图 2 CMR 之间的关联。热图显示所有 CMR 的相关矩阵(已缩放),其中下对角线显示偏相关(通过从两个相关的抗性回归模型中取出残差并计算它们之间的相关性计算得出),上对角线显示完全相关。基于完全相关性对变量进行层次聚类,并显示五个聚类组,以括号中的数字表示。表 S3 提供了所有使用的缩写的详细概述,图 S9 提供了图中使用的层次聚类得出的树状图的概述
我们要求受访者将他们在 NIST 支柱下的 23 项活动中的进展程度评定为 1-5 级。我们的经济学家对每项基础活动的得分取平均值,得出每个 NIST 领域的得分。然后,他们计算 NIST 领域的总分平均值,得出每个受访者的总分。分数被标准化,范围在 0-100 之间。受访者被分为 NIST 实施的三个阶段:平均分数低于 50 的受访者被归类为早期实施阶段,分数为 50 至 70 的受访者被归类为中期实施阶段,分数高于 70 的受访者被归类为高级实施阶段。
披露:税收效率模型回报是使用税收效率投资组合中使用的基金的共同基金回报计算得出的,每个基金都按其当前目标权重加权,每月重新平衡一次。回报反映了股息和其他收益的再投资,由 Morningstar, Inc. 提供。显示的回报是扣除共同基金费用率后的总回报;它们不反映 TIAA Kaspick 收取的投资咨询费(由哈佛大学支付)。战略多资产基准是使用税收效率投资组合中使用的资产类别的市场指数回报计算得出的,每个基金都按其长期战略目标加权,每月重新平衡一次。传统基准是使用 MSCI ACWI IMI 指数和彭博美国中期政府/信用债券指数的组合计算得出的,每月重新平衡一次。回报已按超过一年的期限进行了年化。过去的表现并不代表未来的表现。