MétaCan
Menu
Retour à la cohorte
Enregistrement W4328094174 · doi:10.54691/bcpbm.v38i.3950

Stock Picking Under COVID-19 in Context of Indicators

2023· article· en· W4328094174 sur OpenAlexaff
Yining Wang

Notice bibliographique

RevueBCP Business & Management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésProfitability indexProfit marginDividendMonetary economicsGross marginBusinessRevenueGrowth stockStock (firearms)Dividend yieldStock marketEconomicsFinancial economicsContext (archaeology)FinanceRestricted stockDividend policy

Résumé

récupéré en direct d'OpenAlex

The capital market has changed a lot because of COVID-19, and there are three types of firms that grow fastest during this period. Thereinto, the most significant one is the pharmaceutical industry. In this specific period, investors need to be more careful when they are choosing stocks. This paper is focused on picking stocks based on value, return, profitability, and payout four aspects. For these four aspects, some data needs to be found and compared, i.e., P/E ratio, revenue growth rate, gross profit, gross margin, asset turnover, GP/A, dividend per share, and dividend yield. For the result of stock picking, JOHNSON &JOHNSON is a very fitness choice now. P/E is low for JNJ and it may not be overvalued, the gross margin for the company is also high with high-level profitability. The financial condition of JNJ is stable and always in a positive trend. COVID-19 caused a bad economic situation, investors have been greatly negatively affected by the situation. These results shed light on guiding investors to avoid losses and gain as much as possible.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,314
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,080
Tête enseignante GPT0,296
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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBCP Business & ManagementMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207