MétaCan
Menu
Retour à la cohorte
Enregistrement W4294376142 · doi:10.1111/jfir.12304

Should lenders also advise? Evidence from project loans

2022· article· en· W4294376142 sur OpenAlexafffund
Gabriel J. Power, Djerry C. Mbianda Tandja

Notice bibliographique

RevueThe Journal of Financial Research · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensUniversité du Québec en OutaouaisUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec-Société et Culture
Mots-clésLoanBusinessFinanceEndogeneityInformation asymmetryDebtFinancial systemMonetary economicsFlexibility (engineering)Investment (military)Economics

Résumé

récupéré en direct d'OpenAlex

Abstract Bank loans are an important financing component for large‐scale investment projects. To secure loans, firms often enlist the help of a financial advisor (investment bank, boutique firm). Increasingly, large banks offer both advisory and arranging services. This dual role lowers information asymmetry, according to relationship banking, but suggests a potential conflict of interest. We investigate these trade‐offs and their effects for lenders and borrowers. Using a rich database of project‐specific loans and accounting for possible endogeneity, we find that loan spreads, debt levels, and maturities tend to be higher when the arranger also advises. Our results are consistent with relationship banking. Lenders benefit from better information and monopolistic power, whereas borrowers benefit from lower refinancing risk, higher financial flexibility, and a greater likelihood of financing (i.e., greater credit availability).

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)0,015
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,232
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,229
Tête enseignante GPT0,378
Écart entre enseignants0,148 · 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'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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Financial ResearchMême sujetBanking stability, regulation, efficiencyTravaux en français237 207