Bankruptcy Risk in Discounted Cash Flow Equity Valuation
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
We investigate the importance of bankruptcy risk in discounted cash flow (DCF) equity valuation. Our analyses first show how bankruptcy risk is incorporated in DCF valuation, where investment risk is captured by cash flow certainty equivalents. Within this general setting, we find that bankruptcy risk can be captured by discounting factors incorporating period-specific bankruptcy probabilities, allowing the numerators in a DCF valuation model to follow a binary random walk. Elaborating a model of this kind, we assess the value of the equity holders’ limited liability right (the equity holders’ right to hand over the firm to its creditors if bankruptcy occurs). Two valuation models commonly used in academic research and professional practice—the Dividend Discount Model (DDM) and the Residual Income Valuation (RIV) model—are addressed specifically. Our analyses show that bankruptcy probabilities are important for the estimation of the value drivers in both models. Even if bankruptcy probabilities are as low as 0.02, equity values might be severely exaggerated if bankruptcy risk is ignored in DDM or RIV. In particular, this holds for firms expected to have high future growth (conditioned on firm survival). For the RIV model to properly capture bankruptcy risk, we identify “bankruptcy event accounting principles” and an additional term that must be included in the model. We also show that bankruptcy risk under certain conditions can be handled through a specific calibration of the discounting rate/-s in all DCF models, allowing the value drivers—i.e., future dividends or residual income—to be forecasted conditioned on firm survival.
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 | 0,006 | 0,002 |
| 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 | 0,000 |
| 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