Tax Risk as the Likelihood of an Unfavorable Settlement with Tax Authorities
Notice bibliographique
Résumé
In this paper, we examine tax risk as the likelihood that a firm will face an unexpected and negative tax outcome. More specifically, we predict the probability that a firm will have an unfavorable settlement with tax authorities, what we define as a tax loss event. We further consider whether market participants anticipate this risk and consequently how they react to the tax loss event. We combine an industry-adjusted measure of high cash effective tax rate (Cash ETR) values with financial statement verification of a tax settlement to identify a sample of tax loss event firms. To predict the likelihood of these events, we develop a logistic model from a parsimonious set of factors that are associated with tax risk. Empirical tests show that our model provides strong predictions of a tax loss event. Additional tests show that our model performs well against a matched set of holdout control observations – that is, observations with unusually high Cash ETR values yet no tax settlement. In related valuation tests, the abnormal returns are negative in the event year for firms with a tax loss event and high ETR volatility, suggesting that investors may not recognize the risk beforehand. These results imply that the market punishes firms that appear to poorly manage the financial reporting of tax risk, yet only when they subsequently reveal a significant tax settlement. Our research adds to the emerging literature that examines the tax risk within firms. Specifically, we develop a prediction model useful for various firm stakeholders, as well as provide additional insight into the factors that create risk for the firm and how the market reacts to the revelation of such risks.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».