MétaCan
Menu
Retour à la cohorte
Enregistrement W3124184358 · doi:10.1287/mnsc.2023.4710

The Effect of Managers on Systematic Risk

2023· article· en· W3124184358 sur OpenAlexaboutno aff
Antoinette Schoar, Kelvin Yeung, Luo Zuo

Notice bibliographique

RevueManagement Science · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDifferential effectsSystematic riskConservatismAccountingCorporate financeEconomicsRisk managementSystematic reviewBusinessRecessionFinanceManagementPolitical science

Résumé

récupéré en direct d'OpenAlex

Tracking the movement of top managers across firms, we document the importance of manager-specific fixed effects in explaining heterogeneity in firm exposures to systematic risk. In equilibrium, manager fixed effects on systematic risk are positively related with manager fixed effects on stock returns. These differences in systematic risk are partially explained by managers’ corporate strategies, such as their preferences for internal growth and financial conservatism. The early career experiences of managers starting their first job in a recession also contribute to differential loadings on systematic risk. These effects are more pronounced when managers wield more influence, as in smaller firms and firms that do not have an independent board. Overall, our results suggest that managers play an important role in shaping a firm’s systematic risk. This paper was accepted by Victoria Ivashina, finance. Funding: A. Schoar acknowledges financial support from the MIT Sloan School of Management. K. Yeung acknowledges financial support from City University of Hong Kong and the Cornell SC Johnson College of Business. L. Zuo acknowledges financial support from the Cornell SC Johnson College of Business and the University of Toronto Roger Martin Award for Emerging Leaders. Supplemental Material: Data and the online appendix are available at https://doi.org/10.1287/mnsc.2023.4710 .

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)0,003
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,661
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,201 · 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'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

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetCorporate Finance and GovernanceTravaux en français237 207