Identificación y análisis de los criterios de aplicación de la Tasa de Descuento para el cálculo de la provisión del Plan de Cierre de Minas en las grandes empresas mineras del Perú y su impacto en sus Estados Financieros y rentabilidad en el ejercicio 2016
Notice bibliographique
Résumé
The use of the discount rate in the calculation of the provision for mine closure has been one of the most important issues in the accounting of any mining company that is operating in Peru. The International Accounting Standard N° 37 – "Provisions, Contingent Liabilities and Contingent Assets" indicates to the mining companies of Peru that they must calculate the present value by the disbursements they will make because of the provision for mine closure, but the problem arises when these companies question what discount rate they should use to bring to the present value. Mining companies such as Buenaventura, Tintaya, Barrick, Yanacocha, Minsur, among others have used different discount rates for calculating the provision for mine closure. For example, many have used an American bond rate, others have used a WACC, Canadian bonds, among other fees. This thesis identifies and analyzes the criteria used by mining companies in Peru to determine the discount rate that will be used to bring to the present value the future disbursements that are presented in the mine closure Plan to Ministry of Energy and Mines. On the other hand, in our research is recommended with the academic and methodological support of professionals responsible for calculating the provision for mine closure and external professionals responsible for revising the provision, on the rate most appropriate discount to be used by mining companies in Peru.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».