MétaCan
Menu
Retour à la cohorte
Enregistrement W4394757875 · doi:10.1002/ijfe.2976

Do <scp>ESG</scp> funds engage in portfolio pumping to gain higher flows? An application of <scp>Benford's Law</scp>

2024· article· en· W4394757875 sur OpenAlexaboutno aff
Aineas Mallios, Taylan Mavruk

Notice bibliographique

RevueInternational Journal of Finance & Economics · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesGöteborgs UniversitetCity, University of LondonUniversity of GlasgowUniversitetet i AgderJan Wallanders och Tom Hedelius Stiftelse samt Tore Browaldhs Stiftelse
Mots-clésPortfolioBusinessFund of fundsFinanceQuarter (Canadian coin)Closed-end fundInstitutional investorCorporate governanceMarket liquidity

Résumé

récupéré en direct d'OpenAlex

Abstract Portfolio pumping is identified as an ‘illegal’ trading practice that involves inflating quarter‐ and year‐end portfolio returns. Utilizing U.S. domestic equity mutual fund daily return data, we examine whether environmental, social, and governance (ESG) funds engage in portfolio pumping to generate higher flows. Our findings reveal that, on average, ESG funds attract 0.4% higher flows than other funds. However, they engage in portfolio pumping and achieve returns that are 5.3 basis points (bps) higher at quarter ends compared to their returns during the rest of the year. This practice does not result in additional fund flows. Notably, compared to other funds, ESG funds exhibit a significant 4 bps reduction through portfolio pumping. This implies that, on the last day of the quarter, ESG funds earn approximately 4 bps lower returns compared to other funds. Portfolio pumping is costly for both investors and financial markets since it leads to trading activities that cause stock prices to deviate from their fundamental values. ESG funds engage less in portfolio pumping than other funds, which indicates that their primary focus is to maximize fund flows rather than enhance or create a positive social impact on the underlying firm portfolio. Investors seem to understand this goal, particularly when ESG funds engage in portfolio pumping and avoid investing in ESG funds.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,741
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
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 Opus0,027
Tête enseignante GPT0,258
Écart entre enseignants0,231 · 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.

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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Finance & EconomicsMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207