MétaCan
Menu
Retour à la cohorte
Enregistrement W2990791792 · doi:10.3386/w26497

Stranded Fossil Fuel Reserves and Firm Value

2019· report· en· W2990791792 sur OpenAlexaff
Christina Atanasova, Eduardo S. Schwartz

Notice bibliographique

RevueNational Bureau of Economic Research · 2019
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)Fossil fuelBusinessNatural resource economicsEnvironmental scienceEconomicsWaste managementMathematicsEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

Do capital markets reflect the possibility that fossil fuel reserves may become "stranded assets" in the transition to a low carbon economy?We examine the relation between oil firms' value and their proved reserves.Using a sample of 600 North American oil firms for the period 1999 to 2018, we document that while reserves are an important component of oil firm value, the growth of these reserves has a negative effect on firm value.This negative effect on value is stronger for oil producers with higher extraction costs.When we decompose total reserves into developed and undeveloped reserves, we show that the negative effect of reserves growth on value is due to firms growing their undeveloped oil reserves.Unlike developed, undeveloped reserves require major capital expenditures and longer time before they can be extracted.We also document that the negative effect is stronger for undeveloped oil reserves located in countries with strict climate policies.Our evidence is consistent with markets penalizing future investment in undeveloped reserves growth due to climate policy risk.High level of institutional ownership, stock market liquidity and analyst coverage do not change the negative effect of undeveloped reserves growth on firm value.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,379
Tête enseignante GPT0,469
Écart entre enseignants0,091 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations72
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetMarket Dynamics and VolatilityTravaux en français237 207