MétaCan
Menu
Retour à la cohorte
Enregistrement W4312510101 · doi:10.24036/jkep.v3i2.13599

Pengaruh Variabel Makroekonomi Terhadap Return Saham Sektor Keuangan di Indonesia

2021· article· en· W4312510101 sur OpenAlexaboutno aff
Nadia Etri Ningsih, Idris Idris

Notice bibliographique

RevueJurnal Kajian Ekonomi dan Pembangunan · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Analysis and Corporate Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStock exchangeEconomicsInflation (cosmology)Stock (firearms)Exchange rateMonetary economicsInflation rateQuarter (Canadian coin)Financial sectorError correction modelFinancial systemEconometricsInterest rateFinanceCointegrationGeography

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to determine the effect of macroeconomic variables on stock returns in the financial sector in Indonesia. The indicators of macroeconomic variables studied were world gold price, exchange rates, inflation, an economic growth. This study uses secondary time series data from 2005 first quarter to fourth quarter 2019. The research data analysis method used is multiple linear regression analysis and Error Correction Model (ECM). The result oh this study indicate that : (1) the world gold price has a negative effect on the stock return of the financial sector in Indonesia; (2) the exchange rate has a negative effect on the stock return of the finacial sector in Indonesia; (3) inflation has a negative effect on stock return for the financial sector in Indonesia; (4) economic growth has a negative effect on the stock return of the finacial sector in Indonesia.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,223
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,194
Écart entre enseignants0,181 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Kajian Ekonomi dan PembangunanMême sujetFinancial Analysis and Corporate GovernanceTravaux en français237 207