MétaCan
Menu
Retour à la cohorte
Enregistrement W2885651409 · doi:10.22495/cocv15i4art10

Securities class actions of Chinese companies

2018· article· en· W2885651409 sur OpenAlexaboutno aff
Nancy Chun Feng, Ross D. Fuerman

Notice bibliographique

RevueCorporate Ownership and Control · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClass actionBusinessAccountingEnforcementSettlement (finance)AuditQuality auditContext (archaeology)BankruptcySecurities fraudChinaAuditor independenceFinancePaymentJoint auditInternal auditLaw

Résumé

récupéré en direct d'OpenAlex

This paper provides the first empirical evidence documenting the determinants and outcomes of private securities class action lawsuits filed in the US and Canada against Chinese companies and their auditors. Our findings show that, in the global context, Chinese companies are positively associated with their auditors being defendants and experiencing an adverse outcome (for example, related government enforcement actions and/or settlement payments to terminate class actions). A group of companies from outside the US with low country level audit quality, the Chinese companies, and the overall global sample were compared. For the low country level audit quality comparison group, we found that a restatement was negatively associated with auditors being defendants; this is a new finding. Two unique Chinese characteristics are that reverse mergers are positively associated with auditor litigation and bankruptcy has no association with auditor litigation. Aggregate Chinese companies’ settlements are positively associated with the occurrence of an auditor settlement and with class period length. Auditor settlements are associated with several factors. No mainland China CPA firm has ever paid to settle a private securities class action filed in the US or Canada; this also is a new finding. Several factors explain this last result.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,442
Score d'incertitude au seuil0,614

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,024
Tête enseignante GPT0,219
Écart entre enseignants0,195 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorporate Ownership and ControlMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207