Gestão de risco climático corporativo : ligação entre emissões de carbono e operações de fusão e aquisição
Notice bibliographique
Résumé
This thesis studies the relationship between M&A activity and carbon risk, considering, at most, 183 deals between 2006 and 2023. First, it assesses the impact of carbon risk on merger likelihood. The findings suggest that (1) acquirors reporting on such a risk pre-merger are more likely to buy out firms that do so too, (2) firms subject to higher carbon risk are less likely to participate in deals and, thus, become acquirors or targets, and (3) acquirors subject to higher carbon risk pre-merger tend to buy out firms also subject to higher carbon risk pre-merger. Second, it investigates the relationship between targets’ pre-merger carbon risk and M&A deal-specific characteristics. The results prove that targets disclosing their carbon emissions pre-merger engage in higher-value and longer-duration deals (especially those from the U.S. or Canada) and that European targets subject to higher carbon risk pre-merger are more likely to engage in deals with larger values (the opposite is true for targets from the U.S. or Canada) and longer duration (the inverse is true for targets from the U.S.). Third, it explores the impact of acquirors’ pre-merger carbon risk on the short-term merger market response, concluding that the higher the acquirors’ carbon risk pre-merger, the lower the CARs around merger announcements. Finally, it analyses the impact of acquirors’ pre-merger carbon risk on the combined firms’ long-term post-merger sustainability performance. The findings point to acquirors with higher pre-merger carbon risk experiencing a higher increase in their ESG scores in the aftermath of the merger.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».