MétaCan
Menu
Retour à la cohorte
Enregistrement W4400991844 · doi:10.69554/nsxs9979

The state of ESG investing in Canada’s commercial real estate market : Opportunities and risks

2023· article· en· W4400991844 sur OpenAlexaboutno aff
Ali Hoss, Luigi Luppi

Notice bibliographique

RevueCorporate real estate journal · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessReal estateState (computer science)FinanceComputer science

Résumé

récupéré en direct d'OpenAlex

In recent years, sustainability and resilience have become a priority for commercial real estate investors. The brown discount for unsustainable buildings has gradually become larger than ‘green premiums’ we see today for buildings leading on sustainability and resiliency. Financial market participants are increasingly under pressure from stakeholders to emphasise environmental, social and governance (ESG) factors in the investment decision criteria. The development of resilient assets, regulatory pressure and customer preference are compelling many investors to integrate ESG into the way they conduct business; however, putting strategy and action behind the work and finding a suitable market for ESG investments is no easy task. Across all real estate sectors, people are looking for truly sustainable assets and products. Real estate owners must consider what that means for tenants, investors and other stakeholders. Canada is emerging as a leader in a marketplace where investors are increasingly focused on ESG and are increasingly willing to divest from companies for not taking significant ESG action. In this paper, we discuss reasons presenting a compelling investment thesis for commercial real estate investors in Canada, including ESG-friendly regulations, population growth, market opportunities, demographic diversity, access to clean electricity and market stability. Moreover, it is discussed that investors require to overcome the data and technology selection barriers to measure, monitor and manage progress toward net-zero operation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,641

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,003
Communication savante0,0080,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,148
Tête enseignante GPT0,250
Écart entre enseignants0,102 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorporate real estate journalMême sujetInsurance and Financial Risk ManagementTravaux en français237 207