MétaCan
Menu
Retour à la cohorte
Enregistrement W1965134304 · doi:10.1111/jifm.12013

Multinationals' Offshore Operations, Tax Avoidance, and Firm‐Specific Information Flows: International Evidence

2014· article· en· W1965134304 sur OpenAlexaff
Jeong‐Bon Kim, Tiemei Li

Notice bibliographique

RevueJournal of International Financial Management and Accounting · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBusinessSubmarine pipelineStock (firearms)Monetary economicsSubsidiaryMultinational corporationEarningsOffshore outsourcingIncentiveInformation asymmetryIndustrial organizationFinanceEconomicsMicroeconomicsOffshoringMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Using a large sample of multinational enterprises ( MNE s) over the period 1999–2009, this study investigates whether and how offshore operations via offshore financial centers ( OFC s) impact the extent to which firm‐specific information is incorporated into stock price, relative to common information. Our analyses show that, irrespective of whether a firm is a Type I offshore firm (directly having headquarters registered in OFC s) or a Type II offshore firm (indirectly setting up subsidiaries in OFC s), the amount of firm‐specific information flowing into stock price is lower for offshore firms than for non‐offshore firms. We also find that as offshore firms become more aggressive in their tax avoidance strategies, their stock prices impound a lower amount of firm‐specific information relative to common information. Finally, we find that a strong offshore proclivity also deters firm‐specific information flows, thereby driving up stock price synchronicity. Our results suggest that the opaque and complex nature of business and financial transactions in OFC s, coupled with their institutional characteristics, that is, weak and flexible legal enforcement, zero or extremely low taxation, and low litigation risk, provide offshore firms with not only stronger incentives but also the opportunities and means to adopt opaque disclosure policies and aggressive earnings management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,007
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,220
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations22
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of International Financial Management and AccountingMême sujetCorporate Taxation and AvoidanceTravaux en français237 207