The Accrual Anomaly: Accrual Originations, Accrual Reversals, and Resolution of Uncertainty<sup>*</sup>
Notice bibliographique
Résumé
ABSTRACT We combine a fundamental property of accruals and a behavioral phenomenon to provide an explanation for the accrual anomaly. The fundamental property is accruals that originate must subsequently reverse. The behavioral phenomenon is individuals tend to underestimate the variance of noisy signals in various domains of decision making. We argue that originating accruals represents a noisier signal than reversing accruals because the uncertainty of whether originating accruals will eventually convert into cash is high, while there is no uncertainty regarding reversing accruals. If investors underestimate the variance of originating accruals but understand reversing accruals, then originating accruals will be mispriced while reversing accruals will not. To test this prediction, we first develop and empirically validate a novel method for ex ante detecting accrual originations and their reversals. Then we document that investors face increased uncertainty when accruals originate and decreased uncertainty when accruals reverse, and we provide evidence that only originating accruals are mispriced. We further demonstrate that our findings can be useful for improving the accrual‐based trading strategy by ex ante detecting and removing accrual reversals from extreme accrual portfolios. Overall, we provide a behavioral explanation for the accrual anomaly that is consistent with the mispricing of originating accruals only.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».