MétaCan
Menu
Retour à la cohorte
Enregistrement W4323519835 · doi:10.3934/qfe.2023003

Cost and performance of carbon risk in socially responsible mutual funds

2023· article· en· W4323519835 sur OpenAlexaboutno aff
Juan Carlos Matallín‐Sáez, Amparo Soler‐Domínguez

Notice bibliographique

RevueQuantitative Finance and Economics · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Estatal de InvestigaciónUniversitat Jaume IMinisterio de Economía y Competitividad
Mots-clésBusinessEquity (law)Sample (material)Global assets under managementPoint (geometry)Expense ratioFund of fundsFinanceInstitutional investorMonetary economicsEconomicsClosed-end fundMarket liquidityCorporate governance

Résumé

récupéré en direct d'OpenAlex

Investors and other financial actors are attracted by the role of socially responsible (SR) mutual funds in the transition to a low-carbon economy. In response to the demand for more information, Morningstar reported the level of carbon risk of funds by using the following indicators: Carbon Risk, Carbon Management, Carbon Operations risk and Carbon Exposure. Dealing with a sample of 3370 equity SR mutual funds worldwide from 2017 to 2021, this study analyzes the relationships between these indicators and the expense ratio and performance of the funds. In general, the results point to funds with lower carbon scores that have lower fees and perform better than those with higher scores. Considering the effects of the COVID-19 crisis, this evidence holds true for most of the sample period analyzed. With a spatial analysis, although the evidence generally holds, regional differences are found. Thus, funds that invest in the USA and Canada are on average cheaper and show lower carbon scores, while funds that are oriented to other areas, such as emerging markets, are more expensive and show higher scores. In summary, there is good news for the utility function of the investor and the planet: Green investing is cheaper and better.

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)0,004
score de la tête « metaresearch » (Gemma)0,026
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 enseignants0,005
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
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 Opus0,062
Tête enseignante GPT0,284
Écart entre enseignants0,222 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuantitative Finance and EconomicsMême sujetCorporate Social Responsibility ReportingTravaux en français237 207