Notice bibliographique
Résumé
Stakeholders are increasingly insistent that companies increase firm value. The problem is that stakeholders of financial services firms are unable to accurately determine firm value. The purpose of this correlational study was to examine the accuracy of 4 valuation models in predicting the market value of equity of commercial finance companies. Study participating companies were 8 listed U.S. or Canadian commercial finance companies. The theoretical constructs of the study included the accuracy of valuation models, modern portfolio theory, and the correlation of book value of equity to market value of equity. Financial information on participating companies obtained from public filings were input data in 4 valuation models. Multiple regression analysis of valuation model results and book value of equity (the predictor variables) were used to determine the accuracy of the models in predicting the market value of equity (response variable). The findings of the study showed that all 4 valuation models in combination with the book value of equity were statistically significant predictors of the market value of equity of the participating companies at the p < .05 level. However, the dividend discount model (DDM) and residual income model (RIM) were statistically more accurate without the combination of book value of equity (p = .000 and p = .000, respectively) than the discounted cash flow and risk-adjusted discounted cash flow valuation models (p = .371 and p = .904, respectively). The results of this study contribute to positive social change by providing business leaders an ability to measure the effectiveness of their actions in creating firm value. Corporate social responsibility activities correlate to value creation for firms that engage in promoting employee welfare and other stakeholder welfare.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».