The Impact of CSI SEEE Carbon Neutral Index Launched on Order Aggressiveness
Notice bibliographique
Résumé
In the context of carbon peaking and carbon neutrality goals, in order to clarify the investment direction for investors, China Securities Index Co., Ltd. (CSI) has collaborated with the Shanghai Environmental Energy Exchange to develop the CSI SEEE Carbon Neutral Index (CSCNI), which has also played a leading role in the subsequent preparation of the Green Finance Index. The launch of this index has sparked research interest among scholars in stimulating investor order aggressiveness. This study employs event study methodology to examine the impact of the CSCNI launch on order aggressiveness. The sample companies are categorized into two groups: deep low-carbon and high-carbon reduction, with a focus on studying buy and sale order aggressiveness. The results indicate that the launch of CSCNI has mobilized order aggressiveness but has led to a negative stock price effect as investors anticipate an increase in environmental costs for the sample companies. Furthermore, we reveal that the long-term growth potential of the deep low-carbon field is more promising compared to the high-carbon reduction sector, making stocks in the deep low-carbon field more attractive. The launch of CSCNI has shown contrasting effects on the buy and sale order aggressiveness of investors, with the impact of the index announcement being more significant on the sample companies. This research provides valuable insights for evaluating the impact of green finance indices and contributes to the understanding of internal mechanisms. It provides an important reference for financial regulators to evaluate the development of the current green index. At the same time, it expands the domestic research on order aggressiveness, which studies the action mechanism of the stock price effect of the green stock index from the perspective of order aggressiveness.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 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) | 0,004 | 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 ».