Navigating the Green Frontier: Dynamic Risk and Return Transmission Between Clean Energy ETFs and ESG Indexes in Emerging Markets
Notice bibliographique
Résumé
This study is designed to investigate the dynamic risk transmission processes between clean energy ETFs and ESG indices in the BRICS countries—Brazil, India, China, and South Africa—while excluding Russia due to the lack of consistent data availability during the study period, which coincides with the Russia–Ukraine conflict. The analysis is conducted on daily data obtained from DataStream, spanning from 27 October 2021 to 5 January 2024. By applying a time-varying parameter vector autoregression (TVP-VAR) modeling framework, we considered examining the global market conditions and economic shocks’ effects on these indices’ interconnectedness, including COVID-19 and geopolitical tensions. In this context, clean energy ETFs turned out to stand as net shock transmitters throughout volatile market spans, while ESG indices proved to act as net receivers. Moreover, we undertook to estimate both of the minimum variance and minimum connectedness portfolios’ hedging efficiency and performance. The findings highlight that introducing clean energy indices into investment strategies helps boost financial outcomes while maintaining sustainability goals. Indeed, the minimum connectedness portfolio consistently delivers superior risk-adjusted returns across varying market circumstances. In this respect, the present study provides investors, regulators, and policymakers with practical insights. Investors may optimize their portfolios by integrating clean energy and ESG indexes, useful for achieving financial and sustainability aims. Similarly, regulators might apply the findings to establish reliable green investment norms and strategies. Thus, this work underscores the crucial role of dynamic portfolio management in optimizing risk and return in the globally evolving green 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 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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».