MétaCan
Menu
Retour à la cohorte
Enregistrement W3125278592 · doi:10.1111/1911-3846.12484

Trade‐offs between Tax and Financial Reporting Benefits: Evidence from Purchase Price Allocations in Taxable Acquisitions

2019· article· en· W3125278592 sur OpenAlexvenueno aff
Daniel P. Lynch, Miles A. Romney, Bridget Stomberg, Daniel Wangerin, John R. Robinson

Notice bibliographique

RevueContemporary Accounting Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTaxable incomeBusinessIncentiveGoodwillBook valueTax incentiveDeferred taxAmortizationFinanceAsset (computer security)Value (mathematics)Monetary economicsAccountingEconomicsDebtState income taxTax reformPublic economicsMicroeconomicsEarningsGross income

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Under U.S. GAAP, firms recognize assets acquired in business combinations at fair value. Similarly, in taxable asset acquisitions firms adjust the tax basis of assets to fair value. Managers can increase the present value of future tax savings by allocating a greater portion of the purchase price to shorter‐lived assets than to goodwill or indefinite‐lived intangibles. However, this tax planning strategy imposes a financial reporting cost because it reduces book income following the acquisition; all else equal, allocations to shorter‐lived depreciable assets increase book depreciation expense, whereas allocations to goodwill and indefinite‐lived intangibles do not increase book amortization expense. We exploit the features of taxable asset acquisitions to investigate trade‐offs between tax and financial reporting incentives. We predict and find greater allocations to depreciable versus intangible assets when managers have strong tax incentives and weak financial reporting incentives. However, we also find that strong financial reporting incentives moderate the effects of strong tax incentives. These findings contribute new evidence to the literature on the importance of nontax costs in tax planning decisions

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)0,005
score de la tête « metaresearch » (Gemma)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,004
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,121
Tête enseignante GPT0,326
Écart entre enseignants0,206 · 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

Citations43
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetCorporate Taxation and AvoidanceTravaux en français237 207