MétaCan
Menu
Retour à la cohorte
Enregistrement W2947380910 · doi:10.1108/ijmf-10-2018-0290

Board gender diversity and US corporate bonds

2019· article· en· W2947380910 sur OpenAlexaff
Renee Oyotode‐Adebile, Zubair Ali Raja

Notice bibliographique

RevueInternational Journal of Managerial Finance · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésGender diversityDiversity (politics)Maturity (psychological)BondPropensity score matchingMatching (statistics)Panel dataEnterprise valueOrdinary least squaresBusinessAccountingValue (mathematics)EconomicsEconometricsOriginalityDemographic economicsActuarial scienceCorporate governanceFinanceStatisticsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to examine the impact of board gender diversity on bond terms and bondholders’ returns. Design/methodology/approach The authors perform pooled OLS regression, simultaneous regressions and propensity score matching to a panel data set of bond data for 319 US firms from 2007 to 2014. Findings The authors find that firms with gender-diverse boards have lower yields, higher ratings, larger issue size and shorter maturity. They also find that bondholders require fewer returns from firms with gender-diverse boards. However, the effect is more pronounced when women, constitutes at least 29.67 percent of the board. Originality/value This analysis supplements the findings that board gender diversity is essential for bondholders. It shows that bondholders should look at board gender diversity as a criterion to invest because bonds issued by firms with gender-diverse board have less risk. For practitioners, this study shows that more women participation on boards leads to a reduction in borrowing costs.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,001
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 Opus0,025
Tête enseignante GPT0,210
Écart entre enseignants0,185 · 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

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Managerial FinanceMême sujetCorporate Finance and GovernanceTravaux en français237 207