Notice bibliographique
Résumé
This thesis is a collection of three essays on capital markets. The first essay examines how signals of reputation with non-equity stakeholders affect the market reaction to accounting restatements. Using Corporate Social Responsibility (CSR) rating as a proxy for reputation with non-equity stakeholders, I find significantly less negative market reaction to restatements for firms with better reputation. I also find that high-CSR firms experience smaller earnings-decreases and need to engage in fewer reputation restoration activities. The results suggest that a significant portion of the market value loss triggered by restatements reflects an expectation that the restating firms will face a ‘worsening of terms’ in their future transactions with the non-equity stakeholders, and CSR reputation can dampen this effect. The second essay examines the impact of accounting restatements on the information content of analyst forecast revisions (FRIC). I find that following material restatements that are perceived to be intentional, FRIC increases significantly compared to the pre-restatement period level. The results suggest that investors increase their reliance on analysts when there is uncertainty about the firm and the credibility of management disclosure is compromised. Additional tests reveal that the effect is greater for analysts who are less likely to have close ties with the management. The third essay studies how misaligned language between the investor and the firm contributes to the foreign investor bias. In particular, we document a significant US institutional investor bias against firms located in Quebec relative to firms located in the Rest of Canada (ROC). The differential bias is surprising given that Quebec and the ROC share the same country, federal law, stock exchange, accounting standards, and regulatory filings are prepared in both English and French; and given that US institutional investors are sophisticated investors at close geographic proximity to both Quebec and the ROC. We also contrast the bias against Quebec firms with different levels of French versus English online presence, and we contrast the bias of institutional investors located in the UK versus France, to bolster our conclusion that incongruent languages are a major source of bias.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».