- 就ESG數據而言，「假設性回溯數據」是指什麼？ 通常情況下，在創建回溯試算指數數據時，我們使用相關數據庫的數據，或實際實時數據。 例如成分股層面的數據，包括歷史價格、市值及企業行為數據。 由於ESG投資仍處於早期發展階段，用於計算標普道瓊斯指數ESG指數的某些數據點可能無法在整個回溯試算歷史所需期間內提供。 在這種情況下，標普道瓊斯指數可能會採用一種名為「假設性回溯數據（或回溯）」的程序來計算回溯試算歷史表現。
「假設性回溯數據」程序將某一指數成分股公司可獲得的最早實際現有數據點應用於指數範圍內的所有先前歷史實例。 例如，如果某個指數編製方法要求所有符合資格的成分股均有產品參與數據，而某家公司的實際產品參與數據僅從2015年開始，標普道瓊斯指數將使用該公司的2015年產品參與數據來計算2010至2014年的回溯試算數據。 - 為何有時需要為ESG數據提供「假設性回溯數據」？ 相比於採用有限回溯試算及實際現有數據，採用「假設性回溯數據」技術通常能提供更具指示性的指數特徵及風險／收益狀況描述。採用假設性回溯數據也比只使用實際現有數據能進行更長歷史年份的假設回溯試算。
許多ESG數據供應商從有限的覆蓋範圍開始，並在過去幾年中不斷增加其歷史數據的覆蓋範圍，因此建立只使用實際現有歷史數據的回溯試算往往會導致指數成分股特徵不具代表性。 如果沒有ESG數據的假設性回溯數據，與同一指數最近及持續的符合資格及入選的成分股指數範圍相比，符合資格或入選指數範圍的公司會更少。
因此，標普道瓊斯指數可能採用假設性回溯數據編製方法，以提供更長及更具代表性的回溯試算期。
- 假設性回溯數據方法會否影響到任何現有指數的重新調整？ 實際現有數據用於指數推出前的重新調整計算以及指數推出後的所有重新調整。假設性回溯數據可能只會影響在此之前的歷史回溯試算。
- 哪些指數的回溯試算歷史使用假設性回溯數據？ 標普道瓊斯指數對Sustainalytics和Arabesque的數據使用假設性回溯數據，有時也將其用於來自Trucost和SAM（兩者均為標普全球旗下公司）的數據。 因此，指數如使用上述任何來源的數據，其回溯試算歷史便可能受到假設性回溯數據方法的影響。
任何在回溯試算歷史中使用假設性回溯數據的指數，其編製方法及資料概覽均會將明確說明這一點。 編製方法將納入表格，列出使用假設性回溯數據的具體數據點及相關時期。 - 指數通常何時會使用ESG數據假設性回溯數據的回溯試算歷史？ 於2020年以後推出的指數，包括所有使用基於Sustainalytics產品參與數據和Arabesque聯合國全球契約（UNGC）數據的排除性篩選的指數均会使用假設性回溯數據。
對於2020年之前推出的指數，ESG排除性篩選數據的假設性回溯數據只限於用於2013年之前重新調整的Sustainalytics和Arabesque數據。
如果根據歷史覆蓋範圍確定在其他情況下實現指數目標受到嚴重限制，標普道瓊斯指數也可能對標普道瓊斯指數的ESG評分及／或Trucost數據點採用假設性回溯數據。 歷史覆蓋範圍逐年評估，包括成分股數目及相關成分股在相關領域的權重。 - 假設性回溯數據有什麼缺點？ 假設性回溯數據技術的主要缺點在於其有可能將倖存者偏差引入指數表現。倖存公司有可以回溯的數據，而非倖存公司可能沒有；因此，倖存公司更有可能在歷史上被納入指數，這可能比將ESG因素應用於實際現有數據相比提供更好的結果。此外，除倖存者偏差外，一般而言，ESG採納方法對現有數據的歷史應用可能產生不同的指數構成，導致其表現遜於使用假設性回溯數據產生的指數。
假設性回溯數據從未被用於改善歷史指數回溯試算的表現。 - 不使用假設性回溯數據有什麼缺點？ 標普道瓊斯指數通常採用假設性回溯數據方法與將回溯試算限制為僅使用實際現有數據相比，可提供對指數特徵及風險／收益狀況更具指示性的描述。假設性回溯數據也能延長假設回溯試算至更長歷史年份，與僅使用實際實時數據更加可行。
如果不採用該方法，回溯試算將不能合理代表指數編製方法所述策略在近期覆蓋水平下可能的表現。
