Earnings Surprises and Stock Price Reactions of Quoted Companies in Nigeria
Notice bibliographique
Résumé
This study focuses on examining the relationship between stock prices and earnings surprises in quoted companies of Nigeria. This study applied a longitudinal research design which studies the effect of earnings surprises on stock prices using panel data. A sample of 64 companies was chosen to study in all sectors of the Nigerian Stock Exchange. The research data were obtained from secondary sources of the annual reports for the selected companies covering the period from 2013 to 2017. The measurement for earnings surprises used in the study is the residual or unexplained component of earnings persistence model commonly referred to as first-order autoregressive AR (1) regression of reported earnings. Were, the data analysis was carried out by regression using the generalised least squares technique. The regression results for positive earnings surprise shows that share prices react negatively to positive surprises with a coefficient of (-2.4109) in tandem with the return news hypothesis which suggests that positive earnings news results in a negative stock-price reaction. The negative earnings surprise results show that stock prices react positively to negative earnings surprises with a positive coefficient of (0.1136). This is in line with the premise of return news, which indicates that negative earnings news leads to a positive reaction to the share price. The study recommends that there is a need to regulate the stock market to improve the level of market efficiency in stock markets. This will improve the rate at which earnings news will be reserved at stock prices. Secondly, there is a need to improve investor confidence in the disclosed profits made by companies.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».