MétaCan
Menu
Retour à la cohorte
Enregistrement W4383554972 · doi:10.20944/preprints202307.0429.v1

The Impact of Non-Financial and Financial Variables on Credit Decision in Companies of Service Sector in Turkey

2023· preprint· en· W4383554972 sur OpenAlexaff
Ali İhsan Çetin, Arzu Ece Çetin, S. Ejaz Ahmed

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWorking Capital and Financial Performance
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésBusinessFinanceCompetition (biology)Order (exchange)Financial servicesTertiary sector of the economyCredit historyCredit enhancementService (business)Financial sectorCredit referenceValue (mathematics)Financial systemCredit riskMarketing

Résumé

récupéré en direct d'OpenAlex

The service sector, whose value has started to increase in recent years, has gained momentum with the acceleration of economic developments especially after the 2000s in Turkey. In a world where competition is increasing and social purchase perception is changing, companies started to differentiate in the service sector to create a competitive advantage. Companies that would like to grow in the industry and aspire to a greater proportion need credit to extend. There are many factors to consider in order to allocate the credit. Banks make financial and non-financial analysis to make credit decisions. This study has been prepared to assess the effect of financial and non-financial features of middle segment companies that need credit in the service sector on the credit decision to be allocated by banks. The group of variables that explain the credit decision at the highest level in these companies are non-financial variables.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,066
Tête enseignante GPT0,300
Écart entre enseignants0,234 · 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.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetWorking Capital and Financial PerformanceTravaux en français237 207