Unlocking the dynamic linkages between sustainable equity investment and economic policy uncertainty: An empirical analysis for <scp>G‐20</scp> countries
Notice bibliographique
Résumé
Abstract The study examines the dynamic relationships between sustainable equity investment and economic policy uncertainty of G‐20 countries using monthly environmental, social, and governance (ESG) equity and economic policy uncertainty (EPU) indices. Using the autoregressive distributed lag model and nonlinear autoregressive distributed lag model models, the study finds a negative long‐run relationship between sustainable equity investments and economic policy uncertainties in Australia, Canada, the USA, Brazil, Mexico, Germany, Italy, and Japan. Investors in these G20 countries may perceive that companies with higher ESG performance are more likely to face regulatory scrutiny, legal action, or reputational damage if they are associated with high levels of economic policy uncertainties. As a result, ESG market indices may underperform when EPU is high and vice versa. It supports prospect theory and suggests that individuals are more sensitive to potential losses than gains. On the contrary, the relationship is positive in the case of the USA, Brazil, China, and to some extent India. This might be because firms with high ESG performance could manage risks better and seize opportunities associated with EPU, which helps ESG market indices to outperform when EPU is high. It is supported by the legitimacy theory that says to maintain the legitimacy and credibility of the company, the investment must be invested in ESG initiatives, which can lead to improved long‐term financial performance and market value.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».