MétaCan
Menu
Retour à la cohorte
Enregistrement W4389751561 · doi:10.1111/jbfa.12769

The agency costs of investment opportunities and debt contracting: Evidence from exogenous shocks to government spending

2023· article· en· W4389751561 sur OpenAlexafffund
Jeffrey L. Callen, Mahfuz Chy

Notice bibliographique

RevueJournal of Business Finance &amp Accounting · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesRotman School of Management, University of TorontoBen-Gurion University of the NegevUniversity of Toronto
Mots-clésDebtMonetary economicsInvestment (military)EconomicsInternal debtAgency costBondDebt levels and flowsFinancial systemBusinessFinance

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates the impact of macroeconomic shocks to firm investment opportunities on firm debt contracting policy. We find that adverse shocks to investment opportunities lead to a significant reduction in the use of debt covenants in syndicated bank loans. Consistent with incomplete contract theory, we show that firms mitigate debt–equity conflicts arising out of investment opportunities by employing accounting‐based financial covenants rather than non‐accounting‐based prepayment covenants. Adverse shocks to investment opportunities also lead to a concomitant decrease in the cost of borrowing. We find consistent evidence for corporate bond covenants and bond market borrowing costs as well. Overall, this study resolves prior mixed evidence concerning the impact of investment opportunities on debt contracting and connects macroeconomic theory with the accounting literature on debt contracting.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,176
Score d'incertitude au seuil0,904

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
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 savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,075
Tête enseignante GPT0,255
Écart entre enseignants0,180 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Business Finance &amp AccountingMême sujetCorporate Finance and GovernanceTravaux en français237 207