Target Financial Reporting Quality and M&A Deals that Go Bust*
Notice bibliographique
Résumé
This study investigates the role of financial reporting quality in merger and acquisition (M&A) deals that are ultimately terminated (i.e., go bust). If a target is a U.S. publicly traded company, an acquirer’s initial assessment of the potential benefits associated with the acquisition of the company is based on publicly available information. Generally, the acquirer obtains limited private information from the target prior to announcing the deal, but engages in transactional due diligence after signing the acquisition agreement to affirm that the financial reporting warranties made by the target are accurate. We construct a low‐quality financial reporting score based on measures prior research identifies as being associated with less reliable, less relevant, and less precise financial reporting. We find that acquirers offer higher premiums for targets with low‐quality financial reporting. However, we also find that low‐quality financial reporting increases the likelihood of deal renegotiation, and contributes to the probability of deals going bust. We document that failed targets are more likely to restate their financial statements after the announcement of the deal, supporting our conjecture that low‐quality financial reporting contributes to deals being terminated. Our research develops a new measure of low‐quality financial reporting, documents that the measure is related to M&A deal outcomes and financial restatements, and provides insights into the consequences of M&A transactional due diligence.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».