MétaCan
Menu
Retour à la cohorte
Enregistrement W4399032773 · doi:10.37625/abr.23.2.335-357

Seller Financing: Contracting Out of the Lemons and Moral Hazard Problems When They May Co-Exist

2020· article· en· W4399032773 sur OpenAlex
Doğan Tırtıroğlu, Ercan Tırtıroğlu

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDigital Commons - New Heaven (University of New Haven) · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSecurities Regulation and Market Practices
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMoral hazardBusinessHazardFinanceActuarial scienceEconomicsMicroeconomicsChemistryIncentive

Résumé

récupéré en direct d'OpenAlex

Quality problems that are known to the seller of an asset, but will become known to the buyer only after the purchase have the potential to frustrate voluntary exchanges. When the problem is subtle or confounded by the extent of buyer inputs, requiring risk-sharing by the contracting parties, both parties would benefit from a mechanism, such as seller financing, which not only credibly signals to the buyer the veracity of the seller’s representations about the asset (s)he is trying to sell, but also offers the seller sufficient protections against the potential that the buyer may engage in post-sale opportunistic behavior about the maintenance of the asset. We analyze one-time-only mortgage contracts in the National Association of Realtors' Home Financing Transaction database for 1984-1996, (data not collected outside this period), and find empirical support for seller financing as an asset quality signal and, separably, as a mechanism for providing credit when conventional credit sources are tight. We also point out the broad, but not well-acknowledged, reach of seller financing, including the sub-prime loan debacle, the earnout mergers or reverse annuity mortgages, which are inherently embedded with both asymmetric information about the quality of the relevant assets and moral hazard about the asset acquirer’s post-purchase maintenance.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil0,586

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
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 Opus0,058
Tête enseignante GPT0,228
Écart entre enseignants0,170 · 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