Three Essays on Sustainable Finance: Canadian Physical Costs of Climate Change, Global Carbon Prices and the Costs of Climate Change, and, Environmental and Disclosure Performance: A Study of CA 100+ Companies
Notice bibliographique
Résumé
Sustainable finance has been increasingly gaining prominence in mainstream financial studies. The consideration of sustainability concerns within the sphere of finance has significant economic implications for society, investors, and beyond. In the past decade, the severity of climate change and its associated costs has spurred conversations about how to safeguard our prosperity in the face of this growing concern. These questions form the fundamental motivation for the study of how global climate change influences economic outcomes and firm performance and cost of equity. Specifically, this thesis is motivated by areas within sustainable finance that demand further research. The results from the first essay provide insight into the economic costs to Canada across several temperature outcomes leading into 2100. Using the Dynamic Integrated Climate and Economic (DICE) model, we project that climate change mitigation efforts that lead to a 2oC outcome more than pay for themselves in avoided climate costs from physical damages. The second essay investigates the climate change outcomes under varying global average carbon prices. We find that a global carbon price, while playing a critical role, will not be sufficient to meet our Paris Climate Agreement goals of limiting our global temperature increase to 1.5-2oC above pre-industrial levels by 2100. We also project significant differences in global physical costs, highlighting the urgency of taking action to mitigate global warming. The third essay investigates how environmental and disclosure performance influences firm’s return performance and cost of equity. We examine CA 100+ and find that they outperform other world indices in returns at a lower standard deviation, indicating stochastic dominance performance. We further find that the 2022 cost of equity (CoE) estimates for CA 100+ firms are in line with expectations after adjusting for country and industry impacts. We also find that, among CA 100+ firms, those that performed the worst environmentally and regarding disclosures had a lower CoE, contrary to expectations.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».