För företagens skuld - En branschspecifik studie av skattningen av kreditbetyg
(2015) FEKN90 20151Department of Business Administration
- Abstract (Swedish)
- Syfte: Studien ämnar undersöka ifall procent korrekt skattade kreditbetyg kan påvisas vara högre än vad tidigare forskning fastställt vid en branschspecifik undersökning av teknologibranschen samt allmännyttiga företag. Studien ämnar även, i samma kontext, undersöka om procent korrekt skattade kreditbetyg visar sig vara högre vid dessa två separata branschspecifika undersökningar än vid en undersökning över de två branscher samtidigt.
Metod: En deduktiv och kvantitativ forskningsstrategi som undersöker procent korrekt skattade kreditbetyg med hjälp av en ordered logit modell.
Teoretisk referensram: Utgår från trade-off teorin som hävdar att företag har olika optimal skuldsättning. Den består även av tidigare forskning vilka försökt... (More) - Syfte: Studien ämnar undersöka ifall procent korrekt skattade kreditbetyg kan påvisas vara högre än vad tidigare forskning fastställt vid en branschspecifik undersökning av teknologibranschen samt allmännyttiga företag. Studien ämnar även, i samma kontext, undersöka om procent korrekt skattade kreditbetyg visar sig vara högre vid dessa två separata branschspecifika undersökningar än vid en undersökning över de två branscher samtidigt.
Metod: En deduktiv och kvantitativ forskningsstrategi som undersöker procent korrekt skattade kreditbetyg med hjälp av en ordered logit modell.
Teoretisk referensram: Utgår från trade-off teorin som hävdar att företag har olika optimal skuldsättning. Den består även av tidigare forskning vilka försökt uppnå en så hög procent korrekt skattade kreditbetyg som möjligt.
Empiri: Baseras på en kvantitativ insamling av data där nio variabler hämtas från teknologi- och allmännyttiga företag noterade på den amerikanska S&P 500 listan. Data har erhållits från Standard & Poor’s databas och från Thomson Reuters via tjänsterna Datastream och Eikon.
Slutsats: Studien kunde inte uppnå en högre korrekt skattning än tidigare forskning, resultatet var dock i paritet med dessa tidigare studier. I den här studiens visades att en branschspecifik undersökning kunna skatta kreditbetyg bättre än en sammanslagning över de två branscherna. (Less) - Abstract
- Purpose: The study aims to investigate if the percent correctly predicted credit ratings can be shown to be higher than previous research has established with an industry-specific survey of technology and utility companies. The study also aims to, in the same context, examine if the percent correctly predicted credit ratings proves to be higher in the these two separate industry-specific than in an investigation of the two sectors simultaneously.
Methodology: This study is of deductive and quantitative nature and examines the percent correctly predicted credit ratings using an ordered logit regression model.
Theoretical foundation: Is based on the trade-off theory, which claims that companies have different optimal capital structure.... (More) - Purpose: The study aims to investigate if the percent correctly predicted credit ratings can be shown to be higher than previous research has established with an industry-specific survey of technology and utility companies. The study also aims to, in the same context, examine if the percent correctly predicted credit ratings proves to be higher in the these two separate industry-specific than in an investigation of the two sectors simultaneously.
Methodology: This study is of deductive and quantitative nature and examines the percent correctly predicted credit ratings using an ordered logit regression model.
Theoretical foundation: Is based on the trade-off theory, which claims that companies have different optimal capital structure. It also consists of previous research that aimed to achieve the highest percent correctly estimated rating.
Empirical foundation: The empirical foundation of this study is based on a quantitative data set of nine variables collected from technology and utility companies listed on the U.S. S&P 500 list. Data were obtained from the Standard & Poor’s and Thomson Reuters database through Datastream och Eikon.
Conclusions: The study could not show a higher correct prediction than previous research, though the result was in parity with those studies. However, this study showed that an industry-specific survey could better predict credit ratings than when merging the two industries. (Less)
Please use this url to cite or link to this publication:
http://lup.lub.lu.se/student-papers/record/5470797
- author
- van Berlekom, Michelle and Widman, Elin
- supervisor
- organization
- course
- FEKN90 20151
- year
- 2015
- type
- H1 - Master's Degree (One Year)
- subject
- keywords
- finansiella nyckeltal, Kreditbetyg, branschspecifik undersökning, ordered logit modell, rätt klassificering, teknologibranschen, allmännyttiga företag
- language
- Swedish
- id
- 5470797
- date added to LUP
- 2015-06-22 15:42:51
- date last changed
- 2015-06-22 15:42:51
@misc{5470797,
abstract = {{Purpose: The study aims to investigate if the percent correctly predicted credit ratings can be shown to be higher than previous research has established with an industry-specific survey of technology and utility companies. The study also aims to, in the same context, examine if the percent correctly predicted credit ratings proves to be higher in the these two separate industry-specific than in an investigation of the two sectors simultaneously.
Methodology: This study is of deductive and quantitative nature and examines the percent correctly predicted credit ratings using an ordered logit regression model.
Theoretical foundation: Is based on the trade-off theory, which claims that companies have different optimal capital structure. It also consists of previous research that aimed to achieve the highest percent correctly estimated rating.
Empirical foundation: The empirical foundation of this study is based on a quantitative data set of nine variables collected from technology and utility companies listed on the U.S. S&P 500 list. Data were obtained from the Standard & Poor’s and Thomson Reuters database through Datastream och Eikon.
Conclusions: The study could not show a higher correct prediction than previous research, though the result was in parity with those studies. However, this study showed that an industry-specific survey could better predict credit ratings than when merging the two industries.}},
author = {{van Berlekom, Michelle and Widman, Elin}},
language = {{swe}},
note = {{Student Paper}},
title = {{För företagens skuld - En branschspecifik studie av skattningen av kreditbetyg}},
year = {{2015}},
}