Corporate Value at Risk: Why We Should Care About Climate (IFRS S2) and Cybersecurity Risks?
Notice bibliographique
Résumé
This paper analyses the effects of cybersecurity risk disclosure (CyRD) and climate risk disclosure (CRD) on corporate value in rising Asian countries, in light of escalating regulatory demands and heightened stakeholder expectations for openness and non-financial disclosures.The research aims to address a knowledge gap in the literature by presenting empirical data from a previously neglected Asian environment.The study is grounded in signaling and legitimacy theories and utilises data from 2020 to 2024, encompassing a sample of multi-sector enterprises across 12 Asian nations.Multiple regression models were employed, accounting for control variables (size, leverage, profitability), to assess the net impact of disclosures.The findings indicate that cybersecurity risk disclosure is positively related to corporate value, as it enhances governance, operational resilience, and fosters investor confidence, ultimately leading to improved market valuations.Climate risk disclosure is also found to have a stronger impact, communicating a company's commitment to long-term sustainability, helping attract institutional investors, and reducing regulatory and reputational risks.The study highlights scientific value by providing new evidence from an emerging context, confirming that nonfinancial disclosures are strategic tools for value creation and risk mitigation, while offering practical recommendations for managers, investors, and policymakers to strengthen disclosure frameworks and support sustainable growth.
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 | 0,001 | 0,000 |
| 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 ».