MétaCan
Menu
Retour à la cohorte
Enregistrement W4414630304 · doi:10.2308/tar-2024-0405

The Cost of Investor Protection: Bank Loan Contracting During SEC Investigations

2025· article· en· W4414630304 sur OpenAlexaff
Yangyang Chen, Emmanuel Ofosu, Jeffrey Pittman

Notice bibliographique

RevueThe Accounting Review · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueLaw, logistics, and international trade
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesLingnan UniversityNational Natural Science Foundation of China
Mots-clésLoanNon-conforming loanParticipation loanDebtEnforcementScrutinyCross-collateralizationInformation asymmetry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In examining the loan contracting implications of SEC investigations, we document that banks charge higher loan spreads when borrowers are under investigation, with the rise in interest rates varying predictably with lender characteristics. Further, our evidence implies that the debt pricing impact of SEC investigations is amplified for borrowers suffering worse credit quality and information asymmetry as well as those relying more on bank loans. These findings suggest that banks perceive increased risk for borrowers under SEC scrutiny while also leveraging their knowledge of the investigations to extract rents. Supplemental analyses reveal tighter nonspread loan terms and a higher likelihood of amending existing loan contracts during SEC investigations. Additionally, the tightening of loan terms reverses for investigations that conclude without enforcement actions. Overall, our research identifies an economic cost of SEC investigations and alerts regulators to these costs when deciding whether to launch an investigation. Data Availability: All data used are available from the sources indicated in the paper. JEL Classifications: M41; D82; G21; K22.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil0,637

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,042
Tête enseignante GPT0,269
Écart entre enseignants0,228 · 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'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetLaw, logistics, and international tradeTravaux en français237 207