Debt Maturity and the Leverage Ratcheting Effect
Notice bibliographique
Résumé
Admati, Demarzo, Hellwig, et Pfleiderer (ADHP, 2018) font remarquer que les modèles statiques d’endettement optimal supposent que les entreprises n’ont aucune dette à l’origine. Dans ce cas, le levier qui maximise la valeur de l’entreprise maximise aussi la richesse des actionnaires initiaux. Toutefois, à l’aide d’un simple modèle à deux périodes avec une dette zérocoupon et un défaut possible seulement à l’échéance, ADHP prouvent deux résultats surprenants : (i) quand il existe une dette antérieure, il ne sera jamais dans l’intérêt des actionnaires de réduire le levier, peu importe le niveau plus ou moins élevé de l’endettement actuel ; (ii) il sera dans l’intérêt des actionnaires de procéder à des rondes séquentielles de financement par dette supplémentaire, et ce jusqu’à ce que l’avantage fiscal de la dette soit épuisé : il s’agit de l’effet d’engrenage de l’endettement (EEE). Une conclusion qui suit immédiatement est que les modèles (statiques) à une ronde d’émission optimale de dette sans dette préexistante génèrent de mauvaises prévisions au sujet du levier optimal de l’entreprise. Nous examinons cette affirmation dans le cadre d’un modèle de dette différent, avec un refinancement à un taux proportionnel m et une maturité moyenne de 1/ m , tel que présenté par Leland (1994a). Nous montrons que lorsque la maturité moyenne de la dette est nettement plus longue que 5 ans, un montant considérable de dette sera en effet émis par la suite, même si l’émission cesse bien avant que les avantages fiscaux soient épuisés. Avec une maturité moyenne de 5 ans, il y a très peu de dette supplémentaire émise selon différents calibrages raisonnables. Avec une maturité moyenne de 3 ans, il n’y a pas d’émission de dette supplémentaire et il peut même être optimal pour l’entreprise de racheter de la dette, en contradiction avec le EEE. Nous expliquons pourquoi notre modèle génère ces différents résultats.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».