MétaCan
Menu
Retour à la cohorte
Enregistrement W2186110784 · doi:10.19030/jber.v7i8.2317

Earnings Management Effect In Different Stock Market Cycles

2011· article· en· W2186110784 sur OpenAlexaff
Alireza Daneshfar, Daniel Zéghal, Mohammad Javad Saei

Notice bibliographique

RevueJournal of Business & Economics Research (JBER) · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAccrualPessimismStock marketEarningsEarnings managementMonetary economicsEconomicsStock (firearms)Business cycleFinancial economicsBusinessAccountingMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This study examines the association between stock prices and discretionary accruals in different stock market cycles. The study presents evidence for a discrepancy in prior research and shows that investors are able to identify earnings management only in some cases. We argue that investors’ reaction to the true nature of EPS varies in different market cycles. We suggests that investors pay less attention to the nature of EPS changes in an optimistic cycles, and are more critical in neutral or pessimistic cycles. Therefore, investors are more likely to detect and count for any earnings management in the neutral or pessimistic cycle than in the optimistic cycle. The test results indicated that the association between discretionary accruals and abnormal stock returns were insignificant in the neutral market cycle, significant and positive in the optimistic cycle and significant and negative in the pessimistic cycle. These findings indicate that investors tend to ignore the income-increasing effect of discretionary accruals on EPS changes in an optimistic market. The findings suggest that researchers investigating the association between stock prices and earnings management should control for the type of the market cycle from which their samples are drawn.

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)0,001
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,266
Écart entre enseignants0,229 · 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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business & Economics Research (JBER)Même sujetAuditing, Earnings Management, GovernanceTravaux en français237 207