Financing From the Perspective of Mining Companies
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
The purpose of this thesis is to explain financing decisions from the perspective of mining companies. First, all of the major equity and debt financing instruments available to mining companies are presented and analyzed. Each financing method is assessed on a wide range of criteria. Next, these concepts are applied in case studies of four companies: BHP Billiton, Barrick Gold, Teck Resources, and Noront Resources. For each company, the overall choice of financing methods is shown and analyzed. The effect of financing choices on the weighted average cost of capital (WACC) is calculated. The final section deals with case studies of individual mine finance decisions during the past two years: Teck Resources’ $4.2 billion private debt placement to escape from the brink of bankruptcy, Barrick Gold’s $3.9 billion equity financing to eliminate hedges, Copper Mountain Mining’s Joint Venture with Mitsubishi, and Xstrata’s $5.9 billion rights issue in 2009. The financing options used by mining companies can be divided in 16 types, many of which are unique to the mining industry. Public equity is the dominant form of financing, followed by bonds and debentures, while many newer types of financing are growing in importance. Important considerations for selecting the type of financing include: time needed to arrange, typical interest rate, position in capital structure, effect on balance sheet, effect on credit rating and equity dilution. In many cases, the best form of financing is highly contentious. Large companies that are able to obtain good credit ratings are able to achieve a lower cost of capital than their junior counterparts, while gold companies currently enjoy the lowest cost of capital.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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