Beyond Numbers: How Investment Managers Accommodate Societal Issues in Financial Decisions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Investment managers use financial numbers to assess the quality of their portfolios, which requires them to estimate the market value of their assets—i.e., the priced trading of such assets. Prior research has shown that investment managers tend to disregard information that does not easily integrate into financial numbers, such as environmental, social and governance (ESG) criteria. We argue that when investment managers use visuals to incarnate ESG criteria, they are more likely to accommodate societal issues in their financial decisions. We undertook a three-year ethnography of an asset management company to better understand how investment managers respond to ESG criteria. We found that fixed-income investment managers attempted to include ESG criteria in their financial models by financializing the data, so that ESG-related information could be commensurated with their existing models. Equity investment managers, on the other hand, did not financialize ESG issues, but introduced visuals, specifically emojis, to incarnate ESG issues. In this way, ESG criteria were juxtaposed against, rather than integrated into, financial criteria. In doing so, equity managers created a sense of dissonance between financial numbers and the visuals, which fostered creative friction. The visuals permitted equity managers to analyze the ESG criteria not only for their financial insights, but also for the social and environmental information that could not be financialized. We discuss the implications of these findings for prior research on financialization and calculative devices.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle