The impact of environmental, social and governance (ESG) scores on stock market: evidence from G7 countries
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 study aims to examine the effect of environmental, social and corporate governance (ESG) scores on stock markets for the period from February 2018 to December 2022 for G7 countries. Even though ESG is an established area of investigation, prior research has paid inadequate attention to the nexus of ESG scores and stock markets in G7 (Germany, USA, UK, Italy, France, Japan and Canada) countries. Design/methodology/approach This study covers G7 countries and uses a data set, which includes ESG scores and stock market returns from reporting channels including financial websites, and international indexes, between February 2018 and December 2022. Cross-section dependency and homogeneity tests were used with Konya (2006) panel causality test to investigate the relations of ESG scores and stock markets, and the research also conducted a separate analysis for each sub-dimension. Homogeneity/heterogeneity tests were also carried out in the research. Findings The findings suggest that causality from ESG scores to stock market (DAX) was determined only for Germany. Accordingly, it is understood that German companies have started to implement corporate social responsibility and ESG practices in their management strategies and reporting. These findings offer important implications for those who are considering investing in G7 countries, whether or not to consider ESG scores. Originality/value In this context, the research contributes to the existing literature on the relationships between ESG scores and stock markets, which are seen as a vital tool to meet the expectations of stakeholders.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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