IMPLEMENTING ECONOMIC CAPITAL IN AN INDUSTRIAL COMPANY: THE CASE OF MICHELIN
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Economic capital (also referred to as “risk capital” or “risk‐based capital”) is the amount of capital, generally in the form of equity or equity equivalents, that is necessary to provide an adequate cushion against lower‐than‐expected operating results. Over the last two decades, the concept has taken root among banks, particularly in determining the amount of capital needed to protect against financial distress in the event of unexpectedly large credit losses. Michelin is in the vanguard of industrial companies that are beginning to apply economic capital concepts. The company uses an option‐pricing approach that effectively allows the market to identify the level of economic capital that is expected to maximize corporate value. Michelin has also begun the process of attributing economic capital to individual business units and activities. By so doing, the company is able to use a single, company‐wide hurdle rate for all projects and business units. Thus, instead of raising the discount rate when evaluating riskier projects and businesses, management assigns them larger amounts of economic capital (and, hence, a higher charge for use of that capital). The use of economic capital to evaluate ongoing activities and contemplated investments makes it more likely that decisions will translate into increased shareholder value. A case in point is outsourcing. As illustrated in an example analyzing the company's decision to sell but continue sourcing from a textile factory, outsourcing decisions typically reduce a firm's required amount of economic capital—and thus an analysis based on the use of economic capital provides a more realistic picture of the expected value added from such transactions.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle