The impact of financial constraints on banks’ cash tax avoidance
Notice bibliographique
Résumé
Purpose The purpose of this paper is to investigate whether and how banks’ financial constraints affect their cash tax avoidance. The authors hypothesize that banks engage in more tax planning to generate additional cash to mitigate their financial constraints. Design/methodology/approach The authors use a sample of US banks to conduct the panel regression analysis. The authors measure the bank tax avoidance using the cash effective tax rate and measure the bank financial constraints using the Z-score and annual payout ratio. The authors further use the implementation of the Dodd–Frank Act as a quasi-natural experiment to conduct the difference-in-difference analysis. Findings The authors document that financially constrained banks exhibit lower cash effective tax rates. The authors further show that banks facing greater financial constraints are less likely to pursue tax-saving activities following the Dodd–Frank Act. Moreover, the authors find that non-performing loans increase the influence of financial constraints on tax avoidance, while a financial crisis amplifies the impact of financial constraints on bank cash tax savings. Originality/value By extending previous research on financial constraints and tax planning, this paper is the first study to recognize financial constraints, along with the Dodd–Frank Act, as determinants of banks’ tax avoidance. This study informs policymakers about the regulation of tax avoidance in the banking industry and sheds light on possible future research on banks’ tax-planning strategies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».