Long-run performance following corporate green bond issuance
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.
Notice bibliographique
Résumé
Purpose This paper aims to investigate the long-run financial and environmental performance of corporate green bond issuers, worldwide. Design/methodology/approach The data includes 259 corporate green bond issuers from 2013 to 2020. The authors adopt the matching approach, using the nearest neighbor method to select the control firms. The event-time approach is used to examine corporate green bond issuers’ long-run stock market performance, and robustness tests are conducted using the calendar-time method. The authors examine green bond issuers’ long-run environmental performance and carbon dioxide (CO 2) emissions using difference-in-differences estimations. Findings In contrast with the earlier long-run event studies, our results reveal that multiple-time issuers, and issuers operating in industries where the natural environment is financially material, perform financially in the long term relative to the control firms. The authors also document that corporate green bond issuers reduce their CO 2 emissions, and improve their resource use efficiency and environmental performance, in the long run. Originality/value To the authors’ knowledge, this is the first study that looks at the long-run effect of corporate green bond issuance on firms’ stock market performance. It has the particularity to document that corporate green bond issuance is beneficial for investors and positively affects the environment. Our findings help us understand that firms do not issue green bonds for greenwashing.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,007 |
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 découle