MétaCan
Menu
Retour à la cohorte
Enregistrement W2263946298

INVESTORS LIKE FIRMS THAT EXPENSE EMPLOYEE STOCK OPTIONS AND THEY DISLIKE FIRMS THAT FAIL TO EXPENSE

2005· article· en· W2263946298 sur OpenAlexaff
Fayez A. Elayan, Richard Roll

Notice bibliographique

RevueSSRN Electronic Journal · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésBusinessAgency costMonetary economicsStock (firearms)DebtStock marketFinanceEconomicsCorporate governance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

During 2002 and 2003, 140 publicly traded US firms announced their intention to recognize an accounting expense when stock options are granted to employees. Many similar firms elected not to expense options. We study the stock market’s reaction. There is no evidence whatsoever that expensing options reduces the stock price. To the contrary, around announcement dates, we find significant price increases for firms electing to expense options and significant price declines for industry/size/performance-matched firms that did not announce expensing at the same moment. The average relative change in market values is 3.65% during a 6 day window around the announcement. The magnitude of the market’s reaction to expensing depends on agency costs, the magnitude of option expenses, and financial reporting costs. The market’s reaction does not seem to be affected by contracting costs (e.g. induced by debt covenants), growth opportunities, or potential political repercussions. Moreover, the decision to expense and the magnitude of the market’s reaction are not signals of future operating performance. The market seems to react favorably to transparent reporting while it penalizes firms that give the appearance of having something to hide.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,033
Tête enseignante GPT0,230
Écart entre enseignants0,197 · 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

Citations22
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207