MétaCan
Menu
Retour à la cohorte
Enregistrement W4308335760 · doi:10.3390/jrfm15110508

Institutional Investors’ Willingness to Pay for Green Bonds: A Case for Shanghai

2022· article· en· W4308335760 sur OpenAlexvenueno aff
Yoshihiro Zenno, Kentaka Aruga

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSustainable Finance and Green Bonds
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésBondIssuerChinaBond marketBond valuationInstitutional investorCurrencyValuation (finance)Local currencyBusinessEconomicsFinancial economicsActuarial scienceFinancial systemMonetary economicsFinanceCorporate governancePolitical science

Résumé

récupéré en direct d'OpenAlex

The issuance of green bonds has been increasing since 2016 in China, and the number of papers covering the topic is growing. In previous studies on greenium, not much has been investigated from the institutional investors’ perspective. The study estimates the institutional investors’ level of greenium by surveying the institutional investors in Shanghai, China, from October 23 to 1 November 2021, using the double-bound dichotomous choice (DBDC) contingent valuation method (CVM). The study also analyzes the effects of variables that are known to be important for the green bond based on previous studies. The study identifies that there is a greenium level of 0.47%. Among the seven variables tested with logit regression models, the credit and currency of the bond had a positive effect on the greenium. The study provides helpful insights for issuers’ strategic planning and could be a stepping stone to increasing issuance not only for the Chinese green bond market but also for the global green bond market.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil0,534

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 technologies0,0010,000
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 Opus0,021
Tête enseignante GPT0,223
Écart entre enseignants0,202 · 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.

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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetSustainable Finance and Green BondsTravaux en français237 207