MétaCan
Menu
Retour à la cohorte
Enregistrement W3125468832 · doi:10.5430/ijfr.v12n2p251

Financial Factors and Their Relative Importance Analysis in Peruvian Gold Mining Companies’ Stock Price

2021· article· en· W3125468832 sur OpenAlexvenueno aff
Jose Fernando Vilcarromero Arbulu, Jorge Luis Castilla Raimundo, Pedro Bernabé Venegas Rodríguez, Nivardo Alonzo Santillán Zapata, Jimmy Alberth Deza Quispe

Notice bibliographique

RevueInternational Journal of Financial Research · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDividend yieldDividendEarningsEarnings per shareShare priceEconomicsEconometricsEarnings yieldCommon stockMulticollinearityHomoscedasticityPrice–earnings ratioStock (firearms)Financial economicsYield (engineering)Stock exchangeDividend policyRegression analysisAccountingStatisticsFinanceMathematicsContext (archaeology)Heteroscedasticity

Résumé

récupéré en direct d'OpenAlex

The current research examined the relationship and relative importance of financial regressors on Peruvian gold mining companies´ stock prices from 2009 to 2018. Chosen regressors were earnings per share, dividend per share and dividend yield. Fixed effects analysis was employed for regression analysis and decomposition for the relative importance study. Assumptions of stationarity, independence, no-multicollinearity, homoscedasticity and specification were fulfilled. Also, the values of Owen and Shapley were employed for decomposing . It was found that earnings per share and dividend per share had a positive effect on the dependent variable; while dividend yield was found to be negatively related to stock price. Moreover, by the usage of decomposition it was noticed that the order of regressors importance was earnings per share, dividend per share and dividend yield. Then, it was stated that gold mining stock prices had a high dependence on profits and dividend payments in the analyzed period which can be related to the bearer’s expectations.

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)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,022
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,110
Tête enseignante GPT0,387
Écart entre enseignants0,278 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207