MétaCan
Menu
Retour à la cohorte
Enregistrement W3015565684 · doi:10.1111/1911-3846.12651

Street versus <scp>GAAP</scp>: Which Effective Tax Rate Is More Informative?*

2020· article· en· W3015565684 sur OpenAlexvenueno aff
Erik Beardsley, Michael Mayberry, Sean T. McGuire

Notice bibliographique

RevueContemporary Accounting Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEarningsBusinessAccountingEarnings qualityQuality (philosophy)Monetary economicsEconomicsAccrual

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study investigates how sophisticated market participants use tax‐based information by examining whether analysts' street effective tax rates (ETRs) are informative. When assessing firm performance, analysts exclude items they believe do not reflect current performance, resulting in “street” metrics such as street ETR. However, evidence on the properties of the components of street earnings is limited. Examining the informativeness of street ETRs is important because taxes are a significant component of earnings, and the extent to which analysts understand taxes and incorporate them into their analyses is not clear. Using a hand‐collected sample of analyst reports, we find that while approximately 35% of street ETRs have at least one tax‐specific exclusion, over 90% reflect the tax effects of pre‐tax exclusions. Further, both tax‐specific exclusions and the tax effects of pre‐tax exclusions significantly contribute to differences between GAAP and street ETRs. Consistent with analysts' understanding of the implications of tax and nontax exclusions, our results suggest that street tax metrics exhibit greater predictive ability about future tax outcomes and provide more information to investors than GAAP tax metrics. We also find that ETR exclusions are of higher quality when the magnitude of the potentially excluded item is greater and when managers disclose pro forma earnings. Collectively, our findings suggest that analysts understand taxes, but selectively exert effort to incorporate tax‐based information into their assessment of firm performance. Our study should be informative to regulators and users of financial information because it provides evidence regarding the usefulness of street earnings metrics.

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)0,005
score de la tête « metaresearch » (Gemma)0,046
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 enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,046
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 savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,078
Tête enseignante GPT0,315
Écart entre enseignants0,236 · 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

Citations26
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetCorporate Taxation and AvoidanceTravaux en français237 207