Фрактальна модель трансформації фондового ринку України: соціально-відповідальне інвестування для досягнення Цілей сталого розвитку
Bibliographic record
Abstract
Об’єкт дослідження – економічні відносини, що виникають між суб’єктами фондового ринку у процесі відповідального інвестування як основи для фінансування сталого розвитку. Мета дослідження – розвиток теоретико-методологічних основ та комплексного міждисциплінарного методичного інструментарію до моделювання траєкторії трансформації фондового ринку методами фрактального аналізу та створення в його архітектурі нового сегменту соціально-відповідального інвестування, розробку його інструментарію (продуктів, технологій, інфраструктури), нормативного, інформаційного та регуляторного забезпечення, спрямованих на подолання інвестиційного гепу у досягненні Цілей сталого розвитку. Методи дослідження – методи бібліометричного мета-аналізу, економіко-статистичного (трендового, динамічного та структурного аналізу), компаративного та бенчмарк-аналізу, статичний та динамічний R/S (Rescaled Range) аналіз, метод фракційного інтегрування, параметричні та непараметричні теси і критерії (тест Стьюдента, ANOVA аналіз, тести Манна-Уітні, Крускала-Уолліса, Колмогорова-Смірнофа, а також критерії і тести Ліліфорса, Крамера-фон Мізеса, Уотсона, Андерсона-Дарлінга та ADF), модифікований підхід кумулятивної аномальної віддачі, регресійний аналіз із фіктивними змінними, метод торгового моделювання (симуляції), критерії Лапласа, Вальда, Гурвіца і Севіджа, правила Борда і Кондорсе, методи Expectation-Maximization та адитивно-мультиплікативної згортки. Основні наукові результати – розроблено орієнтири для формування дорожньої карти запровадження сегменту відповідального інвестування в Україні, його нормативне, інформаційне забезпечення, напрями імплементації кодексів, стандартів для регулювання та стимулювання відповідального інвестування, принципи координації дій регуляторів в межах системи «спліт», запропоновано науково-методичні засади бенчмаркінгу відповідального інвестування як засобу подолання інформаційної асиметрії в ESG-сегменті, підвищення інформаційної прозорості учасників фондового ринку та моніторингу подолання інвестиційного гепу у досягненні ЦСР, проведено комплексне порівняння властивостей традиційних та ESG-фондових індексів на основі фрактальної моделі, запропоновано уніфікований науково-методичний підхід до створення ESG-рейтингів та розроблено пропозиції по удосконаленню калькуляції ESG-індексів; формалізовано взаємозв’язок між відповідальним інвестуванням та перситентністю фондового ринку, проведено кількісне обґрунтування доцільності розроблення індексів зі сталого розвитку (ESG-індексів) як маркерів відповідального інвестування; удосконалено методологію ранжування та пріоритизації енергоефективних, клімато- та природоохоронних проєктів для більш ефективного спрямування відповідального інвестування; запропоновано концептуальні основи здійснення імпакт-інвестицій для повоєнного відновлення економіки України; розвинено підхід до формування схеми функціонування суверенного фонду добробуту як суб’єкта сегменту відповідального інвестування на фондовому ринку України.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.011 |
| Scholarly communication | 0.015 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.040 | 0.010 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".