hig.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard-cite-them-right
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • sv-SE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • de-DE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Föreligger möjligheten att förutsäga miljöskandaler genom att analysera mätpunkter kopplade till ESG-data?: En kvantitativ studie
University of Gävle, Faculty of Education and Business Studies, Department of Business and Economic Studies, Business administration.
University of Gävle, Faculty of Education and Business Studies, Department of Business and Economic Studies, Business administration.
2020 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Is it possible to predict environmental scandals by analyzing measurement points linked to ESG data? : A quantitative study (English)
Abstract [sv]

Syfte: Företagsskandaler är ett högst relevant ämne då de ofta får stor medial uppmärksamhet och når investerare i snabb takt. En företagsskandal påverkar i många fall aktiepriset negativt samt får negativa finansiella konsekvenser för företagen. Investeringsbeslut präglas dessutom i allt större utsträckning av icke-finansiella kriterier, så kallade miljömässiga och sociala (ESG) aspekter. Detta har inneburit att socialt ansvarsfulla fonder (SRI), vars innehav väljs utifrån ESG-aspekter, ökat i antal. Dessa fonder förlitar sig på aggregerade ESG-betyg som har visat sig vara oförmögna att förutsäga skandaler vilket innebär att institutionella investerare fortsätter investera småsparares och försäkringstagares pengar i potentiella skandalbolag med kopplingar till långvarig miljöförstöring, ekonomiska brott och överträdelser av mänskliga rättigheter. Eftersom en miljöskandal sannolikt inte är uttryck för vare sig tillfälligheternas spel eller otur finns anledning att misstänka att bristerna hos aggregerade ESG-betyg som skandalerna ådagalägger går att identifiera genom att påvisa vilka faktorer som har förmåga att förutsäga risken för skandaler. Studiens syfte är därför att undersöka möjligheten att förutsäga miljöskandaler genom att analysera mätpunkter kopplade till ESG-data.

Metod: Studien har en kvantitativ forskningsmetod och tillämpar en positivistisk forskningsfilosofi med en hypotetisk-deduktiv ansats med större induktiva anslag än de flesta studier som beskriver sig som hypotetiskt-deduktiva. Vidare använder sig studien av en longitudinell forskningsdesign med sekundärdata från Thomson Reuters Datastream över en 10-årsperiod (2009–2018). Datan analyseras i statistikprogrammet Stata genom logistisk regressionsanalys.

Resultat & slutsats: Resultatet visar att det finns mätpunkter kopplade till ESG-data med viss förmåga att förutsäga risken för miljöskandal. Däremot föreligger begränsat empiriskt stöd för att kunna hävda att modellens känslighet är hög vilket sålunda innebär att resultaten bör tonas ner.

Examensarbetets bidrag: Studien bidrar till forskning beträffande förutsägelse av företagsskandaler genom att studera enskilda mätpunkter kopplade till ESG-data som en alternativ approach till det aggregerade ESG-betyget.

Förslag till fortsatt forskning: Framtida forskning kan fokusera på att göra liknande studier fast med andra typer av skandaler och utifrån S- och G-pelarna av ESG-betyget. Det främsta förslaget till fortsatt forskning är att det görs ett seriöst försök att ta fram en övergripande modell (med hjälp av avancerade maskininlärningsmetoder för datautvinning som kan fånga upp icke-linjära samband i ESG-mätpunkterna) med möjlighet att förutsäga risken för företagsskandaler.

Abstract [en]

Aim: Corporate scandals are a highly relevant issue as they often receive high media attention and reach investors at a rapid pace. In many cases, corporate scandals have a negative impact on the share price as well as a negative financial impact on companies. Furthermore, investment decisions are increasingly characterized by non-financial aspects, so called environmental and social (ESG) aspects. This has led to higher presence of socially responsible funds (SRI), whose holdings are chosen based on ESG-aspects. These funds rely on aggregate ESG ratings that have proven incapable of predicting corporate scandals, which means that institutional investors continue to invest small savers’ and insurance holders’ money in potentially exposed companies with links to long-term environmental degradation, economic crimes and violations of human rights. Since an environmental scandal is probably neither an expression of coincidence nor misfortune, there is reason to suspect that the shortcomings of aggregate ESG ratings revealed by scandals can be identified by demonstrating which factors that can predict the scandals. Therefore, the aim of this study is to examine the possibility of predicting environmental scandals by analyzing measurement points linked to ESG-data.

Method: The study has a quantitative research method and applies a positivistic research philosophy with a hypothetical-deductive approach containing larger inductive elements than most studies that describe themselves as hypothetical-deductive. Furthermore, the study uses a longitudinal research design with secondary data over a ten-year period (2009-2018) retrieved from Thomson Reuters Datastream. The data is analyzed in the statistical program Stata through logistic regression analysis.

Result & Conclusions: The results show that there are measurement points linked to ESG data with some ability to predict the risk of an environmental scandal. However, there is limited empirical support to claim that the sensitivity of the model is high, and the significance of the results should therefore be subdued.

Contribution of the thesis: The study contributes to research on prediction of corporate scandals by studying individual measurement points linked to ESG data as an alternative approach to the aggregate ESG ratings.

Suggestions for future research: Future research may focus on doing similar studies with other types of scandals and based on the S and G pillars of the ESG rating. The main suggestion for future research is making a serious attempt to develop a comprehensive model (using advanced machine learning methods for data mining that can capture non-linear relationships in ESG measurement points) with the ability to predict the risk of corporate scandals.

Place, publisher, year, edition, pages
2020. , p. 79
Keywords [en]
ESG, CSR, SRI, corporate scandal, environmental scandal, prediction, regression
Keywords [sv]
ESG, CSR, SRI, företagsskandal, miljöskandal, prediktion, logistisk regression
National Category
Business Administration
Identifiers
URN: urn:nbn:se:hig:diva-31600OAI: oai:DiVA.org:hig-31600DiVA, id: diva2:1390006
Subject / course
Business administration
Educational program
Business administration
Supervisors
Examiners
Available from: 2020-02-05 Created: 2020-01-30 Last updated: 2020-02-05Bibliographically approved

Open Access in DiVA

fulltext(1108 kB)56 downloads
File information
File name FULLTEXT01.pdfFile size 1108 kBChecksum SHA-512
75c4466c1218896f60718a01c6775664903d58f0e91652007974750a5a3472151fa4e348d1f67b47a7d9f370da043b1ea4bda8d42563180c6524d751b02256e2
Type fulltextMimetype application/pdf

By organisation
Business administration
Business Administration

Search outside of DiVA

GoogleGoogle Scholar
Total: 56 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 292 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard-cite-them-right
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • sv-SE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • de-DE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf