A study on effects of cost-of-equity models on cost-of-capital and capital structure
Notice bibliographique
Résumé
Article history: Received March 26, 2012 Received in Revised form June, 12, 2012 Accepted 19 June 2012 Available online June 26 2012 Most financial managers believe that there are different factors hindering decision-making about the capital structure of a company. This hindrance is so that, in some financial management literatures capital structure is called the mystery of capital. Financial managers widely believe that financial leverage enjoys a noticeable status in managerial decision making as well as management of the framework of balance sheet. The primary purpose of this research is to present applications of equity modules and to study effective factors on such models on Tehran stock exchange. The study covers data over a period of five years from 2001 to 2005. The study analyzes and tests relevant data to firm’s debt ratio and corporate size as effective factors on cost-of-equity. The preliminary findings indicate that contrary to the commonly held belief in financial management theorems, debts ratio has the least effect on cost-of-equity. Nevertheless, the study suggests that the variant of company’s size has a meaningful relationship with cost-of-equity. To calculate cost-of-equity, CAPM, Gordon and return ratio methods are used. Findings show that CAPM has more validity compared with other varieties. On the other hand, the results indicate that there is a 95-percent probability proving that liquidity has a significant negative effect on financial leverage. © 2012 Growing Science Ltd. All rights reserved.
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 | 0,007 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».