MétaCan
Menu
Retour à la cohorte
Enregistrement W3121824040

Empirical Estimation of the Cost of Equity: An Application to Selected Brazilian Utilities Companies

2012· article· en· W3121824040 sur OpenAlexvenueno aff
Marcelo Bianconi, Joe Akira Yoshino

Notice bibliographique

RevueReview of Economics and Finance · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconometricsEconomicsEquity (law)HeteroscedasticitySkewnessCost of equityCapital asset pricing modelSample (material)EstimationFinancial economicsStatisticsCost of capitalMathematicsMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We provide an extensive set of alternative models for the estimation of the real cost of equity in a sample of utilities firms in Brazil with monthly data from March 2006 to June 2011. The traditional CAPM is rejected, together with the Fama-French factors, due to a poor fit. Additional factors improve the fit of the models and the estimated betas and real cost of equity increase relative to the traditional CAPM and Fama-French models. Accounting for conditional heteroskedasticity shows that autocorrelation of variances is more important than news effects. The inclusion of higher order terms shows that the third order term is mostly significant and positive indicating preference for skewness in this sample period. Our estimates of betas and the implied predicted real cost of equity show that, across the best models, betas are significantly below unity in the range 0.26-0.73. The predicted real cost of equity, across the best models, for Brazil in this sector and sample period is in the range of 8.7% to 13.2% per year.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil0,160

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,090
Tête enseignante GPT0,373
Écart entre enseignants0,283 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207