Research and Analysis on Market Value Management in China Based on Method of Rank-Sum Ratio and Principal Component Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>Since 2005, China has implemented the split-share reform. After entering the full-circulation era of stock equity, the pursuit for maximize the company value has turned into the primary goal of listed companies in the course of their management and development. Thus, they attach great importance to the concept of market value management. The management of stockholders in listed companies began to pay attention to the inner values and the performances in the stock market of their enterprises, and thereby the concept of market value management is established. However, the weak efficiency of China’s capital market has resulted in the deviation between market values and inner values of companies. Thus, companies need to implement market value management and devise corresponding solutions so that two kinds of values can be well-matched.</p>This paper presents the definition of market value management at first. Next, it studies the background of the emergence of market value management as well as its development status in China, which are also compared with the overseas value management. And then, it makes a literature review and analyzes Economic Value Added Evaluation System (EVA), a performance evaluation system of market value management. It adopts the method of Rank Sum Ratio (RSR)and Principal Component Analysis to make empirical analyses,which evaluates the level of market value management of listed companies in China and discovers the weak links existing in the process of market value management .This paper eventually puts forward corresponding countermeasures and suggestions.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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 découle