Анализ страницы https://cfjournal.hse.ru/article/view/28042
Основное Готовность: 70%
Домен
cfjournal.hse.ru
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
В нашей базе нет данных по данному домену
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 13.11.2026 2:59:59.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en-US
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en-US.
Скорость загрузки
~1,07сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 1,07сек превышает 1 секунду. Желательно улучшить работу сайта!
Объем документа
56Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 56Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 16
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 16 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | text/css | https://cfjournal.hse.ru/$$$call$$$/page/page/css?name=stylesheet |
| stylesheet | text/css | //fonts.googleapis.com/css?family=Noto+Sans:400,400italic,700,700italic |
| stylesheet | text/css | https://cdnjs.cloudflare.com/ajax/libs/font-awesome/4.7.0/css/font-awesome.css |
| js | text/javascript | //ajax.googleapis.com/ajax/libs/jquery/3.3.1/jquery.min.js |
| js | text/javascript | //ajax.googleapis.com/ajax/libs/jqueryui/1.12.0/jquery-ui.min.js |
| js | text/javascript | https://cfjournal.hse.ru/lib/pkp/js/lib/jquery/plugins/jquery.tag-it.js |
| js | text/javascript | https://cfjournal.hse.ru/plugins/themes/default/js/lib/popper/popper.js |
| js | text/javascript | https://cfjournal.hse.ru/plugins/themes/default/js/lib/bootstrap/util.js |
| js | text/javascript | https://cfjournal.hse.ru/plugins/themes/default/js/lib/bootstrap/dropdown.js |
| js | text/javascript | https://cfjournal.hse.ru/plugins/themes/default/js/main.js |
| js | text/javascript | https://cfjournal.hse.ru/plugins/generic/citationStyleLanguage/js/articleCitation.js |
| js | text/javascript | https://cdnjs.cloudflare.com/ajax/libs/d3/3.5.17/d3.min.js |
| js | text/javascript | https://cdnjs.cloudflare.com/ajax/libs/d3-cloud/1.0.0/d3.layout.cloud.min.js |
| js | text/javascript | https://cfjournal.hse.ru/plugins/blocks/keywordCloud/js/d3.wordcloud.min.js |
| js | text/javascript | https://cdnjs.cloudflare.com/ajax/libs/Chart.js/2.0.1/Chart.js |
| js | text/javascript | https://cfjournal.hse.ru/plugins/generic/usageStats/js/UsageStatsFrontendHandler.js |
Серверные заголовки
Кол-во: 8
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 8шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | nginx |
| Date | Thu, 20 Aug 2026 11:43:23 GMT |
| Transfer-Encoding | chunked |
| Connection | keep-alive |
| Set-Cookie | OJSSID=9aoet2hpfo53nvmmg9kv270ibj; path=/; domain=cfjournal.hse.ru |
| Cache-Control | no-store |
| Vary | Accept-Encoding |
| X-VHOST | 0 |
CMS
PrestaShop
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
Сайт работает на CMS PrestaShop.
Веб-сервер
nginx
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
Сайт работает на веб-сервере nginx.
Мета-теги Готовность: 32%
Title
Differential Predictors of Financial Distress in Listed Versus Unlisted Indian Firms: A Machine Learning Approach
| Journal of Corporate Finance Research / Корпоративные Финансы | ISSN: 2073-0438
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо уменьшить число символов в title (текущее значение: 209, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Установите мета-тег description!
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1.0
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Не найдено
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 62
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 62шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width, initial-scale=1.0 |
| name | generator | Open Journal Systems 3.1.2.1 |
| name | gs_meta_revision | 1.1 |
| name | citation_journal_title | Journal of Corporate Finance Research / Корпоративные Финансы | ISSN: 2073-0438 |
| name | citation_journal_abbrev | 1 |
| name | citation_issn | 2073-0438 |
| name | citation_author | Kumar Bijoy |
| name | citation_author_institution | Department of Financial Studies, Shaheed Sukhdev College of Business Studies, University of Delhi, India |
| name | citation_author | Sanjay Sehgal |
| name | citation_author_institution | Department of Finance and Business Economics, University of Delhi, India |
| name | citation_author | Ajay Jaiswal |
| name | citation_author_institution | School of Open Learning, University of Delhi, India |
| name | citation_title | Differential Predictors of Financial Distress in Listed Versus Unlisted Indian Firms: A Machine Learning Approach |
| name | citation_date | 2026/07/01 |
| name | citation_volume | 20 |
| name | citation_issue | 2 |
| name | citation_firstpage | 5 |
| name | citation_lastpage | 18 |
| name | citation_doi | 10.17323/j.jcfr.2073-0438.20.2.2026.5-18 |
| name | citation_abstract_html_url | https://cfjournal.hse.ru/article/view/28042 |
| name | citation_language | en |
| name | citation_keywords | financial distress |
| name | citation_keywords | listed and unlisted companies |
| name | citation_keywords | comparative performance |
| name | citation_keywords | logit model |
| name | citation_keywords | machine learning models |
| name | citation_keywords | feature selection |
| name | citation_keywords | entropy |
| name | citation_pdf_url | https://cfjournal.hse.ru/article/download/28042/31338 |
| name | DC.Creator.PersonalName | Kumar Bijoy |
| name | DC.Creator.PersonalName | Sanjay Sehgal |
| name | DC.Creator.PersonalName | Ajay Jaiswal |
| name | DC.Date.created | 2026-07-01 |
| name | DC.Date.dateSubmitted | 2025-08-25 |
| name | DC.Date.issued | 2026-07-01 |
| name | DC.Date.modified | 2026-07-10 |
| name | DC.Description | This study identifies the key determinants of financial distress and evaluates alternative prediction models for both listed and unlisted firms in India. It uses financial data from 1,473 NSE-listed and 472 unlisted Indian firms (2010–2023). Six firm characteristics – profitability, liquidity, solvency, capital structure, operating efficiency, and size – are measured using financial ratios, with market performance additionally included for listed firms. Feature selection identifies the best ratio per characteristic. Classical logit and multiple machine learning models are compared for distress prediction. It is found that leverage, firm size, and capital structure are significant predictors for both firm types. However, optimal measures differ: listed firms are better captured by ROA, working capital to total assets, and sales to total assets, whereas net profit margin, current ratio, and debt collection period perform better for unlisted firms. Machine learning models outperform the logit model, with Random Forest emerging as the best predictor. The study is among the first to simultaneously cover both listed and unlisted Indian firms and to apply machine learning for identifying distress determinants as well as prediction, moving beyond classical statistical approaches. However, the study is limited only to Indian market data, hence restricting cross-market generalisation. Future research should extend to additional emerging markets and more advanced modelling architectures. The findings of the study offer key insights for policy-makers and regulators in designing early-warning frameworks, for commercial banks – in credit risk assessment, for corporate management – in financial monitoring, and for academics – in advancing distress modelling methodology. |
| name | DC.Description | В данном исследовании определяются ключевые детерминанты финансового дистресса и оцениваются альтернативные модели прогнозирования как для публичных, так и для частных компаний в Индии. В работе используются финансовые данные 1 473 компаний, зарегистрированных на Национальной фондовой бирже (NSE), и 472 некотируемых индийских компаний за период 2010–2023 гг. Шесть характеристик фирмы — рентабельность, ликвидность, платежеспособность, структура капитала, операционная эффективность и размер — измеряются с помощью финансовых коэффициентов, при этом для публичных компаний дополнительно учитываются рыночные показатели. Отбор признаков позволяет выявить наилучший коэффициент для каждой характеристики. Для прогнозирования дистресса сравниваются классическая логит-модель и несколько моделей машинного обучения. Установлено, что леверидж, размер фирмы и структура капитала являются значимыми предикторами для обоих типов компаний. Однако оптимальные показатели различаются: для публичных компаний лучше работают ROA, отношение оборотного капитала к активам и отношение продаж к активам, тогда как для некотируемых компаний более эффективны чистая прибыль, коэффициент текущей ликвидности и период погашения дебиторской задолженности. Модели машинного обучения превосходят логит-модель, при этом наилучшие результаты показывает случайный лес (Random Forest). Данное исследование является одним из первых, охватывающих одновременно как публичные, так и частные индийские компании, и применяющих машинное обучение как для выявления детерминант дистресса, так и для прогнозирования, выходя за рамки классических статистических подходов. Вместе с тем, исследование ограничено данными только индийского рынка, что сужает возможность межрыночных обобщений. Будущие исследования должны быть расширены на другие развивающиеся рынки и более продвинутые архитектуры моделирования. Результаты исследования дают важные рекомендации для политиков и регуляторов при разработке систем раннего предупреждения, для коммерческих банков – в оценке кредитных рисков, для корпоративного менеджмента – при финансовом мониторинге, а для академических исследователей – в совершенствовании методологии моделирования дистресса. &nbsp; &nbsp; &nbsp; |
| name | DC.Format | application/pdf |
| name | DC.Identifier | 28042 |
| name | DC.Identifier.pageNumber | 5-18 |
| name | DC.Identifier.DOI | 10.17323/j.jcfr.2073-0438.20.2.2026.5-18 |
| name | DC.Identifier.URI | https://cfjournal.hse.ru/article/view/28042 |
| name | DC.Language | en |
| name | DC.Rights | Copyright (c) 2026 National Research University Higher School of Economics |
| name | DC.Rights | https://creativecommons.org/licenses/by-nc-nd/4.0 |
| name | DC.Source | Journal of Corporate Finance Research / Корпоративные Финансы | ISSN: 2073-0438 |
| name | DC.Source.ISSN | 2073-0438 |
| name | DC.Source.Issue | 2 |
| name | DC.Source.Volume | 20 |
| name | DC.Source.URI | https://cfjournal.hse.ru/ |
| name | DC.Subject | financial distress |
| name | DC.Subject | listed and unlisted companies |
| name | DC.Subject | comparative performance |
| name | DC.Subject | logit model |
| name | DC.Subject | machine learning models |
| name | DC.Subject | feature selection |
| name | DC.Subject | entropy |
| name | DC.Title | Differential Predictors of Financial Distress in Listed Versus Unlisted Indian Firms: A Machine Learning Approach |
| name | DC.Title.Alternative | Прогнозирование финансового дистресса в индийских фирмах: ML-подход для публичных и частных компаний |
| name | DC.Type | Text.Serial.Journal |
| name | DC.Type.articleType | New Research |
Оптимизация Готовность: 72%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Ошибок нет
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 22 встречаются в тексте достаточно.
Абзацев с текстом 70 достаточно.
Среднее число слов в абзаце 28 достаточно.
Кол-во знаков контента 17830 на странице оптимально.
Кол-во слов 2015 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h3> 3.
Тошнота
7,48
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
24,47%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| financial | 56 | 2,78% |
| https://doi | 54 | 2,68% |
| org/10 | 54 | 2,68% |
| journal | 39 | 1,94% |
| distress | 37 | 1,84% |
| prediction | 28 | 1,39% |
| research | 21 | 1,04% |
| accounting | 19 | 0,94% |
| corporate | 16 | 0,79% |
| finance | 16 | 0,79% |
| business | 16 | 0,79% |
| analysis | 14 | 0,69% |
| bankruptcy | 14 | 0,69% |
| 1016/j | 14 | 0,69% |
| listed | 13 | 0,65% |
| machine | 12 | 0,60% |
| learning | 11 | 0,55% |
| models | 9 | 0,45% |
| ratios | 9 | 0,45% |
| management | 9 | 0,45% |
Индексация Готовность: 30%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 126 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 32 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
User-agent: *
Disallow: /cache/
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 44
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 44 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
На странице присутствуют изображения 2.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / https://cfjournal.hse.ru/index |
Journal of Corporate Finance Research / Корпоративные Финансы | ISSN: 2073-0438
|
|
| /issue/current |
Current
|
|
| /about |
About
|
|
| /about |
About the Journal
|
|
| /editorialstaff |
Editorial Team
|
|
| /contacts |
Contacts
|
|
| /editorialteam |
Editorial Board
|
|
| /about/submissions |
Author Guidelines
|
|
| /issue/archive |
Archives
|
|
| /copyright |
Open Access and Copyright Notice
|
|
| /ethics |
Publication Ethics
|
|
| /ed_policy |
Editorial Policy and Peer Review
|
|
| /announcement |
Announcements
|
|
| /search/search |
Search
|
|
| /user/register |
Register
|
|
| /login |
Login
|
|
| /index |
Home
|
|
| /issue/archive |
Archives
|
|
| /issue/view/2528 |
Vol 20 No 2 (2026)
|
|
| /article/view/28042/31338 |
PDF
|
|
| /citationstylelanguage/get/acm-sig-proceedings?submissionId=28042 |
ACM
|
|
| /citationstylelanguage/get/acs-nano?submissionId=28042 |
ACS
|
|
| /citationstylelanguage/get/apa?submissionId=28042 |
APA
|
|
| /citationstylelanguage/get/associacao-brasileira-de-normas-tecnicas?submissionId=28042 |
ABNT
|
|
| /citationstylelanguage/get/chicago-author-date?submissionId=28042 |
Chicago
|
|
| /citationstylelanguage/get/harvard-cite-them-right?submissionId=28042 |
Harvard
|
|
| /citationstylelanguage/get/ieee?submissionId=28042 |
IEEE
|
|
| /citationstylelanguage/get/modern-language-association?submissionId=28042 |
MLA
|
|
| /citationstylelanguage/get/turabian-fullnote-bibliography?submissionId=28042 |
Turabian
|
|
| /citationstylelanguage/get/vancouver?submissionId=28042 |
Vancouver
|
|
| /citationstylelanguage/download/ris?submissionId=28042 |
<span class="fa fa-download"></span>
Endnote/Zotero/Mendeley (RIS)
|
|
| /citationstylelanguage/download/bibtex?submissionId=28042 |
<span class="fa fa-download"></span>
BibTeX
|
|
| /issue/view/2528 |
Vol 20 No 2 (2026)
|
|
| /about/submissions |
Make a Submission
|
|
| /user/setLocale/en_US?source=%2Findex.php%2Fcfjournal%2Farticle%2Fview%2F28042 |
English
|
|
| /user/setLocale/ru_RU?source=%2Findex.php%2Fcfjournal%2Farticle%2Fview%2F28042 |
Русский
|
|
| /article/view/28042 |
Differential Predictors of Financial Distress in Listed Versus Unlisted Indian Firms: A Machine Learning Approach
|
|
| /article/view/14233 |
New Financial Tools in Sport: NFTs and Fan Tokens
|
|
| /article/view/10458 |
Methods of Calculation of Expected Credit Losses Under Requirements of IFRS 9
|
|
| /article/view/1418 |
Interrelation between payout and financing decisions: evidence from emerging markets
|
|
| /article/view/27951 |
CEO Attributes and Quality of Sustainability Reports of Nigerian Listed Firms
|
|
| /information/readers |
For Readers
|
|
| /information/authors |
For Authors
|
|
| /information/librarians |
For Librarians
|
|
Внешние ссылки
Кол-во: 70
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 70 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор |
|---|---|
| orcid.org |
https://orcid.org/0000-0003-1416-8376
|
| orcid.org |
https://orcid.org/0000-0001-9986-0083
|
| orcid.org |
https://orcid.org/0000-0001-9032-2916
|
| doi.org |
https://doi.org/10.17323/j.jcfr.2073-0438.20.2.2026.5-18
|
| econbiz.de |
https://www.econbiz.de/Record/the-test-analysis-of-unsuccessful-industrial-companies/10000384293
|
| books.google.ru |
https://books.google.ru/books/about/A_Comparison_of_the_Ratios_of_Successful.html?id=hs3LmgEACAAJ&redir_esc=y
|
| openlibrary.org |
https://openlibrary.org/books/OL180671M/Changes_in_the_financial_structure_of_unsuccessful_industrial_corporations
|
| doi.org |
https://doi.org/10.2307/2490171
|
| jstor.org |
http://www.jstor.org/stable/244122
|
| doi.org |
https://doi.org/10.2307/2490233
|
| doi.org |
https://doi.org/10.1111/j.1540-6261.1968.tb00843.x
|
| doi.org |
https://doi.org/10.2307/2326283
|
| doi.org |
https://doi.org/10.1108/eb038985
|
| archive.org |
https://archive.org/details/corporatefinanci0000altm/page/n5/mode/2up
|
| ndl.ethernet.edu.et |
http://ndl.ethernet.edu.et/bitstream/123456789/27600/2/68.pdf.pdf
|
| doi.org |
https://doi.org/10.1016/0378-4266(77)90017-6
|
| doi.org |
https://doi.org/10.1111/j.1540-6261.1971.tb00902.x
|
| doi.org |
https://doi.org/10.2307/2490225
|
| doi.org |
https://doi.org/10.2307/2329929
|
| doi.org |
https://doi.org/10.2307/3665101
|
| doi.org |
https://doi.org/10.2307/2490035
|
| doi.org |
https://doi.org/10.2307/2490525
|
| doi.org |
https://doi.org/10.2307/2490653
|
| doi.org |
https://doi.org/10.2307/3665489
|
| doi.org |
https://doi.org/10.2307/2490395
|
| doi.org |
https://doi.org/10.2307/2981867
|
| doi.org |
https://doi.org/10.2307/2490860
|
| doi.org |
https://doi.org/10.2307/2490859
|
| doi.org |
https://doi.org/10.1111/j.1468-5957.1985.tb00077.x
|
| jstor.org |
http://www.jstor.org/stable/40604051
|
| econbiz.de |
https://www.econbiz.de/Record/effects-of-financial-distress-condition-on-the-company-performance-a-malaysian-perspective-choy-steven-liew-woon/10010686072
|
| doi.org |
https://doi.org/10.1016/j.sbspro.2016.05.018
|
| doi.org |
https://doi.org/10.1016/j.bar.2016.04.001
|
| scispace.com |
https://scispace.com/papers/an-empirical-investigation-of-capital-structure-and-tax-1kjcixhswq
|
| doi.org |
https://doi.org/10.30871/jama.v2i1.727
|
| doi.org |
https://doi.org/10.1080/23322039.2018.1545739
|
| doi.org |
https://doi.org/10.61426/sjbcm.v5i4.933
|
| doi.org |
https://doi.org/10.13189/ujaf.2021.090325
|
| doi.org |
https://doi.org/10.1108/IMEFM-10-2023-0404
|
| doi.org |
https://doi.org/10.1016/0148-6195(94)90038-8
|
| doi.org |
https://doi.org/10.1016/0957-4174(95)00020-8
|
| doi.org |
https://doi.org/10.1086/209665
|
| doi.org |
https://doi.org/10.1016/j.asoc.2012.03.028
|
| doi.org |
https://doi.org/10.1057/jors.2013.67
|
| doi.org |
https://doi.org/10.4236/jss.2014.29035
|
| doi.org |
https://doi.org/10.1057/jors.2015.64
|
| doi.org |
https://doi.org/10.1016/j.irfa.2017.02.004
|
| doi.org |
https://doi.org/10.3390/jrfm13030047
|
| doi.org |
https://doi.org/10.1108/BPMJ-06-2020-0273
|
| doi.org |
https://doi.org/10.1016/j.ijinfomgt.2018.12.001
|
| doi.org |
https://doi.org/10.1016/j.dss.2020.113429
|
| doi.org |
https://doi.org/10.1108/MF-06-2020-0332
|
| doi.org |
https://doi.org/10.1016/j.eswa.2022.116726
|
| doi.org |
https://doi.org/10.1016/j.dss.2022.113814
|
| doi.org |
https://doi.org/10.1002/for.2915
|
| doi.org |
https://doi.org/10.1108/JAAR-12-2022-0325
|
| doi.org |
https://doi.org/10.14710/medstat.16.1.1-12
|
| doi.org |
https://doi.org/10.1016/j.mlwa.2024.100527
|
| growingscience.com |
https://www.growingscience.com/dsl/Vol13/dsl_2023_51.pdf
|
| doi.org |
https://doi.org/10.1016/j.jcorpfin.2025.102830
|
| doi.org |
https://doi.org/10.1016/j.chieco.2014.07.007
|
| doi.org |
https://doi.org/10.1007/s41775-021-00119-4
|
| doi.org |
https://doi.org/10.1108/MF-10-2021-0489
|
| doi.org |
https://doi.org/10.1016/j.eswa.2004.12.008
|
| doi.org |
https://doi.org/10.1016/j.eswa.2011.02.173
|
| doi.org |
https://doi.org/10.1126/science.abb6105
|
| doi.org |
https://doi.org/10.1016/j.japwor.2011.01.002
|
| creativecommons.org |
<img alt="Creative Commons License" src="//i.creativecommons.org/l/by-nc-nd/4.0/88x31.png">
|
| creativecommons.org |
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License
|
| creativecommons.org |
<img title="This is an Open Access journal distributed under the terms of the Creative Commons Attribution 4.0 license (unless stated otherwise) which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. Copyright is retained by our authors." src="https://www.hse.ru/mirror/pubs/share/204999790" alt="" width="88" height="31">
|
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ФЗ-152: ПД Готовность: 40%
РКН
ОК
Сайт не заблокирован
Контакты
https://cfjournal.hse.ru/contacts
Страница с контактами найдена
Политика ПД
https://cfjournal.hse.ru/policy/
Страница политики обработки ПД найдена
Согласие
https://cfjournal.hse.ru/personal/
Страница согласия на обработку ПД найдена
Чекбокс согласия
Не найден
Чекбокс согласия на обработку ПД в формах сайта не найден
Счётчики до согласия
ОК
Счётчики аналитики не собирают данные до согласия пользователя
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Страница https://cfjournal.hse.ru/article/view/28042 готова к продвижению на 51%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: