Predicting Systematic Risk: Implications from Growth Options
Bibliographic record
Abstract
En vertu de l'effet de levier financier bien connu, les baisses du cours des actions produisent une hausse du bêta des capitaux propres avec facteur d'endettement par rapport à un bêta donné des capitaux propres sans facteur d'endettement. Toutefois, étant donné que les options de croissance sont plus volatiles et présentent un risque plus élevé que les actifs en place, une baisse de leur prix peut contribuer à diminuer le bêta des capitaux propres sans facteur d'endettement à cause de l'effet de « levier d'exploitation ». Ce phénomène s'explique par le fait que les baisses de prix peuvent être associées à une perte proportionnellement plus élevée dans le cas des options de croissance par rapport aux actifs en place. La plupart des études existantes mettent l'accent sur l'effet de levier financier. Le document actuel se penche sur les deux effets. Nos résultats empiriques démontrent que, contrairement à la croyance répandue, l'effet de levier d'exploitation domine largement l'effet de levier financier, même dans le cas des firmes dont le facteur d'endettement est élevé et qui, vraisemblablement, ont peu d'options de croissance. Nous établissons un lien entre les variations dans les bêtas et les caractéristiques mesurables des firmes qui représentent la proportion investie dans les options de croissance. Nous démontrons que ces données indirectes prédisent conjointement une forte proportion de différences transversales dans les bêtas. Les résultats ont une incidence importante sur la prévisibilité des bêtas des capitaux propres et, par le fait même, sur la fixation empirique des prix des actifs et sur l'optimisation du portefeuille qui limite le risque systématique.
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 | 0.006 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".