Rahastoimalla paremmat eläkkeet? : työeläkkeiden rahastointi Suomessa, Ruotsissa ja Alankomaissa
Notice bibliographique
Résumé
Opinnäytetyön tarkoituksena oli syventyä Suomen, Ruotsin ja Alankomaiden eläkejärjestelmien työeläkkeiden rahastointiin ja selvittää, kuinka paljon sisäistä tuottoa maksetuille eläkemaksuille saa. \n \nTutkimus aloitettiin teoriaosuudella, jossa kuvattiin tutkittavien maiden eläkejärjestelmien toimintaa. Tämän lisäksi teoriaosuudessa käsiteltiin rahastoinnin periaatteita yleisesti sekä siihen sisältyviä riskejä. Tutkimuksen tärkein tavoite oli selvittää, miten Suomi pärjää Ruotsiin ja Alankomaihin verrattuna työeläkemaksujen tuottojen suhteen. \n \nTutkimusmenetelmänä käytettiin monimetodista tutkimusotetta, joka yhdisti sekä kvantitatiivisen että kvalitatiivisen tutkimuksen keinoja. Aineistoa kerättiin pitkälti eläkeviranomaisten internet-julkaisuista, tutkimuskirjallisuudesta sekä rahastoyhtiöiden vuosikatsauksista. Lähteitä yhdistelemällä ja vertailemalla saatiin riittävä kokonaiskuva tutkittavien maiden eläkkeiden tuotoista. \n \nSelvinneistä tuloksista saatiin selville, että Suomessa työeläkemaksujen reaalituotto jää hyvin matalaksi, mutta sen sijaan Ruotsissa rahastoeläke on tuottanut noin 8–10 prosenttia. Alankomaiden osalta täysin rahastoidun lisäeläkkeen karttumiseen vaikuttaa suoraan yleisen hintaindeksin kehitys, ja riittävän luotettavia toteutuneita tuottoja ei tutkimusaineistosta löydetty. Alankomaissa kokonaiseläke on kuitenkin lähes samansuuruinen kuin työajan palkka. Suomen työeläkejärjestelmä ei tämän tutkimuksen valossa vaikuta kovin tuottavalta, ja erityisesti rahastoinnin uudistamiselle olisi todellinen tarve.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,015 | 0,011 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,090 | 0,040 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».