Ethical strategy focus and mutual fund management: performance and persistence
Notice bibliographique
Résumé
Over the last few years academics and practitioners alike have been analyzing the relative performance of different types of mutual funds, with a particular emphasis on comparing the performance of conventional versus socially responsible investment (SRI). The methods and samples used, as well as the results obtained are diverse, but they generally point to the difficulties found by SRI to yield an equivalent performance as that of its conventional peers—given the investment constraints they face. In this study we focus on the comparative performance of a sample of SRI funds, which we decompose mainly into Environmental, Social and Governance (ESG), environmental, and religious, and which invest in three different geographical areas. For these funds we measure not only performance but, more importantly, their persistence—i.e., whether the best (worst) funds are past winners (losers) as well. This twofold objective turns out to be essential to uncover some trends in the industry. Specifically, whereas ESG, in general, outperform their environmental peers, a deeper scrutiny focusing also on performance persistence reveals that this claim should be tempered, since investing in the best past environmental funds yields superior performance than investing in the best past ESG funds. This result, which holds for the two main geographical regions analyzed (Europe and US/Canada), would indicate that the comparison between these two types of funds is more intricate than what we might a priori expect, being particularly relevant to factor in the comparison an evaluation of performance persistence.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».