https://quantfilab.github.io/pmarupanthorn/th/tags/sustainable-finance/Sustainable FinanceHugo Blox Builder (https://hugoblox.com)th-THFri, 08 Aug 2025 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/media/icon_hu68170e94a17a2a43d6dcb45cf0e8e589_3079_512x512_fill_lanczos_center_3.pnghttps://quantfilab.github.io/pmarupanthorn/th/tags/sustainable-finance/https://quantfilab.github.io/pmarupanthorn/th/publication/ssrn20151/Fri, 08 Aug 2025 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/th/publication/ssrn20151/<div class="research-bilingual" data-research-bilingual> <section id="research-content-SSRN20151-th" class="research-language-panel research-language-panel--th" lang="th"> <figure class="research-concept-map research-concept-map--image"> <img src="https://quantfilab.github.io/pmarupanthorn/pmarupanthorn/publication/ssrn20151/concept-map-th.png" alt="แผนผังแนวคิด: ตรวจจับและตรวจสอบการเปลี่ยนแปลงของความสัมพันธ์ระหว่าง ESG กับมูลค่าในข้อมูลต่างความถี่" loading="eager"> </figure> <h2>ปัญหาที่งานวิจัยแก้ไข</h2> <p>มูลค่าบริษัทถูกสังเกตรายสัปดาห์ ขณะที่ปัจจัยตลาดและ ESG มีข้อมูลรายวัน และความสัมพันธ์ระหว่าง ESG กับมูลค่าอาจเปลี่ยนหลังเหตุการณ์เศรษฐกิจ การเมือง หรือกฎระเบียบ แบบจำลองพาเนลความถี่เดียวหรือสัมประสิทธิ์คงที่อาจสูญเสียข้อมูลด้านเวลาและบดบังจุดเปลี่ยนเฉพาะอุตสาหกรรม ทำให้ผลเฉลี่ยไม่น่าเชื่อถือสำหรับการลงทุนและนโยบาย</p> <p><strong>ผู้ได้รับประโยชน์:</strong></p> <ul> <li>นักวิเคราะห์ ESG และการลงทุนยั่งยืน</li> <li>ผู้จัดการ ETF และนักวิเคราะห์หลักทรัพย์</li> <li>นักเศรษฐมิติการเงินที่ใช้พาเนลต่างความถี่</li> <li>ทีมความเสี่ยงที่ติดตามความสัมพันธ์ด้านมูลค่าที่เปลี่ยนแปลง</li> </ul> <h2>วิธีการ</h2> <p>งานวิจัยพัฒนากระบวนการ Panel-MIDAS-ARDL สำหรับข้อมูลต่างความถี่ที่มีการพึ่งพาข้ามหน่วย ขั้นที่ 1 ใช้ iterative GLS-induced independence กับส่วนอัตถดถอย ขั้นที่ 2 ประมาณตัวแปรรายวันที่เหลือด้วยกำลังสองน้อยที่สุดแบบไม่เชิงเส้น และขั้นที่ 3 ใช้ Sequential Binary Segmentation Cross-Entropy กับสัมประสิทธิ์ ESG จุดที่เป็นไปได้จากหน้าต่างซ้อนทับถูกรวมด้วย K-means และการเลือกด้วย silhouette แล้วตรวจสอบด้วย Welch&#39;s t-test ที่ระดับ 5% การประยุกต์ใช้ Tobin&#39;s Q รายสัปดาห์ของ ETF รายอุตสาหกรรม S&amp;P 500 จำนวน 11 กอง ร่วมกับปัจจัย Fama–French โมเมนตัม และปัจจัย ESG แบบ Best-Minus-Worst รายวัน ตั้งแต่กลางเดือนมีนาคม 2013 ถึงธันวาคม 2022</p> <h2>ผลการศึกษา</h2> <p>พบจุดเปลี่ยนที่มีนัยสำคัญใน ETF กลุ่มวัสดุ พลังงาน การเงิน เทคโนโลยีสารสนเทศ สินค้าอุปโภคบริโภคพื้นฐาน สุขภาพ และสินค้าฟุ่มเฟือย โดยมักอยู่ใกล้ช่วงราคาน้ำมันตกในปี 2014 ความตกลงปารีสปี 2015 การเลือกตั้งสหรัฐฯ ปี 2016 และช่วงโควิด-19 กลุ่มเทคโนโลยีสารสนเทศมีจุดเปลี่ยนที่ผ่านการตรวจสอบ 4 จุด ขณะที่บริการสื่อสาร อุตสาหกรรม อสังหาริมทรัพย์ และสาธารณูปโภคไม่พบจุดเปลี่ยนที่มีนัยสำคัญ ผลลัพธ์จึงชี้ว่าผลของ ESG ต่อมูลค่าผันแปรตามเวลาและอุตสาหกรรม ไม่ใช่สัมประสิทธิ์คงที่เพียงค่าเดียว ส่วนความเชื่อมโยงกับเหตุการณ์สำคัญเป็นการตีความ มิใช่การพิสูจน์เหตุและผล</p> </section> </div>https://quantfilab.github.io/pmarupanthorn/th/publication/ee2024/Wed, 03 Jul 2024 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/th/publication/ee2024/<div class="research-bilingual" data-research-bilingual> <section id="research-content-EE2024-th" class="research-language-panel research-language-panel--th" lang="th"> <figure class="research-concept-map research-concept-map--image"> <img src="https://quantfilab.github.io/pmarupanthorn/pmarupanthorn/publication/ee2024/concept-map-th.png" alt="แผนผังแนวคิด: ตารางเวลาการถอนการลงทุนเปลี่ยนผลลัพธ์ของพอร์ตโฟลิโอและคาร์บอนอย่างไร" loading="eager"> </figure> <h2>ปัญหาที่งานวิจัยแก้ไข</h2> <p>การถอนการลงทุนจากเชื้อเพลิงฟอสซิลมักถูกประเมินเหมือนเป็นการตัดสินใจตัดสินทรัพย์ออกเพียงครั้งเดียว ทำให้นักลงทุนขาดหลักฐานที่ชัดเจนว่าความเร็วในการดำเนินการและการนำเงินไปลงทุนซ้ำส่งผลต่อความเสี่ยง ผลตอบแทน เสถียรภาพ และการลดคาร์บอนของพอร์ตโฟลิโอตลอดเวลาอย่างไร</p> <p><strong>ผู้ได้รับประโยชน์:</strong></p> <ul> <li>ผู้จัดการพอร์ตโฟลิโอสถาบันและรายย่อย</li> <li>กองทุนบำนาญและเจ้าของสินทรัพย์ระยะยาว</li> <li>ผู้ให้บริการ ETF และที่ปรึกษาการลงทุน</li> <li>ผู้กำหนดนโยบายการเงินเพื่อสภาพภูมิอากาศและนักวิเคราะห์ ESG</li> </ul> <h2>วิธีการ</h2> <p>งานวิจัยใช้วิธีจัดสรรสินทรัพย์แบบพลวัตหลายช่วงเวลาเพื่อประเมินตารางเวลาการถอนแบบช้า เร็ว และทันที ระหว่างปี 2010-2020 ในพอร์ต S&amp;P 500, FTSE 100 และ ETF iShares ทั่วโลก 5 กอง การวิเคราะห์รวมการคัดกรองตามอุตสาหกรรมและ ESG เข้ากับการถอนเงิน การเปิดสถานะขาย และกฎการลงทุนซ้ำ แล้วติดตามผลตอบแทน ความเสี่ยง การกระจุกตัว tracking error การกระจายความเสี่ยง ค่าธรรมเนียม เงินปันผล และการลดคาร์บอนฟุตพรินต์</p> <h2>ผลการศึกษา</h2> <p>รูปแบบผลตอบแทนโดยรวมไม่ไวต่อตารางเวลา แต่การถอนการลงทุนอย่างรวดเร็วอาจเพิ่มการกระจุกตัว ความเสี่ยง และ tracking error ตารางเวลาที่ช้ากว่าให้เสถียรภาพมากขึ้นและช่วยลดคาร์บอนผ่านการลงทุนซ้ำ การถอนอุตสาหกรรมพลังงานและสาธารณูปโภคลดคาร์บอนฟุตพรินต์ได้สูงสุดร้อยละ 7 ส่วนการถอน ETF ที่มีคาร์บอนสูงให้การลดเพิ่มเติมแต่มีข้อแลกเปลี่ยนด้านค่าธรรมเนียมและเงินปันผล การคัดกรอง FTSE 100 ตาม ESG ยังช่วยเพิ่มการกระจายความเสี่ยงได้</p> </section> </div>https://quantfilab.github.io/pmarupanthorn/th/publication/aas/Mon, 13 May 2024 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/th/publication/aas/<div class="research-bilingual" data-research-bilingual> <section id="research-content-AAS-th" class="research-language-panel research-language-panel--th" lang="th"> <figure class="research-concept-map research-concept-map--image"> <img src="https://quantfilab.github.io/pmarupanthorn/pmarupanthorn/publication/aas/concept-map-th.png" alt="กระบวนการ DivFolio: จากข้อมูลพอร์ตโฟลิโอและตารางเวลาการถอนการลงทุน สู่การวิเคราะห์ กรณีศึกษา และการตัดสินใจที่อิงหลักฐาน" loading="eager"> </figure> <h2>ปัญหาที่งานวิจัยแก้ไข</h2> <p>นักลงทุนต้องการเครื่องมือที่ใช้งานง่ายสำหรับทดสอบว่าเกณฑ์ ESG ข้อจำกัดด้านคาร์บอน และตารางเวลาการถอนการลงทุนส่งผลต่อพอร์ตโฟลิโอตลอดเวลาอย่างไร หากไม่มีเครื่องมือแบบบูรณาการ การเปรียบเทียบผลการดำเนินงานทางการเงินกับเป้าหมายด้านสภาพภูมิอากาศในสินทรัพย์และหลายช่วงเวลาทำได้ยาก</p> <p><strong>ผู้ได้รับประโยชน์:</strong></p> <ul> <li>ผู้จัดการพอร์ตโฟลิโอและผู้จัดการความมั่งคั่ง</li> <li>ทีมกองทุนบำนาญ คณิตศาสตร์ประกันภัย และที่ปรึกษาการลงทุน</li> <li>นักวิเคราะห์การเงินยั่งยืนและนักลงทุนสถาบัน</li> <li>นักวิจัยและผู้สอนด้านการออกแบบพอร์ตโฟลิโอ ESG</li> </ul> <h2>วิธีการ</h2> <p>งานวิจัยพัฒนา DivFolio เป็นแอปพลิเคชัน R Shiny แบบเปิดให้ใช้งานฟรีพร้อมส่วนติดต่อแบบกราฟิก กลไกหลายช่วงเวลารองรับพอร์ตโฟลิโอถ่วงน้ำหนักเท่ากันแบบเชิงรับและเชิงรุก พอร์ตความแปรปรวนต่ำสุด พอร์ต Sharpe สูงสุด และ Principal Portfolios ผู้ใช้เลือกสินทรัพย์ลงทุนและสินทรัพย์ที่จะถอนด้วยตนเองหรือด้วยเกณฑ์ ESG กำหนดตารางการถอนแบบทันที เชิงเส้น หรือไฮเพอร์โบลิก แล้วลงทุนเงินที่ถอนออกกลับไปในสินทรัพย์ที่เหลือ ซอฟต์แวร์เปรียบเทียบความเสี่ยงและผลตอบแทน ใช้การจัดกลุ่ม CLARA ประเมินเสถียรภาพ และใช้ Graphical Lasso วิเคราะห์การกระจายความเสี่ยง ตัวอย่างครอบคลุมการถอนการลงทุนรายภาคส่วนใน FTSE 100 และพอร์ตโฟลิโอบำนาญผสมในสหรัฐอเมริกาและสหราชอาณาจักร</p> <h2>ผลการศึกษา</h2> <p>DivFolio รวมการสร้างพอร์ตโฟลิโอและการวิเคราะห์การถอนการลงทุนไว้ในกระบวนการที่โปร่งใส กรณี FTSE 100 แสดงว่าคุณลักษณะด้านสิ่งแวดล้อมสามารถดีขึ้น ขณะที่ทางเลือกการถอนอาจเปลี่ยนความเสี่ยง การติดตามเกณฑ์อ้างอิง และเสถียรภาพ สำหรับตัวอย่างกองทุนบำนาญผสมสหรัฐอเมริกาและสหราชอาณาจักรช่วงปี 2013-2023 ค่าเฉลี่ยผลตอบแทนก่อนและหลังถอนการลงทุนไม่แตกต่างอย่างมีนัยสำคัญทางสถิติที่ระดับความเชื่อมั่น 99% อย่างไรก็ตาม การถอนแบบช้าให้ผลตอบแทนและ Sharpe ratio สูงสุดในบรรดาตารางเวลาที่ทดสอบในตัวอย่างดังกล่าว จึงควรประเมินความเร็วในการถอนอย่างเป็นระบบแทนการมองเป็นการตัดสินใจตัดออกเพียงครั้งเดียว</p> </section> </div>https://quantfilab.github.io/pmarupanthorn/th/publication/ssrn20242/Fri, 01 Mar 2024 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/th/publication/ssrn20242/<div class="research-bilingual" data-research-bilingual> <section id="research-content-SSRN20242-th" class="research-language-panel research-language-panel--th" lang="th"> <figure class="research-concept-map research-concept-map--image"> <img src="https://quantfilab.github.io/pmarupanthorn/pmarupanthorn/publication/ssrn20242/concept-map-th.png" alt="แผนผังแนวคิด: การสร้าง GPT ด้าน ESG บนเอกสารความยั่งยืนของไทยโดยคงการกำกับดูแลของมนุษย์" loading="eager"> </figure> <h2>ปัญหาที่งานวิจัยแก้ไข</h2> <p>รายงาน 56-1 One Report ของไทยมีความยาวและซับซ้อน ขณะที่ข้อมูลความยั่งยืนมักถูกมองเป็นข้อมูลที่ไม่ใช่การเงินและเชื่อมเข้ากับการวิเคราะห์ทางการเงินได้ยาก นักลงทุนทั่วไปจึงต้องการวิธีที่เข้าถึงง่ายเพื่อสกัดประเด็น ESG ที่มีสาระสำคัญโดยไม่ต้องอ่านเอกสารหลายร้อยหน้าด้วยตนเองทั้งหมด</p> <p><strong>ผู้ได้รับประโยชน์:</strong></p> <ul> <li>นักวิเคราะห์หุ้นไทยและผู้จัดการพอร์ตโฟลิโอ</li> <li>ทีมวิจัย ESG และการใช้สิทธิผู้ถือหุ้น</li> <li>ผู้เชี่ยวชาญด้านการปฏิบัติตามกฎและความเสี่ยงการลงทุน</li> <li>หน่วยงานกำกับและนักพัฒนาเทคโนโลยีการเงิน</li> </ul> <h2>วิธีการ</h2> <p>ซอฟต์แวร์สร้าง GPT บนคู่มือตัวชี้วัด ESG รายอุตสาหกรรมของ SET และรายงาน ESG ปี 2021 จากทุกกลุ่มอุตสาหกรรม กระบวนการ Python และ LangChain ผสาน prompt chain ที่กำหนดบทบาทเป็นนักวิเคราะห์ ESG ที่มีประสบการณ์เข้ากับ toolchain สำหรับค้นคืนข้อมูลจาก embeddings และฐานข้อมูลเวกเตอร์ ผู้ใช้อัปโหลดรายงาน 56-1 One Report แล้วรับผลลัพธ์ที่มีโครงสร้างสามส่วน ได้แก่ การประเมินสาระสำคัญ การมีส่วนร่วมของผู้มีส่วนได้ส่วนเสีย และความท้าทายและข้อจำกัด งานวิจัยสาธิตด้วยรายงาน PTT 454 หน้าและ SCBX 350 หน้า</p> <h2>ผลการศึกษา</h2> <p>ตัวอย่างแสดงว่า GPT สามารถย่อย One Report ที่ยาวให้เป็นประเด็น ESG กระชับ และสนับสนุนการทบทวนสาระสำคัญกับการวางแผนมีส่วนร่วม อย่างไรก็ตาม งานวิจัยยังไม่ได้เปรียบเทียบความแม่นยำกับวิธีอื่น และระบบไม่ได้ฝึกเพื่อพยากรณ์ราคาหุ้นแบบเรียลไทม์หรือให้คำแนะนำการลงทุนที่เด็ดขาด ความเสี่ยงสำคัญคืออคติของข้อมูล รายงานที่ไม่มีมาตรฐาน ข้อมูลสาธารณะที่ไม่ครบ และประเด็น ESG ที่เปลี่ยนแปลง ผู้เขียนจึงเสนอให้เพิ่มข้อมูล พัฒนาการตรวจสอบความถูกต้อง อัปเดตอย่างต่อเนื่อง และคงการกำกับดูแลของมนุษย์</p> </section> </div>https://quantfilab.github.io/pmarupanthorn/th/publication/ssrn20241/Tue, 13 Feb 2024 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/th/publication/ssrn20241/<div class="research-bilingual" data-research-bilingual> <section id="research-content-SSRN20241-th" class="research-language-panel research-language-panel--th" lang="th"> <figure class="research-concept-map research-concept-map--image"> <img src="https://quantfilab.github.io/pmarupanthorn/pmarupanthorn/publication/ssrn20241/concept-map-th.png" alt="แผนผังแนวคิด: การสร้างปัจจัย ESG ของไทยแยกตามผู้ให้คะแนนและทดสอบข้อมูลที่เพิ่มเข้าสู่แบบจำลองกำหนดราคาสินทรัพย์" loading="eager"> </figure> <h2>ปัญหาที่งานวิจัยแก้ไข</h2> <p>แบบจำลองปัจจัยหุ้นแบบดั้งเดิมไม่ได้แทนคุณลักษณะ ESG ของตลาดไทยโดยตรง ขณะที่ผู้ให้คะแนนแต่ละรายอาจจัดกลุ่มบริษัทต่างกัน นักลงทุนจึงต้องการหลักฐานว่าปัจจัย ESG แตกต่างจากปัจจัยตลาดเดิมและช่วยอธิบายผลตอบแทนได้ดีขึ้น</p> <p><strong>ผู้ได้รับประโยชน์:</strong></p> <ul> <li>นักลงทุนหุ้นไทยและผู้จัดการพอร์ตโฟลิโอ</li> <li>นักวิเคราะห์ ESG และผู้ให้บริการจัดอันดับความยั่งยืน</li> <li>นักวิจัยด้านการกำหนดราคาสินทรัพย์</li> <li>ผู้ออกแบบกองทุนที่ใช้หลักทรัพย์ใน THSI</li> </ul> <h2>วิธีการ</h2> <p>งานวิจัยใช้ข้อมูลรายวันของหุ้นไทย 520 บริษัทตั้งแต่เดือนมกราคม 2013 ถึงพฤศจิกายน 2023 สำหรับข้อมูลจาก ESG Book, Refinitiv และ S&amp;P Global แยกกัน อัลกอริทึม k-means แบ่งบริษัทเป็นพอร์ต Better ESG และ Worse ESG ที่ถ่วงน้ำหนักเท่ากัน แล้วสร้าง BMW จากผลต่างของผลตอบแทน การทดสอบ Wald ตรวจความแตกต่างของโครงสร้างความแปรปรวนร่วมก่อนเพิ่ม BMW ของแต่ละผู้ให้คะแนนในแบบจำลอง Fama–French จากนั้นใช้การถดถอยกำลังสองน้อยที่สุดรายหุ้น t-tests, adjusted R-squared, การคัดกรอง Durbin–Watson และ paired sign test เพื่อเปรียบเทียบกับแบบจำลอง q-factor สำหรับหุ้นใน THSI</p> <h2>ผลการศึกษา</h2> <p>การทดสอบแทนปัจจัยทั้ง 9 กรณีปฏิเสธความเท่ากันของความแปรปรวนร่วมที่ p&lt;10^-15 และปัจจัย BMW ยังแตกต่างกันอย่างมีนัยสำคัญระหว่างผู้ให้คะแนน เมื่อเทียบกับแบบจำลอง q-factor ค่ามัธยฐานของ adjusted R-squared เพิ่มขึ้น 0.0058 สำหรับ BMWR, 0.0056 สำหรับ BMWB และ 0.0045 สำหรับ BMWS โดยรายงานค่า p ของ sign test เท่ากับ 0.0000 ผลตอบแทนพอร์ตแตกต่างกันตามผู้ให้คะแนน ดังนั้นแหล่งคะแนนจึงมีผลต่อข้อสรุปอย่างสำคัญ ทั้งนี้สัมประสิทธิ์ BMW วัดความไวต่อส่วนชดเชย ESG ของตลาด ไม่ใช่ผลเชิงสาเหตุจากแนวปฏิบัติ ESG ของบริษัทเอง</p> </section> </div>https://quantfilab.github.io/pmarupanthorn/th/project/divfolio/Thu, 26 Oct 2023 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/th/project/divfolio/<p>แอปพลิเคชัน Shiny สำหรับการขายสินทรัพย์ในพอร์ตโฟลิโอในด้านการจัดการความมั่งคั่งการเงินสีเขียว</p>