MétaCan
Menu
Retour à la cohorte
Enregistrement W2890654732 · doi:10.2308/acch-52262

Does the Mandatory Adoption of IFRS Improve the Association between Accruals and Cash Flows? Evidence from Accounting Estimates

2018· article· en· W2890654732 sur OpenAlexaff
Jimmy F. Downes, Tony Kang, Sohyung Kim, Cheol Lee

Notice bibliographique

RevueAccounting Horizons · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésAccountingAccrualAmortizationBusinessInternational Financial Reporting StandardsAccounts receivableDepreciation (economics)Cash flowEarnings before interest, taxes, depreciation, and amortizationAccounting standardAccounting information systemFinancial accountingEconomicsFinanceEarningsDebt

Résumé

récupéré en direct d'OpenAlex

SYNOPSIS We investigate the effect of mandatory International Financial Reporting Standards (IFRS) adoption in the European Union on the association between accounting estimates and future cash flows, a key concept of accounting quality within the International Accounting Standard Board conceptual framework. We find that the predictive value of accounting estimates improves after IFRS adoption. This improvement is largely driven by specific types of accounting estimates, such as accounts receivable, depreciation, and amortization expense. We also find that the improvement is concentrated in countries with larger differences between pre-IFRS domestic GAAP and IFRS. Our findings suggest that IFRS allow managers to exercise their judgment to provide information about future cash flows through the more subjective/judgmental portion of accounting accruals. JEL Classifications: M16; M49; O52. Data Availability: The data used in this study are from public sources identified in the study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,154
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,021
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,154
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,011
Tête enseignante GPT0,232
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting HorizonsMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207