MétaCan
Menu
Retour à la cohorte
Enregistrement W7058581726

Norwegian Air Shuttle ASA : en strategisk og regnskapsbasert kredittvurdering

2018· dissertation· no· W7058581726 sur OpenAlexaboutno aff

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2018
Typedissertation
Langueno
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNorwegianNova scotiaROWEPoison control
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Norwegian Air Shuttle ASA har i de siste årene vært i stor vekst, hvor spesielt gjeld er blitt\nbrukt som en finansieringskilde. All den gjelden har lagt press på lønnsomheten til Norwegian,\nog førte til at Moody’s nedgraderte gjelden til Norwegian sommeren 2017. Denne\nmasterutredningen er en strategisk og regnskapsbasert kredittvurdering av Norwegian. Målet\nmed oppgaven er å tildele Norwegian en kredittklasse som skal gjenspeile kredittrisikoen rundt\nNorwegian, og deretter kvantifisere denne kredittrisikoen gjennom tapstillegg og lånerenter.\nForskjellige analytiske metoder og modeller benyttes til å vurdere kredittrisikoen til Norwegian.\nI den eksterne strategiske analysen blir PESTEL og Porters Five Forces brukt til å avdekke\nrisikofaktorer knyttet opp mot eksterne og interne bransjefaktorer. Intern risiko knyttet opp mot\nstrategiske ressurser analyseres med en VRIO-analyse. Regnskapsanalysen fokuserer på\nlikviditet, lønnsomhet og soliditet, hvor finansielle nøkkeltall blir benyttet. Sammen med denne\nanalysen blir statistiske konkursmodeller brukt til å vurdere den finansielle kredittrisikoen.\nBasert på regnskapsanalysen blir det deretter foretatt en syntetisk kredittrating, som vil bli\nanvendt som et utgangspunkt i den endelige kredittratingen. Som siste del av analysen blir\nframtidsutsiktene til Norwegian vurdert ved hjelp av en scenarioanalyse, hvor scenarioene skal\nbli simulert basert på et Monte Carlo rammeverk. Helt til slutt i oppgaven skal den avdekkede\nrisikoen fra både den strategiske og regnskapsbaserte analysen knyttet sammen til en samlet\nendelig kredittrating, og deretter kvantifisert i from av tapstillegg og lånerenter.\nNorwegian har ingen offisiell kredittrating, men analyser og rapporter tilsier at Norwegian har\noperert med en kredittrating på om lag «B+/stabile utsikter» tidligere. Resultatene fra analysene\navdekket en høy grad av kredittrisiko og argumenterer derfor for en nedgradering til\n«CCC/negative utsikter». Dette er beregnet å føre til et gjennomsnittlig tapstillegg og lånerente\npå henholdsvis 10,63 % og 11,48 %. Disse resultatene tilsier en økt kredittrisiko for Norwegian.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,359
Score d'incertitude au seuil0,715

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0570,014

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 Opus0,022
Tête enseignante GPT0,283
Écart entre enseignants0,261 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetMagnetic confinement fusion researchTravaux en français237 207