Bibliographic record
Abstract
Cette thèse se compose de trois chapitres distincts. Dans le premier chapitre, nous examinons si les facteurs explicatifs de la maturité de la dette précédemment identifiés dans la littérature ont des impacts qui varient en fonction du niveau de maturité de la dette en mettant l'accent sur les cas extrêmes. Nous constatons que les effets des déterminants classiques varient sensiblement en fonction de la distribution de la maturité de la dette. Ces effets sont beaucoup plus faibles pour les percentiles les plus bas et les plus élevés. Cela indique que le risque de refinancement est beaucoup plus contraignant à très court terme et beaucoup moins à très long terme. En revanche, le fait d'avoir accès ou non au financement public accentue ce phénomène d'hétérogénéité de l'impact des déterminants en fonction du niveau de maturité de la dette. Ce dernier point peut s'expliquer par le fait que le risque de refinancement est beaucoup plus important pour les entreprises n'ayant pas accès au financement public. En résumé, nos résultats confirment notre intuition concernant les impacts hétérogènes des déterminants de la maturité de la dette en fonction du niveau de maturité de la dette et en particulier dans les cas extrêmes. Dans le deuxième chapitre, nous examinons les choix de la maturité de la dette des entreprises dans une perspective dynamique. Premièrement, nos résultats mettent en évidence des effets moutonniers. Aussi bien en termes de niveaux de la maturité de la dette qu'en termes de modifications de la maturité de la dette, les entreprises reproduisent le comportement des entreprises du même secteur. Ce comportement moutonnier explique beaucoup plus les variations de la maturité des dettes que les caractéristiques propres des entreprises. Après avoir éliminé l'impact des variations de la structure par terme des taux d'intérêt, ce comportement moutonnier en réponse aux modifications de la maturité de la dette des entreprises du même secteur est encore plus conséquent. Deuxièmement, nous constatons une persistance de niveaux de maturité de la dette dans le temps, notamment pour les entreprises ayant des maturités de la dette très faibles. Le troisième chapitre analyse l'impact du « market timing » sur la maturité de la dette. Nous affirmons que les grandes entreprises affichant des fondamentaux solides ont tendance à émettre des dettes à long terme plutôt qu'à court terme en cas de surévaluation temporaire des titres de ces entreprises. En particulier, pour ce type d'entreprises, l'effet du timing domine celui du comportement moutonnier pendant les périodes de refinancement important. Pour les petites entreprises dont les fondamentaux sont faibles, l'effet du « market timing » est faible, tandis que celui du comportement moutonnier est conséquent.
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 | 0.004 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.028 | 0.005 |
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".