Does Managerial Overconfidence Change with Market Conditions? Risk Management for Financial Institutions
Notice bibliographique
Résumé
Overconfidence (hubris or overestimation of one’s ability to perform) has been viewed in the finance literature as a character trait that is stable over time, e.g., assuming that if a manager is overconfident, he/she is overconfident all the time. In this paper, we aim to show that managerial overconfidence can be state-contingent, i.e., the level of managerial overconfidence could be influenced by an external economic shock such as the global financial crisis in 2008. A novelty of this paper is to provide evidence for and application of the concept of state-based managerial overconfidence, which is new in the finance literature. Two empirical studies were reported. In the first study (Study 1), we analyzed real market data by linear regression. We found that managerial overconfidence could vary according to changes in the state of the macroeconomy or tightening of corporate governance policies. In the second study (Study 2), we conducted a lab experiment simulating how external manipulations could alter participants’ confidence level. Both our empirical studies provide strong evidence of state-contingent overconfidence by Student’s t-test and contribute to the current finance literature, which assumes overconfidence as a personality trait. Our findings have important practical implications for the credit market. According to the state-contingent overconfidence hypothesis, creditors might reduce the loan amount or the loan duration (or other loan contract terms) too excessively by more than the efficient level during an economic downturn if the offsetting effect of state-contingent overconfidence is ignored.
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 | 0,004 | 0,038 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».