Herding Behavior, ESG Disclosure, and Financial Performance: Rethinking Sustainability Reporting to Address Climate-Related Risks in ASEAN Firms
Notice bibliographique
Résumé
This study examines the intersection of environmental, social, and governance (ESG) disclosure (operationalized through sustainability reporting), corporate financial performance, and the behavioral dynamics of herding in capital structure decisions among non-financial firms in five ASEAN countries. As ESG and sustainability finance gain prominence in addressing climate change and climate risk, understanding the behavioral factors that relate to ESG adoption is crucial. Employing a quantitative approach, this research utilizes a purposive sample of 125 non-financial firms from Indonesia, Malaysia, the Philippines, Singapore, and Thailand, gathered from the Bloomberg Terminal spanning 2018–2023. Managerial Herding Ratio (MHR) is used to assess herding behavior, while Sustainability Report Disclosure Index (SRDI) measures ESG disclosure. Partial Least Squares Structural Equation Modeling (PLS-SEM) and Multigroup Analysis (MGA) were applied for data analysis. This research finds that while sustainability reporting enhances return on assets (ROA) and Tobin’s Q, it does not significantly relate to net profit margin (NPM). The findings also confirm that herding behavior—where companies mimic the financial structures of peers—moderates the relationship between sustainability reporting and performance outcomes, with leader firms gaining more from transparency efforts. This highlights the double-edged nature of herding: while it can accelerate ESG adoption, it may dilute the strategic depth of climate action if firms merely follow rather than lead. The study provides actionable insights for regulators and corporate strategists seeking to strengthen ESG finance as a driver for climate resilience and long-term stakeholder value.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».