MétaCan
Menu
Retour à la cohorte
Enregistrement W4390428857 · doi:10.1108/ijaim-07-2023-0188

Are firms more concerned about analysts’ earnings forecasts after the split-share structure reform? Evidence from China

2023· article· en· W4390428857 sur OpenAlexaboutno aff
Xunzhuo Xi, Can Chen, Rong Huang, Feng Tang

Notice bibliographique

RevueInternational Journal of Accounting and Information Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEarningsQuarter (Canadian coin)AccountingChinaValue (mathematics)OriginalityEarnings managementRelevance (law)BusinessEconomicsEarnings per shareTest (biology)Financial economicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to examine whether Chinese firms increase their concerns about analysts’ earnings forecasts following the split-share structure reform (SSR) in 2005, which removed trading restrictions on approximately 70% of the shares of listed firms. Design/methodology/approach Using data from 2002 to 2019, the authors empirically test the association between meeting or beating analysts’ earnings expectations and the implementation of SSR. Findings The authors find that firms are more inclined to meet analysts’ earnings expectations after the introduction of SSR. Further analysis shows that firms guide analysts to walk their forecasts down by manipulating third-quarter earnings, suggesting enhanced value relevance between analysts’ forecasts and third-quarter earnings management in the postreform period. Practical implications The findings reveal an undesirable side effect of SSR and suggest that policymakers and regulators should consider and carefully manage the complex relationships between firms and analysts. Originality/value In contrast to prior studies that predominantly focus on the positive effects of the reform, this study reveals the side effects of SSR and provides new evidence on the mechanisms of meeting or beating analysts’ earnings expectations.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,572
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0020,009
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,237
Écart entre enseignants0,227 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Accounting and Information ManagementMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207