MétaCan
Menu
Retour à la cohorte
Enregistrement W3111258796 · doi:10.1287/mnsc.2020.3737

Unfair “Fair Value” in Illiquid Markets: Information Spillover Effects in Times of Crisis

2020· article· en· W3111258796 sur OpenAlexaff
Alex Dontoh, Fayez A. Elayan, Joshua Ronen, Tavy Ronen

Notice bibliographique

RevueManagement Science · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésSpillover effectCredit default swapFinancial crisisMonetary economicsValuation effectsStock (firearms)Equity (law)EconomicsMarket liquidityBook valueValuation (finance)BusinessFinancial economicsFinancial systemAccountingFinanceCredit risk

Résumé

récupéré en direct d'OpenAlex

We investigate the effects of write-downs on market prices and volumes under fair value accounting. We also examine the prominent role that illiquidity plays in exacerbating the direct and spillover effects of exit valuation on equity and credit default swap (CDS) markets. Using hand-collected data on write-down announcements made during and after the 2007–2009 financial crisis, we find that firms that wrote down assets in accordance with fair value rules experience significant abnormal negative stock returns and spikes in the CDS premiums written on their obligations; similar firms without write-downs exhibit sympathetic and significant negative abnormal returns and positive premiums. We find that both the direct effect of the write-downs and the indirect spillover effects resulting from crisis-related illiquidity in the markets for financial assets (affecting the magnitude of write-downs) and in the securities markets (affecting the reaction to the write-downs) during the financial crisis go beyond normal direct and information transfer effects and may have contributed to the adverse consequences of the crisis. This paper was accepted by Shiva Rajgopal, accounting.

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)0,001
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 enseignants0,405
Score d'incertitude au seuil0,509

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,004
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,192
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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetCorporate Finance and GovernanceTravaux en français237 207