MétaCan
Menu
Retour à la cohorte
Enregistrement W4414243344 · doi:10.1111/jfir.70022

Bond covenants and the speed of corporate capital structure adjustment: Evidence from China

2025· article· en· W4414243344 sur OpenAlexaff
Xueying Zhang, Duowen Wu, Thomas Walker, Aoran Zhang

Notice bibliographique

RevueThe Journal of Financial Research · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensToronto Metropolitan UniversityConcordia University
Organismes subventionnairesHumanities and Social Science Fund of Ministry of Education of ChinaNatural Science Foundation of Shandong ProvinceMinistry of Education of the People's Republic of ChinaShandong University
Mots-clésBondCapital structureDebtCorporate governanceCost of capitalCovenantAsset (computer security)Capital (architecture)

Résumé

récupéré en direct d'OpenAlex

Abstract We investigate the effect of bond covenants on the speed of corporate capital structure adjustment. Based on manually collected bond covenant information from publicly listed Chinese firms between 2007 and 2019, we construct an index that measures the intensity of corporate bond covenants. Our results show that the greater the covenant intensity index of a firm's debt covenants, the faster the capital structure adjustment. Option covenants, restrictive asset transfer covenants, restrictive investment covenants, and event‐driven covenants all have a positive and significant association with the speed of capital structure adjustment, whereas no such effect is observed for financing covenants and repayment arrangement covenants. Furthermore, we examine the direction of adjustment and adjustment method, and demonstrate that bond covenants promote an upward adjustment in a firm's capital structure by increasing debt financing. An analysis of heterogeneity effects reveals that the positive relation between the intensity of bond covenants and speed of capital structure adjustment is more pronounced in state‐owned companies and companies headquartered in areas with higher legal standards. Finally, we show that information transparency, internal control, and environmental, social, and governance (ESG) performance are channels through which bond covenants affect the speed of capital structure adjustment.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,049
Tête enseignante GPT0,296
Écart entre enseignants0,246 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Financial ResearchMême sujetCorporate Finance and GovernanceTravaux en français237 207