Suomalaisten rahastosijoittamisen muutokset koronapandemian aikana
Bibliographic record
Abstract
Opinnäytetyön tavoitteena oli selvittää, miten koronapandemia on vaikuttanut suomalaisten rahastosijoittamiseen. Opinnäytetyössä selvitettiin myös suomalaisten velkaantumista ja pohdittiin näiden yhteyttä. Opinnäytetyö toteutettiin kvantitatiivisella tutkimusmenetelmällä käyttäen hyödyksi Tilastokeskuksen, Finanssiala ry:n ja Suomen Pankin tilastoja liittyen suomalaisten rahastosijoittamiseen ja varallisuuteen. Näiden lähteiden avulla työhön saatiin tehtyä kuvia Suomeen rekisteröityjen rahastojen koko pääomakannasta, eri rahastotyyppien pääomakannoista ja velkaantumistilastoista. \n \nOpinnäytetyön tietoperustasta käy ilmi olennaisia asioita rahastosijoittamisesta. Luvussa kerrotaan, miten rahastosijoittaminen konkreettisesti tapahtuu, miten rahastoja luokitellaan ja mitä erilaisia rahastotyyppejä on olemassa. Luvusta löytyy myös rahastosijoittamisen hyötyjä ja riskejä, sekä käydään läpi Suomen rahastomarkkinoita. Luvun lopussa sivutaan suomalaista rahastosijoittajaa Finanssiala ry:n tutkimuksen pohjalta ja käydään läpi suosituimpia rahastoja Suomessa. \n \nOpinnäytetyöstä selvisi, että suomeen rekisteröityjen sijoitusrahastojen pääomakanta kasvoi vuosittain ja päätyi ennätyslukemiin vuoden 2021 loppuun mennessä. Etenkin osakerahastojen pääomakanta kasvoi hyvin paljon tutkittavana ajanjaksona. Tämä johtui pääosin yleisestä talouskasvusta ja etenkin osakemarkkinoiden positiivisesta kehityksestä. Rahastosijoittaminen yleistyi ja uusia rahastosijoittajia saatiin vuosittain lisää. Suomalaisten sijoitusvarallisuuteen liittyvät luvut ja tiedot pysyivät melko samoina vuosina 2019 ja 2020. Vuoden 2021 tilastoja ei vielä ole julkistettu, mutta ainakin sijoitusvarallisuuden mediaanin voidaan olettaa olevan suurempi kuin edellisinä vuosina rahastopääoman korkean arvonnousun myötä. \n \nKoronapandemian takia rahaa säästyi erilaisten syiden takia ja tämä näkyi esimerkiksi talletusten kasvuna. Samaan aikaan velkaantuminen kuitenkin lisääntyi. Tutkittavalla ajanjaksolla vuosina 2019–2021 suomalaiset velkaantuivat enemmän kuin käytettävissä olevat tulot kasvoivat. Tämä nosti velkaantumisastetta noin kahdeksan prosenttiyksikköä. \n \nKoronapandemia vaikutti suomalaisten rahastosijoittamiseen siten, että sijoitusten arvot nousivat kovaa vauhtia. Vuonna 2021 osakerahastojen pääomakanta ohitti korkorahastot, vaikka korkorahastojen nettomerkinnät olivat suurimmat. Kokonaisuudessaan rahastoja merkittiin yli 9 miljardilla eurolla. Sijoitusrahastojen pääomakanta oli huipussaan, lähes 160 miljardissa eurossa vuoden 2021 lopulla.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.052 | 0.014 |
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".