R&D Reporting Biases and Their Consequences*
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The immediate expensing of research and development (R&D) expenditures is often justified by the conservatism principle. However, no accounting procedure consistently applied can be conservative throughout the firm's life. We therefore ask the following questions: (1) When is the expensing of R&D conservative and when is it aggressive, relative to R&D capitaliza‐tion? (2) What are the capital‐market implications of these reporting biases? To address these questions we construct a model of profitability biases (differences between reported profitability under R&D expensing and capitalization) and show that the key drivers of the reporting biases are the differences between R&D growth and earnings growth (momentum), and between R&D growth and return on equity (ROE). Companies with a high R&D growth rate relative to their profitability (typically early life‐cycle companies) report conservatively, while firms with a low R&D growth rate (mature companies) tend to report aggressively under current generally accepted accounting principles. Our empirical analysis, covering the period 1972‐2003, generally supports the analytical predictions. In the valuation analysis we find evidence consistent with investor fixation on the reported profitability measures: we detect undervaluation of conservatively reporting firms and overvaluation of aggressively reporting firms. These misvaluations appear to be corrected when the reporting biases reverse from conservative to aggressive and vice versa. This evidence is consistent with behavioral finance arguments about investor cognitive biases.
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.
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 | 0,018 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle