次のステップとリソース

データのクリーンアップ – データには、ESG 要因や財務データとは無関係な大量の無関係な情報が含まれている場合があります。この無関係なデータを削除し、必要な分析を実行するために必要な情報のみを保持することが重要です。yfinance などのツールを使用して、データをクリーンアップできます。

データを抽出して変換する – raw データから関連する特徴量や変数を抽出し、分析に適した形式に変換します。読みやすくわかりやすいように、データを表形式に変換できます。などのライブラリを使用してpandasデータを絞り込むことができます。特徴量エンジニアリング、データ正規化、派生メトリクスを使用してデータを変換することもできます。

分析の実行 – さまざまな分析タスクを実行できます。これには、記述統計の生成、データの視覚化の作成、企業の ESG パフォーマンスに関するインサイトを取得するための探索的データ分析の実施などが含まれます。

機械学習を適用する – クリーンアップおよび変換されたデータを使用して、機械学習モデルをトレーニングできます。これらのモデルは、現在財務上の持続可能性を実践している企業を特定し、将来の持続可能性パフォーマンスを予測するのに役立ちます。