Express Yourself: Why Managers' Disclosure Tone Varies Across Time and What Investors Learn from It
Notice bibliographique
Résumé
ABSTRACT We argue that volatility in a manager's disclosure tone across time should be a function of two components: (i) the firm's innate operating risk and (ii) the extent to which the manager's disclosure transparently reflects that risk. Consistent with this argument, we find that both operating risk and disclosure transparency are important determinants of disclosure tone volatility. We then examine whether investors incorporate the incremental information provided by disclosure tone volatility into their assessments of firm risk. If disclosure tone volatility primarily provides investors with incremental information about a firm's operating risk, we should find a positive association between tone volatility and market‐based assessments of risk. On the other hand, if disclosure tone volatility primarily provides investors with incremental information about a manager's disclosure transparency, we should find a negative association between tone volatility and market‐based assessments of risk. Consistent with an operating risk explanation, we find a positive association between disclosure tone volatility and market‐based assessments of firm risk after controlling for a comprehensive set of proxies for operating risk and transparency. We find little support for an information risk explanation, even when we examine multiple measures specifically designed to capture information risk. Taken together, our results suggest that although disclosure tone volatility is a function of both a firm's operating risk and a manager's disclosure transparency, investors appear to respond as if disclosure tone volatility only provides incremental information about a firm's operating risk.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,015 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».