Financial Situation Unique Indicator for Electric Sector Firms
Notice bibliographique
Résumé
This paper develops a unique indicator to identify the financial situation of firms in the electric sector in Brazil. The National Electric Energy Agency (ANEEL) regulates this sector through five dimensions: indebtedness, efficiency, investment, profitability, and pay-out ratio. Each of these dimensions contains one or two indicators. Based on these indicators, we develop a unique indicator that shows companies' financial situation. To create a unique indicator, we follow the idea of Altman’s solvency indicator. But, we use a logit regression. Our dependent variable is Global Performance of Continuity which indicates the financial situation of the firm. Our independent variables are based on the five dimensions of the ANEEL indicators for financial situation. We collect data from 2011 to 2018. This research follows three main steps: (1) Collection of the data from the ANEEL database; (2) Creation of variables based on ANEEL’s five dimensions of performance; and (3) Econometric proceedings with variables according to ANEEL’s data and indicators of each dimension. First, we estimate one regression with all variables created based on ANEEL’s five dimensions. Then, we make improvements to find a more suitable model with different combinations of variables. We chose the best model by analysing the Akaike information criterion (AIC). Our results show that the unique indicator we create to evaluate firm performance is based on Debt, Efficiency, Investment (CapexA) and the Pay-out Ratio.
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 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 | 0,011 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».