MétaCan
Menu
Retour à la cohorte
Enregistrement W3122134875 · doi:10.2308/accr-51927

Does Information Technology Reputation Affect Bank Loan Terms?

2017· article· en· W3122134875 sur OpenAlexaff
Jeong‐Bon Kim, Byron Y. Song, Theophanis C. Stratopoulos

Notice bibliographique

RevueThe Accounting Review · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésReputationLoanBusinessAffect (linguistics)Control (management)Actuarial scienceFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study investigates whether Information Technology (IT) reputation, captured by the accumulation of consistent IT capability signals, influences bank loan contracting even though banks have access to inside information. We predict that IT reputation is associated with better loan terms because it lowers credit risk via its impact on default and information risks. Results based on 4,218 loan facility-years reveal, as predicted, that firms with a reputation for IT capability tend to have more favorable price and non-price terms for loan contracts and are less likely to have their credit rating downgraded or to report internal control weaknesses than firms with no IT reputation. The study contributes to the banking and IT business value literature by showing that banks incorporate borrowers' nonfinancial characteristics, such as IT reputation, into loan contracting terms. JEL Classifications: G21; G32; M41; O32. Data Availability: All data are available from sources identified in the study.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,005
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,233 · 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.

Devis d'étudeSans objet
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

Citations75
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetCorporate Finance and GovernanceTravaux en français237 207