MétaCan
Menu
Retour à la cohorte
Enregistrement W2165588884 · doi:10.3905/joi.2006.650145

Accounting Restatements: Are They Always Bad News for Investors?

2005· article· en· W2165588884 sur OpenAlexaff
Jeffrey L. Callen, Joshua Livnat, Dan Segal

Notice bibliographique

RevueSSRN Electronic Journal · 2005
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCash flowAccountingBusinessFinancial statementAccounting information systemIncome statementAuditStock (firearms)Offset (computer science)Stock marketEarningsActuarial scienceEconomicsMonetary economicsBalance sheet

Résumé

récupéré en direct d'OpenAlex

This study investigates a large sample of financial statement restatements over the period 1986-2001, and compares restatements caused by changes in accounting principles to those caused by errors. Typically, investors perceive restatements as negative signals due to three potential reasons: (a) the restatement indicates problems with the accounting system that may be manifestations of broader operational (and managerial) problems, (b) the restatement causes downward revisions in future cash flows expectations, and (c) the restatement indicates managerial attempts to cover up income decline through “cooking the books.” We provide evidence that market reactions to restatements due to errors are generally negative. We show that these restatements come in periods of declining profits and lower profits than industry peers for the restating firms, consistent with both opportunistic managerial behavior and operational problems. However, investors' reactions to income-increasing restatements due to errors are not different from zero, suggesting that the perceived failure of the accounting system is just offset by the upward revisions in future cash flow expectations in these cases of income-increasing errors. Thus, our combined results show that not all restatements are alike; users of the information need to carefully assess the existence and potential effects of the three factors that typically cause the downward revisions in stock prices on a case by case basis.

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)0,005
score de la tête « metaresearch » (Gemma)0,051
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 enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,228
Écart entre enseignants0,218 · 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

Citations31
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207