MétaCan
Menu
Retour à la cohorte
Enregistrement W2912796968 · doi:10.1080/03155986.2018.1533205

Effect of share collateralization by directors/supervisors on control rights, risk, and performance: application to the Taiwan market

2019· article· en· W2912796968 sur OpenAlexvenueno aff
Kuo‐Jung Lee, Su-Lien Lu, Ching‐Yi Lin

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCollateralizationBusinessControl (management)AccountingActuarial scienceFinanceComputer scienceCredit riskArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Share collateral is a popular and no restriction process in many capital markets. The directors/supervisors can pledge their shares as collateral to the lender for funding in capital markets. There are many purposes for directors/supervisors to collateral their shares, such as the demand for liquidity. Thus, this study investigates the effect of share collateralization by directors/supervisors in Taiwan. Further, this study explores the effect of directors'/supervisors' actual shareholdings. The sample is divided into two classes, conventional and nonconventional industries, and the sample period spans 11 years, from 2003 to 2013. The panel data regression model is used to determine whether the hypothesis of this paper is supported. The empirical results show that an increase in shares collateralized by directors/supervisors resulted in the widening of deviation between cash flow rights and ownership control rights. However, an increase in shares collateralized by directors/supervisors would not result in the widening of deviation between cash flow rights and board control seat rights. Further, the higher the ratio of director/supervisor share collateralization, the greater firm's risk. Finally, directors’/supervisors’ actual shareholdings have a positive correlation on performance.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,653
Score d'incertitude au seuil0,459

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,009
Tête enseignante GPT0,247
Écart entre enseignants0,237 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetCorporate Finance and GovernanceTravaux en français237 207