ESG disclosures as a double-edged sword: Protective impacts and risks in the social media era
Notice bibliographique
Résumé
Social media has permeated everyday life, providing platforms for information dissemination, personal sharing, and maintaining interpersonal connections. Its role in the business domain has become equally pivotal, serving as a vital conduit for corporate communication, consumer engagement, and community interaction. Crucially, social media levels the communicative playing field, empowering stakeholders previously devoid of a voice to amplify their concerns and rally like-minded individuals, potentially exerting substantial influence on corporate entities. This study explores the influence of Weibo discussions on Environmental, Social, and Governance (ESG) topics on the stock performance of 141 Chinese companies listed in Hong Kong, utilizing 4,320 hot search topics to analyze market reactions. Our findings corroborate the significant role of social media as a digital citizen square where stakeholders not traditionally engaged in financial dialogues can significantly impact market perceptions and valuations. We find that negative discussions markedly harm company valuations, while positive sentiments foster minor beneficial effects on stock prices. Crucially, our research highlights the complex functionality of ESG disclosures as both a shield and a potential risk: while they can mitigate negative repercussions during crises of negative publicity, they also set high transparency standards that may increase scrutiny and potentially lead to adverse market outcomes during stable periods. This study extends the signaling theory to social media contexts and provides empirical support for ESG's role in risk mitigation, offering nuanced insights into stakeholder theory and ESG communication strategies in the digital age.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».