MétaCan
Menu
Back to cohort
Record 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 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2014
Typeother
Languagefr
FieldMedicine
TopicBiomedical and Chemical Research
Canadian institutionsnot available
Fundersnot available
KeywordsEconomic analysisUs dollarLiberian dollar
DOInot available

Abstract

fetched live from 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.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.141
Threshold uncertainty score0.284

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.005
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.002
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0060.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.025
GPT teacher head0.266
Teacher spread0.241 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2014
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicBiomedical and Chemical ResearchFrench-language works237,207