MétaCan
Menu
Retour à la cohorte
Enregistrement W2070009787 · doi:10.1080/00014788.2004.9729975

Implied Cost of Equity Capital in Earnings-Based Valuation: International Evidence

2004· article· en· W2070009787 sur OpenAlexaff
Feng Chen, Bjørn Jorgensen, Yong Keun Yoo

Notice bibliographique

RevueLondon School of Economics and Political Science Theses Online (London School of Economics and Political Science) · 2004
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésResidual income valuationEconomicsValuation (finance)EarningsEquity (law)Cost of capitalFinancial economicsEarnings growthBook valueCost of equityEquity capital marketsEconometricsMicroeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Assuming the clean surplus relation, the Edwards-Bell-Ohlson residual income valuation (RIV) model expresses market value of equity as the sum of the book value of equity and the expected discounted future residual incomes. Without assuming the clean surplus relation, Ohlson and Juettner-Nauroth (2000) articulate the role of forward earnings per share in valuation. We compare the implied costs of equity capital from these two approaches to earnings-based valuation within seven developed countries. We hypothesise superior performance from the RIV model in countries where the clean surplus relation holds well. First, we provide preliminary international evidence on the frequency and magnitude of the clean surplus deviations. Consistent with our hypothesis, we document superior reliability of the implied cost of equity capital derived from the RIV model when clean surplus adequately describes the firms' financial reporting. That is, the implied cost of equity capital derived from Ohlson and Juettner-Nauroth (2000) is relatively more reliable in countries where the clean surplus deviations are common. Our analyses suggest that the proper choice of earnings-based valuation model may depend on analysts' interpretation of their financial reporting environment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,105
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,105
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,003
Communication savante0,0030,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,071
Tête enseignante GPT0,323
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations17
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLondon School of Economics and Political Science Theses Online (London School of Economics and Political Science)Même sujetFinancial Markets and Investment StrategiesTravaux en français237 207