Firm Specific and Macroeconomic Determinants of Probability of Default: A Case of Pakistani Non-Financial Sector
Notice bibliographique
Résumé
This study extends the literature on the capital structure by examining the effect of firm specific and macroeconomic factors on probability of default using 2385 firm year observations of Non-financial firms listed on Pakistan Stock Exchange (PSX) for the period 1998 to 2021.This is the first study that used a large dataset to analyze the default risk of Pakistani listed non-financial companies.This study follows Bharat and Shumway (2008) methodology to calculate expected default probability, which is a simplified version of the Merton (1974) structural default model.Fixed effect model has been used for data analysis.The empirical results of firm specific variables show that growth, operating cash flow ratio, liquidity, and performance is negatively related with the probability of default while leverage and tangibility of assets are positively related with the probability of default.Size of the company has no relationship with the probability of default.Macroeconomic variables economic conditions measured by GDP growth rate and index return have negative while short term interest rate have positive impact on probability of default.This study may be beneficial to the managers of non-financial companies since it may help them become more aware of the consequences of default risk and may also help them build effective policies linked to managing default risk.The board of directors of non-financial companies can extract valuable information from this study which is required to conduct control measures related to default risk management.The study excluded financial firm because those have different capital structure as compared to non-financial firms.Further studies can also investigate the effect of firm-specific factors and macroeconomic factors in different sectors to check is there any difference in results on sector basis.
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 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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».