MétaCan
Menu
Retour à la cohorte
Enregistrement W2010800230 · doi:10.5539/ibr.v6n4p55

Impact of Adopting International Financial Reporting Standards: Empirical Evidence from Turkey

2013· article· en· W2010800230 sur OpenAlexvenueno aff
Serkan Terzi, Recep Öktem, İlker KIYMETLİ ŞEN

Notice bibliographique

RevueInternational Business Research · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternational Financial Reporting StandardsBusinessAccountingEquity (law)Financial ratioLiabilityAsset turnoverShareholderFinancial analysisStock exchangeFinanceReturn on assetsCorporate governance

Résumé

récupéré en direct d'OpenAlex

In this study, the impact of adopting International Financial Reporting Standards (IFRSs) on listed companies in Turkey was examined. We observed the financial statements that were prepared in accordance with IFRS and local GAAP and researched the standards which included more relevant information. We worked on the financial statements of the companies in the Istanbul Stock Exchange (ISE) that operated in the manufacturing industry. In our findings, we determined that the financial statements prepared in accordance with local GAAP and IFRS were statistically different. Significant differences were identified in inventories, fixed asset, long term liability and stockholders’ equity accounts in the financial statements. In addition, current ratios, receivables turnover ratios, asset turnover ratios, total liabilities/tangible assets, fixed assets turnovers, equity turnover rates, short term liabilities/total debts and short term liabilities/total assets ratios based on IFRS financial statements were statistically and significantly distinguished from the stated ratios of local GAAP financial statements. We were unable to observe statistically significant differences in book value/market value ratio analysis depending on the market value under local GAAP and IFRS. However, in subsector analysis, we identified that some subsector groups have been affected from the transition to IFRS.

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)0,003
score de la tête « metaresearch » (Gemma)0,182
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,179
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,182
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,404
Écart entre enseignants0,304 · 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'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

Citations29
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207