The Relation Between Earnings Management and Non‐<scp>GAAP</scp> Reporting
Notice bibliographique
Résumé
Abstract Managers have a variety of tools at their disposal to influence stakeholder perceptions. Earnings management and the strategic reporting of non‐ GAAP earnings are just two of the available menu choices. We explore how real earnings management and accruals management influence the probability that a company will disclose a non‐ GAAP adjusted earnings metric in its earnings press release and the likelihood that it will do so aggressively. We first investigate situations where managers already meet analysts’ expectations either based on strong operating performance or after employing real and accruals management. We find that when solid operating performance alone allows firms to meet expectations, managers do not employ earnings management or non‐ GAAP reporting. However, when managers meet expectations using real and accruals management, they are significantly less likely to report a non‐ GAAP earnings metric. Next, we explore scenarios where companies fall short of expectations. We find that when they just miss expectations after managing GAAP earnings, they are significantly more likely to employ non‐ GAAP reporting, suggesting that the timing and relatively costless nature of non‐ GAAP reporting allows managers to appear to meet expectations on a non‐ GAAP basis when managed GAAP earnings fall short. Moreover, we find that companies are more likely to report non‐ GAAP earnings (and to do so aggressively) when (i) they are unable to use real or accruals earnings management, (ii) are constrained by prior‐period accruals management, and (iii) their operating performance is poor. Taken together, our results are consistent with a substitute relation between non‐ GAAP reporting and both real and accruals management.
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 | 0,014 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| 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 ».