ESG-indeksien tuotot verrattuna perinteisiin markkinaindekseihin : valittujen indeksiparien historiallinen vertailu vuosilta 2019-2024
Notice bibliographique
Résumé
Tämän opinnäytetyön tarkoituksena oli selvittää, miten vastuullisuusperusteiset osakeindeksit eli ESG-indeksit ovat tuottaneet verrattuna perinteisiin markkinaindekseihin vuosina 2019–2024. Tämän selvittämiseksi vertailtiin kolmea ESG-indeksiä ja niiden perinteisiä vastinpareja. Tarkoituksena oli havainnoida, onko ESG-indekseillä havaittavissa eroa tuotoissa ja riskitasoissa suhteessa niiden perinteisiin markkinaindekseihin. Tutkimus toteutettiin kvantatiivisena analyysinä hyödyntämällä indeksien julkista dataa ja laskemalla niistä vuosituotot, volatiliteetit, kumulatiiviset tuotot, annualisoidut volatiliteetit ja annualisoidut Sharpen luvut. Nämä tulokset esiteltiin kuvioina ja taulukoina. Opinnäytetyössä tutkittiin, kuinka ESG-sijoittaminen vaikuttaa sijoitusten tuottoihin ja riskeihin verrattuna perinteisiin sijoitusmuotoihin indeksitasolla. Tulosten perusteella ESG-indeksit tuottivat keskimääräisesti hyvin samansuuntaisesti kuin niiden perinteiset vastinparit. Erot kumulatiivisissa tuotoissa jäivät suhteellisen pieniksi, ja ESG-indeksit seurasivat tarkasti markkinoiden yleistä kehitystä. Volatiliteetti oli useimmissa ESG-indekseissä hieman matalampi, mikä viittaa pienempään kokonaissijoitusriskiin. Annualisoidut Sharpen luvut kuitenkin osoittivat, että riskikorjattu tuotto oli perinteisissä indekseissä pääsääntöisesti hieman parempi. Tämä tarkoittaa, että vastuullisuusfiltteri ei lisännyt tuottoa, mutta ei myöskään heikentänyt sitä merkittävästi. Tutkimuksen perusteella voitiin todeta, että ESG-indekseihin sijoittaminen ei johda juurikaan tuotoista tinkimiseen, vaan tarjoaa mahdollisuuden sijoittaa vastuullisesti ilman merkittävää taloudellista kompromissia. ESG-indeksit suoriutuivat tehdyssä tutkimuksessa hyvin samankaltaisesti verrattaessa aikaisempaan tutkimustietoon.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,004 |
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 ».