MétaCan
Menu
Retour à la cohorte
Enregistrement W3153938839 · doi:10.3390/jrfm14040169

Effects of the COVID-19 Global Crisis on the Working Capital Management Policy: Evidence from Poland

2021· article· en· W3153938839 sur OpenAlexvenueno aff
Grzegorz Zimon, Hossein Tarighi

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWorking Capital and Financial Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccounts receivableWorking capitalMarket liquidityBusinessCapital (architecture)Unit (ring theory)PurchasingCashCurrent ratioMonetary economicsFinancial crisisFinanceEconomicsMarketingMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The paper aims to investigate the effects of the COVID-19 pandemic on working capital management policies among Polish small and medium-sized enterprises operating in Group Purchasing Organizations (GPOs). The results show that the firms adopted a moderate–conservative strategy for their working capital management. Moreover, the evidence confirms that the COVID-19 pandemic crisis did not change Working Capital Management (WCM) strategies significantly. The companies that have high financial security as a result of the high ratio of Liquidity, Quick, and cash conversion cycle (CCC) have tried to attract more new customers in the market by increasing the due date of accounts receivable so they can improve their sales performance, and also reduce the liabilities turnover to be able to work with more suppliers in the market. Moreover, among the various WCM strategies, the companies with a higher CCC ratio, along with those whose bulk of current assets consisted of accounts receivable and short-term investments, managed to have higher sales returns. Finally, our outcomes indicate that the firms operating in large cities have lower sales returns, meaning even Polish small and medium-sized enterprises’ ability within GPOs with the aid of the central unit can also get high return on sales (ROS) results.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), 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

Citations123
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetWorking Capital and Financial PerformanceTravaux en français237 207