<scp>Risk‐Taking</scp> Incentives and Earnings Management: New Evidence*
Notice bibliographique
Résumé
ABSTRACT We reexamine the positive association between stock option vega and earnings management previously documented by Armstrong, Larcker, Ormazabal, and Taylor (2013; henceforth, ALOT). In contrast to ALOT, prior empirical research and practitioner literature emphasizes earnings management's goals of increasing stock price and reducing volatility. Specifically, we assess whether the association is robust to (i) employing discretionary accruals that are less prone to misspecification, (ii) focusing on a more recent time period, and (iii) including additional controls for period‐specific factors. Our main findings are as follows. First, we fail to find a positive association between vega and earnings management after controlling for performance‐related misspecification in discretionary accruals. Second, we find no association between vega and earnings management in a more recent time period, suggesting the results of ALOT may be sensitive to period‐specific factors. Last, the positive association vanishes when we control for year fixed effects, growth opportunities, or monitoring, suggesting the original results of ALOT's research may be sensitive to correlated, omitted variables. Overall, our results question the extent to which vega incentivizes earnings management. Our results may be of interest to boards of directors in designing executive compensation contracts, to regulators in crafting policies that maintain high levels of financial reporting quality, and to researchers seeking to identify settings where earnings management incentives are most salient.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».