MétaCan
Menu
← Retour à la cohorte
Enregistrement W4295067627 · doi:10.3390/jrfm15090395

Board Characteristics and Earnings Management: Evidence from the Vietnamese Market

2022· article· en· W4295067627 sur OpenAlexvenueno aff
Sangjun Cho, Chune-Young Chung

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessAccountingVietnameseEarnings managementCorporate governanceStock exchangeAccrualChief executive officerEarningsProxy (statistics)FinanceEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

This study empirically analyzes the relationship between Vietnamese firms’ earnings management, board characteristics, and ownership structures. I use board size and the proportion of outside directors to reflect board characteristics, and the ownership percentages of the board of directors, outside directors, and the chief executive officer (CEO) to reflect the ownership structures. I use discretionary accruals, measured by the modified Jones model, to proxy for earnings management. From analyzing firms listed on the Ho Chi Minh and Hanoi Stock Exchanges from 2012 to 2017, I find that board size and the ownership percentages of outside directors and CEOs are negatively related to earnings management, whereas the board of directors’ ownership percentage is positively related. The proportion of outside directors is not significantly associated with earnings management. This study provides policy insights for improving Vietnamese firms’ financial transparency. Specifically, corporate laws regulating board composition should be enacted to ensure that all firms meet a minimum number of board members. Moreover, a policy mandating boards to include independent outside directors is necessary, as establishing an independent outside director system within Vietnam’s corporate law can strengthen the sustainability of the board of directors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,189
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetAuditing, Earnings Management, Governance→Travaux en français237 207→