MétaCan
Menu
Retour à la cohorte
Enregistrement W4200147157 · doi:10.1057/s41599-021-00989-2

Doing well by doing good with the performance of United Nations Global Compact Climate Change Champions

2021· article· en· W4200147157 sur OpenAlexaff
Moses Msiska, Alex Ng, Randall K. Kimmel

Notice bibliographique

RevueHumanities and Social Sciences Communications · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésCompetitor analysisPortfolioVolatility (finance)Risk aversion (psychology)Climate changeCapital asset pricing modelBusinessClimate riskPreferenceAsset (computer security)EconomicsFinancial economicsMicroeconomicsExpected utility hypothesisMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Are Climate Change Champions favorable to investors? This is the first study of portfolio performance of a fourth generation SRI screening strategy based on United Nations Global Compact firms who are Climate Change Champions. The operational changes made by UNGC firms are real and disproves the notion that UNGC firms are merely green-washing. We find that after firms join UNGC, there is a positive effect on long term portfolio performance. UNGC firms have lower volatility and so less risk than their competitors. We find an apparent mispricing of lower risk in market returns as standard asset pricing models may not be pricing investors’ aversion to climate change risk and preference for firms actively combating climate change. This lends support to Fama and Frenchs’ theory that says that these “tastes” are valid factors to provide a more complete asset pricing model. Our study encourages investment in UNGC-CCC firms as we find there is no underperformance penalty against a conventional portfolio because the lower return reflects lower risk. Thus, our evidence suggests that “doing good for society is also good for business.”

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,104
Tête enseignante GPT0,268
Écart entre enseignants0,164 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHumanities and Social Sciences CommunicationsMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207