MétaCan
Menu
Retour à la cohorte
Enregistrement W4393004519 · doi:10.1057/s41260-024-00351-6

Do ESG fund managers pump and dump the stocks in their portfolios? European evidence

2024· article· en· W4393004519 sur OpenAlexaboutno aff
Spyros Papathanasiou, Dimitris Kenourgios, Drosos Koutsokostas

Notice bibliographique

RevueJournal of Asset Management · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesNational and Kapodistrian University of Athens
Mots-clésPortfolioHedge fundFund of fundsBusinessMutual fundEquity (law)Institutional investorFinanceQuarter (Canadian coin)Investment strategyClosed-end fundPrivate equity fundAsset allocationPassive managementSovereign wealth fundOpen-end fundInvestment managementMonetary economicsEconomicsPrivate equityCorporate governanceForeign direct investmentMarket liquidity

Résumé

récupéré en direct d'OpenAlex

Abstract We investigate portfolio pumping around quarter-ends by ESG equity mutual funds domiciled in the largest European markets in sustainable investments, i.e., the UK, France and Germany, for the period from January 2010 to December 2022. We find strong evidence that the UK funds inflate quarter-end returns, with price spikes being stronger at year-ends; nevertheless, the magnitude of price inflation is less than that of their conventional counterparts. On the contrary, results indicate that German and French funds do not engage in portfolio pumping. The COVID-19 pandemic strengthened the propensity of fund managers to cause a profound artificial enhancement to the performance of the investment portfolio. Further analysis shows that portfolio pumping is more prominent among the worst-performing funds, funds that charge investors with lower fees and achieve a poor ESG rating. However, managers that pump fund returns do not attract significantly more flows. Our results have produced valuable insights for regulators and investors participating in ESG markets, highlighting the necessity for a rigorous surveillance of the UK ESG equity 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)0,002
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,455

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,062
Tête enseignante GPT0,253
Écart entre enseignants0,191 · 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'étudeThéorique ou conceptuel
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

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Asset ManagementMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207