MétaCan
Menu
Retour à la cohorte
Enregistrement W2247090262

La gestion des bénéfices et la performance boursière : cas des entreprises acquéreuses canadiennes

2006· preprint· fr· W2247090262 sur OpenAlexaffabout
Claude Francœur, Philémon Rakoto

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2006
Typepreprint
Languefr
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Il ressort clairement des études sur les fusions et acquisitions que ce sont les actionnaires des entreprises absorbées qui sortent gagnants, à cause surtout des primes de contrôle de plus en plus élevées qui leur sont versées. Du côté des entreprises acquéreuses, il semble que la performance soit négative ou, au mieux, neutre. La plupart des études démontrent que la contre-performance est surtout associée aux fusions ou acquisitions financées par échange d'actions. Ce phénomène demeure une énigme, car aucune explication valable n'a été avancée jusqu'à maintenant. Nous examinons la possibilité de gestion à la hausse des bénéfices durant la période précédant l'annonce d'une fusion ou acquisition financée par échange d'actions, dans le but de faire augmenter la valeur des actions. Nous mesurons également l'impact des manipulations comptables sur la performance boursière post-acquisition. Nos résultats, basés sur des fusions et acquisitions canadiennes entre 1990 et 2000 démontrent que : 1) l'ampleur de la gestion à la hausse des bénéfices des entreprises acquéreuses lors d'une fusion ou acquisition financée par échange d'actions est deux fois plus élevée que celle effectuée lors d'une transaction payée en espèces ; 2) la gestion à la hausse des bénéfices est associée à des rendements anormaux à long terme négatifs des actions pouvant persister jusqu'à trois ans après la transaction. Notre étude permet d'enrichir les connaissances sur la présence de la gestion des bénéfices dans le contexte spécifique des fusions et acquisitions ainsi que de ses conséquences. Les normalisateurs pourront ainsi orienter leurs efforts, le cas échéant, afin d'améliorer le processus de communication de l'information comptable.

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)0,012
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche
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 enseignants0,476
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,057
Tête enseignante GPT0,328
Écart entre enseignants0,272 · 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

Citations0
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207