MétaCan
Menu
Retour à la cohorte
Enregistrement W4407901172 · doi:10.1016/j.jimonfin.2025.103309

ESG rating changes and stock returns

2025· article· en· W4407901172 sur OpenAlexfundno aff
Rients Galema, Dirk Gerritsen

Notice bibliographique

RevueJournal of International Money and Finance · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of VictoriaErasmus School of Economics, Erasmus University Rotterdam
Mots-clésEconomicsStock (firearms)EconometricsFinancial economicsMonetary economicsEngineering

Résumé

récupéré en direct d'OpenAlex

We analyze the impact of MSCI ESG rating score changes on stock returns for U.S.-listed firms. Consistent with ESG’s importance for long-term value, we find that stock prices adjust over a prolonged period of time. Specifically, we find that it takes the market multiple months to reflect changes in numerical ratings. Using holding periods of six months, decreases in ratings are followed by annualized negative abnormal returns of approximately 3 %. Our results are not driven by significant firm-level ESG news events. We find evidence that part of the effect is driven by relatively salient aspects of ESG. In line with this, we find that only E rating changes are important for six-month returns while S and G changes do not have a discernible impact. We consider two mechanisms through which ESG rating changes could impact stock returns. We find that institutional investors changing their holdings around rating changes is the primary mechanism that drives our results, with sustainable index revisions having a secondary effect. Our results suggest that ESG rating changes are relevant for capital markets. • MSCI ESG rating changes impact U.S. stock returns over multiple months. • E rating changes affect six-month abnormal returns; S and G have no clear impact. • Rating downgrades lead to annualized negative abnormal returns of 3 %. • Institutional investors drive the impact of ESG rating downgrades.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,360
Score d'incertitude au seuil0,284

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations20
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of International Money and FinanceMême sujetCorporate Finance and GovernanceTravaux en français237 207