Generalist<scp>CEOs</scp>and Credit Ratings*
Notice bibliographique
Résumé
ABSTRACT A recent trend is that firms prefer to hire generalist CEOs with transferable skills (across firms or industries) over hiring specialist CEOs, but the consequences of this trend are unclear. In this study, we examine whether credit rating agencies consider a CEO's general skills as a credit risk factor when assessing an entity's overall creditworthiness. We predict and find that generalist CEOs are associated with lower credit ratings, suggesting that the presence of generalist CEOs is a significant credit rating factor. We also find that generalist CEOs are likely to take on more risks, which leads to more volatile performance ex post, and our path analyses confirm default risk is a significant mediator between credit ratings and CEOs' general skills. Our results hold in the presence of additional controls (e.g., CEO characteristics and corporate governance), when applying different fixed‐effect models and different matching methods, and for a subsample with forced CEO turnover. We also find that the negative relationship is attenuated for R&D‐intensive firms and firms in competitive industries. Last, we provide evidence that firms with generalist CEOs face higher borrowing costs, such as bond yields and syndicated loan spreads. Overall, our results contribute to a growing literature on the costs and benefits of hiring generalist CEOs, by providing a full picture of why hiring a generalist CEO may benefit shareholders but also cause misalignments with bondholders' interests.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».