MétaCan
Menu
Retour à la cohorte
Enregistrement W4200396710 · doi:10.1080/0969160x.2021.2018001

Mandatory Versus Voluntary GHG Emissions Disclosures and Credit Risk

2021· article· en· W4200396710 sur OpenAlex
Anis Maaloul, Matthew Wegener

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSocial and Environmental Accountability Journal · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensUniversity of New BrunswickUniversité TÉLUQ
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasVoluntary disclosureBusinessCreditorDebtCredit ratingCarbon creditTurnoverSample (material)AccountingFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to examine the effect of GHG emission performance, as disclosed through voluntary versus mandatory channels, on credit risk (credit ratings and cost of debt). Two different channels are examined: voluntary disclosures made through the CDP and mandatory disclosures made through the EPA. Using a sample of US S&P 500 firms that have voluntarily/mandatorily disclosed their GHG emissions from 2010 to 2016, our results show that GHG emissions disclosures made through both channels have a negative effect on S&P credit ratings. These results imply that credit rating agencies incorporate GHG emissions in their credit assessment of a firm. However, our results show that only the GHG emissions mandatorily disclosed have a significant effect on cost of debt. These results imply that US lenders take into account, in their own lending decisions, only mandatory GHG emissions disclosures made through the EPA and not the voluntary ones made through the CDP. Additional analyses shows that these results are driven by firms in carbon intensive sectors and by firms with speculative grade ratings/high cost of debt. Overall, we conclude that credit market participants (credit rating agencies and creditors), as major stakeholders, make firms accountable for their carbon profile.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,048
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,249
Écart entre enseignants0,226 · 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