- 就ESG数据而言，「假设性回溯数据」是指什么？ 通常情况下，在创建回溯试算指数数据时，我们使用相关数据库的数据，或实际实时数据。 例如成分股层面的数据，包括历史价格、市值及企业行为数据。 由于ESG投资仍处于早期发展阶段，用于计算标普道琼斯指数ESG指数的某些数据点可能无法在整个回溯试算历史所需期间内提供。 在这种情况下，标普道琼斯指数可能会采用一种名为「假设性回溯数据（或回溯）」的程序来计算回溯试算历史表现。
「假设性回溯数据」程序将某一指数成分股公司可获得的最早实际现有数据点应用于指数范围内的所有先前历史实例。 例如，如果某个指数编制方法要求所有符合资格的成分股均有产品参与数据，而某家公司的实际产品参与数据仅从2015年开始，标普道琼斯指数将使用该公司的2015年产品参与数据来计算2010至2014年的回溯试算数据。 - 为何有时需要为ESG数据提供「假设性回溯数据」？ 相比于采用有限回溯试算及实际现有数据，采用「假设性回溯数据」技术通常能提供更具指示性的指数特征及风险/收益状况描述。 采用假设性回溯数据也比只使用实际现有数据能进行更长历史年份的假设回溯试算。
许多ESG数据供应商从有限的覆盖范围开始，并在过去几年中不断增加其历史数据的覆盖范围，因此建立只使用实际现有历史数据的回溯试算往往会导致指数成分股特征不具代表性。 如果没有ESG数据的假设性回溯数据，与同一指数最近及持续的符合资格及入选的成分股指数范围相比，符合资格或入选指数范围的公司会更少。
因此，标普道琼斯指数可能采用假设性回溯数据编制方法，以提供更长及更具代表性的回溯试算期。
- 假设性回溯数据方法会否影响到任何现有指数的重新调整？ 实际现有数据用于指数推出前的重新调整计算以及指数推出后的所有重新调整。 假设性回溯数据可能只会影响在此之前的历史回溯试算。
- 哪些指数的回溯试算历史使用假设性回溯数据？标普道琼斯指数对Sustainalytics和Arabesque的数据使用假设性回溯数据，有时也将其用于来自Trucost和SAM（两者均为标普全球旗下公司）的数据。 因此，指数如使用上述任何来源的数据，其回溯试算历史便可能受到假设性回溯数据方法的影响。
任何在回溯试算历史中使用假设性回溯数据的指数，其编制方法及资料概览均会将明确说明这一点。 编制方法将纳入表格，列出使用假设性回溯数据的具体数据点及相关时期。 - 指数通常何时会使用ESG数据假设性回溯数据的回溯试算历史？ 于2020年以后推出的指数，包括所有使用基于Sustainalytics产品参与数据和Arabesque联合国全球契约（UNGC）数据的排除性筛选的指数均会使用假设性回溯数据。
对于2020年之前推出的指数，ESG排除性筛选数据的假设性回溯数据只限于用于2013年之前重新调整的Sustainalytics和Arabesque数据。
如果根据历史覆盖范围确定在其他情况下实现指数目标受到严重限制，标普道琼斯指数也可能对标普道琼斯指数的ESG评分及/或Trucost数据点采用假设性回溯数据。 历史覆盖范围逐年评估，包括成分股数目及相关成分股在相关领域的权重。 - 假设性回溯数据有什么缺点？ 假设性回溯数据技术的主要缺点在于其有可能将幸存者偏差引入指数表现。 幸存公司有可以回溯的数据，而非幸存公司可能没有; 因此，幸存公司更有可能在历史上被纳入指数，这可能比将ESG因素应用于实际现有数据相比提供更好的结果。 此外，除幸存者偏差外，一般而言，ESG采纳方法对现有数据的历史应用可能产生不同的指数构成，导致其表现逊于使用假设性回溯数据产生的指数。
假设性回溯数据从未被用于改善历史指数回溯试算的表现。 - 不使用假设性回溯数据有什么缺点？ 标普道琼斯指数通常采用假设性回溯数据方法与将回溯试算限制为仅使用实际现有数据相比，可提供对指数特征及风险/收益状况更具指示性的描述。 假设性回溯数据也能延长假设回溯试算至更长历史年份，与仅使用实际实时数据更加可行。
如果不采用该方法，回溯试算将不能合理代表指数编制方法所述策略在近期覆盖水平下可能的表现。
