Defining and Managing Corporate Tax Risk: Perceptions of Tax Risk Experts*
Notice bibliographique
Résumé
ABSTRACT We examine the “black box” of corporate tax risk management by providing unique insights into practitioners' tax risk perceptions, tax risk management practices, and influences leading to variation in tax risk management practices across firms. Opening this black box is important as tax risk has become an increasingly relevant aspect in corporate tax practice—little is yet known about how firms define and manage tax‐related risks. We perform our analysis based on 33 expert interviews, which we conducted with 42 tax risk experts. The first important finding from our interviews is that tax risk is a multifaceted and context‐dependent construct, consisting of six tax risk components: financial, reputational, compliance, political, tax process, and personal liability risk. Furthermore, we find that perceived tax risk varies substantially between corporate insiders and corporate outsiders. Our interview insights further reveal that firms' most frequently used tax risk management practices relate to some form of tax communication. The tax departments' rationale for using tax communication as a key tax risk management practice is to protect the firm—in particular, the CFO—from three types of pressure: public pressure, peer pressure, and regulatory pressure. Our analysis has important implications for future studies. First, our insights reveal that several tax risk components are not sufficiently covered by common tax risk measures used by the archival literature. Second, we find that communication has a key role in managing tax risk. This deviates from the purely supportive role that extant risk management frameworks have assigned to communication.
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 | 0,005 | 0,001 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».