MétaCan
Menu
Retour à la cohorte
Enregistrement W4408295481 · doi:10.1016/j.irfa.2025.104078

Political sentiment and corporate payouts

2025· article· en· W4408295481 sur OpenAlexafffund
Ashrafee T Hossain, Ramzi Benkraiem, Chandrasekhar Krishnamurti

Notice bibliographique

RevueInternational Review of Financial Analysis · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesSocial Sciences and Humanities Research CouncilSocial Sciences and Humanities Research Council of CanadaMemorial University of Newfoundland
Mots-clésPoliticsEconomicsBusinessFinancial economicsMonetary economicsNatural resource economicsPolitical economyPolitical science

Résumé

récupéré en direct d'OpenAlex

We provide empirical evidence of the impact of firm-level political sentiment on dividend policy. Using a sample composed of over 34,000 firm years, we find that a high level of political sentiment is associated with a lower level of dividend payout. The evidence is robust and survives several tests that address potential endogeneity. Our results suggest that managers consider investors' political sentiment in setting dividend policy. When political sentiment is negative, they pay higher dividends to assuage investors' concerns regarding future prospects. Our results are also consistent with the view that firms pay higher dividends to address the agency cost issue that arises from the free cash flow problem during periods of negative political sentiment. • We find that a high level of political sentiment is associated with a lower level of dividend payout. • Our results suggest that managers consider investors' political sentiment in setting dividend policy. When political sentiment is negative, they pay higher dividends to assuage investors' concerns regarding future prospects. • Our results are also consistent with the view that firms pay higher dividends to address the agency cost issue that arises from the free cash flow problem during periods of negative political sentiment.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,713
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,015
Tête enseignante GPT0,258
Écart entre enseignants0,244 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Review of Financial AnalysisMême sujetCorporate Finance and GovernanceTravaux en français237 207