MétaCan
Menu
Retour à la cohorte
Enregistrement W3122382151 · doi:10.1093/rcfs/cfaa004

Managerial Attributes, Incentives, and Performance

2020· article· en· W3122382151 sur OpenAlexaff
Jeffrey L. Coles, Zhichuan Li

Notice bibliographique

RevueThe Review of Corporate Finance Studies · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésExecutive compensationIncentiveRisk aversion (psychology)MicroeconomicsBusinessEconomicsEconometricsFinancial economicsExpected utility hypothesis

Résumé

récupéré en direct d'OpenAlex

Abstract We examine the relative importance of observed and unobserved firm- and manager-specific heterogeneities in determining executive compensation incentives and firm policy, risk, and performance. First, we decompose executive incentives into time-variant and time-invariant firm and manager components. Manager fixed effects supply 73% (60%) of explained variation in delta (vega). Second, controlling for manager fixed effects alters parameter estimates and corresponding inference on observed firm and manager characteristics. Third, larger CEO delta (vega) fixed effects predict better firm performance (riskier corporate policies and higher firm risk). These results suggest that the delta (vega) fixed effect captures managerial ability (risk aversion). (JEL G3, G32, G34, J24, J31, J33) Received September 7, 2018; editorial decision February 21, 2020 by Editor Andrew Ellul.

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)0,000
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,411
Score d'incertitude au seuil0,599

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,067
Tête enseignante GPT0,245
Écart entre enseignants0,179 · 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'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

Citations68
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Review of Corporate Finance StudiesMême sujetCorporate Finance and GovernanceTravaux en français237 207