MétaCan
Menu
Retour à la cohorte
Enregistrement W2299855016 · doi:10.2308/acch-51437

Financial Statement Comparability and Debt Contracting: Evidence from the Syndicated Loan Market

2016· article· en· W2299855016 sur OpenAlexaff
Xiaohua Fang, Yutao Li, Baohua Xin, Wenjun Zhang

Notice bibliographique

RevueAccounting Horizons · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensDalhousie UniversityUniversity of TorontoUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésSyndicated loanComparabilityFinancial statementBusinessWeb syndicationAccountingLoanTerm loanNon-conforming loanCollateralParticipation loanFinancial systemCross-collateralizationDebtFinanceEconomicsNon-performing loanAudit

Résumé

récupéré en direct d'OpenAlex

SYNOPSIS In this study, we examine whether and how borrowing firms' financial statement comparability affects the contracting features of syndicated loans. Using a sample of loans issued by U.S. public firms in the syndicated loan market over the period 1992–2008, we find strong and robust evidence that financial statement comparability is negatively associated with loan spread and the likelihood of pledging collateral, and positively associated with loan maturity and the likelihood of including performance pricing provisions in loan contracts. We also find that borrowing firms with greater financial statement comparability are able to complete the loan syndication process more swiftly, form loan syndicates enabling the lead lenders to retain smaller percentages of loan shares, and attract a greater number of lenders and, particularly, a greater number of uninformed participating lenders. Altogether, these findings are consistent with the view that financial statement comparability plays an important role in alleviating information asymmetry in the syndicated loan market. JEL Classifications: G12; G14; M41

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)0,004
score de la tête « metaresearch » (Gemma)0,028
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 enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,026
Tête enseignante GPT0,235
Écart entre enseignants0,209 · 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

Citations121
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting HorizonsMême sujetCorporate Finance and GovernanceTravaux en français237 207