MétaCan
Menu
← Retour à la cohorte
Enregistrement W2480491863 · doi:10.1142/9789812791696_0005

Thirty Years of Canadian Evidence on Stock Splits, Reverse Stock Splits, and Stock Dividends

2008· book-chapter· en· W2480491863 sur OpenAlexaffabout
Vijay M. Jog, Pengcheng Zhu

Notice bibliographique

RevueAdvanced in quantitative analysis of finance and accounting · 2008
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésStock (firearms)DividendBusinessFinancial economicsEconomicsMaterials scienceFinanceMetallurgy

Résumé

récupéré en direct d'OpenAlex

AbstractThirty years of Canadian evidence has been used to shed light on the motivation and implications of stock splits, stock dividends, and reverse splits. The maximum 5-year period before and after the “event” month was focused and the changes in stock return, earnings per share (EPS), beta, trading volume, number of transactions, price to earning ratio (P/E), valuation, and corporate governance characteristics were examined. Strong information signaling effect of stock splits was found, as well as persistent superior performance and a favorable change in relative valuation are observed in the post-stock split period. The total trading volume increases after stock split ex-date while the trading volume per transaction decreases considerably, signifying a possible change in investor composition. However, no accompanying change was found in the governance environment. The overall evidence supports the signaling hypothesis as well as the optimum price and the relative valuation hypotheses. Stock dividend and reverse stock split firms have significantly weaker stock performance and operating performance than stock split firms. The negative trend does not improve in a long-term after the ex-date.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,037
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,011
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,054
Tête enseignante GPT0,268
Écart entre enseignants0,214 · 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

Citations1
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced in quantitative analysis of finance and accounting→Même sujetCorporate Finance and Governance→Travaux en français237 207→