MétaCan
Menu
Retour à la cohorte
Enregistrement W2285169489

On Lemons and Leather: Liability for Misrepresentations of Forward-Looking Information in Danier Leather

2009· article· en· W2285169489 sur OpenAlexaffabout
Edward Iacobucci

Notice bibliographique

RevueSSRN Electronic Journal · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIssuerProspectusLiabilityObligationCredibilityBusinessAccountingActuarial scienceLaw and economicsLawEconomicsPolitical scienceFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Supreme Court of Canada considered in Kerr v. Danier Leather the liability of a corporate issuer of a prospectus forecasting performance that was alleged to misrepresent the company’s prospects at the time purchasers bought shares. This article analyzes whether there is an obligation on issuers to update previously disclosed forward-looking information (FLI) whenever circumstances change, and whether the business judgment rule applies to such disclosure decisions. The author provides a policy analysis of whether the decision’s interpretation of the Ontario Securities Act best advances the societal interests underlying potential liability for misrepresentations on FLI. As a general rule, there is no obligation on an issuer to disclose FLI. Given that mandatory disclosure rules do not extend to FLI, and given that the issuer itself will predictably bear costs if its FLI disclosures lack credibility, the law should allow the issuer itself to customize the standard for evaluating its liability for misleading FLI. The article concludes that the Danier decision is correct in light of this policy analysis, as it leaves scope for issuers to tailor liability for FLI to their particular circumstances.

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)0,015
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,882

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,041
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,014
Communication savante0,0100,006
Science ouverte0,0030,003
Intégrité de la recherche0,0170,013
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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,215 · 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'étudeSans objet
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
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207