Fouquau, JulienWeghorst, Anais2025-10-132025-10-132025-07-082025-06-01http://hdl.handle.net/10400.14/55333This thesis presents a transformer-based approach to quantify and price corporate climate-risk disclosures. By utilizing ClimateBERT, I classify Item 1A risk-factor text in S&P 500 10-K filings (200532024) to generate annual transition, physical, and general climate-risk scores for 8,001 firm-year observations. Fixed-effects regressions link these lagged scores to Tobin’s Q, revealing a significant negative valuation effect for transition-risk language, especially in high-exposure sectors (Utilities; Transportation & Warehousing), while physical-risk impacts primarily arise within the same industries. By combining advanced NLP with rigorous panel econometrics, this study provides detailed, sector-sensitive metrics that illuminate how investors value different aspects of corporate climate-risk disclosure.Esta tese apresenta uma abordagem baseada em transformadores para quantificar e precificar divulgações corporativas de riscos climáticos. Ao utilizar o ClimateBERT, classifico o texto da seção Item 1A Risk Factors dos relatórios 10-K das empresas do S&P 500 (200532024) para gerar pontuações anuais de risco climático de transição, físico e geral em 8001 observações ano-empresa. Regressões de efeitos fixos relacionam essas pontuações defasadas ao Q de Tobin, revelando um efeito negativo significativo de valoração para a linguagem relativa ao risco de transição, especialmente em setores de alta exposição (serviços públicos; transporte e armazenagem), enquanto os impactos do risco físico ocorrem, sobretudo, nas mesmas indústrias. Ao combinar PNL avançada com econometria de painel rigorosa, este estudo fornece métricas detalhadas e sensíveis ao setor que esclarecem como os investidores valorizam diferentes aspectos das divulgações de riscos climáticos corporativos.eng10-KClimateBERTClimate riskFirm valuationNLPPLNRisco climáticoS&P 500Valoração de empresasmaster thesis203974638