MétaCan
Menu
Retour à la cohorte
Enregistrement W1785374533 · doi:10.1506/9xvl-p6rr-mtpx-vu8k

Market Consequences of Earnings Management in Response to Security Regulations in China*

2005· article· en· W1785374533 sur OpenAlexvenueno aff
In‐Mu Haw, Daqing Qi, Donghui Wu, Woody Wu

Notice bibliographique

RevueContemporary Accounting Research · 2005
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccrualEarnings managementBusinessEarningsEquity (law)AccountingChinaEarnings response coefficientStock marketEarnings qualityReturn on equityFinanceStock exchange

Résumé

récupéré en direct d'OpenAlex

Abstract Under the 1996‐98 security regulations in China, the accounting rate of return on equity (ROE) has to be greater than 10 percent for three "consecutive" years for a firm to qualify for stock rights offers. Despite declining economic conditions during this period, the percentage of firms reporting ROE between 10 and 11 percent is about "three" times that for 1994‐95. This unique regulatory environment provides a natural experimental setting for the empirical assessment of earnings‐management behavior and its consequences. This study examines whether listed Chinese firms manage earnings to meet regulatory benchmarks and whether regulators and investors consider the quality of earnings in their respective regulatory and investment decisions. On the basis of a sample of listed Chinese firms from 1996 to 1998, we observe that managers execute transactions involving below‐the‐line items and use income‐increasing accounting accruals to meet regulatory ROE targets for stock rights offerings. The firms that apply for, but fail to receive, regulatory approval manage earnings more significantly than do firms that receive approval and pair‐matched control firms. Our market study also suggests that investors differentiate the quality of earnings and put less value on earnings suspected of a greater degree of management. Overall, our results imply that the regulatory bodies and investors to some extent make rational adjustments for the quality of earnings.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,034
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,300
Écart entre enseignants0,273 · 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

Citations259
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207