Economic Substance Behind Texas Political Anti-ESG Sanctions
Notice bibliographique
Résumé
A stark contrast exists between the stated preferences of politicians in the so-called blue states (Democrats) and those in red states (Republicans) on environmental, social, and governance (ESG) matters. We examine whether these polarized political stances are reflected in the investment strategies of respective states’ pension funds. We examine a Texas directive that the state agencies divest from investment companies that profess a pro-ESG stance and allegedly “boycott” energy stocks. We find that funds banned by the Texas directive, despite carrying ESG-focused titles, are largely indexers with a tilt slightly away from energy stocks and slightly toward technology stocks. Banning such funds would make little difference to Texas pensioners or Texas energy companies, because the returns and stock holdings of banned funds are not meaningfully different from those of size-matched funds that do not proclaim an ESG focus. Pension funds in red states do not act per their politicians’ stance and largely follow market trends in their investment strategies. They have similar exposures to technology and energy stocks, as do pension funds in blue states. We conclude that the vehement pro– and anti–fossil fuel proclamations of blue and red states’ politicians, respectively, are not observed in their own state pension funds’ investment policies over which politicians have better control than on external funds. This paper was accepted by Ranjani Krishnan, accounting. Funding: The authors acknowledge financial support from the Social Sciences and Humanities Research Council of Canada. A. Srivastava acknowledges financial support from the Canada Research Chairs Program of the Government of Canada. Supplemental Material: The online appendix and data files are available at https://doi.org/10.1287/mnsc.2024.05180 .
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 | 0,000 |
| 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 | 0,000 |
| 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 ».