Does improved environmental and disclosure performance payoff? Not for CA 100+ companies
Notice bibliographique
Résumé
Purpose This study examines the financial performance and cost of equity estimates of firms included in Climate Action 100+ (CA 100+), a group comprising the largest global industrial emitters. The research explores how decarbonization plans and climate-related disclosures influence the cost of equity, offering insights into the complex relationship between climate risk and financial outcomes. Design/methodology/approach We analyze the stock performance of CA 100+ firms from 2016 to 2022, comparing their returns to well-known global indices. Cost of equity estimates are calculated using the Capital Asset Pricing Model (CAPM) and Dividend Discount Model (DDM). The study adjusts for country and industry influences and evaluates the impact of CA 100+ benchmark scores and Task Force on Climate-related Financial Disclosures (TCFD) quality ratings on the cost of equity. Findings CA 100+ firms outperformed major global indices in both actual and risk-adjusted returns during the study period. These firms exhibited higher average returns with lower standard deviations, suggesting first-order stochastic dominance. The information ratio (IR) for the CA 100+ portfolio relative to benchmark indices was consistently large and positive, confirming superior risk-adjusted performance. After controlling for country and industry effects, cost of equity estimates for CA 100+ firms were virtually identical to those of a corresponding benchmark. Surprisingly, firms with lower CA 100+ scores and lower-quality TCFD disclosures had lower costs of equity than firms with superior performance, indicating that markets do not penalize poor environmental performance or disclosure quality. Originality/value This study challenges conventional assumptions that superior environmental performance correlates with lower cost of equity. The unexpected finding that poorly rated firms exhibit lower financing costs underscores the complexity of the relationship between environmental disclosure, decarbonization strategies and financial performance. The results provide essential insights for institutional investors, policymakers and corporate executives navigating the transition to a low-carbon 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».