MétaCan
Menu
Retour à la cohorte
Enregistrement W4403156989 · doi:10.1007/s11142-024-09857-1

Exposure to superstar firms and financial distress

2024· article· en· W4403156989 sur OpenAlexafffund
Stephanie F. Cheng, Dushyantkumar Vyas, Regina Wittenberg-Moerman, Wuyang Zhao

Notice bibliographique

RevueReview of Accounting Studies · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBanking stability, regulation, efficiency
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of TorontoNational University of SingaporeTulane UniversityUniversity of LouisvilleMcGill UniversityNorthwestern UniversityUniversity of Southern California
Mots-clésSuperstarPublic financeCorporate financeFinancial distressEconomicsBusinessFinancial systemFinanceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract A few highly successful firms (“superstar firms”) have captured large market shares and earned massive profits in recent decades. We examine whether superstar firms are associated with a greater likelihood of financial distress for firms exposed to them in product markets. Building on recent research, we identify superstars as firms with the highest markups in the industry and whose industry markup share increases over time. We then measure, with product similarity scores, a firm’s overall product market exposure to superstars. We document that firms with greater exposure are more likely to file for bankruptcy. We examine why superstar exposure is associated with bankruptcy and show that firms with the greater superstar exposure exhibit weaker financial performance and greater riskiness. Furthermore, we show that the association between superstar exposure and the likelihood of bankruptcy strengthens when superstars have greater market power.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil0,495

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,027
Tête enseignante GPT0,275
Écart entre enseignants0,247 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of Accounting StudiesMême sujetBanking stability, regulation, efficiencyTravaux en français237 207