MétaCan
Menu
Retour à la cohorte
Enregistrement W3123238475 · doi:10.1111/jbfa.12367

Investment and financing decisions of private and public firms

2018· article· en· W3123238475 sur OpenAlexaff
Wolfgang Drobetz, Malte Janzen, Iwan Meier

Notice bibliographique

RevueJournal of Business Finance &amp Accounting · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésCash flowShareholderIncentiveMonetary economicsOperating cash flowBusinessFinanceFree cash flowAgency (philosophy)Cash managementAgency costStock (firearms)Investment (military)Principal–agent problemTobin's qEconomicsCorporate governanceMarket economy

Résumé

récupéré en direct d'OpenAlex

Abstract We examine differences in the allocation of cash flow between Western European private and public firms. Public firms have a higher investment‐cash flow sensitivity than comparable private firms. This difference is not attributable to more severe financing constraints of public firms. Instead, because differences in investment‐cash flow sensitivities are only observed for the unexpected portion of firms’ cash flow, the empirical evidence supports an agency‐based explanation. Similar patterns are observable for the expected and unexpected portion of firms’ shareholder distributions. Our results are driven by firms from countries with low ownership concentration and more liquid stock markets, where shareholders have lower incentives to monitor. The results are also more pronounced for public firms with low industry Tobin's q and high free cash flow, which are more prone to suffer from agency problems.

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 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 enseignants0,128
Score d'incertitude au seuil0,877

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,003
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 Opus0,031
Tête enseignante GPT0,226
Écart entre enseignants0,196 · 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

Citations30
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business Finance &amp AccountingMême sujetCorporate Finance and GovernanceTravaux en français237 207