MétaCan
Menu
Retour à la cohorte
Enregistrement W2804791993 · doi:10.1111/1911-3846.12404

Blockholder Exit Threats and Financial Reporting Quality

2018· article· en· W2804791993 sur OpenAlexaffvenue
Yiwei Dou, Ole‐Kristian Hope, Wayne B. Thomas, Youli Zou

Notice bibliographique

RevueContemporary Accounting Research · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésShareholderBusinessCorporate governanceIncentiveEarningsStock (firearms)FinanceEarnings managementAccountingQuality (philosophy)Earnings qualityEconomicsMarket economyAccrual

Résumé

récupéré en direct d'OpenAlex

Abstract Recent theoretical and empirical studies suggest that blockholders (shareholders with ownership ≥ 5 percent) exert governance through the threat of exit. Blockholders have strong incentives to gather private information and sell their shares when managers are perceived to underperform. To prevent blockholders from selling their shares and the firm from suffering a stock price decline, managers align their actions with the interests of shareholders. As a result of the greater manager‐shareholder alignment, managers' actions are more likely to be in shareholders' best interest, and consequently there is less need for managers to manipulate earnings. Consistent with these predictions from economic theory, we find evidence that as exit threat increases, firms have higher financial reporting quality. Theory also predicts that the impact of blockholders' exit threat on financial reporting quality (FRQ) should increase as the manager's wealth is tied more closely to the stock price, and this is what we find. Our study contributes to the research on the impact of shareholders on FRQ and to an emerging literature on the impact of blockholders in financial markets. Blockholders play an important role in managers' reporting outcomes through their actions as informed investors.

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 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)0,013
score de la tête « metaresearch » (Gemma)0,060
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication 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 enseignants0,552
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,060
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,003
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,120
Tête enseignante GPT0,366
Écart entre enseignants0,246 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations167
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207