Assessing Tax Risk: Practitioner Perspectives
Notice bibliographique
Résumé
ABSTRACT This study uses insights from tax practitioners and tax authorities to define and develop an estimate of ex ante tax risk that is independent of common tax outcomes studied in prior literature. Validation tests confirm that our tax risk measure (i) represents the predictable and unpredictable uncertainty inherent in the three sources of tax risk (i.e., economic risk, tax law uncertainty, and inaccurate information processing) and (ii) is a construct different from tax avoidance, tax uncertainty, and general business risk. Using our tax risk measure, we address two research questions of interest to academics and practitioners. First, we examine the association between tax risk and long‐run tax avoidance and find a negative association between tax risk and future long‐run cash effective tax rates (ETRs). Second, we consider the extent to which unrecognized tax benefits (UTBs) reflect tax risk, tax avoidance, or financial reporting incentives and demonstrate that our tax risk measure explains a substantial portion of UTBs, incremental and relative to measures of information risk, conditional conservatism, unconditional conservatism, and tax avoidance. Our study offers a measure of tax risk that, consistent with the Scholes‐Wolfson paradigm, reflects the tax risk inherent in all business activities, not just tax avoidance activities; has unique industry effects; and contributes to our understanding of the factors that affect tax planning decisions and result in variation in firms' ETRs. Our findings will help managers and tax practitioners focus on industry‐specific tax risk components, assess risk during tax planning initiatives, exercise caution when engaging in additional risk if ETRs are low, and adapt tax risk strategies to fit specific company needs. We enhance future tax research by improving the definition and measurement of tax risk.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,009 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».