MétaCan
Menu
Retour à la cohorte
Enregistrement W2743873594 · doi:10.1108/jfc-07-2016-0046

Identifying fraud using restatement information

2017· article· en· W2743873594 sur OpenAlex
Nourhene BenYoussef, Saqib Khan

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Financial Crime · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésOriginalityEarningsQuality (philosophy)Value (mathematics)Computer scienceActuarial scienceAccountingBusinessPsychologyMachine learningSocial psychology

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to analyze the restatement information disclosed in the Form 8K and the Press Release. It examines the relationship between manipulating the quantity, quality, manner and timing of restatement information and the probability of committing fraud. Design/methodology/approach The authors used 18 informational indicators developed by BenYoussef and Breton (2016), and applied the prediction methodology based on F-scores, developed by Dechow et al . (2011). Findings Results indicate that the information content of restatement announcements provides significant insights into the likelihood of fraud occurrence. A firm that manipulated previous earnings will continue to do so, and will try to mislead investors by releasing inaccurate and incomplete information in the Form 8K and the Press Release. The model helps identify this manipulation and hence can be used as a tool for fraud detection. Research implications/limitations This paper applies the constructs drawn from Information Manipulation Theory to restatement contexts to detect fraud. Practical implications The paper is of use to regulators, investors and financial crime experts, as it provides insights to better fraud detection. Originality/value The paper is based on proprietary data that were hand collected, and is being used first time to predict fraud.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,009
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,277
Écart entre enseignants0,247 · 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