Notice bibliographique
Résumé
This study intends to examine, from an economic and accounting standpoint, how the share repurchase procedure affect financial markets by specifically testing their effects on the financial performance of the specific companies. The OLS regression analysis was used on 66 companies that were traded on the American Stock Exchange between 2009 and 2020 as part of the study sample. The results reveal that share repurchases improve financial results, as evidenced by return on equity (ROE) and Added Economic Value (EVA). The results, however, show that share repurchases have little effect on the return on assets (ROA). The study found that the management's justifications for share buybacks affect a company's financial success. The study also found that the management's aim to produce a cash surplus improves the company's financial performance. The management objective of increasing earnings per share, which also improves the firm's financial success, was found to be one of the most significant motivations for the company to repurchase shares, according to the study. The study also showed that share repurchases significantly outperform returns on assets or returns on equity in terms of the Economic Value Added (EVA), one of the most important measures of financial success. The study, however, found little proof that the companies' share repurchases caused by higher financial leverage have an effect on their financial performance. This research, therefore, provided an insight on how share purchases affect the capital markets is dependent on the source of the surplus cash, and relatedly, share purchases through improved earnings per share increases the desirability of the company from their improving their financial standpoint.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».