Climate-Related Regulations and Financial Markets: A Meta-Analytic Literature Review
Notice bibliographique
Résumé
Countries are confronting climate change using climate-related regulations that require firms and investors to disclose their green strategies and activities. Using the Meta-Analysis Structural Equation Modeling (MASEM) technique, this study evaluates the relationship between climate-related regulations and financial markets. The meta-regression analysis is conducted based on the outcomes of 52 empirical studies screened from 143 relevant articles. The results show the predictive power of the climate-related disclosure (CRD) laws and environmental regulations (ERs) on financial performance across all studies. ERs create mixed impacts on the equity market and support the debt market. Firm value is affected by ERs either negatively or positively. Methodologies and risk-related factors (market, industry, and firm risks) are important in explaining the relationships between ER/CRD and financial performance. The more developed the market, the less the impact of ERs and CRD on the equity market. Considering industry risk is recommended because different industries are exposed to changes in policies differently. The ER/CRD–firm value relationship is affected by all market, industry, and firm risks. The downside effect of mandatory CRD on the equity market suggests that policy makers, firms, and investors should be cautious in passing a new CRD regulation for transformation towards a sustainable economy.
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 | 0,014 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,014 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».