다음 단계 및 리소스

데이터 정리 - 데이터에는 ESG 요인 및 금융 데이터와 관련이 없는 상당한 양의 관련 없는 정보가 포함될 수 있습니다. 관련 없는이 데이터를 제거하고 필요한 분석을 수행하는 데 필요한 정보만 보관하는 것이 중요합니다. yfinance와 같은 도구를 사용하여 데이터를 정리할 수 있습니다.

데이터 추출 및 변환 - 원시 데이터에서 관련 특성 또는 변수를 추출하여 분석에 적합한 형식으로 변환합니다. 데이터를 테이블 형식으로 변환하여 가독성과 명확성을 높일 수 있습니다. 와 같은 라이브러리를 사용하여 데이터를 세분화pandas할 수 있습니다. 특성 엔지니어링, 데이터 정규화 및 파생 지표를 사용하여 데이터를 변환할 수도 있습니다.

분석 수행 - 다양한 분석 작업을 수행할 수 있습니다. 여기에는 설명 통계 생성, 데이터 시각화 생성, 회사의 ESG 성능에 대한 인사이트를 얻기 위한 탐색 데이터 분석 수행이 포함될 수 있습니다.

기계 학습 적용 - 정리 및 변환된 데이터를 사용하여 기계 학습 모델을 훈련할 수 있습니다. 이러한 모델은 현재 재정적 지속 가능성을 보이고 미래의 지속 가능성 성과를 예측하는 기업을 식별하는 데 도움이 될 수 있습니다.