MétaCan
Menu
← Retour à la cohorte
Enregistrement W3142439067

The Effect of the Need for Subsequent Seasoned Equity Offerings on Earnings Management Motivation

2018· article· en· W3142439067 sur OpenAlexaff
Moshe Hagigi, Guannan Wang

Notice bibliographique

RevueSSRN Electronic Journal · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésBusinessEquity (law)AccrualEarningsIssuerEarnings managementEquity riskPrivate equity fundEquity capital marketsFinanceAccountingMonetary economicsEconomicsPrivate equity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Several previous studies have discussed the differential market reaction to Seasoned Equity Offerings (SEOs) which were issued at different frequencies and in different sequences. We explore an additional aspect to this issue. We have attempted to study the impact of the need for subsequent SEOs on the managerial motivation to manage earnings. We hypothesize that those firms with less of a need for subsequent equity issuances are more likely to engage in “income-increasing” earnings management (EM) prior to their equity issuances. Conversely, equity issuers with more of a need for subsequent equity issuances would be more concerned about the potential impact of current EM on their future reported earnings and therefore would be less likely to manage earnings. Using data from U.S. companies during the period 1984-2014, we find that the level of income-increasing abnormal accruals around equity issuance is negatively related to their need for subsequent equity issuance. These results are consistent with the assumption that firms which have financing need plan not only for the current equity issuance but also for issuances in the near future.

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)0,002
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,219 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetAuditing, Earnings Management, Governance→Travaux en français237 207→