MétaCan
Menu
Retour à la cohorte
Enregistrement W1914365750 · doi:10.4102/jef.v5i2.299

‘n Ondersoek na die inkomstebelastinghantering van beëindigingsboetes betaalbaar deur verhuurders by die voortydige beëindiging van ‘n huurooreenkoms

2012· article· en· W1914365750 sur OpenAlexaboutno aff
Leonard Willemse, David Frederick Badenhorst

Notice bibliographique

RevueJournal of Economic and Financial Sciences · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Issues in South Africa
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeaseEconomicsContext (archaeology)Profit (economics)Database transactionIncome taxBusinessFinancePublic economicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The premature termination of lease agreements is a common occurrence in the South African and international business arena. When a lease is terminated prematurely, it is currently the practice that the person who terminates the lease agreement has to pay a termination penalty. This article investigates the income tax treatment possibilities of the penalty paid by a lessor. For purposes of this investigation the income tax treatment of lease termination penalties in Australia, Canada, the United States of America and South Africa are investigated. This is done in order to identify guidelines and principles that could possibly be used in a South African context, which may lead to the efficient and correct treatment of lease termination penalties for South African income tax purposes. The investigation concludes that the factors surrounding the lease termination transaction as well as the intention of the parties involved, will determine the appropriate income tax treatment of the penalty. The question must be asked whether or not the termination penalty was incurred as part of a ‘profit-making scheme’ and what happens after the penalty has been incurred. It is recommended that, where the penalty is deemed to be capital in nature, the merit of allowing some sort of capital allowance (similar to the one used in the United States of America) should be investigated.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,283
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economic and Financial SciencesMême sujetLegal Issues in South AfricaTravaux en français237 207