MétaCan
Menu
← Retour à la cohorte
Enregistrement W1510621814

The Impact of IFRS on the Relationship between Conservatism and Investment Efficiency

2014· article· en· W1510621814 sur OpenAlexaff
Paúl André, Andrei Filip, Sophie Marmousez

Notice bibliographique

RevueSSRN Electronic Journal · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésConservatismInvestment (military)AccountingSample (material)BusinessTest (biology)Monetary economicsEconomicsPolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We test to see whether a higher degree of conservatism is associated with greater investment efficiency (reducing over- and under-investment) for a sample of French firms before and after the mandatory adoption of IFRS in 2005. While a theoretical link between conservatism and investment efficiency is easily established, the question is whether this link still remains after the adoption of IFRS, which are generally considered to reduce conservatism. Empirical tests find a significant decrease in conservatism after IFRS adoption. This result is consistent with the results reported by Piot et al. (2011), Ahmed et al. (2013) and Andre et al. (2013). Our results show that in the pre-IFRS period, conservatism limited over- and under-investment. For the post-IFRS period, however, conservatism does not seem to play any role in improving investment efficiency. This paper contributes to the academic and regulatory debate over the economic consequences of the qualitative characteristics of useful financial information and the impact of IFRS adoption. The adoption of IFRS has certainly led to a new equilibrium between the various qualitative characteristics of financial information, but the costs and benefits of that equilibrium remain difficult to measure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,011
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations12
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetAuditing, Earnings Management, Governance→Travaux en français237 207→