Oil Price Volatility vs. Sustainable Investment: Impact on Global Dividends
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sustainability has become a central concern for businesses and investors worldwide, yet obstacles arise when investors' perceptions change, and regulatory policies hinder businesses from committing to Environmental, Social, and Governance (ESG). This study examines the impact of (ESG) performance on dividend policy across six major sectors—Financial, Industrial, Technology, Healthcare, Basic Materials, and Utilities—in fourteen countries across the Americas, Europe, and Asia (USA, Canada, Brazil, Mexico, Chile, Turkey, India, Japan, China, UK, Germany, Italy, France, and South Korea) from 2010 to 2022. We explore the relationship between ESG scores and dividend policy utilizing a comprehensive dataset from publicly traded companies. We focus on three key dividend measures: dividend per share, dividend payout ratio, and dividend growth. We assess the differential impact of overall ESG performance and individual ESG pillars (Environmental, Social, and Governance) on firms of varying sizes, small, medium, and large—within each sector. Robust econometric techniques such as Two-Stage Least Squares (2SLS), Generalized Method of Moments (GMM), and Difference-in-Differences (DID) models are employed to address potential endogeneity issues and validate findings during the economic shock of COVID-19. Our results consistently show that ESG performance positively influences dividend policies; however, the effects vary by sector and firm size. Generally, medium and large firms benefit the most. This study offers detailed information about how the ESG score affects dividend policy across diverse sectors globally. It provides insightful analyses for managers, investors, and legislators who want to comprehend how sustainable investments affect business financial choices.
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.
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 | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle