Mostrar el registro sencillo del ítem
Inversiones sostenibles
dc.contributor.advisor | Fernández Rodríguez, María Lourdes | es-ES |
dc.contributor.author | López del Hierro Cabrera, Carmen | es-ES |
dc.contributor.other | Universidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresariales | es_ES |
dc.date.accessioned | 2023-06-13T12:26:33Z | |
dc.date.available | 2023-06-13T12:26:33Z | |
dc.date.issued | 2024 | es_ES |
dc.identifier.uri | http://hdl.handle.net/11531/78898 | |
dc.description | Grado en Administración y Dirección de Empresas y Grado en Análisis de Negocios/Business Analytics | es_ES |
dc.description.abstract | En el presente Trabajo de Fin de Grado se explora el desarrollo y la aplicación de un modelo analítico basado en algoritmos de aprendizaje automático para identificar y evaluar empresas en función de su compromiso con la sostenibilidad. Utilizando una amplia variedad de indicadores financieros y de sostenibilidad ambiental, social y de gobernanza, se implementan técnicas de clustering para segmentar empresas y determinar patrones entre su rendimiento y su responsabilidad corporativa. Los resultados indican una correlación positiva entre altas puntuaciones de sostenibilidad y un rendimiento financiero superior, ofreciendo a los inversores una herramienta robusta para la toma de decisiones de inversión responsable. El estudio también discute las limitaciones del modelo actual, incluyendo los desafíos relacionados con la disponibilidad y calidad de los datos, y propone direcciones futuras para la investigación en la integración de prácticas de sostenibilidad en la evaluación corporativa. El enfoque realizado no solo beneficia a los inversores al proporcionar información valiosa sobre la viabilidad financiera y ética de sus inversiones, sino que también promueve un impacto positivo en la sociedad y el medio ambiente. | es-ES |
dc.description.abstract | In this Bachelor's Thesis, the development and application of an analytical model based on machine learning algorithms to identify and evaluate companies based on their commitment to sustainability is explored. Utilizing a wide range of financial and environmental, social, and governance sustainability indicators, clustering techniques are implemented to segment companies and determine patterns between their performance and corporate responsibility. The results indicate a positive correlation between high sustainability scores and superior financial performance, providing investors with a robust tool for making responsible investment decisions. The study also discusses the limitations of the current model, including challenges related to data availability and quality, and proposes future research directions for integrating sustainability practices into corporate evaluation. This approach not only benefits investors by providing valuable information about the financial and ethical viability of their investments but also promotes a positive impact on society and the environment. | en-GB |
dc.format.mimetype | application/pdf | es_ES |
dc.language.iso | es-ES | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | es_ES |
dc.subject.other | KBA | es_ES |
dc.title | Inversiones sostenibles | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |
dc.keywords | Responsabilidad Social Corporativa; Inversión responsable; Economía sostenible; Modelo analítico; Aprendizaje automático; Clustering; Criterios ESG; Rendimiento financiero | es-ES |
dc.keywords | Corporate Social Responsibility; Responsible Investment; Sustainable Economy; Analytical Model; Machine Learning; Clustering; ESG Criteria; Financial Performance | en-GB |