MétaCan
Menu
← Retour à la cohorte
Enregistrement W3123377827 · doi:10.1111/j.1911-3846.2011.01089.x

Do the Benefits of Reducing Accounting Complexity Persist in Markets Prone to Bubble?*

2011· article· en· W3123377827 sur OpenAlexvenueno aff
Jessen L. Hobson

Notice bibliographique

RevueContemporary Accounting Research · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitationLibrary scienceHistorySociologyPolitical scienceLawComputer science

Résumé

récupéré en direct d'OpenAlex

Standard setters and regulators generally assume that making accounting easier to process leads to more efficient markets, thereby benefiting traders. I test that assumption in markets that are prone to price bubbles. Market efficiency will obtain only if reducing complexity in accounting leads traders to acquire and process that information more readily, and then to trade in a manner that moves price closer to fundamental value. This reasoning implies two causal links - (1) the link from less complex information to greater processing of that information, and (2) the link from greater processing of information to more efficient markets. I test these causal links in an experiment by examining the effect of reducing accounting complexity on market efficiency, as mediated by processing accounting information and as moderated by the market’s propensity to form price bubbles. Traders buy and sell shares of an asset in a multiperiod, double auction market in which speculative capital gains are possible. I find that reducing complexity in information increases processing. However, this processing increases market efficiency only in markets that are less prone to a price bubble. Conversely, in markets more prone to bubble some traders that process information trade according to value, while other informed traders utilize profitable non-value trading strategies that exacerbate price inefficiencies.

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)0,001
score de la tête « metaresearch » (Gemma)0,017
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,116
Tête enseignante GPT0,301
Écart entre enseignants0,185 · 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

Citations37
Publié2011
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueContemporary Accounting Research→Même sujetAuditing, Earnings Management, Governance→Travaux en français237 207→