Accrual management and expected stock returns in India
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine whether the stock market in India is efficient in the semi-strong form. Design/methodology/approach The study uses financial and stock market data of 1,135 listed Indian companies (non-financial) during 2003–2011 collected from Capital IQ to estimate discretionary accruals (DA) using modified Jones model (1995). The study also examines using the widely used Mishkin (1983) test to whether equity market prices accruals in India. The study is conducted for profit/loss-making firms separately as well as for a hedge portfolio of firms based on the lowest to highest accruals. Findings The empirical study of DA of 1,135 listed Indian companies (non-financial) during 2003–2011 shows that the estimated average DA of the corporate sector in India comes to 1 percent of the total assets of these firms. An empirical analysis whether equity market prices DA in India finds no evidence of investors/market pricing DA. Empirical evidence also finds that the results are invariant for profit/loss-making firms as well as portfolio of firms based on the lowest to highest accruals in the Indian context. The empirical evidence shows that the Indian equity market is inefficient with regard to the incorporation of accruals in expected returns of stocks. Research limitations/implications This study builds on the previous literature on accrual pricing in the context of the USA and developed markets. The study extends the empirics to the one of the largest emerging market economy – India. This issue is important not only to investors, but also to policy makers and researchers because the mispricing of accruals could potentially lead to misallocation of capital. The study has implications for stock/firm valuations and cost of equity/capital. Originality/value This is the first study for the pricing of accruals and test of semi-strong efficiency of the Indian stock market.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».