Financial Reporting Consequences of Sovereign Wealth Fund Investment*
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 Sovereign wealth funds (SWFs) are government‐owned institutional investors pursuing political and financial investment objectives. With $8 trillion in assets, SWFs are geopolitical powerbrokers actively participating in global capital markets, yet we know little about the financial reporting consequences of SWF investment. I document evidence supporting the hypothesis that the simultaneous pursuit of political and financial investment objectives renders SWFs weak monitors. Using a staggered difference‐in‐differences research design, I document economically significant increases in discretionary accruals for SWF target firms after SWF investment, relative to an entropy‐balanced control group of non‐SWF target firms. Corroborating tests document that the effect of SWF investment on discretionary accruals strengthens with SWFs' equity stake and SWF target firms' earnings management incentives and weakens when regulators curb SWFs' pursuit of political objectives. I highlight SWFs' distinct monitoring effect by replicating my analyses after replacing SWF investment with conventional institutional investment, and document that conventional institutional investment instead reduces discretionary accruals. I further corroborate SWFs' distinct monitoring role among conventional institutional investors using a wide variety of robustness tests employing alternate specifications, samples, and financial reporting proxies. Overall, this study introduces an economically important and fundamentally distinct but little‐studied institutional investor to the accounting literature.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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