Determinants of Stochastic Distance-to-Default
Notice bibliographique
Résumé
Efficient management of bankruptcy risk requires treating distant-to-default (DD) stochastically as long as historical stock prices move randomly and, thus, do not guarantee that history may repeat itself. Using long-term data that date back to 1952–2023, including the nonfinancial companies listed in the Dow Jones Industrial Average and National Association of Securities Dealers Automated Quotations indexes, this study estimates the historical and stochastic DDs via the geometric Brownian motion (GBM). The results show that (a) the association between the debt-to-equity ratio and the stochastic DD can be used as an indicator of excessive debt financing; (b) debt tax savings have a positive effect on stochastic DD; (c) bankruptcy costs have negative effects on stochastic DD; (d) in terms of the size of the company being proxied by sales revenue and the equity market value of the company, the DD is a reliable measure of bankruptcy costs; (e) in terms of macroeconomic influences, increases in the percentage change in manufacturing output are associated with lower observed and stochastic DD; and (f) in terms of the influences of industry, the stochastic DD is affected by the industry average retail inventory to sales. This paper contributes to related studies in terms of focusing on the indicators that a company’s management can focus on to address the stochastic patterns inherent in the estimation of the DD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».