MétaCan
Menu
Retour à la cohorte
Enregistrement W2039517609 · doi:10.1142/9789814417983_0018

RISK REDUCTION OF THE SUPPLY CHAIN THROUGH POOLING LOSSES IN CASE OF BANKRUPTCY OF SUPPLIERS USING THE BLACK-SCHOLES-MERTON PRICING MODEL

2013· article· en· W2039517609 sur OpenAlexaff
Raul Valverde, Malleswara Talla

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésBankruptcyPoolingSupply chainReduction (mathematics)Black–Scholes modelBusinessEconomicsEconometricsActuarial scienceMicroeconomicsComputer scienceFinanceMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In recession times, slower demand, shrunk liquidity, and increasing pressure on cost can lead to bankruptcy of suppliers. The risks due to supplier bankruptcy include (a) losses due to supply chain disruption, (b) delayed or stopped finished goods shipments, (c) difficulty in finding cost-effective alternate suppliers and sourcing contracts, (d) emergency procurements, (e) loss of reputation and market share loss, etc. Bankruptcy models can be used to estimate the probability that a supplier may go bankruptcy, and a level of probability can be established that triggers the risks. This paper uses the Black-Scholes-Merton option pricing model for estimating the probability of bankruptcy of supplier by extracting and examining the riskiness in stock market price of supplier. The paper uses the pooling arrangements among companies that source from multiple suppliers as a way to reduce the risk due to supplier bankruptcy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,534
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,240
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFirm Innovation and GrowthTravaux en français237 207