Tail Risks in Corporate Finance: Simulation-Based Analyses of Extreme Values
Notice bibliographique
Résumé
Recently, simulation-based methods for assessing company-specific risks have become increasingly popular in corporate finance. This is because modern capital market theory, with its assumptions of perfect and complete capital markets, cannot satisfactorily explain the risk situation in companies and its effects on entrepreneurial success. Through simulation, the individual risks of a company can be aggregated, and the risk effect on a target variable can be shown. The aim of this article is to investigate which statistical methods can best assess tail risks in the overall distribution of the target variables. By doing so, the article investigates whether extreme value theory is suitable to model tail risks in a business plan independent of company-specific data. For this purpose, the simulated cash flows of a medium-sized company are analyzed. Different statistical ratios, statistical tests, calibrations, and extreme value theory are applied. The findings indicate that the overall distribution of the simulated cash flows can be multimodal. In the example studied, the potential loss side of the cash flow exhibits a superimposed, well-delimitable second distribution. This tail distribution is extensively analyzed through calibration and the application of extreme value theory. Using the example studied, it is shown that similar tail risk distributions can be modeled both by calibrating the simulation data in the tail and by using extreme value theory to describe it. This creates the possibility of working with tail risks even if only a few planning data are available. Thus, this approach contributes to systematically combining risk management and corporate finance and significantly improving corporate risk management. Based on these findings, further analyses can be performed in terms of risk coverage potential and rating to improve the risk situation in a company.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».