MétaCan
Menu
Retour à la cohorte
Enregistrement W4206211928 · doi:10.22215/etd/2021-14711

Three Essays on Empirical Financial Economics

2021· dissertation· en· W4206211928 sur OpenAlexaff
Nusrat Jahan

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésDepreciation (economics)Asset (computer security)EconomicsInvestment (military)BondExternal financingMonetary economicsFinanceCapital (architecture)Cost of capitalDurabilityFinancial economicsFinancial capitalCapital formationHuman capitalMicroeconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

This thesis includes three essays on empirical financial economics.The essays discuss factors determining the firm-level cost of borrowing and their impact on aggregate firm investment.The first essay (Chapter 2) shows how capital structure, in particular, asset durability affects the cost of external financing and firm investment in the presence of financial frictions.The second essay (Chapter 3) highlights the importance of macroeconomic factors in determining the cost of borrowing as measured by credit spreads.The third essay (Chapter 4) discusses how asset durability affects the transmission of monetary policy.In the second chapter, I use the depreciation rate to measure asset durability and find financing frictions can affect firm investment through the asset durability channel.Specifically, asset durability increases external financing costs for financially constrained firms, but the effect is ambiguous for unconstrained firms.Additionally, I find when firms endogenously choose asset durability, more(less) financially constrained firms invest in less (more) durable capital.These results provide mixed support to the idea that the durability of an asset impedes financing.The third chapter focuses on the importance of macroeconomic factors relative to financial factors in determining credit spreads in the Canadian corporate bond First of all, I want to express my deep gratitude to my thesis supervisor, Prof.

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)0,008
score de la tête « metaresearch » (Gemma)0,030
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,006
Communication savante0,0050,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0230,008

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 Opus0,046
Tête enseignante GPT0,265
Écart entre enseignants0,219 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCredit Risk and Financial RegulationsTravaux en français237 207