MSCI USA Investable Market Index, sin microcaps, de enero de 2010 a abril de 2025): con el calendario de Bolton-Kacperczyk, las emisiones salen significativamente asociadas a mayores retornos en todos los alcances, con estadísticos t de entre 4,78 y 5,78 cuando se incluyen efectos fijos de industria. La réplica funciona; el hallazgo está ahí.
Después mueven el reloj. Si se usan las emisiones justo después del cierre del año fiscal —ya emitidas, pero aún no publicadas—, los coeficientes se reducen aproximadamente a la mitad y, sin efectos fijos de industria, ninguno conserva significación estadística. Con el retardo de un año que los autores consideran apropiado (los datos de carbono se publican aún más tarde que las cuentas), los t se acercan todavía más a cero. Y la prueba definitiva: si se usan solo las emisiones reportadas por las propias empresas, con retardo de un año, los coeficientes quedan en 0,05 (t 1,41) y 0,00 (t 0,06) incluso con efectos de industria. Si además se controla por los ingresos del mismo ejercicio, no sobrevive ninguna relación positiva entre emisiones y retornos. La prima de carbono no medía carbono: medía ingresos futuros colados de contrabando en la regresión.
Regresiones frágiles: asimetría y multicolinealidad
El paper dedica una sección entera a explicar por qué esta literatura ha producido resultados tan contradictorios, y es de lo más instructivo del documento. Dos culpables. El primero, la forma de las distribuciones: las emisiones y las intensidades de carbono están extremadamente sesgadas a la derecha, con un puñado de compañías concentrando valores altísimos.
Figura 1. Distribución de emisiones e intensidades de carbono, en bruto y en logaritmos — Fuente: Robeco.
Bolton y Kacperczyk aplicaron logaritmos a las emisiones absolutas, pero no a las intensidades (emisiones por unidad de ingresos), que se limitaron a dividir por 100 sin justificación. El resultado es que sus regresiones de intensidad quedaron a merced de unos pocos valores extremos.
El segundo culpable es la multicolinealidad. Las emisiones absolutas correlacionan fuertemente con el tamaño de la empresa y con sus ingresos. Los factores de inflación de la varianza (VIF) que calculan los autores son elocuentes: 26,4 para emisiones scope 1, 40,4 para scope 2 y 89,6 para scope 3, cuando la regla habitual considera grave cualquier valor por encima de 10. Con esa estructura, los coeficientes bailan según qué controles se incluyan: en el periodo muestral original de Bolton-Kacperczyk, basta excluir la capitalización bursátil del conjunto de controles para que todos los coeficientes de emisiones pierdan la significación, incluso manteniendo el sesgo de anticipación. Dicho de otro modo: eligiendo con cuidado los controles, un investigador puede fabricar casi cualquier resultado.
El factor verde-menos-marrón existe (con matices)
¿Y si en lugar de regresiones usamos carteras? Robeco ordena cada mes las acciones por intensidad de carbono (scope 1+2, con retardo de un año), forma terciles ponderados por capitalización y calcula la rentabilidad del factor "verde menos marrón" (GMB), al estilo del célebre Dissecting Green Returns de Pàstor, Stambaugh y Taylor.
Figura 2. Rentabilidad acumulada del factor verde-menos-marrón, 2010-2025 — Fuente: Robeco.
El resultado confirma a Pàstor y compañía: el factor genérico (que permite apuestas sectoriales) rinde un 5,08% anual (t 2,29), con un alfa del 4,01% (t 2,31) tras ajustar por los seis factores de Fama-French. El tercil verde batió al mercado en un 1,74% anual y el marrón quedó un 3,34% por debajo. Ahora bien, cuando se impone neutralidad sectorial —comparar verdes y marrones dentro de cada sector—, el factor se queda en un 2,90% (t 1,85) y su alfa en un 1,42% que no es estadísticamente distinto de cero (t 1,04). Buena parte del "efecto verde" es, en realidad, un efecto sectorial: estar fuera de energía y materiales en una década en que esos sectores lo hicieron mal.
El gráfico también enseña la otra cara: el factor genérico sufrió una caída pronunciada a principios de 2022, cuando la guerra de Ucrania disparó los precios de la energía y las empresas intensivas en carbono se dispararon con ellos. La caída se revirtió rápido, y aun así el episodio recuerda que este factor es volátil y puede pasarlo mal precisamente cuando más duele.
Por cierto, los autores reconcilian aquí las dos metodologías que llevaban años contradiciéndose: si la regresión de panel se pondera por capitalización (como las carteras), se aplica el retardo correcto y se usa el logaritmo de la intensidad, el coeficiente pasa a ser negativo (–0,06, t –1,73): las verdes ganan. Regresiones y carteras dicen lo mismo cuando se les pregunta bien.
¿Sorpresas de beneficios o coste de capital?
Queda la pregunta que de verdad importa para el futuro: ¿por qué ganaron las verdes? Si fue por sorpresas positivas de beneficios, no hay razón para esperar que se repita. Si fue porque el mercado encareció el coste de capital de las marrones, entonces las marrones ofrecen hoy mayores rentabilidades esperadas, que es justo lo que predice la teoría del equilibrio.
Para separarlo, Robeco estima el coste de capital implícito de cada empresa combinando cuatro modelos clásicos (Ohlson-Juettner-Nauroth, Easton, Claus-Thomas y Gebhardt-Lee-Swaminathan).
Figura 3. Coste de capital de empresas verdes y marrones a lo largo del tiempo — Fuente: Robeco.
La imagen es nítida: hasta el Acuerdo de París de 2016, verdes y marrones tenían costes de capital indistinguibles. Después divergen, y el spread se abre en los primeros años post-París para estabilizarse a partir de 2019. En la regresión, la intensidad de carbono no explica nada del coste de capital en 2010-2015, pero sí en 2016-2025: coeficiente de 0,31 (t 3,27) con sectores GICS1, y de 0,40 (t 4,40) con la clasificación más granular GICS4. En total, las marrones pagan hoy en torno a un 0,5% más de coste de capital que las verdes de su mismo sector.
Pero —y este es el matiz fino— ese encarecimiento solo se observa dentro de los sectores, mientras que la gran rentabilidad del factor verde vino precisamente de las apuestas entre sectores. La conclusión de los autores es que la mayor parte del recorrido de las verdes se debió a sorpresas de beneficios favorables, no a un repricing del riesgo. Lo cual implica dos cosas incómodas a la vez: la rentabilidad pasada de lo verde no es extrapolable, y el modesto aumento del coste de capital de las marrones tampoco apunta a unas rentabilidades esperadas sustancialmente mayores para ellas en adelante.
Lo que nos llevamos
Este paper es una lección magistral de higiene empírica, aplicable mucho más allá del clima. Primero: el calendario de los datos importa tanto como los datos; usar información que el inversor no podía tener es la receta clásica para descubrir primas que nunca existieron. Segundo: con variables tan sesgadas y tan correlacionadas entre sí, las regresiones de panel son barro moldeable, y conviene exigir que los resultados sobrevivan a transformaciones logarítmicas, a distintos retardos y a cambios en los controles. Tercero: distinguir entre rentabilidad realizada y rentabilidad esperada es la diferencia entre describir el pasado y decir algo útil sobre el futuro.
Para el inversor de a pie, la traducción es prudente: ni las empresas contaminantes esconden una prima jugosa por el simple hecho de contaminar, ni la inversión verde garantiza repetir la década que llevamos. Quien compre lo uno o lo otro esperando un viento de cola estructural hará bien en releer este paper antes. Las grandes narrativas de inversión, también las bienintencionadas, merecen pasar por el filtro de los datos correctamente fechados.