MétaCan
Menu
Retour à la cohorte
Enregistrement W4386608494 · doi:10.2308/ajpt-2021-005

Does Investment Bankers’ Prior Experience in Public Accounting Reduce Earnings Management in IPO Firms?

2023· article· en· W4386608494 sur OpenAlexaff
Xianjie He, Jeffrey Pittman, Sarah E. Stein, Huifang Yin

Notice bibliographique

RevueAuditing A Journal of Practice & Theory · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesMinistry of Education, IndiaShanghai University of Finance and EconomicsShanghai Education Development FoundationNational Natural Science Foundation of China
Mots-clésInitial public offeringAccrualAccountingEarnings managementBusinessInvestment bankingAuditEarningsIncentiveInvestment (military)FinanceEconomics

Résumé

récupéré en direct d'OpenAlex

SUMMARY We examine whether firms undertaking an initial public offering (IPO) exhibit less earnings management when individual investment bankers have prior experience in public accounting. Although auditors are primarily responsible for providing external monitoring of the financial reporting process, individual bankers also have strong incentives to improve accounting quality in firms going public. We predict a negative relation between public accounting experience and IPO firms’ earnings management because working in public practice fosters individual bankers’ accounting expertise and conservative personalities. In exploiting unique disclosures of investment bankers’ identities and characteristics in China, our analysis indicates that bankers with early-career public accounting experience constrain IPO firms’ accrual-based earnings management. Consistent with expectations, we find that this evidence is more pronounced if the accounting firm that employed the future investment banker is larger, is permitted to audit listed companies, and was previously subject to a regulatory sanction. Data Availability: Most data are publicly available from the sources identified in the paper. Hand-collected data from the Securities Association of China (SAC) can be made available upon request. JEL Classifications: G24; M41; M42.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,056
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,701
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,056
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,008
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,274
Écart entre enseignants0,254 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAuditing A Journal of Practice & TheoryMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207