Osakesijoittaminen vs. Indeksirahastot: Kummalla aloittaa sijoittaminen?
Notice bibliographique
Résumé
Sijoittamisen suosio on noussut suomessa nopeasti ja digitaalisten sijoitusalustojen ansiosta markkinoille pääsy on helpompaa kuin koskaan aikaisemmin. Sijoitus kohteita on valtava määrä, mutta kaikkein eniten rahaa sijoitetaan osakemarkkinoille. Yksi keskeinen kysymys aloittelevalle sijoittajalle on, kannattaako lähteä sijoittamaan yksittäisiin osakkeisiin, vai hyödyntää valmiiksi hajautettuja indeksirahastoja. Tässä työssä vertaillaan osake- ja indeksirahastosijoittamisen kannattavuutta aloittelevan sijoittajan näkökulmasta. Tavoitteena arvioida tuottoja, riskejä, soveltuvuutta ja oppimismahdollisuuksia, sekä vastata tutkimusongelmaan: Kumpi sijoitusmuoto on kannattavampi sijoittamista aloittavalle yksilölle? Työn tietoperusta käsittelee ensin sijoittamisen perusteita, jonka jälkeen keskitytään tarkemmin osakesijoittamiseen ja indeksirahastoihin. Tietoperustaa lopuksi täydennetään hieman aikaisemmilla tutkimuksilla ja vertailuilla, jotka tarkastelevat aktiivisten sijoitusstrategioiden ja indeksirahastojen tuottoja sekä yksityissijoittajien sijoituskäyttäytymistä. Työn empiirisessä osassa muodostetaan kaksi yhtä suurta esimerkkisalkkua: Suomalaisista ja Yhdysvaltalaisista osakkeista koostuva osakesalkku, ja kolmesta laajasti hajautetusta indeksirahastosta koostuva indeksisalkku. Salkkujen tuottoja vertaillaan kolmen vuoden ajanjaksolla käyttäen historiallisia hintatietoja, niistä laskettua volatiliteettiä ja Sharpen lukua. Tutkimus ja kaikki sen laskelmat tehdään Microsoft Excelillä. Salkkujen alkusijoituksiin ei kosketa tutkimusaikajakson aikana, vaan kaikkia sijoituksia pidetään kiinni koko jakson ajan. Osakesalkku tuotti tarkastelujaksolla hieman paremmin: 18,87 % vuodessa, kun indeksirahastosalkku tuotti 16,21 % vuodessa. Riskikorjatun tuoton voitti puolestaan indeksisalkku, jonka Sharpen luku oli kolmen vuoden ajalla 0,92, kun osakesalkulla se oli 0,72. Osakesalkun parempi tuotto johtui huomattavasti suuremmasta riskistä ja yksittäisten yhtiöiden vahvasta kehityksestä. Indeksisalkun tuotto oli tasaisempaa, koska sen hajautus oli selkeästi suurempi. Työn Johtopäätöksenä on se, että sijoittamisessa tärkeintä on sen aloittaminen, ei täydellisen sijoitusstrategian löytäminen. Suurimmalle osalle indeksisijoittaminen on järkevä ratkaisu, mutta loppujen lopuksi sopiva vaihtoehto riippuu sijoittajan omista tavoitteista, riskinsietokyvystä sekä valmiudesta käyttää aikaa ja resursseja sijoittamiseen ja sen oppimiseen.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,007 |
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 ».