MétaCan
Menu
Retour à la cohorte
Enregistrement W4312141782 · doi:10.54097/hbem.v4i.3446

Research on the Investment Value of Three Companies on Industrial Sectors in the U.S. Capital Market

2022· article· en· W4312141782 sur OpenAlexaboutno aff
Qinyuan Luo

Notice bibliographique

RevueHighlights in Business Economics and Management · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessProfitability indexCorporationStock exchangeInvestment (military)BondFinanceManufacturingIndustrial organizationCommerceMarketing

Résumé

récupéré en direct d'OpenAlex

Stocks and bonds issued by industrial companies listed and traded on the stock exchange belong to industrial stocks. For example: electric power, steel, automobile, food, beverage, wine, textile, pharmaceutical, and other enterprises engaged in product manufacturing stocks, bonds and other securities. In the United States, industrial stocks make up a large proportion of the economy. In the process, investors can make a lot of profits. Despite more than a century of growth in such industries, there is still a lot of potential. Industrial stocks are among the areas with the longest shelf life in the United States and the world. This paper analyses the selected three companies in industrial sector the three aspects of risk, profitability and market ratio to predict basic trend in this area. Three companies are Canadian National Railway Company (CNI), Caterpillar Inc. (CAT), FedEx Corporation (FDX). The results show Canadian National Railway Company is less risky and FedEx Corporation is least profitable. The findings in this paper may benefit the different investors in financial markets on investment decisions.

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)0,011
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,823
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,169
Tête enseignante GPT0,339
Écart entre enseignants0,170 · 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'étudeThéorique ou conceptuel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Business Economics and ManagementMême sujetEfficiency Analysis Using DEATravaux en français237 207