MétaCan
Menu
Retour à la cohorte
Enregistrement W3199638413 · doi:10.1111/acfi.12854

Share‐loan pledging and relaxation of share‐repurchase restrictions in China

2021· article· en· W3199638413 sur OpenAlexafffund
Qi Guo, Lawrence Kryzanowski, Mingyang Li, Jie Zhang

Notice bibliographique

RevueAccounting and Finance · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensTrent UniversityConcordia University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésShare repurchaseLoanBusinessMonetary economicsLeverage (statistics)ShareholderChinaShare priceRegression discontinuity designMarket shareFinancial systemFinanceEconomicsCorporate governanceStock exchange

Résumé

récupéré en direct d'OpenAlex

Abstract We examine a period in which the in‐principle prohibition of share repurchases was relaxed in 2018 to allow for the repurchase of shares whose prices dropped materially or were below book value. We find that share‐loan pledges by controlling shareholders are significantly and positively associated with share repurchases for a sample of 3,531 Chinese firms. This finding is robust using entropy and propensity score matched samples, 2SLS IV regressions, regression discontinuity design (RDD), and two exogenous shocks (the China–US trade war in 2018 and the COVID‐19 pandemic in 2020). The association remains robust but becomes less strong with state ownership and with above industry average firm agency problems, leverage ratios and financial constraints/distress (i.e., other share repurchase motives). Our findings highlight the importance of financial market regulations on share‐loan pledging and share repurchases in emerging markets during periods of heightened firm‐specific and systemic margin call risk and impending liquidation of share‐loan pledges.

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)0,001
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 enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,209
Écart entre enseignants0,197 · 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

Citations15
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAccounting and FinanceMême sujetCorporate Finance and GovernanceTravaux en français237 207