Studying the Impact of Accruals Quality and Market Risk Premium on Stock return Excess Using Fama-French Three Factor Model
Notice bibliographique
Résumé
Determining effective agents in stock return excess behavior (stock risk premium) is one of the key points in investors decision that its benefit and quality of its elements (like accruals) are the impressive factors on stock return excess (stock risk premium) which influence users decision making. Accruals are temporary adjustments that postpone fulfilled cash flows recognition and estimate error degree. Criteria estimating to study these items quality seem necessary because of affecting over future cash flows. Therefore the current study aims to investigate the effect of accruals quality and market risk premium on stock return excess. In order to examine probe hypothesis, we used Fama-French three-factor model that accruals were added to it. For this aim a sample that includes 88 of accepted companies in Tehran stock exchange between 2005 until 2013 was studied. In order to calculate accruals, we used Dechow et al model (1995) utilizing sectional data and to estimate we used Fama-French model (1993) by multivariable regression method and time series data. This study in nature is collateral and in goal is fundamental-experimental. The conclusions show that between accruals quality factors and stock risk premium there is a negative significant relation and between market and stock risk premium there is a positive significant relation. Moreover, the results indicate that among size agent and stock risk premium also between book value to market value ratio factors and stock risk premium there is a negative significant link.
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 | 0,002 | 0,008 |
| 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 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».