MétaCan
Menu
Retour à la cohorte
Enregistrement W4414614658 · doi:10.1080/23302674.2025.2560555

Does economic policy uncertainty impact inventories and firm value? Evidence from the US economy

2025· article· en· W4414614658 sur OpenAlexaff
Wassim Dbouk, Lama Moussawi-Haidar, Mohamad Y. Jaber

Notice bibliographique

RevueInternational Journal of Systems Science Operations & Logistics · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésEconomic impact analysisProduction (economics)Economic forecastingEconomic modelEconomic analysis

Résumé

récupéré en direct d'OpenAlex

This paper develops an empirical model to explore how EPU impacts inventory levels in U.S. firms and the effect on firm value under high EPU. This is the first paper to investigate the impact of macroeconomic risk measured by the EPU on inventory and firm value. We apply panel data regression methodology to financial data from a COMPUSTAT sample of 330,905 quarterly observations between 2002 and 2023 for U.S.-based firms. We measure firm value using the market-to-book ratio of assets, which enables us to link inventory policy to market valuation directly. We find that with increased EPU, the total inventory levels, raw material, and finished goods inventory increase, while work-in-process (WIP) inventory level decreases. This indicates that during high EPU, firms increase raw material and finished goods inventory to hedge against supply and demand shortages, while streamlining their internal production processes and workflow, which lowers the WIP inventory, achieving higher inventory leanness. Our findings also indicate that inventory levels and firm value follow an inverted U-shaped relationship. A higher inventory level due to EPU is value-enhancing until it reaches a threshold point, beyond which a firm's value decreases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,316
Écart entre enseignants0,284 · 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 source (Gemma direct ou Codex distillé), 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 revueInternational Journal of Systems Science Operations & LogisticsMême sujetMarket Dynamics and VolatilityTravaux en français237 207