MétaCan
Menu
Retour à la cohorte
Enregistrement W3217279581 · doi:10.30798/makuiibf.836627

THE IMPACT OF CORPORATE GOVERNANCE PRACTICES ON POST-MERGER PERFORMANCE

2021· article· en· W3217279581 sur OpenAlexaboutno aff
Ali İhsan Akgün

Notice bibliographique

RevueMehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma KurumuBangor University
Mots-clésAccountingCorporate governanceBusinessTransparency (behavior)Sample (material)International Financial Reporting StandardsEmpirical evidenceQuality (philosophy)FinancePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The relation between the post-merger performance and corporate governance mechanism is examined using Linear regression model for a sample of US, Canada, EU-28 and Western European countries listed firms for the period from 2003 to 2012. We also examine as to whether the use of International Financial Reporting Standards (IFRS) improves corporate transparency, therefore, increasing financial reporting quality. Using a sample of banks from international countries, we present the following key findings: post-merger performance is significantly better common law in countries than code law in countries with better IFRS group banks during the post-merger performance. We also find that local GAAP reporting allows a more transparent assessment of financial performance on the basis of traditional indicators making it a superior tool for assessing potential acquisition targets. This study analysis changes in a country legal regulation as a measure of corporate governance and shows that these regulations play an important role in merger activity. Legal origins and owner-protection mechanisms are important in explaining the relationship between the quality of accounting standards and corporate governance practices following IFRS adoption. Overall, our empirical findings result consistent with Ciobanu (2015) find that merger and acquisition is influenced both the legal origin and accounting regulations.

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)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,216 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi DergisiMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207