HOW DO CFOs MAKE CAPITAL BUDGETING AND CAPITAL STRUCTURE DECISIONS?
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.
Notice bibliographique
Résumé
This paper summarizes the findings of the authors' recent survey of 392 CFOs about the current practice of corporate finance, with main focus on the areas of capital budgeting and capital structure. The findings of the survey are predictable in some respects but surprising in others. For example, although the discounted cash flow method taught in our business schools is much more widely used as a project evaluation method than it was ten or 20 years ago, the popularity of the payback method continues despite shortcomings that have been pointed out for years. In setting capital structure policy, CFOs appear to place less emphasis on formal leverage targets that reflect the trade‐off between the costs and benefits of debt than on “informal” criteria such as credit ratings and financial flexibility. And despite the efforts of academics to demonstrate that EPS dilution per se should be irrelevant to stock valuation, avoiding dilution of EPS was the most cited reason for companies reluctance to issue equity. But despite such apparent contradictions between theory and practice, finance theory does seem to be gaining ground. For example, large companies were much more likely than their smaller counterparts to use DCF and NPV techniques, while small firms still tended to rely heavily on the payback criterion. And a majority of the CFOs of the large companies said they had “strict” or “somewhat strict” target debt ratios, whereas only a third of small firms claimed to have such targets. What does the future hold? On the one hand, the authors suggest that we are likely to see greater corporate acceptance of certain aspects of financial theory, including the use of real options techniques for evaluating corporate investments. But we are also likely to see further modifications and refinements of the theory, particularly with respect to smaller companies that have limited access to capital markets.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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