Time-varying bidirectional causality between climate policy uncertainty and renewable energy investments
Notice bibliographique
Résumé
Climate change poses a significant systemic risk in the twenty-first century, yet little attention has been paid to its interaction with renewable energy exchange traded funds (ETFs). This study employs the time-varying Granger causality approach to investigate the bidirectional causality between Climate Policy Uncertainty and Renewable ETFs, exploring how this relationship evolves over time. Monthly data spanning from January 2010 to June 2025 from the CPU index and the price of Renewable ETFs were used in this research. The results reveal a dynamic, time-varying, and asymmetric causal relationship between Climate Policy Uncertainty (CPU) and renewable energy ETFs. Strong causal effects are non-linear over time, with the influence of CPU on renewable ETFs intensifying after 2016, while the reverse causality from ETFs to CPU weakens after 2020. These findings emphasize the importance of exploring the relationship between CPU and renewable energy ETF prices. Understanding this interaction not only aids strategic decision-making and risk management for renewable energy investments but also fosters resilience against market fluctuations, driving the advancement of green finance initiatives. This study contributes to both climate change mitigation efforts and the development of sustainable finance strategies. • A time-varying Granger causality approach is used to investigate the causality between Climate Policy Uncertainty and Renewable ETFs ▪ Monthly data from January 2010 to December 2023 from the CPU index and the price of Renewable ETFs are used ▪ The results revealed that there is a weak causal relationship between CPU and Renewable ETFs ▪ Over time, the influence of CPU on renewable energy ETF prices becomes more pronounced
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) | 0,001 | 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 ».