Unraveling the relationship between sustainability and returns: a multi-attribute utility analysis
Notice bibliographique
Résumé
Purpose This study aims to establish an analytical framework to help investors accommodate their environmental, social, and corporate governance (ESG) preferences. The analytical solutions were complemented by empirical analyses to shed light on their benefits and tractability. Design/methodology/approach This study proposes an expected multi-attribute utility analysis for ESG investors in which stocks can be treated as more green or less green (brown) than the market, represented by an index, all modeled in a one-factor structure. The solution is found via the Hamilton-Jacobi-Bellman (HJB) equation with proper treatment of various sources of risk. For the empirical analysis, we use the RepRisk Rating of US stocks from 2010 to 2020 to select companies that are representative of various ESG ratings. Findings This study finds closed-form solutions for optimal allocations, wealth and value functions. Our empirical analysis reveals drastic increases in wealth allocation toward high-rated ESG stocks for ESG-sensitive investors, even as the overall level of pecuniary satisfaction remains unchanged. Originality/value This study broadens the existing analytical framework by introducing a market portfolio along with green and brown stocks. As by-products, we first demonstrate that investors do not need to reduce their pecuniary satisfaction to increase green investment. Second, we propose a parameterization to capture investors' preferences for green assets over brown or market assets, independent of asset performance.
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 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 | 0,002 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».