MétaCan
Menu
Retour à la cohorte
Enregistrement W2782570783 · doi:10.5430/afr.v7n1p223

Do Covenants of Bonds Outstanding Affect the Choice of Covenants of New Issues? Evidence from the U.S. Corporate Bonds

2018· article· en· W2782570783 sur OpenAlexvenueno aff
Yuqian Wang, Che-Wei Scott Chiu, Mark Wrolstad

Notice bibliographique

RevueAccounting and Finance Research · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBoilerplate textBondIssuerDebtCovenantBusinessMonetary economicsEconomicsFinancial systemAccountingFinancial economicsFinanceLawPolitical scienceAdvertising

Résumé

récupéré en direct d'OpenAlex

This paper investigates the relation between debt covenants of a firm’s bonds outstanding and covenants of its newly issued bonds. On the one hand, since covenants are priced and costly, newly issued bonds may not include covenants that have been used in bonds outstanding, suggesting a negative relation between covenants of bonds outstanding and those of new issues. On the other hand, since firms tend to use boilerplate language in debt indentures, similar covenants of bonds outstanding are likely to be used repeatedly in the contracts of new issues, indicating a positive relation. Based on the U.S. public corporate bonds data from 1990 to 2014, this paper provides empirical evidence that covenants of a firm’s new issues are positively related to covenants of its bonds outstanding, suggesting boilerplate language is widely used in corporate bond contracts. Results also show that use of boilerplate language is significantly related to issuers’ financial condition and economic cycle. Issuers with stable financial condition, as measured by commercial paper ratings, tend to use boilerplate language more frequently. And during the Dot-Com bubble period, boilerplate language is used more prevalently than during the financial crisis period.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,016
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,167
Tête enseignante GPT0,365
Écart entre enseignants0,198 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and Finance ResearchMême sujetCorporate Finance and GovernanceTravaux en français237 207