Le coût implicite de la pollution industrielle imputé aux entreprises
Bibliographic record
Abstract
L’objet de la présente recherche est de quantifier l’incidence sur la valeur d’une entreprise de la prise en compte, par les investisseurs, de son bilan environnemental. Il est présumé qu’un coût implicite est imposé à chaque entreprise par les marchés boursiers selon la qualité de son bilan environnemental. Ce coût implicite n’apparaît pas aux états financiers de l’entreprise, mais son existence peut avoir des conséquences explicites sur sa performance financière future. La relation statistique entre le bilan environnemental d’une firme, mesuré par son niveau de pollution, et sa valeur boursière est quantifiée au moyen de deux modèles de valorisation : un premier modèle est basé sur l’équation comptable fondamentale (bilan) et un second, sur le bénéfice comptable, alors considéré comme indice de valeur. L’échantillon comprend des entreprises canadiennes cotées à la Bourse en provenance de trois secteurs d’activité différents. Pour les secteurs des pâtes et papiers, des produits chimiques et des raffineries, il apparaît que le marché attribue un coût implicite important à une mauvaise performance environnementale. Toutefois, pour le secteur de l’acier, des métaux et des mines, les résultats sont plus mitigés. En outre, il semble que le multiple de valorisation du bénéfice est plus élevé (plus faible) pour les entreprises (ne) se conformant (pas) aux normes environnementales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".