On the corporate performance of issuers of various green assets
Notice bibliographique
Résumé
• Green bonds and ABSs have a positive impact on corporate performance • Having a higher ESG rating and being a green issuer help improve profitability • Renewable energy and new energy vehicles companies outperform their peers • Government support for renewable energy is beneficial to the asset premium This study examines the corporate performance of green and brown asset issuers in China and the driving forces for the asset premium of green bonds, asset-backed securities (ABSs) and real estate investment trusts (REITs). Using quarterly data from 2016 to 2023 under a two-layered model structure, a significant positive impact is found on the corporate profitability of companies issuing green bonds and ABSs compared to brown securities, but insignificant results for green REITs. While green bonds help improve corporate performance, having green bonds and ABSs simultaneously is more conducive. A higher environmental, social, and governance (ESG) rating, an environmentally friendly issuer and an involvement in renewable energy or new energy vehicle businesses all have beneficial effects on the issuer's profitability regardless of the type of assets launched. Moreover, credit enhancement leads to a higher premium especially for corporate assets without a guarantee clause or frequent transactions. In summary, to boost the influence of green assets, companies should improve their ESG rating and green reputation, and the government should advance research and promotion of green financial instruments, improve information disclosure and risk evaluation, and advocate the renewable energy and new energy vehicle sectors.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».