Improved capital budgeting decision making: evidence from Canada
Notice bibliographique
Résumé
Purpose The purpose of this article is to evaluate current techniques in capital budget decision making in Canada, including real options, and to integrate the results with similar previous studies. Design/methodology/approach A mail survey was conducted, which included 88 large firms in Canada. Findings Trends towards sophisticated techniques have continued; however, even in large firms, 17 percent did not use discounted cash flow (DCF). Of those which did, the majority favoured net present value (NPV) and internal rate of return (IRR). Overall between one in ten to one in three were not correctly applying certain aspects of DCF. Only 8 percent used real options. Research limitations/implications One limitation is that the survey does not indicate why managers continue using less advanced capital budgeting decision techniques. A second is that choice of population may bias results to large firms in Canada. Practical implications The main area for management focus is real options. Other areas for improvement are administrative procedures, using the weighted average cost of capital (WACC), adjusting the WACC for different projects or divisions, employing target or market values for weights, and not including interest expenses in project cash flows. A small proportion of managers also need to start using DCF. Originality/value The evaluation shows there still remains a theory‐practice gap in the detailed elements of DCF capital budgeting decision techniques, and in real options. Further, it is valuable to take stock of a concept that has been developed over a number of years. What this paper offers is a fine‐grained analysis of investment decision making, a synthesis and integration of several studies on DCF where new comparisons are made, advice to managers and thus opportunities to improve investment decision making.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».