MétaCan
Menu
Retour à la cohorte
Enregistrement W2170016439 · doi:10.5539/ibr.v4n4p84

An Investigation of The Income Smoothing Behavior of Growth and Value Firms (Case Study: Tehran Stock Exchange Market)

2011· article· en· W2170016439 sur OpenAlexvenueno aff
Mohammad Namazi, Ehsan Khansalar

Notice bibliographique

RevueInternational Business Research · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSmoothingAccrualEconometricsStock exchangeMarket capitalizationEarningsValue (mathematics)EconomicsCapitalizationStock marketOrder (exchange)Market valueBusinessMonetary economicsAccountingStatisticsFinanceMathematics

Résumé

récupéré en direct d'OpenAlex

The major objective of this study is to investigate the income smoothing behaviour of two different types of firms - value and growth - in the Tehran Stock Exchange (TSE) Market. All firms listed in the TSE between 2003 and 2007 were examined using the Jones Model to investigate their income smoothing behaviours. Using the Jones model, the discretionary part of accruals was investigated. The results of this study revealed that growth firms tend to apply discretionary accruals more intensively than value firms. In order to support the robustness of the findings, the Eckel model, was also applied. The same result was found for the Eckel model as for the Jones model. The results indicated that growth firms achieved a higher degree of income smoothing than value firms. The effects of various confounding factors which are different between these two types of firms, such as size of the company, standard deviation of earnings, market capitalization and consecutive trend of earnings, were also investigated. The results indicated that income smoothing in growth firms is larger than in value firms, and also that other items, which are known as representatives of the risk, are larger for growth firms than for value firms.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,021
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
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 savante0,0000,001
Science ouverte0,0010,001
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 Opus0,058
Tête enseignante GPT0,314
Écart entre enseignants0,256 · 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.

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

Citations11
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

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