Auditor Choice and the Informativeness of 10-K Reports
Notice bibliographique
Résumé
This study provides new evidence on the influential role of external auditors in enhancing the informativeness of form 10-K annual reports to shareholders. Specifically, we find that the client's choice of a Big 4 auditor (PwC, EY, KPMG, and Deloitte) versus a non-Big 4 auditor contributes to cross-sectional variations in 10-K disclosure volume. We also document that the benefit of enhanced disclosures provided by Big 4 auditors is more pronounced for audit clients with poorer accrual quality and those with higher information asymmetry. Furthermore, we introduce the portion of 10-K length unexplained by operating complexity and observable client characteristics as a new proxy for audit firm effort. Specifically, we find that abnormally long disclosures are associated with higher audit fees and longer audit report lag, which implies that an incremental level of audit effort can be inferred from the discretionary component of 10-K disclosures. As audit effort is costly, a greater volume of 10-K disclosures can be expected to be associated with an improvement in the quality of financial reporting. Overall, our findings show that auditors play more than a simple attestation role in the financial reporting process, and that the quality of financial reporting in a company's 10-K annual report is a joint product of the effort and decisions of both a company's managers and its auditors.
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 | 0,003 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».