論文の概要: ESG Rating Disagreement and Corporate Total Factor Productivity:Inference and Prediction

• arxiv url: http://arxiv.org/abs/2408.13895v1
• Date: Sun, 25 Aug 2024 17:17:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-27 15:32:15.750764
• Title: ESG Rating Disagreement and Corporate Total Factor Productivity:Inference and Prediction
• Title（参考訳）: ESGの分類と総因子生産性のコーポレート:推論と予測
• Authors: Zhanli Li,
• Abstract要約: ESG評価の相違のない企業では、グリーンイノベーションは改善を促進する。 しかし、異論のある企業では、ESG評価の不一致がグリーンイノベーションを引き起こす可能性があるが、これは資金調達の増加に繋がらない。 XGBoost回帰はESG評価の不一致が予測に重要な役割を果たすことを示した。 強靭性は、ESG格付けの不一致が大きい企業では、SHAPの値が主な効果を示していることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper explores the relationship between ESG rating disagreement and total factor productivity (TFP) based on data from Chinese domestic ESG rating agencies and financial data of A-share listed companies in China from 2015 to 2022. On one hand, the empirical results show that ESG rating disagreement reduces corporate TFP, a conclusion that is validated through multiple robustness tests. The mechanism analysis reveals an interaction effect between green innovation and ESG rating disagreement. Specifically, in firms without ESG rating disagreement, green innovation promotes the improvement of TFP; however, in firms with disagreement, although ESG rating disagreement may drive green innovation, this does not lead to an increase in TFP. Furthermore, ESG rating disagreement lower corporate TFP by increasing financing constraints. The heterogeneity analysis indicates that this effect is more pronounced in non-state-owned, asset-intensive, and low-pollution enterprises. On the other hand, XGBoost regression demonstrates that ESG rating disagreement play a significant role in predicting TFP, with SHAP values showing that the main effects are more evident in firms with larger ESG rating disagreement.
• Abstract（参考訳）: 本稿では、2015年から2022年までの中国の国内ESG評価機関のデータとA株上場企業の財務データに基づいて、ESG評価の不一致と総因子生産性(TFP)の関係について検討する。 一方、ESG評価の不一致は企業TFPを減少させ、複数のロバストネステストによって検証された結論を示す。 このメカニズム解析は、グリーンイノベーションとESG評価の不一致の相互作用効果を明らかにする。 具体的には、ESG評価の不一致のない企業では、グリーンイノベーションはTFPの改善を促進するが、ESG評価の不一致はグリーンイノベーションを促進するかもしれないが、TFPの増加には繋がらない。 さらに、ESG格付けは、融資制約の増大による企業TFPの低下に異を唱えている。 不均一性分析は、この効果が非国家所有、資産集約、低汚染企業においてより顕著であることを示している。 一方、XGBoost回帰は、ESG評価の不一致がTFPを予測する上で重要な役割を果たすことを示した。

関連論文リスト

• Improving Fast Adversarial Training Paradigm: An Example Taxonomy Perspective [61.38753850236804]
  高速対人訓練 (FAT) は, 効率的な訓練を行うために提案され, 熱い研究課題となっている。 FATは破滅的なオーバーフィッティングに悩まされ、多段階の逆行訓練と比較してパフォーマンスが低下する。 本稿では, FATにおける内的最適化と外的最適化のバランスが不均衡であることから, 破滅的なオーバーフィッティングが原因であることが確認された FAT の分類例を示す。
  論文  参考訳（メタデータ） (2024-07-22T03:56:27Z)
• Certifiably Byzantine-Robust Federated Conformal Prediction [49.23374238798428]
  本稿では,悪意のあるクライアントに対する堅牢な共形予測を行う新しいフレームワークRob-FCPを提案する。 我々は、さまざまなビザンチン攻撃の下で、悪意のあるクライアントの多様な割合に対するRob-FCPの堅牢性を実証的に実証した。
  論文  参考訳（メタデータ） (2024-06-04T04:43:30Z)
• Benchmarking Large Language Model Volatility [4.660822118740283]
  大規模言語モデル(LLM)からの非決定論的アウトプットの影響は,財務テキスト理解タスクにおいて十分に検討されていない。 ニュース感情分析を通じて、米国株式市場への投資に関する説得力あるケーススタディを通じて、文レベルの感情分類結果のかなりの変動を明らかにする。 これらの不確実性は下流のカスケードとなり、ポートフォリオの構築とリターンに大きな変化をもたらした。
  論文  参考訳（メタデータ） (2023-11-26T03:54:03Z)
• Layer-wise Feedback Propagation [53.00944147633484]
  本稿では、ニューラルネットワークのような予測器のための新しいトレーニング手法であるLFP(Layer-wise Feedback Propagation)を提案する。 LFPは、与えられたタスクの解決に対するそれぞれの貢献に基づいて、個々のコネクションに報酬を割り当てる。 各種モデルやデータセットの勾配降下に匹敵する性能を達成できることの有効性を実証する。
  論文  参考訳（メタデータ） (2023-08-23T10:48:28Z)
• Does Misclassifying Non-confounding Covariates as Confounders Affect the Causal Inference within the Potential Outcomes Framework? [4.074237603319893]
  潜在的なアウトカム・フレームワーク(POF)は因果推論の分野で重要な役割を果たしている。 我々はCIMs-POFのための統一的なグラフィカル・フレームワークを提案し、これらのモデルの基本原理の理解を大幅に強化する。
  論文  参考訳（メタデータ） (2023-08-22T13:18:13Z)
• Transforming Sentiment Analysis in the Financial Domain with ChatGPT [0.07499722271664146]
  本研究では,金融感情分析における大規模言語モデル,特にChatGPT 3.5の可能性について検討する。 ChatGPTは、感情分類で約35%向上し、市場リターンと36%高い相関を示した。 この研究は、特にゼロショットの文脈において、迅速なエンジニアリングの重要性を浮き彫りにすることで、ChatGPTが金融アプリケーションにおける感情分析を大幅に強化する可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-08-13T09:20:47Z)
• Modeling the Q-Diversity in a Min-max Play Game for Robust Optimization [61.39201891894024]
  群分布的ロバスト最適化(群 DRO)は、事前定義された群に対する最悪の損失を最小限にすることができる。 グループDROフレームワークをQ-Diversityを提案して再構築する。 インタラクティブなトレーニングモードによって特徴付けられるQ-Diversityは、アノテーションからグループ識別を緩和し、直接パラメータ化を行う。
  論文  参考訳（メタデータ） (2023-05-20T07:02:27Z)
• Analysis of Error Feedback in Federated Non-Convex Optimization with Biased Compression [37.6593006747285]
  学習サーバ(FL)システムでは、クライアントと中心的ボトルネックの間の通信コストが高くなる。 本稿では,バイアス圧縮の欠点を解消する手法を提案する。 部分的な参加の下では、いわゆる「ストールエラー蓄積」効果により、余分なスローダウン係数が発達する。
  論文  参考訳（メタデータ） (2022-11-25T18:49:53Z)
• FP-Diffusion: Improving Score-based Diffusion Models by Enforcing the Underlying Score Fokker-Planck Equation [72.19198763459448]
  雑音が増大する傾向にあるデータ密度に対応する雑音条件スコア関数の族を学習する。 これらの摂動データ密度は、密度の時空間進化を管理する偏微分方程式(PDE)であるフォッカー・プランク方程式(Fokker-Planck equation, FPE)によって結合される。 我々は、摂動データ密度の雑音条件スコアを特徴付けるスコアFPEと呼ばれる対応する方程式を導出する。
  論文  参考訳（メタデータ） (2022-10-09T16:27:25Z)
• Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
  我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。 本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T20:39:48Z)
• Strategic alignment between IT flexibility and dynamic capabilities: an empirical investigation [0.0]
  本稿では,ITの柔軟性と動的機能に関する戦略的アライメントモデルを開発する。 322社の大規模なデータサンプルの相関分析と回帰分析を用いて,提案された仮説を実証的に検証した。
  論文  参考訳（メタデータ） (2021-05-18T10:37:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。