The Riskiness of Large Audit Firm Client Portfolios and Changes in Audit Liability Regimes: Evidence from the U.S. Audit Market*
Notice bibliographique
Résumé
Abstract We investigate whether the financial riskiness of large U.S. audit firm clienteles varied with the changing audit litigation liability environment during the period 1975‐99. Partitioning the period of study into four distinct periods (a benchmark period (1975‐84), a period of increasing concerns about litigation liability (1985‐89), a period of lobbying for reform (1990‐94), and a post‐relief period (1995‐99)), we find some evidence of risk decreases during 1985‐89, strong evidence of risk decreases during 1990‐94, and strong evidence of risk increases during 1995‐99. However, we also find that over the period of our study, a time during which Big 6 market shares grew appreciably, the proportion of litigious‐industry clients in Big 6 client portfolios grew at about the same rate as the proportion of such clients in the population. Moreover, the Big 6 share of the financially riskiest clients in the economy did not grow as fast as the overall Big 6 market share. In sum, although our evidence is consistent with the hypothesis that the riskiness of Big 6 client portfolios responded to changes in the audit litigation liability environment, we find no systematic evidence of a "race to the bottom" or "bottom fishing" by these firms in a bid to increase their market shares.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».