MétaCan
Menu
Retour à la cohorte
Enregistrement W3197422967 · doi:10.2308/tar-2018-0497

Cost Structure, Operating Leverage, and CDS Spreads

2020· article· en· W3197422967 sur OpenAlexaboutno aff
Sanjeev Bhojraj, Robert J. Bloomfield, Youngki Jang, Nir Yehuda

Notice bibliographique

RevueThe Accounting Review · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeverage (statistics)Capital structurePortfolioEconomicsMonetary economicsDownside riskCost of capitalCredit default swapProbability of defaultQuarter (Canadian coin)DebtBusinessFinancial economicsEconometricsCredit riskFinanceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We provide evidence that credit investors do not fully impound the implications of firms' cost structure (or operating leverage) when pricing credit default swaps. Information about firms' cost structure is not disclosed and needs to be estimated. Furthermore, the performance implications of firms' cost structure depend on the expected macroeconomic conditions. We focus on the debt market because of the strong emphasis of this market on downside risk. To measure expected aggregate macroeconomic conditions, we employ the change in the anxious index (AI), which is the probability of a decline in real GDP provided by the SPF—the survey of professional forecasters. We find that the interaction between the firm's cost structure and change in AI predicts one-quarter-ahead CDS spreads. Portfolio-level analysis confirms this result. JEL Classifications: G12; G14; G32.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,844
Score d'incertitude au seuil0,367

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,082
Tête enseignante GPT0,264
Écart entre enseignants0,182 · 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

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetCredit Risk and Financial RegulationsTravaux en français237 207