MétaCan
Menu
Retour à la cohorte
Enregistrement W2173170459 · doi:10.19030/iber.v8i12.3192

The Informational Content Of Voluntary Embedded Value (EV) Financial Disclosures By Canadian Life Insurance Companies

2011· article· en· W2173170459 sur OpenAlexaffabout
Jacques Préfontaine, Jean Desrochers, Lise Godbout

Notice bibliographique

RevueInternational Business & Economics Research Journal (IBER) · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésBusinessLife insuranceAccountingVoluntary disclosureEquity (law)EarningsValue (mathematics)Relevance (law)TurnoverOrder (exchange)Statutory lawFinanceActuarial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The informational content and relevance to external stakeholders of voluntary financial disclosures by commercial banks is now becoming more widely recognized. For instance, banks voluntary disclosures of liquidity, interest rate and market risk metrics have been bound to be closely associated with market value of equity and credit ratings. So far, there has been very scarce published research on investigating the informational content and relevance to external stakeholders of voluntary financial disclosures by life insurance companies. In order to improve upon this situation, this paper studies and reports the informational content of voluntary embedded value (EV) financial disclosures by Canadian life insurance companies. As opposed to traditional statutory balance sheet and earnings reporting, EV voluntary disclosure attempts to estimate the present value of future earnings generated by a life insurers current book of various insurance businesses. The preliminary results presented in this study indicate that EV voluntary financial disclosures communicate intrinsic informational content and provide value relevance to external stakeholders in the sense that they were found to be closely associated with life insurers market value of equity.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,076
Tête enseignante GPT0,267
Écart entre enseignants0,190 · 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

Citations6
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Business & Economics Research Journal (IBER)Même sujetRisk Management in Financial FirmsTravaux en français237 207