MétaCan
Menu
Retour à la cohorte
Enregistrement W3121349397 · doi:10.17323/j.jcfr.2073-0438.11.4.2017.54-69

The Determinants of Capital Structure: Evidence from Russia

2017· article· en· W3121349397 sur OpenAlex
Evgeny Ilyukhin

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Corporate Finance Research / Корпоративные Финансы | ISSN 2073-0438 · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésCapital structureMonetary economicsProfitability indexDebt ratioTax shieldFixed assetLeverage (statistics)Business risksBusinessEconomicsDebtFinancial economicsFinanceMacroeconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

The study aims to identify the capital structure determinants of the listed Russian firms. The determinants are the factors that would affect firm financial leverage. The capital structures theories and their applications are considered in the article. The study is based on a sample of 48 publicly-traded non-financial firms over the period 2009-2015. The random-effects model is employed for estimations while the OLS approach is used to measure the industry impact on capital structure. It is found that the most significant capital structure determinants of Russian firms are industry mean leverage, firm size with positive effect and growth opportunities with negative one. Profitability, non-debt tax shields and the stock market conditions with negative impact are less important. Business risk, growth opportunity measured as capital expenditures to total assets, tangibility of assets, uniqueness of assets, average tax rate, industry group of Energy firms, lending and inflation rates are irrelevant determinants. Another finding is that the Oil & Gas and Metal firms tend to have lower debt level compared to the firms from other industries.

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.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
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 enseignants0,084
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,005
Science ouverte0,0040,001
Intégrité de la recherche0,0000,001
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 Opus0,128
Tête enseignante GPT0,343
Écart entre enseignants0,215 · 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