MétaCan
Menu
Retour à la cohorte
Enregistrement W2944258469 · doi:10.1111/1911-3838.12200

Has Adoption of IFRS Increased Non–North American Institutional Investment in the Canadian Stock Markets?

2019· article· en· W2944258469 sur OpenAlexaffvenueabout
Shahid Khan, Mark C. Anderson, Hussein A. Warsame, Michael Wright

Notice bibliographique

RevueAccounting Perspectives · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComparabilityBusinessAccountingInternational Financial Reporting StandardsStock (firearms)Investment (military)Institutional investorFinanceFinancial systemCorporate governance

Résumé

récupéré en direct d'OpenAlex

Abstract We investigate whether non–North American (non‐NA) institutional investment in firms listed on the Canadian stock markets increased between the pre‐ and post‐IFRS adoption periods relative to such investment in firms listed on the U.S. stock markets. Prior to IFRS adoption, Canada had high‐quality financial reporting standards that were similar to the U.S. standards. As consequences of IFRS adoption, Canadian financial statements became more comparable with European and other IFRS country financial statements and less comparable with neighboring U.S. financial statements. Thus, a question of interest is whether the enhanced comparability with non‐NA companies was beneficial in terms of attracting non‐NA investment to Canadian companies versus U.S. companies. We find that there was no significant change in non‐NA institutional investment in Canadian firms relative to U.S. firms for the very largest (fifth quintile) and for smaller (first, second, and third quintiles) Canadian companies. However, intermediate‐sized Canadian companies in the fourth size quintile lost non‐NA institutional investment relative to their U.S. peer companies, suggesting that non‐NA investors cared more about comparability with U.S. peer companies than non‐NA peer companies for companies in this size quintile.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,041
Score d'incertitude au seuil0,854

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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

Citations7
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

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