MétaCan
Menu
Retour à la cohorte
Enregistrement W7011009857

La fiscalité minière au Québec. Analyse comparative des effets des régimes de redevances minières par la méthode du Modern Asset Pricing.

2014· other· fr· W7011009857 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2014
Typeother
Languefr
DomaineMedicine
ThématiqueBiomedical and Chemical Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomic analysisUs dollarLiberian dollar
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

De nombreuses études analysent la fiscalité dans le secteur minier en utilisant la méthode du cash-flow actualisé (Otto et al., 1997 ; 2006 ; Allaire,2013 ; Pricewaterhouse Coopers, 2013). Cette dernière est réputée avoir des limites pour actualiser correctement pour le risque inhérent au secteur. La méthode du Modern Asset Pricing, développée à partir du modèle Black-Scholes est considérée dans la littérature comme meilleure pour mener des tels travaux. Dans sa mise en application, cette méthode se limite cependant aux différents types de prix et contrats pour prédire les changements futurs des prix de matières premières. Nous utilisons une version révisée dudit modèle stochastique pour analyser le système fiscal minier québécois. Notre modèle intègre l’inflation mondiale ainsi que le taux de change entre le dollar US et l’euro pour prédire les changements futurs des prix. Nous l’utilisons pour analyser comparativement deux régimes de redevances minières du Québec selon trois critères : les rentrées fiscales, la rentabilité économique et le risque pour les parties prenantes. Nous construisons des scénarios pour notre analyse en faisant varier les paramètres de prix et de volatilité de prix du minerai dans le modèle de prévision. Les prix prédits pour ces scénarios sont ensuite utilisés dans un modèle de coût de mine pour construire le modèle financier. L’application des régimes de redevances à ce modèle financier permet ensuite de déterminer les revenus revenant aux différentes parties prenantes. Nous appliquons ces régimes aux données d’une mine d’or située dans la province et faisons aussi appel aux techniques de simulation de Monte-Carlo pour prendre en compte les non-linéarités induites notamment par l’environnement fiscal conformément à Samis et al., (2007). Nos résultats montrent que le nouveau régime de redevance est le plus efficace en ce qui concerne les rentrées fiscales pour le gouvernement, quel que soit le scénario de prix. L’ancien régime de redevance est celui qui favorise la rentabilité économique des projets miniers. Il génère également un taux d’imposition effectif moyen plus compétitif et favoriserait ainsi l’investissement minier. Nous ne trouvons pas de conclusion définitive pour le critère de partage de risque. Ces résultats sont robustes au choix du taux de variation dans nos différents scénarios.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,321
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,012
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,266
Écart entre enseignants0,241 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetBiomedical and Chemical ResearchTravaux en français237 207