MétaCan
Menu
Retour à la cohorte
Enregistrement W6930279845 · doi:10.5281/zenodo.10892753

Application of Market Timing Theory: Evidence from Canadian Firms

2024· article· en· W6930279845 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueReliability and Agreement in Measurement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarket timingCapital structureCorporate financeLeverage (statistics)Equity (law)Valuation (finance)Capital marketStock marketVolatility (finance)External financing

Résumé

récupéré en direct d'OpenAlex

Internal and external finance are the two primary forms of funding for businesses. Internal financing is derived from retained profits, while external financing may come through borrowing money or the issuance of stocks. Businesses utilize it constantly to grow and stay alive, so the choices they make about finance are crucial. Market timing is vital for determining the appropriate financial structure for a company's success because volatility in market valuation greatly affects the capital structure. Capital structure requires a decision-making tactic that is an art to tackle complex situations. Modigliani and Miller started this ground-breaking study on capital structure in the field of corporate finance in 1958. After that, several theories were developed, but one of those theories was the market timing theory of capital structure, which explains that firms issue new stock when their share price is overvalued and repurchase shares when their share price is undervalued. These price fluctuations of equity will affect corporate financing decisions and ultimately corporate capital structures. The goal of this study is to test the applicability of market timing theory in the context of Canadian firms; thus, the data have been collected from the FINVIZ Stock Screener for the period (2022) and analyzed by a generalized linear model technique through the EViews 13. The research concludes that the market-to-book ratio has a statistically significant negative effect on market leverage as well as book leverage.

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)0,016
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,266
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0050,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0390,000

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 Opus0,512
Tête enseignante GPT0,598
Écart entre enseignants0,086 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetReliability and Agreement in MeasurementTravaux en français237 207