Suorite- ja kassaperusteiset tulokset osaketuottojen selittäjinä Suomessa
Notice bibliographique
Résumé
Tutkielman tarkoituksena on vertailla tilinpäätösinformaation yhteyttä osakkeen kurssiin Suomen ja Yhdysvaltojen osakemarkkinoilla. Koska liiketoiminnan kassavirtalaskelma\non US GAAP tilinpäätöskäytännössä osa lakisääteistä raportointia,\nse on myös markkinoiden helpommin markkinoiden käytettävissä kuin Suomalaisten yritysten kassavirtalaskelma. Joten tärkeimpänä tutkimusongelmana oli selvittää, selittääkö liiketoiminnan kassavirta osakkeen tuottoa voimakkaammin Yhdysvaltojen osakemarkkinoilla. Aikaisemmat tutkimukset aiheeseen liittyen ovat analysoineet mm. maiden ja alueiden eroavaisuuksia siinä miten hyvin eri tilinpäätösinformaatio selittää osakkeiden tuottoa. Näissä tutkimuksissa huomattiin eroja maiden ja alueiden välillä.\n\nTutkimusaineisto koostuu Helsingin pörssin päälistalla noteeratuista yhtiöistä sekä New Yorkin pörssissä noteeratuista yhtiöstä jotka valittiin satunnaisotannalla. Suomalaisia yrityksiä oli mukana 60 ja Yhdysvaltalaisia 75. Aineisto on vuosilta\n1998-2001. Tutkimusmenetelmänä käytettiin lineaarista regressioanalyysia ja havaintojen tilastollinen merkitsevyys testattiin kaksisuuntaisella t-testillä.\n\nMolempien maiden aineistossa tilikauden tulos selitti osakkeen tuottoa tilastollisesti merkitsevämmin kuin liiketoiminnan kassavirta. Lisäksi havaittiin että toisen selittävän muuttujan tuominen regressiomalliin paransi mallin selityskykyä jonkin\nverran. Yhdysvaltojen osakemarkkinoilla liiketoiminnan kassavirta selitti osakkeen tuottoa tilastollisesti merkitsevämmin kuin Suomen osakemarkkinoilla.
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) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,079 | 0,075 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».