MétaCan
Menu
Retour à la cohorte
Enregistrement W2170804261 · doi:10.5267/j.msl.2013.03.017

A study on relationship between institutional investors and earnings management: Evidence from the Tehran Stock Exchange

2013· article· en· W2170804261 sur OpenAlexvenueno aff
Milad Emamgholipour, Seyedeh Maryam Babanejad Bagheri, Elham Mansourinia, Ali Mohammadpour Arabi

Notice bibliographique

RevueManagement Science Letters · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEarnings managementAccrualStock exchangeBusinessLeverage (statistics)Corporate governanceShareholderAccountingInstitutional investorSample (material)EarningsMonetary economicsFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

Institutional investors play important role on formation of different changes on corporate governance systems. They can significantly influence on companies by monitoring the performance of management and limiting their opportunistic behaviors and manipulating their financial statements. Therefore, the main objective of the present study is to investigate the relationship between institutional investors and earnings management on some listed companies on Tehran Stock Exchange by examining a sample of 700 firm-years data over the period 2006-2010. In this study, the discretionary accruals are used as an indicator for earnings management. The results indicate that there is a positive and significant relationship between institutional investors and earnings management and suggest that increasing the ownership percentage of institutional shareholders increases earnings management. In addition, the results of the control variables have shown that firm size had no impact on earnings management, but financial leverage and return on sales, respectively had negative and positive effect on the earnings management of companies.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, 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 enseignants0,024
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,048
Tête enseignante GPT0,249
Écart entre enseignants0,201 · 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

Citations24
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207