Street versus <scp>GAAP</scp>: Which Effective Tax Rate Is More Informative?*
Notice bibliographique
Résumé
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 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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 ».