Beyond Numbers: How Investment Managers Accommodate Societal Issues in Financial Decisions
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.
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 | 0,013 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,013 | 0,012 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».