MétaCan
Menu
Retour à la cohorte
Enregistrement W2898318522 · doi:10.5430/afr.v7n4p91

Proposed Model for Forecasting the Intrinsic Value of Commercial Applied to Commercial Banks Listed on the Bahrain Stock Exchange

2018· article· en· W2898318522 sur OpenAlexvenueno aff
Tharwah Shaalan

Notice bibliographique

RevueAccounting and Finance Research · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntrinsic value (animal ethics)Panel dataCapital structureProfitability indexEconomicsCapital requirementStock exchangeBook valueVariablesValuation (finance)Leverage (statistics)BusinessOperating leverageEquity (law)EconometricsCash flowFinanceActuarial scienceMicroeconomicsProfit (economics)Computer scienceDebt

Résumé

récupéré en direct d'OpenAlex

Here we propose a model to evaluate and forecast the intrinsic value of banks, a more appropriate approach as opposed to considering their valuation based on market value. This is because the capital markets in the Arab region, when viewed within the framework of a set of explained variables, prove to be inefficient. These variables include: profitability, capital adequacy, weights of the bank assets that indicate the associated size and various risks according to the Basel committee’s two and the operational efficiency variable. The last variable in question reflects the efficiency of the bank’s internal operations, and the total investments of a commercial bank as proxy of the size of bank assets and financial leverage: the impact of the financial risk on the intrinsic value of the commercial bank. The study used the multi-regression panel data to forecast the value of banks using cash flows approach discounted at the weighted average cost of capital of both equity and borrowed capital. The study found that the three variables: capital adequacy, operational efficiency, and financial leverage explained the intrinsic value of Bahrain commercial banks. The study structure included the following: introduction, review of the relevant literature, hypotheses, methodology and data, mathematical model, empirical results, conclusion, and finally recommendations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,242
Tête enseignante GPT0,381
Écart entre enseignants0,139 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and Finance ResearchMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207