MétaCan
Menu
Retour à la cohorte
Enregistrement W2060226673 · doi:10.1108/03074351111092111

The effect of analyst coverage on accounting conservatism

2010· article· en· W2060226673 sur OpenAlexaff
Jerry Sun, Guoping Liu

Notice bibliographique

RevueManagerial Finance · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensToronto Metropolitan UniversityUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésAccountingConservatismBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to examine whether high analyst coverage increases or decreases accounting conservatism.\nDesign/methodology/approach – Sample firms were selected from the Compustat and I/B/E/S databases for years 1989-2006. The authors used both accrual-based and market-value-based measures of accounting conservatism, also the extent to which negative cash flow from operations is more timely recognized via accruals than positive cash flow from operations to measure accounting conservatism. The regression analyses are conducted to test the hypotheses.\nFindings – Strong evidence was found that analyst coverage is positively associated with accounting conservatism. The results suggest that firms choose more conservative accounting methods when they are followed by more analysts than when they are followed by fewer analysts. The results are robust to a battery of sensitivity analyses.\nOriginality/value – This paper sheds light on how analyst coverage affects firms' accounting choices and extends the limited research on the monitoring role of analyst coverage. The findings are consistent with the notion that analyst coverage plays an important corporate governance role in the financial reporting process. This paper also adds to the literature on the economic determinants of accounting conservatism, and provides some implications for practitioners.

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)0,009
score de la tête « metaresearch » (Gemma)0,099
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 enseignants0,009
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,099
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,004
Tête enseignante GPT0,197
Écart entre enseignants0,193 · 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

Citations54
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagerial FinanceMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207