Norwegian Air Shuttle ASA : en strategisk og regnskapsbasert kredittvurdering
Bibliographic record
Abstract
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.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.057 | 0.014 |
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".