MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210379410 · doi:10.3390/jrfm15020061

Risk Management and Agency Theory: Role of the Put Option in Corporate Bonds

2022· article· en· W4210379410 sur OpenAlexvenueno aff
Manish Tewari, Pradipkumar Ramanlal

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBondConvertible bondBusinessActuarial scienceCredit riskValuation (finance)Interest rate riskBond valuationRisk managementEconomicsInterest rateAgency costFinancial economicsPrincipal–agent problemFinanceCorporate governanceShareholder

Résumé

récupéré en direct d'OpenAlex

This study sets out a new methodology to exemplify, through a set of risk metrics called the Greeks, impact of a bond’s structured provisions (e.g., call, put, and conversion options) on its risk characteristics and its propensity for agency conflicts. The methodology is assessed by applying it to a sample of 159 non-convertible bonds, with time-scheduled call and put provisions issued between 1977 and 2005. A structural contingent-claims valuation model is used to value the bonds and estimate the Greeks. The methodology is used to assess the impact of the call and put provisions on the bond’s credit risk and interest-rate risk, as well as the provisions’ ability to mitigate the agency conflict associated with over-investment, under-investment, asset-substitution, and information asymmetry about the firm’s true risk among stakeholders. The main findings of this study are that the put option plays a key role in reducing credit risk, mitigating agency conflict, and protecting against volatility shocks; conversely, the call option plays a key role in reducing interest-rate risk. The methodology is sufficiently general to apply to bonds and preferred stock with any set of structured provisions.

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)0,006
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0050,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
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 GPT0,183
Écart entre enseignants0,172 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetCredit Risk and Financial Regulations→Travaux en français237 207→