Determinants of Managerial Earnings Guidance Prior to Regulation Fair Disclosure and Bias in Analysts' Earnings Forecasts*
Notice bibliographique
Résumé
Abstract Prior to Regulation Fair Disclosure (“Reg FD”), some management privately guided analyst earnings estimates, often through detailed reviews of analysts' earnings models. In this paper I use proprietary survey data from the National Investor Relations Institute to identify firms that reviewed analysts' earnings models prior to Reg FD and those that did not. Under the maintained assumption that firms conducting reviews guided analysts' earnings forecasts, I document firm characteristics associated with the decision to provide private earnings guidance. Then I document the characteristics of “guided” versus “unguided” analyst earnings forecasts. Findings demonstrate an association between several firm characteristics and guidance practices: managers are more likely to review analyst earnings models when the firm's stock is highly followed by analysts and largely held by institutions, when the firm's market‐to‐book ratio is high, and its earnings are important to valuation but hard to predict because its business is complex. A comparison of guided and unguided quarterly forecasts indicates that guided analyst estimates are more accurate, but also more frequently pessimistic. An examination of analysts' annual earnings forecasts over the fiscal year does not distinguish between guidance and no‐guidance firms; both experience a “walk‐down” in annual estimates. To distinguish between guidance and no‐guidance firms, one must examine quarterly earnings news: unguided analysts walk down their annual estimates when the majority of the quarterly earnings news is negative; guided analysts walk down their annual estimates even though the majority of the quarterly earnings news is positive.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».