Are Securitizations in Substance Sales or Secured Borrowings? Capital‐Market Evidence*
Notice bibliographique
Résumé
Abstract Two standard‐setting approaches have emerged globally to guide the choice of accounting for securitizations: the control and components approach ( SFAS No. 125 and SFAS No. 140 ) and the risks and rewards transfer approach ( IAS No. 39 ). A lack of consensus about derecognition accounting is a major impediment to achieving convergence in global standards that must be resolved. Thus, both SFAS No. 140 and IAS No. 39 will be reexamined, and evidence pertinent to the debate is timely and important. In this study, we present evidence consistent with the view of credit‐rating analysts, who view many securitizations as, in substance, secured borrowings. Specifically, for a sample of originators applying sale accounting guidance in SFAS No. 125 / 140 during the period 1997‐2003, we show that off‐balance‐sheet debt related to securitizations has, on average, the same risk‐relevance for explaining market measures of risk (that is, CAPM beta) as on‐balance‐sheet debt. We also find that, in a returns and earnings association framework, the pricing multiple on securitization gains declines as the amount of off‐balance‐sheet debt increases, implying that investors take off‐balance‐sheet debt into account when assessing the valuation‐relevance of such gains. For those who advocate the control and components approach to securitization accounting, our results suggest that, at least for frequent securitizers, the put option arising from implicit recourse is a “missing piece” that is not currently accounted for when calculating securitization gains. Our results challenge the extant measurement standards in SFAS No. 140 .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».