MétaCan
Menu
Retour à la cohorte
Enregistrement W3137674172 · doi:10.5267/j.ac.2021.3.008

The impacts of earnings volatility, net income and comprehensive income on share Price: Evidence from Indonesia Stock Exchange

2021· article· en· W3137674172 sur OpenAlexvenueno aff
Hadi Susanto, Indra Prasetyo, Trisa Indrawati, Nabilah Aliyyah, Rusdiyanto Rusdiyanto, Heru Tjaraka, Nawang Kalbuana, Arif Syafi'ur Rochman, Gazali Gazali, Zainurrafiqi Zainurrafiqi

Notice bibliographique

RevueAccounting · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Governance and Financial Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNet incomeEconomicsEarnings before interest and taxesNet profitEarnings per shareStock exchangeVolatility (finance)Gross profitEarningsNet national incomeMonetary economicsShare priceProfit (economics)Financial economicsGross incomeAccountingFinanceMicroeconomicsPublic economics

Résumé

récupéré en direct d'OpenAlex

This study aims to estimate and predict the effect of stock prices on profit volatility, net profit, and comprehensive income on the Indonesia Stock Exchange for the period 2014-2019. The study uses quantitative analysis with secondary data consisting of 98 banking companies on the Indonesia stock exchange from 2014 to 2019. The results prove that the share price has a significant effect on net income and comprehensive income but does not have a significant effect on profit volatility, so that net and comprehensive income has relevance to the share price and investors can make both variables in conducting further fundamental research. Previous studies measured the level of volatility of earnings, net income, and comprehensive income on the share price, but when trialing other approaches by causality, share prices affect net income and comprehensive income but not for profit volatility. In this study, however, the change includes detailed income variables due to Financial Accounting Standard No. 1, a shift in terms from profit and loss statements to systematic profit and loss statements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,243
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), 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

Citations40
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountingMême sujetCorporate Governance and Financial ManagementTravaux en français237 207