MétaCan
Menu
Retour à la cohorte
Enregistrement W2913159068

Corporate Hedging Since the Financial Crisis

2017· article· en· W2913159068 sur OpenAlexaff
Paul Calluzzo, Evan Dudley

Notice bibliographique

RevueSSRN Electronic Journal · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMarket liquidityHedgeFinancial crisisBusinessPortfolioSpillover effectShock (circulatory)DividendLiquidity crisisLiquidity riskCash flowMonetary economicsFinancial systemEconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We study corporate hedging during the 2007-2008 financial crisis. The crisis provides an ideal setting to study the value implications of programs that are designed to protect firms during bad states of the world. Using an exogenous shock based on firms’ lenders’ exposure to mortgage portfolio losses, we show that terminations of hedging programs decrease firm value, investment and dividend payouts. We also highlight the role of hedging in firms’ liquidity policies. Faced with a trade-off between maintaining liquidity and the ability to hedge future cash flows, firms reduce corporate hedging in order to maintain existing credit lines. Our findings are consistent with theories of risk management in which firms balance meeting their immediate liquidity needs with smoothing future cash flows. We also provide new evidence on spillover effects of mortgage lender losses on corporate investment activity.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0020,002
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,229
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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetRisk Management in Financial FirmsTravaux en français237 207