The Accuracy and Informativeness of Management Earnings Forecasts: A Review and Unifying Framework*
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT This paper synthesizes the literature on management earnings forecasts (MFs) and adaption mechanisms, combines existing theories into a unifying framework, and discusses the primary determinants of MF accuracy and informativeness. The proposed model refines existing theories by emphasizing the dynamics and multiperiod interactions among firm management, financial analysts, and investors, thereby simplifying the assessment of the complex relations within the forecast cycle. Furthermore, we analyze when and to what extent financial analysts and investors anticipate bias and misleading information. Overall, the literature review provides strong support for a positive correlation between the extent and credibility of MFs, on the one hand, and stock returns, share liquidity, and analyst coverage, on the other hand. Earnings forecasts tend to be optimistically biased, with a positive correlation with forecast uncertainty, earnings flexibility, financial distress, investor sentiment, and the share price dependency of managers' remuneration. Firm growth, legal liability, and litigation risk are significantly associated with forecast pessimism. We also find that MF accuracy increases with previous forecast accuracy, firm size, analyst coverage, analyst agreement, management qualifications, and corporate governance level. Moreover, investors do not anticipate the full extent of predictable forecast bias, leading to systematic share price drifts after the announcement of earnings forecasts and actual earnings. The study's results have substantial implications for researchers, firm managers, investors, financial analysts, and regulators. Although managers may enhance their forecasts' credibility by providing precise, bundled, and disaggregated forecasts, external stakeholders should carefully analyze forecast antecedents and characteristics to assess the direction and magnitude of expected MF bias.
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.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle