MétaCan
Menu
Retour à la cohorte
Enregistrement W2580048456 · doi:10.22495/rgcv2i2art3

The role of operating cash flow in credit rating: Investment-grade firms vs. speculative grade firms

2012· article· en· W2580048456 sur OpenAlexaff
Xu Wang, Jenny Zhang, William Sanjian Zhang

Notice bibliographique

RevueRisk Governance and Control Financial Markets & Institutions · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensMcGill UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCredit ratingBond credit ratingCash flowOperating cash flowBusinessInvestment (military)IssuerActuarial scienceEconomicsMonetary economicsFinanceCredit referenceCredit risk

Résumé

récupéré en direct d'OpenAlex

Despite Standard and Poor’s long-standing claim that cash flow is a critical aspect of its rating decisions, the credit rating literature has failed to document a significant relation between credit rating and cash flow measures. A possible explanation of this discrepancy is that the rating agency weighs operating cash flow differently between investment-grade and speculative-grade issuers. Performing an ordered probit analysis of a panel of firms from 1989 to 2006, we find operating cash flow is positively associated with credit ratings for speculative-grade issuers, but not for investment-grade issuers. In contrast, accrual-based earnings are found to be positively associated with credit ratings, but only for investment-grade firms. Our study thus solves a discrepancy between industry documents and the academic literature.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,218
Écart entre enseignants0,204 · 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.

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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRisk Governance and Control Financial Markets & InstitutionsMême sujetCredit Risk and Financial RegulationsTravaux en français237 207