MétaCan
Menu
Retour à la cohorte
Enregistrement W3139245849 · doi:10.1111/jbfa.12523

ESG did not immunize stocks during the COVID‐19 crisis, but investments in intangible assets did

2021· article· en· W3139245849 sur OpenAlexafffund
Elizabeth Demers, Jurian Hendrikse, Philip Joos, Baruch Lev

Notice bibliographique

RevueJournal of Business Finance &amp Accounting · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUniversiteit van TilburgUniversity of WaterlooTel Aviv University
Mots-clésCoronavirus disease 2019 (COVID-19)Financial crisisBusinessStock (firearms)Corporate governanceEconomicsMonetary economicsFinancial economicsFinanceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Environmental, social and governance ("ESG") scores have been widely touted as indicators of share price resilience during the COVID-19 crisis. Contrary to this conventional wisdom, we present robust evidence that once industry affiliation, market-based measures of risk and accounting-based measures of performance, financial position and intangibles investments have been controlled for, ESG offers no such positive explanatory power for returns during the COVID crisis. Specifically, ESG is insignificant in fully specified returns regressions for each of the Q1 2020 COVID market crisis period and for the full COVID year of 2020. By contrast, a measure of the firm's stock of investments in internally generated intangible assets is an economically and statistically significant positive determinant of returns during each of the Q1 market implosion and full 2020 COVID year periods. Our results are robust to alternative measures of returns, as well as for using Refinitiv, Refinitiv II and MSCI data to capture ESG performance. We conclude that ESG did not immunize stocks during the COVID-19 crisis, but those investments in intangible assets did.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,052
Tête enseignante GPT0,276
Écart entre enseignants0,224 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations428
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Business Finance &amp AccountingMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207