Housing Developers’ Heterogeneous Decision-Making under Negative Shock after the High-Growth Era: Evidence from the Chinese Real Estate Economy
Notice bibliographique
Résumé
This research uses difference-in-difference (DID) and other empirical methods to analyze firm-level real estate data to discover how heterogeneous firm characteristics affect managers’ decision-making about development expansion when a firm faces a temporary negative sales shock in the Chinese housing market. The manager’s decision is a utility maximization problem under uncertainty, determined by their risk aversion levels, which managers choose to optimize by considering other factors of interest, including career risk and personal wealth. Also, the advance payment rule encourages real estate developers to maintain high turnover, since new projects allow developers to collect cash first. The results show that state-owned enterprises (SOEs) are much more conservative than other types of developers. SOEs tend to focus on current developing projects. Firms with more concentrated management pursue expansion and seek to use new project sales to compensate for their slower growth. Larger developers with headquarters in large cities tend to slow their development speed when they observe negative signals, as they can quickly engage in new projects given these firms’ easy access to financial resources such as bank loans. This study makes a novel contribution to the literature since previous research has tended to focus on the macro market level rather than the firm level. The findings also have strong policy and regulation value. The results indicate that higher cashflow monitoring needs, especially to monitor family-owned developers, to prevent misuse and excessive project expansion.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».