An Assessment of the Benefits of Optimizing Working Capital and Profitability: Perspectives from DJIA30 and NASDAQ100
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
The objective of this paper goes beyond the boundaries of an exploratory analysis to operationalize the association between corporate working capital and return on assets. This paper optimizes the impact of the Cash Conversion Cycle (CCC) on Return on Assets (ROA). The paper develops a mathematical formulation that connects the components of CCC to ROA. The sample includes the non-financial firms listed in DJIA30 and NASDAQ100. The data covers the quarterly periods from June 1992 to March 2018. The paper uses standard statistical tests including linearity (RESET), the Hausman test for fixed and random effects, and the Breusch–Pagan/Cook–Weisberg test for heteroskedasticity. The estimation is carried out using the GLS estimator. This study finds: (a) the optimal, rather than observed, components of CCC are robust and coherent, (b) if firms were to optimize the components of CCC, the ROA improves significantly, (c) the positive estimates of size show that the components of CCC help firms grow, (d) the effects of either observed or optimal CCC on ROA are reached in the short term (four quarters), (e) the results show that observed as well as optimal CCC are able to detect the structural break in the 2008 financial crisis, and (f) the results of a logit analysis show that the optimization algorithm results in significant increases in ROA that are associated with increases in degree of financial leverage and decreases in short-term debt ratio. This paper contributes to the related literature in two ways. First, the paper develops a mathematical structure that associates corporate CCC and ROA in a way that offers a guide to corporate financial managers regarding structural management of corporate CCC. Second, the paper examines the impacts of optimized CCC on ROA.
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 | 0,000 | 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