MétaCan
Menu
Retour à la cohorte
Enregistrement W3123564588 · doi:10.1506/ap.8.3.1

Fair Value Accounting and the Financial Crisis: Messenger or Contributor?*

2009· article· en· W3123564588 sur OpenAlexaffvenue
Michel Magnan

Notice bibliographique

RevueAccounting Perspectives · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésFinancial crisisValuation (finance)Market liquidityFair valueBusinessFinancial instrumentEconomicsAccountingFinanceFinancial system

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This commentary discusses how fair value accounting (FVA) affects the nature of financial reporting, especially for financial institutions that were deeply affected by the 2007‐9 financial crisis. Toward that end, I address four questions. First, I review FVA's role in financial reporting, emphasizing its development over time. While the commentary's focus is on the interface between financial instruments and FVA, its reach extends well beyond financial instruments. Thereafter, I discuss the measurement and valuation challenges that arise from the use of FVA in financial reporting. Then, I analyze the evidence, analytical and empirical, on the role that FVA may have played in the financial crisis of 2007‐9. Since, to some extent, the crisis is still unfolding, there is limited yet very insightful empirical evidence on this issue. The evidence does suggest that FVA, in combination with its use by regulators, may have severely undermined the financial condition of some institutions. The effect was amplified for institutions holding assets in markets that saw their liquidity dry up during the crisis. In other words, FVA may have amplified the crisis. Finally, I discuss some implications that we can draw from the crisis about the merits and risks underlying FVA. For instance, I conclude that, in a search for relevance, the use of FVA in financial reporting may accelerate its disconnection from a firm's business reality.

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)0,007
score de la tête « metaresearch » (Gemma)0,044
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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,009
Communication savante0,0070,009
Science ouverte0,0010,002
Intégrité de la recherche0,0100,010
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,218
Écart entre enseignants0,212 · 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

Citations87
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207