MétaCan
Menu
Retour à la cohorte
Enregistrement W2953976579 · doi:10.1111/acfi.12512

Market response to dividend change announcements: unregulated versus regulated US firms

2019· article· en· W2953976579 sur OpenAlexaff
Abdul‐Rahman Khokhar, Sudipto Sarkar

Notice bibliographique

RevueAccounting and Finance · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensMcMaster UniversitySaint Mary's UniversitySt. Mary's University
Organismes subventionnairesnon disponible
Mots-clésDividendSignificant differenceMonetary economicsDividend policyDividend yieldBusinessStock (firearms)Stock marketAsymmetryEconomicsFinancial economicsFinanceInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper attempts to determine whether there is a significant difference in how the stock market responds to dividend change announcements of regulated (both utilities and financials) versus unregulated firms and, if so, which factors cause this difference. An analysis of dividend change announcements of US firms over the period 1962–2016 shows that the market response is larger for unregulated than for regulated firms, but this difference is statistically significant only for dividend increases (not for dividend decreases). Further, cross‐sectional analysis indicates that, for dividend increases, the difference between regulated and unregulated firms increases with diffused ownership and informational asymmetry. When both these factors are controlled for, the difference between regulated and unregulated firms becomes statistically insignificant. Thus, the evidence suggests that the significant difference in market response to dividend increases of regulated versus unregulated firms can be explained by differences in diffused ownership and informational asymmetry. There seems to be no intrinsic difference between regulated and unregulated firms in the market response to dividend decreases.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,346
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,221
Écart entre enseignants0,200 · 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'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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and FinanceMême sujetCorporate Finance and GovernanceTravaux en français237 207