Mostrar el registro sencillo del ítem

dc.contributor.advisorFernández Rodríguez, María Lourdeses-ES
dc.contributor.authorLópez del Hierro Cabrera, Carmenes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresarialeses_ES
dc.date.accessioned2023-06-13T12:26:33Z
dc.date.available2023-06-13T12:26:33Z
dc.date.issued2024es_ES
dc.identifier.urihttp://hdl.handle.net/11531/78898
dc.descriptionGrado en Administración y Dirección de Empresas y Grado en Análisis de Negocios/Business Analyticses_ES
dc.description.abstractEn 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.abstractIn 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.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherKBAes_ES
dc.titleInversiones sostenibleses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsResponsabilidad Social Corporativa; Inversión responsable; Economía sostenible; Modelo analítico; Aprendizaje automático; Clustering; Criterios ESG; Rendimiento financieroes-ES
dc.keywordsCorporate Social Responsibility; Responsible Investment; Sustainable Economy; Analytical Model; Machine Learning; Clustering; ESG Criteria; Financial Performanceen-GB


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivs 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivs 3.0 United States