Solvency Risk and Corporate Performance: A Case Study on European Retailers
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 proposes a new approach toward understanding the financial performance dynamics in the EU retail sector (pre-pandemic); we focus on the connection between indebtedness and solvency risk and other areas of corporate performance (e.g., liquidity, assets efficiency, and profitability). Its contribution resides in identifying the drivers behind solvency risk in a sector that went through significant transformations in recent decades, as well as the links between the various areas of performance of retailers, and their impacts on solvency risk, using the machine-learning random forest methodology. The results indicate a declining trend for solvency risk of EU food retailers after the global financial crisis and up until the beginning of the pandemic, which may reflect their maturity on the market, but also an adjustment to legal changes in the EU, meant to equalize the tax advantages of debt versus equity financing. Solvency risk accompanied by liquidity risk is a mark of the retail sector, and our results indicate that the most critical trade that EU retailers face is between solvency risk and liquidity, but is fading over time. The volatility of liquidity levels is an important predictor of solvency risk; hence, sustaining a stable and good level of liquidity supports lower risks of financial distress, and may mitigate the shock impacts for EU retailers. A higher solvency risk was accompanied by increased efficiency of asset use, but reduced profitability levels, which led to higher returns available to shareholders for high solvency risk retailers. Overall, retailers should focus on operational performance evidenced by financial indicator levels than on the volatility of these indicators as predictors of solvency risk.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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