Information asymétrique, contraintes de liquidité et investissement
Bibliographic record
Abstract
Le présent article étudie l’influence de la structure des marchés financiers sur les décisions d’investissement des entreprises à partir de données longitudinales d’entreprises de six pays : l’Allemagne et le Japon d’une part, où s’établissent plutôt des relations de long terme entre prêteurs et emprunteurs, le Canada, les États-Unis, la France et le Royaume-Uni d’autre part, dont les marchés financiers tendent à privilégier les relations de court terme. Les systèmes financiers qui favorisent les relations de long terme devraient réduire les imperfections de marché et permettre donc aux entreprises de moins recourir aux fonds autogénérés pour financer leurs investissements. Les résultats de nos estimations confirment qu’en Allemagne et au Japon, les coefficients des variables de flux et de stocks de liquidités dans les équations d’investissement sont soit faibles soit statistiquement non différents de zéro. Par ailleurs, indépendamment du système financier d’un pays, ces mêmes imperfections devraient se manifester plus dans les petites entreprises que dans les grandes entreprises. Nos résultats montrent effectivement que les petites firmes ont davantage recours à leurs propres fonds pour financer leurs investissements, non seulement aux États-Unis mais encore au Japon, ce qui constitue une confirmation plus convaincante de l’hypothèse des contraintes financières.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.075 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".