To label or not? A choice experiment testing whether labelled green bonds matter to retail investors
Notice bibliographique
Résumé
Abstract Green bonds are an important sustainable finance tool that can help reorient financial flows and influence public policy in addressing climate action across the global financial markets. However, this market is still in its infancy for the retail investor segment, and it has not been sufficiently examined from a behavioural policy lens. We fill this research gap by examining whether labelling and environmental benefits framing of a green bond can influence retail investor decision-making. By employing 1105 Amazon Mechanical Turk workers across three choice scenarios, we test whether alignment of pro-environmental personal norms or having specific personal traits can have a mediating effect on their green bond preferences. Using a mix of quantitative analyses, we find that most retail investors are influenced by the presence of a ‘green label effect’. For most retail investors, we find that the presence of a green label matters more than the ‘greenness’ of a green bond or the higher financial return of a non-green bond. However, for a very small sub-set of our sample, the alignment of environmental performance-related framing with their pro-environmental personal norms, enables greater investment into enhanced performance green bonds, even at the cost of losing financial returns. Finally, personal traits like individual risk tolerance (high), or previous investment experience with investment products (bonds, stocks), gender (non-binary individuals) and those having employment experience with financial industry, are more likely to invest in a labelled green bond. Our findings have timely implications for sustainable finance public policy, as it relates to regulating the growth of such products through labelling schemes like green taxonomies as well as addressing greenwashing risks through improved regulatory oversight.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,003 |
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 ».