Bibliographic record
Abstract
La lutte contre le changement climatique nécessite des innovations technologiques et financières. Étant donné que les entreprises doivent réaliser d’importants investissements, deux problèmes fondamentaux en finance, à savoir les contraintes de financement et les conflits d’agence, se posent. La présente thèse examine comment le financement par obligations vertes et une bonne gouvernance peuvent aider les entreprises à lutter contre le changement climatique. Elle comprend trois essais. Les obligations vertes, dont le produit d’émission sert à financer uniquement des projets respectueux de l’environnement, font partie des innovations financières liées au changement climatique. L'essai 1 examine la performance financière et environnementale à long terme des entreprises suite à l'émission d'obligations vertes. Il adopte une approche événementielle et effectue des tests de robustesse en utilisant la méthode calendaire. Contrairement aux études sur les obligations conventionnelles, les résultats révèlent que les entreprises qui ont émis à plusieurs reprises et les émettrices opérant dans des secteurs caractérisés par une forte matérialité environnementale, réalisent une performance boursière à long terme relativement aux firmes de contrôle. Ce qui indique la sous-réaction des cours des actions des émettrices à l’annonce des émissions d’obligations vertes. Les marchés financiers ne sont donc pas efficients compte tenu des possibilités de greenwashing. L'étude montre également que les émettrices réduisent leurs émissions de CO2, améliorent leur efficacité en matière d’utilisation de ressources et leurs performances environnementales après l'émission, et sont les plus éco-innovantes. Les résultats invalident l’hypothèse du greenwashing et soutiennent que les entreprises signalent leur engagement envers l’environnement en émettant des obligations vertes. Dans l’ensemble, l’émission d’obligations vertes d’entreprises est bénéfique pour les investisseurs existants et pour la société. L’adaptation des entreprises au changement climatique nécessite des innovations technologiques. L'essai 2 exploite le modèle d'investissement q de Tobin pour examiner la relation entre la gouvernance d'entreprise et l'innovation verte. L’étude postule qu’une bonne gouvernance crée des conditions favorables à l’innovation, telles que l’accès au financement externe et la réduction des problèmes d’aléa moral. En utilisant le GMM en système sur un échantillon de 3 896 entreprises de 45 pays sur 2002 à 2021, l’étude montre que plus la gouvernance d’une entreprise est bonne, plus elle investit dans la R&D verte. L'étude montre également qu'une augmentation du score de chaque dimension (management, stratégie et actionnariat) de la gouvernance d'entreprise entraîne une augmentation de la probabilité d'innovation de produits verts. Les résultats suggèrent que les mécanismes de gouvernance aident à résoudre les conflits d’agence associés à l’innovation verte. Enfin, en prévision de réglementations environnementales très strictes et de risque carbone, les entreprises bien gouvernées peuvent investir dans des technologies peu polluantes ou opter pour une énergie propre. L'essai 3 examine la relation entre les mécanismes de gouvernance d'entreprise et la transition vers les énergies renouvelables (ER). Il a adopté un modèle de panel, suivi de tests de robustesse à l'aide de méthodes alternatives. Les modèles probit bivarié et probit bivarié récursif sont utilisés pour analyser l'interaction entre la décision d'utiliser et la décision de produire des ER. L'analyse est basée sur un échantillon de 3 896 entreprises couvrant 45 pays à travers le monde. Les résultats révèlent que les entreprises dotées de mécanismes de gouvernance appropriés sont les plus susceptibles de produire et d’utiliser des ER. Enfin, alors que l’utilisation des ER a un impact positif sur la valeur boursière et la performance environnementale des entreprises, elle n’a pas d’effet significatif sur la profitabilité actuelle. Ainsi, les investisseurs considèrent-ils l’utilisation des ER comme un avantage concurrentiel et anticipent la performance financière future de l’entreprise. Dans l’ensemble, les résultats suggèrent que la transition vers les énergies renouvelables nécessite avant tout la mise en place de mécanismes de gouvernance appropriés au sein des entreprises. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : risque de changement climatique, finance durable, investissement durable, obligations vertes, innovation verte, transition énergétique, conflits d'agence, gouvernance d'entreprise
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.031 | 0.005 |
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".