MétaCan
Menu
Retour à la cohorte
Enregistrement W2967614830

Debt Covenant Violations, Credit Default Swap Pricing, and Borrowing Firms’ Accounting Conservatism

2019· article· en· W2967614830 sur OpenAlexaff
Changling Chen, Jeong‐Bon Kim, Chunmei Zhu

Notice bibliographique

RevueSSRN Electronic Journal · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCredit default swapBusinessMonetary economicsDebtEquity (law)Financial systemShareholderIncentiveSwap (finance)Credit riskFinanceEconomicsCorporate governance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We investigate the impact of debt covenant violations (DCVs) on credit risk reflected in credit default swap (CDS) spread, and how the two elements, combined together, affect the relation between DCVs and financial reporting conservatism of borrowing firms that are referenced in CDS contracts. We find that DCVs induce a significant increase in CDS spreads during the trading days subsequent to borrowers’ SEC filing dates, indicating increased credit risk of borrowing firms upon DCVs. We also find that borrowing firms’ financial reporting becomes more conservative post DCVs, especially when borrowing firms’ CDS spreads incur large increases and their institutional shareholders play a stronger role of external monitoring. Our finding of increased CDS spreads upon DCVs is consistent with the view that CDS-protected lenders lack incentives to exercise their control rights. To the extent that lenders do not intervene in borrowers’ financial reporting, our finding of increased conservatism suggests that borrowing firms tend to report more conservatively under the influence of other stakeholders such as institutional investors whose equity investment are not protected by credit insurance CDS.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,205
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetCredit Risk and Financial RegulationsTravaux en français237 207