MétaCan
Menu
Retour à la cohorte
Enregistrement W2077226410 · doi:10.1016/j.jom.2003.02.003

The effect of supply chain glitches on shareholder wealth

2003· article· en· W2077226410 sur OpenAlexaff
Kevin B. Hendricks, Vinod R. Singhal

Notice bibliographique

RevueJournal of Operations Management · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésShareholderShareholder valueEquity (law)Stock marketMonetary economicsDebtStock (firearms)EconomicsBusinessFinanceCorporate governanceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This paper estimates the shareholder wealth affects of supply chain glitches that resulted in production or shipment delays. The results are based on a sample of 519 glitches announcements made during 1989–2000. Shareholder wealth affects are estimated by computing the abnormal stock returns (actual returns adjusted for industry and market‐wide influences) around the date when information about glitches is publicly announced. Supply chain glitch announcements are associated with an abnormal decrease in shareholder value of 10.28%. Regression analysis is used to identify factors that influence the direction and magnitude of the change in the stock market’s reaction to glitches. We find that larger firms experience a less negative market reaction, and firms with higher growth prospects experience a more negative reaction. There is no difference between the stock market’s reaction to pre‐1995 and post‐1995 glitches, suggesting that the market has always viewed glitches unfavorably. Capital structure (debt–equity ratio) has little impact on the stock market’s reaction to glitches. We also provide descriptive results on how sources of responsibility and reasons for glitches affect shareholder wealth.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1 079
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operations ManagementMême sujetSupply Chain and Inventory ManagementTravaux en français237 207