投資組合

對於倡導永續發展投資與 ESG投資 的投資者來說，最重要的問題是如何篩選出這些企業？負面篩選出的企業又是否能同時滿足報酬與個人的價值觀？

在上篇中我們詳細介紹了TESG的評分機制，以及它在國內熱門ETF上成分股的評級占比，那這篇要來教讀者怎麼進一步運用TESG提供的ESG評級，使用Python來建構一檔兼具永續經營和財務成長性的投資組合。本文使用的篩選標準如下： 公司該年TESG等級為B-、B、B+、A、A+ 近一年常續性稅後淨利CAGR達到20%(含)以上 當季稅後ROE大於當季產業ROE中位數 當季市值至少大於10億元 篩選完後使用近三年股利殖利率*80%+近一年股利殖利率*20%計算出該股股利分數，並選擇分數最大20支個股作為成分股，同時依此分數進行權重分配。每年財報公布日（3月底、5月8月11月中）進行再平衡。

主成分分析（Principal Component Analysis，後簡稱為 PCA），為非監督式學習中的一項關鍵技術，被廣泛用於機器學習與統計學領域來分析資料、降低數據維度。核心精神在於將原始數據拆解成具有代表性的主成分，達到降維的目的，並重新描述數據。 本研究的主旨在於運用股票的日報酬資料，利用 PCA 來取得主成分，並建立投資組合。閱讀本篇文章讀者將會看到以下重點： 了解 PCA 之特徵值與特徵向量，並以此設計投資組合 回測投資組合績效的方法，可用於各式投資策略

風險值的意思基本上就是根據給定的信賴水準以及某特定期間，投資組合可能產生的最大損失。本文計算過程如下： 投資組合內各標的之每日盈餘風險 各標的間相關係數 投資組合風險值