MétaCan
Menu
Retour à la cohorte
Enregistrement W1972687194 · doi:10.4236/ojbm.2014.22012

Measurement of U.S. Equity Mutual Funds’ Environmental Responsibility Attractiveness for an Individual Investor

2014· article· en· W1972687194 sur OpenAlexaff
Paz Méndez‐Rodríguez, Bouchra M’Zali, Pascal Lang, Blanca Pérez‐Gladish

Notice bibliographique

RevueOpen Journal of Business and Management · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensUniversité LavalUniversité du Québec à Montréal
Organismes subventionnairesMinisterio de Ciencia e InnovaciónUniversidad de OviedoUniversidad Complutense de Madrid
Mots-clésSocially responsible investingFund of fundsSocial responsibilityMutual fundBusinessPassive managementFinanceClosed-end fundPrivate equity fundEquity (law)Global assets under managementPortfolioInstitutional investorCommodity poolInvestment (military)Alternative investmentProduct (mathematics)Private equityPublic relationsCorporate governance

Résumé

récupéré en direct d'OpenAlex

Socially responsible mutual funds, also known as socially responsible invested funds, are one of the main instruments of Socially Responsible Investment (SRI). The term “fund” is used to refer to a ready-made financial product where investor’s money is pooled into a portfolio and a fund/investment manager decides which shares to buy. Therefore, this financial product is attractive for passive investors without a high degree of financial knowledge. Nevertheless, investment tools aimed at assisting the investors in their selection of socially responsible companies which serve best their social and environmental values are rather scare and this lack of tools assisting investors in SRI is even more important when we refer to socially responsible mutual funds. The aim of this paper is to assist individual passive investors in their investment decisions providing them with a ranking of mutual funds adjusted to their social, environmental and ethical particular preferences. The proposed approach is illustrated with a real US equity mutual funds’ ranking example.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,833
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,120
Tête enseignante GPT0,314
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Business and ManagementMême sujetCorporate Social Responsibility ReportingTravaux en français237 207