five

Refinitiv ESG Scores|ESG评分数据集|金融分析数据集

收藏
www.refinitiv.com2024-10-30 收录
ESG评分
金融分析
下载链接:
https://www.refinitiv.com/en/sustainable-finance/esg-scores
下载链接
链接失效反馈
资源简介:
Refinitiv ESG Scores数据集包含了全球上市公司的环境、社会和治理(ESG)评分。这些评分基于公司的ESG表现,旨在帮助投资者和分析师评估公司的可持续性和社会责任。数据集包括公司的ESG总评分以及各个子类别的评分,如环境管理、社会贡献和公司治理等。
提供机构:
www.refinitiv.com
AI搜集汇总
数据集介绍
main_image_url
构建方式
Refinitiv ESG Scores数据集的构建基于Refinitiv(原汤森路透金融与风险业务部门)的广泛数据收集和分析能力。该数据集整合了全球超过10,000家上市公司的环境、社会和治理(ESG)相关数据,通过多源数据融合和复杂的算法模型,对企业的ESG表现进行量化评分。构建过程中,数据科学家和领域专家共同参与,确保评分的科学性和准确性。
特点
Refinitiv ESG Scores数据集以其全面性和权威性著称。该数据集不仅涵盖了环境、社会和治理三个核心维度,还细分了多个子指标,如碳排放、员工福利、公司治理结构等,提供了详尽的企业ESG表现评估。此外,数据集的更新频率高,能够及时反映企业ESG表现的动态变化,为投资者和研究者提供了实时且可靠的参考依据。
使用方法
Refinitiv ESG Scores数据集适用于多种应用场景,包括但不限于投资决策、企业风险评估和学术研究。投资者可以利用该数据集筛选具有良好ESG表现的企业,以优化投资组合。企业管理者则可以通过对比自身与行业平均水平的ESG评分,识别改进空间。学术研究者可以利用该数据集进行相关领域的深入分析,探索ESG表现与企业绩效之间的关联。
背景与挑战
背景概述
在可持续发展与企业社会责任日益受到全球关注的背景下,Refinitiv ESG Scores数据集应运而生。该数据集由Refinitiv(原汤森路透金融与风险业务部门)开发,旨在为投资者、企业和研究机构提供一个全面的环境、社会和治理(ESG)评分系统。自2019年发布以来,Refinitiv ESG Scores已成为全球范围内衡量企业ESG表现的重要工具,其影响力不仅限于金融领域,还扩展至政策制定、学术研究和公众意识提升等多个层面。
当前挑战
Refinitiv ESG Scores数据集在构建过程中面临诸多挑战。首先,ESG评分的标准化问题,不同行业和地区的ESG实践差异巨大,如何制定统一的评分标准是一大难题。其次,数据的可获得性和准确性,许多企业的ESG数据披露不完整或不透明,导致评分结果可能存在偏差。此外,随着全球气候变化和可持续发展目标的不断演进,ESG评分的动态调整和更新也是一个持续的挑战。
发展历史
创建时间与更新
Refinitiv ESG Scores数据集由Refinitiv公司创建,首次发布于2019年,旨在提供全球企业的环境、社会和治理(ESG)评分。该数据集定期更新,以反映最新的ESG表现和市场动态。
重要里程碑
Refinitiv ESG Scores数据集的重要里程碑包括其在2020年推出的ESG风险评级系统,该系统通过整合多种数据源,为投资者提供更全面的ESG风险评估工具。此外,2021年,该数据集引入了气候相关财务信息披露(TCFD)框架的支持,进一步增强了其在气候风险管理领域的应用价值。这些创新举措显著提升了数据集在金融和投资领域的实用性和影响力。
当前发展情况
当前,Refinitiv ESG Scores数据集已成为全球金融市场中ESG分析的重要参考。它不仅为投资者提供了详尽的ESG评分和风险评估,还促进了企业对ESG实践的透明度和责任感。随着全球对可持续投资需求的增加,该数据集在推动绿色金融和可持续发展目标方面发挥了关键作用。未来,预计Refinitiv将继续扩展其数据集的功能和覆盖范围,以满足不断变化的金融市场和监管要求。
发展历程
  • Refinitiv(当时为Thomson Reuters)首次发布ESG(环境、社会和治理)评分,标志着ESG评分的初步形成。
    2002年
  • Refinitiv对ESG评分系统进行重大升级,引入了更多的数据源和指标,提升了评分的全面性和准确性。
    2010年
  • Refinitiv开始在全球范围内推广ESG评分,并将其应用于多个金融产品和服务中,显著提升了ESG评分的应用广度。
    2015年
  • Refinitiv被Blackstone收购,成为独立的金融数据提供商,进一步强化了其在ESG数据领域的领导地位。
    2018年
  • Refinitiv推出新一代ESG评分系统,引入了人工智能和机器学习技术,大幅提升了数据处理和分析能力。
    2020年
常用场景
经典使用场景
在环境、社会和治理(ESG)领域,Refinitiv ESG Scores数据集被广泛用于评估和比较全球企业的可持续发展表现。该数据集通过量化企业的ESG绩效,帮助投资者、分析师和政策制定者识别潜在的风险和机会。其经典使用场景包括构建ESG投资组合、进行企业社会责任(CSR)评级以及制定可持续发展战略。
实际应用
在实际应用中,Refinitiv ESG Scores数据集被金融机构、投资公司和跨国企业广泛采用。金融机构利用该数据集进行ESG投资决策,投资公司通过分析ESG评分优化投资组合,而跨国企业则借助这些评分来提升自身的可持续发展战略。此外,政府和监管机构也利用这些数据来制定和评估相关政策,确保市场的可持续性和透明度。
衍生相关工作
Refinitiv ESG Scores数据集的发布催生了大量相关的经典工作。研究者们基于该数据集开展了关于ESG因素与企业绩效关系的深入研究,提出了多种ESG投资策略和模型。此外,该数据集还促进了ESG评级方法的创新,推动了ESG信息披露标准的制定和完善。这些衍生工作不仅丰富了ESG领域的理论体系,也为实践提供了有力的支持。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

Google Scholar

Google Scholar是一个学术搜索引擎,旨在检索学术文献、论文、书籍、摘要和文章等。它涵盖了广泛的学科领域,包括自然科学、社会科学、艺术和人文学科。用户可以通过关键词搜索、作者姓名、出版物名称等方式查找相关学术资源。

scholar.google.com 收录

CosyVoice 2

CosyVoice 2是由阿里巴巴集团开发的多语言语音合成数据集,旨在通过大规模多语言数据集训练,实现高质量的流式语音合成。数据集通过有限标量量化技术改进语音令牌的利用率,并结合预训练的大型语言模型作为骨干,支持流式和非流式合成。数据集的创建过程包括文本令牌化、监督语义语音令牌化、统一文本-语音语言模型和块感知流匹配模型等步骤。该数据集主要应用于语音合成领域,旨在解决高延迟和低自然度的问题,提供接近人类水平的语音合成质量。

arXiv 收录

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据,包括日照时间、降雨量、温度、风速等关键数据。通过这些数据,可以深入了解气象现象对不同地区的影响,并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

jpft/danbooru2023

Danbooru2023是一个大规模的动漫图像数据集,包含超过500万张由爱好者社区贡献并详细标注的图像。图像标签涵盖角色、场景、版权、艺术家等方面,平均每张图像有30个标签。该数据集可用于训练图像分类、多标签标注、角色检测、生成模型等多种计算机视觉任务。数据集基于danbooru2021构建,扩展至包含ID #6,857,737的图像,增加了超过180万张新图像,总大小约为8TB。图像以原始格式提供,分为1000个子目录,使用图像ID的模1000进行分桶,以避免文件系统性能问题。

hugging_face 收录

World Flights

该数据集包含使用OpenSky Network实时API收集的两小时飞行数据。飞行颜色基于出发国家,记录了18000次飞行,由于缺乏卫星覆盖,海洋上的航线不完整。每条航线还加入了来自airlinecodes.co.uk的航空公司信息。

github 收录