Does Risk Reduction Mitigate the Costs of Going Green? - An Empirical Study of Sustainable Investing
Notice bibliographique
Résumé
According to classic economic views of social responsibility as esposed by Milton Friedman, one would expect markets to penalize companies for undertaking social or environmental initiatives beyond minimal compliance with legal requirements, because such activities arguably may divert a firm's limited resources from the central goal of increasing profits to shareholders. In contrast to this traditional outlook, management theory and scholarship in recent decades has come to view CSR more strategically through the lens of business practices. This paper adds to the growing body of sustainability literature by more carefully examining the intersection between sustainability and risk management as a key arena where companies can apply sustainability principles to preserve value and gain potential competitive advantage. More specifically, we theorize that a focus on ecologically and socially sustainable business management should also enhance the company’s ability to proactively identify and minimize various forms of ecological, social, legal, and regulatory risks. More specifically, we theorize that, if sustainable companies are better at identifying and mitigating a wider range of risks, this should also be reflected in trends of lower volatility coupled with long term continued growth. Thus, we design an event study to perform a comparison of Dow Jones Sustainability Index US (DJSI-US) data to the market at large to see if the DJSI-US actually demonstrated these trends of lower volatility and long term growth as compared to the US stock market at large. Our empirical results generally support the theory that sustainable firms listed on the DJSI-US have shown less volatility and have an attractive risk-return profile. Data suggest that the DJSI-US stocks provide stable long-term returns comparable to the market over time, and tend to out-perform the market during times of financial downturn.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».