MétaCan
Menu
Retour à la cohorte
Enregistrement W3184209971 · doi:10.1111/1911-3846.12717

Voluntary Disclosure in Light of Control Concerns*

2021· article· en· W3184209971 sur OpenAlexvenueno aff
Anil Arya, Ram Ramanan

Notice bibliographique

RevueContemporary Accounting Research · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValuation (finance)Economic rentBusinessRevenuePrivate information retrievalIncentiveProcurementInformation asymmetryAgency costStock (firearms)MicroeconomicsControl (management)AccountingFinanceIndustrial organizationEconomicsMarketingCorporate governance

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The centrality of private information in the design of accounting institutions has been explored via agency models that address control concerns as well as disclosure models that amplify valuation issues. This paper derives disclosures by an entrepreneur‐owner when both control and valuation concerns are in play. In particular, the disclosures influence stock price not only via a direct impact on valuation of the firm's revenue but also via an indirect impact on the firm's cost of procuring inputs from a self‐interested and privately informed upstream supplier. In this setting, disclosures are judiciously designed to influence the supplier's decision to share cost information and to control information rents embedded in the procurement contract within the supply chain. Specifically, in order to convey that information rents are not in the offing and, thus, motivate information sharing by the supplier, the owner has incentives to convey a less “rosy” picture. In effect, when controlling supplier actions also becomes important, the owner discloses some unfavorable revenue news that she would have otherwise withheld and conceals some favorable revenue news that she would have otherwise revealed. Consequently, in our model, the disclosure region is either two‐tailed or intermediate, in contrast to the single‐tailed disclosure region implied by familiar valuation considerations alone.

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)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,207
Tête enseignante GPT0,467
Écart entre enseignants0,260 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetAuction Theory and ApplicationsTravaux en français237 207