MétaCan
Menu
Retour à la cohorte
Enregistrement W2900376060 · doi:10.1111/1911-3846.12656

Do Debt Investors Adjust Financial Statement Ratios When Financial Statements Fail to Reflect Economic Substance? Evidence from Cash Flow Hedges*†

2020· article· en· W2900376060 sur OpenAlexaffvenue
John L. Campbell, Jenna D’Adduzio, Jimmy F. Downes, Steven Utke

Notice bibliographique

RevueContemporary Accounting Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBalance sheetBusinessCash flowDefaultLeverage (statistics)DebtMonetary economicsFinanceFinancial economicsEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Cash flow hedge derivatives are an example of an economic transaction that is not fully portrayed in the financial statements in two key ways. First, while changes in the fair value of the derivative are recorded at each reporting date, changes in the value of the underlying purchase or sale commitment are not recorded or disclosed until that transaction occurs. Therefore, until the purchase or sale occurs, the financial statements only portray half of the economic transaction. Second, the gains/losses associated with these derivatives provide an inverse signal about the persistence of firm profitability. We document a method by which financial statement users can partially adjust for these distortions and find evidence that debt investors incorporate information conveyed by cash flow hedge gains/losses into their pricing of new debt issuances. We also find evidence that credit analysts incorporate these adjustments into their firm‐level credit ratings but are unable to find consistent evidence of similar adjustments to credit ratings on new debt issuances. Overall, our results suggest that a subset of sophisticated investors (i.e., those in public debt markets) appear to incorporate information from cash flow hedge accounting into their assessments of firm risk, and that users may benefit from enhanced disclosure about the amount and timing of a firm's future transactions that are exposed to foreign currency, interest rate, or commodity price risk as well as the amount and timing of derivatives that protect the firm from those risks.

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)0,004
score de la tête « metaresearch » (Gemma)0,052
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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,052
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,177
Tête enseignante GPT0,362
Écart entre enseignants0,185 · 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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetRisk Management in Financial FirmsTravaux en français237 207