The influence mechanism of real estate enterprises' status on debt default risk
Notice bibliographique
Résumé
Purpose The aim of this study is to analyze the influence mechanism of real estate enterprises' status on debt default risk and explore the heterogeneity effect of the characteristics of enterprises. Design/methodology/approach Against the background of the “three red lines” regulation of the financing of real estate enterprises and the COVID-19 pandemic, the authors select 123 real estate enterprises listed on China's Shanghai and Shenzhen A-shares markets from the first quarter of 2021 to the second quarter of 2022 as a research sample. The social network analysis method and Z-score financial risk early warning model are used to measure real estate enterprises' status and debt default risk. The authors construct a panel regression model to analyze how the status of real estate enterprises influences their debt default risk. Findings The results show that the status of real estate enterprises negatively and significantly affects their debt default risk. Economic policy uncertainty and financing constraints play negative moderating and mediating roles, respectively. Further research has found that the effect of real estate enterprises' status on debt default risk is characterized by heterogeneity in equity characteristics, i.e. it is significant in the sample of nonstate-owned enterprises but not in the sample of state-owned enterprises. Practical implications It is helpful for real estate enterprises to attach importance to the value of social networks, and the authors provide policy suggestions for real estate enterprises to constantly improve their risk management systems. Originality/value Using economic policy uncertainty as the moderating variable and financing constraints as the mediating variable, the authors analyze how the status of real estate enterprises influences debt default risk, which contributes to a better understanding of the formation of the debt default risk of real estate enterprises.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».