Notice bibliographique
Résumé
In this dissertation, I include three essays regarding earnings forecasts, the DuPont analysis and tax expense, all using mandatory International Financial Reporting Standards (IFRS) adoption in Canada as a setting. In the first essay entitled “DuPont Analysis, Earnings Persistence and Return on Equity: Evidence from Mandatory IFRS Adoption in Canada”, I propose four new models to forecast one-year-ahead return on equity and change in return on equity based on prior research in the DuPont analysis and earnings persistence. I also examine whether the persistence of return on equity has improved since Canadian companies adopted IFRS in 2011.\nIn the second essay entitled “Information Content of Tax Expense and the Effect of IFRS Adoption on Tax Expense”, I examine the information content of tax expense about future profitability and the effect of IFRS adoption on tax expense. Prior studies (Lev and Nissim, 2004; Hanlon, 2005; Schmidt, 2006; Ayers et al., 2009) use estimated taxable income, book-tax differences and effective tax rates to investigate the relation between income taxes and future earnings. However, those estimated proxies contain measurement errors and might distort the relationship among variables. Tax expense including current, deferred and other income taxes is directly derived from a Compustat account with no estimation error. The main analysis and robustness tests show that tax expense contains more incremental information content about future profitability beyond pre-tax book income than estimated taxable income.\nIn the third essay entitled “Impact of IFRS Adoption, Value Relevance and Industry Effects: A Canadian Study”, I propose a new comparability index to examine the impact of IFRS adoption on the financial statements of firms from different industries. The study demonstrates that deemed cost of property, plant and equipment is the optional exemption that caused the most discrepancy among first-time IFRS adopters; and that only transitional adjustments related to income accounts are value relevant.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».