From Toxic to Transparent: The Effect of Greenpeace’s Detox Campaign on Market Volatility
Notice bibliographique
Résumé
In the contemporary structure of political economy, one of the leading actors is Non-Governmental Organisations (NGOs). Some of these organisations, to promote their goals, often engage in public disputes with enterprises that have publicly traded shares on the stock market. Consequently, they serve as channels for negative information relevant to these enterprises that falls within their discourse. In this paper, we examine the impact on the share price volatility of these enterprises due to the public debate initiated by an NGO aiming to change the enterprise’s behaviour on a particular matter (e.g., using more eco-friendly materials). Data from Greenpeace’s Detox Campaign are used to examine its influence on several enterprises. Using GARCH, OLS, and Difference-in-Differences models, we find that volatility increased significantly during the campaign for firms like Burberry (13.71%), Adidas (5.40%), and VFC Group (3.96%). After companies complied, volatility declined, notably in Burberry (−16.84%), Marks & Spencer (−3.24%), and VFC Group (−4.88%). These results highlight how NGO activism can heighten investor uncertainty in the short term but stabilise markets once companies respond, offering key insights for policymakers on the financial impact of civil Society’s engagement.
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 | 0,002 | 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 | 0,000 | 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 ».