MétaCan
Menu
Retour à la cohorte
Enregistrement W3124497083 · doi:10.3905/joi.2006.650145

Accounting Restatements

2006· article· en· W3124497083 sur OpenAlexaff
Jeffrey L. Callen, Joshua Livnat, Dan Segal

Notice bibliographique

RevueThe Journal of Investing · 2006
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensBaycrest Hospital
Organismes subventionnairesnon disponible
Mots-clésCash flowValuation (finance)Income statementAccountingFinancial statementBusinessAccounting information systemAuditEarningsOffset (computer science)Stock (firearms)Actuarial scienceEconomicsBalance sheet

Résumé

récupéré en direct d'OpenAlex

This study investigates a large sample of financial statement restatements over the period 1986-2001, and compares restatements caused by changes in accounting principles to those caused by errors. Typically, investors perceive restatements as negative signals due to three potential reasons: (a) the restatement indicates problems with the accounting system that may be manifestations of broader operational (and managerial) problems, (b) the restatement causes downward revisions in future cash flows expectations, and (c) the restatement indicates managerial attempts to cover up income decline through “cooking the books.” We provide evidence that market reactions to restatements due to errors are generally negative. We show that these restatements come in periods of declining profits and lower profits than industry peers for the restating firms, consistent with both opportunistic managerial behavior and operational problems. However, investors9 reactions to income-increasing restatements due to errors are not different from zero, suggesting that the perceived failure of the accounting system is just offset by the upward revisions in future cash flow expectations in these cases of income-increasing errors. Thus, our combined results show that not all restatements are alike; users of the information need to carefully assess the existence and potential effects of the three factors that typically cause the downward revisions in stock prices on a case by case basis. <b>TOPICS:</b>Security analysis and valuation, accounting and ratio analysis

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,502
Score d'incertitude au seuil0,788

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,201 · 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 tête enseignante, 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

Citations88
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of InvestingMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207