MétaCan
Menu
Retour à la cohorte
Enregistrement W3124648950 · doi:10.1506/m9b9-rqd7-u8ka-503u

Why Do Large Firms' Prices Anticipate Earnings Earlier than Small Firms' Prices?*

2000· article· en· W3124648950 sur OpenAlexvenueno aff
Benjamin C. Ayers, Robert N. Freeman

Notice bibliographique

RevueContemporary Accounting Research · 2000
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEarningsPortfolioIncentiveEconomicsMonetary economicsInvestment (military)Financial economicsBusinessFinanceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents evidence that the positive association between firm size and price leads of earnings is not solely a function of private search incentives for firm‐specific information. Specifically, we find that small‐firm prices also lag large‐firm prices with respect to industry‐wide information. Our empirical analysis extends Collins, Kothari, and Rayburn 1987 and Freeman 1987, who document that security‐price leads of earnings are positively associated with market capitalization. In particular, we examine the association between firm size and the timing of security returns for two components of annual earnings changes: the average change for a firm's industry and the firm's idiosyncratic change. We find that large firms' prices have a longer lead than small firms' prices with respect to both components. Large firms' early lead on industry‐wide earnings suggests that returns of large firms predict returns of same‐industry small firms. To test this implication, we construct a portfolio of long (short) positions in small firms when the prior month's returns of large firms in their industry are above (below) average for large firms in other industries. This zero investment portfolio earns 4.5 percent over 12 months.

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)0,019
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,087
Tête enseignante GPT0,293
Écart entre enseignants0,207 · 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

Citations28
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207