Climate Change Concerns and the Performance of Green vs. Brown Stocks
Notice bibliographique
Résumé
We empirically test the prediction of Pástor et al. (2021) that green firms outperform brown firms when concerns about climate change increase unexpectedly, using data for S&P 500 companies from January 2010 to June 2018. To capture unexpected increases in climate change concerns, we construct a daily Media Climate Change Concerns index using news about climate change published by major U.S. newspapers and newswires. We find that on days with an unexpected increase in climate change concerns, the green firms’ stock prices tend to increase, whereas brown firms’ prices decrease. Furthermore, using topic modeling, we conclude that this effect holds for concerns about both transition and physical climate change risk. Finally, we decompose returns into cash flow and discount rate news components and find that an unexpected increase in climate change concerns is associated with an increase (decrease) in the discount rate of brown (green) firms. This paper was accepted by George Serafeim, Special Section of Management Science on Business and Climate Change. Funding: This work was supported by the National Bank of Belgium, Research Foundation Flanders (FWO), Institut de Valorisation des Données (IVADO), the Natural Sciences and Engineering Research Council of Canada [Grant RGPIN-2022-03767], and Schweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung [Grants 179281, 191730]. Supplemental Material: The data files and online appendix are available at https://doi.org/10.1287/mnsc.2022.4636 .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».