智能AI
morning
漂绿的代价：使用保形机器学习的算法验证和市场纪律
摘要
arXiv:2610.02225v1 Announce Type: new Abstract: While corporate sustainability mandates are expanding, the systemic reliance on self-reported emissions data exposes financial markets to pervasive gree...
the
this
and
corporate
emissions
algorithmic
market
self
reported
data
2026-10-05
1 阅读
约1分钟阅读
Sourav Bose, Taoufik Bouraoui
字号:
arXiv:2610.02225v1 公告类型：新 摘要：虽然企业可持续发展要求不断扩大，但对自我报告排放数据的系统性依赖使金融市场面临普遍的“洗绿”行为。目前的文献在很大程度上依赖于主观 ESG 评级或文本情感分析，在客观量化物理气候现实方面留下了关键的计量经济学差距。为了解决这种信息不对称的问题，我们将美国 SEC 的财务基本面与设施级 EPA 温室气体登记融合起来，建立一个有数学保证的企业实体排放基线。利用梯度提升架构和蒙德里安保形预测，我们将自我报告数据与该算法基线之间的差距量化为一种新颖的保形加权连续散度（CWCD）指标。通过横截面超前-滞后计量经济学设计评估这种差异，我们发现了一个强有力的市场纪律机制：算法排放差异与随后的市场估值（托宾 Q）和运营盈利能力（ROA）表现出严重的、统计上显着的负相关关系。这项研究提供了反对市场盲目性假说的明确证据，证明机构资本积极地将环境欺骗定价不仅是一种道德失误，而且是企业管理不善的一个先行指标。最终，这些发现为资产管理者和监管机构大规模部署算法审计基础设施提供了必要的定量依据。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱